Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
mag. Tomaž Dular, arhitekt sistema in Tibor Zavrl, svetovalec
Planiranje proizvodnje s pomočjo orodij umetne inteligence (Watson)
in proizvodno analitiko
Kako planiramo najraje
Faze (operacije) izdelave
Posebnosti planiranja
tehnološkega delovnega mesta
Faza 1
Faza 2
Faza 3
Skupina delavcev Stroj Proizvodna linija
Posebnosti planiranja (Pol)Izdelka
Faza 1
Faza 2
Faza 3
Barva Oblika Teža
MIT Orkester upošteva različne
lastnosti za način planiranja
Faza 1
Faza 2
Faza 3
MIT Orkester Planiranje
• optimalno vodena proizvodnja,
• brez mrtvih hodov,
• z optimalnimi serijami,
• in nadzorovanimi stroški.
Možnost različnih vrst planiranja
• Posamezni deli proizvodnje imajo pri planiranju svoje posebnosti (npr. barvanje od svetlih do temnih, nastavitve strojev,...), kar pišemo v predloge za planiranje.
• Cilj: zagotavljamo optimalen potek proizvodnje, manj pogoste menjave orodij in čiščenja ter s tem prihranke.
Simulacije planiranja
• S številom delovnih nalogov in operacij ter posebnosti za planiranje, se eksponentno povečuje zahtevnost planiranja.
• Planer ima možnost pripraviti več simulacij planov in primerjav, na osnovi katerih se izbere ustrezni plan za lansiranje proizvodnje.
Prednosti planiranja
• Program planiranja deluje mnogo hitreje kot planer.
• Vedno upošteva vse informacije za planiranje, zaloge, orodja itd...
• Optimalno izkoriščanje kapacitet.
• Integrirana povezava informacij ERP.
• Povezava z optimizacijskimi rešitvami v oblaku (AI).
Kaj vse planiranje lahko upošteva
Prodajna naročila
Delovni nalogi
Zaloge surovin
Kapacitete proizvodnje
Nabavna naročila
Zaloge orodja
Vrsta plana tip A
Vrsta plana tip B
Vrsta plana tip C
Plani tip A
Plani tip B
Plani tip C
Cockpit planerja v MIT Orkester
Intervalno planiranje
Materiali, kateri in kdaj jih rabimo
• Planiranje dobavljivosti surovin po fazah izdelave.
• Opozarjanje nabave o nujnosti takojšnjega naročanja (že v fazi planiranja).
• Dnevni nadzor zalog materiala (min. max. zaloge).
• Točnost dobave.
• Kvaliteta materiala in surovin.
ABC analiza dobaviteljev
Dobavitelji
Proces od naročila do odpreme
Dobava materialov na planirani faze
izdelave
Vgrajena AI optimizacijaIBM
Watson
Optimizacija z AI - umetno inteligenco
Optimizacija z AI - umetno inteligenco
Rezultat optimizacije z AI
• Prihranek časa in denarja
• 15 – 20 % dodatne proste kapacitete
• Hitrost optimizacije od 20 sek do 15 minut
RS portal planiranja proizvodnje
Plan - realizacija ure po TDM
Plan – realizacija € po TDM
Vrste zastojev po TDM
Preventivno vzdrževanje TDM
Količina in vrste zastojev - produkcija
mag. Tomaž Dular, arhitekt sistema in Tibor Zavrl, svetovalec
Planiranje proizvodnje s pomočjo orodij umetne inteligence (Watson)
in proizvodno analitiko5. oktober 2017