Sztuczna inteligencja w nowoczesnej produkcji: inteligentne planowanie zadań produkcyjnych

117

Kluczową informacją dla decydentów w obszarze zarządzania produkcją jest stopień przestrzegania norm produkcyjnych oraz tempo realizacji prac. Normy produkcyjne stanowią fundament dla utrzymania wysokiej jakości i efektywności procesów produkcyjnych. Ich przestrzeganie jest niezbędne do zapewnienia, że produkty końcowe spełniają określone standardy jakości, a procesy są realizowane w sposób zoptymalizowany pod względem kosztów i czasu.

Wysoki stopień przestrzegania norm produkcyjnych oznacza, że firma jest w stanie utrzymać stabilność jakości swoich produktów, co bezpośrednio przekłada się na zadowolenie klientów oraz lojalność rynkową. Ponadto systematyczne monitorowanie i analiza KPI pozwala na wczesne wykrywanie problemów, co umożliwia szybką reakcję i minimalizację strat. Tempo realizacji prac jest fundamentalnym aspektem zarządzania produkcją, który wpływa na ogólną wydajność i efektywność przedsiębiorstwa.

Modele prognozowania tempa pracy operatorów

Z myślą o maksymalizacji efektywności operacyjnej poprzez optymalizację przydziału zadań i monitorowanie tempa pracy operatorów jednym z elementów projektu realizowanego przez eq system „Opracowanie oprogramowania do inteligentnego planowania i dystrybucji zadań operatorów produkcyjnych wspomaganego przez sztuczną inteligencję w modelu cyfrowej repliki (digital twin)” było opracowanie narzędzi i modeli prognozowania tempa pracy operatorów. W celu rejestrowania postępów gromadzone są dane dotyczące łącznego czasu pracy operatorów, historycznych norm produkcyjnych zastosowanych w planie, dane dotyczące procesów produkcyjnych: czas trwania, ilość wyprodukowanych jednostek, dostępność operatorów w przeszłości oraz struktura ich pracy (czy to w zespołach, czy indywidualnie). Na podstawie zgromadzonych danych rozwiązanie eq system pozwala na analizę efektywności poszczególnych procesów w przeszłości i prognozuje efektywność procesów produkcyjnych, wykorzystując informacje o dostępnych operatorach. Proces realizacji inteligentnego planowania i dystrybucji zadań operatorów produkcyjnych wspomaganego przez sztuczną inteligencję opracowany przez eq system opiera się na synergii systemów IT i precyzyjnym przepływie informacji. Projektowane interfejsy zakładają dwa główne scenariusze wykorzystania: bieżącą pracę brygadzisty/mistrza, który rozdysponowuje zadania do najlepiej dopasowanych pracowników realizujących optymalne tempo produkcji, oraz pracę planisty, który koryguje plany produkcyjne według informacji o prognozie tempa produkcji dla poszczególnych grup operatorów.

Integracja danych i elastyczność procesów

W ramach procesu, do systemu planującego i harmonogramującego ASPROVA APS dostarczane są dane generowane w platformie XPRIMER, obejmujące zarówno plan obsady (z modułu XPRIMER.HRM), technologię produkcji (z modułu XPRIMER.TCW) oraz struktury grup operatorów i realizację produkcji wynikającą z ewidencji produkcji (w XPRIMER.MES). Na podstawie historycznej realizacji produkcji przeprowadza się obliczenia modelu AI, prognozującego globalne tempo operatora. Te dane są analizowane w celu przewidywania przyszłych wyników. Rozpoczęcie planowania operacji produkcyjnych i analiza danych prognostycznych są sercem tego procesu, obejmując zadania związane z wykorzystaniem prognoz AI do dostosowania planów produkcji. Proces planowania, harmonogram produkcji oraz analiza danych modelu AI odbywa się w cyklach dostosowanych do specyfiki danej organizacji oraz działu produkcji, co pozwala na adaptację do zmieniających się warunków i optymalizację procesów produkcyjnych. Synergia systemów polega na integracji danych z różnych modułów (HRM, TCW, MES) oraz ich wykorzystaniu przez model AI do prognozowania tempa pracy operatorów. Integracja z systemem ASPROVA APS umożliwia korygowanie planów produkcyjnych, co zwiększa elastyczność i adaptacyjność całego procesu produkcyjnego. W rezultacie cały proces wspomagany przez sztuczną inteligencję pozwala na optymalizację przydziału zadań, zwiększenie efektywności pracy operatorów oraz lepsze zarządzanie zasobami, przekładając się na wyższą wydajność i jakość produkcji.