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