Dauguma žmonių mano, kad „DI gamyboje“ reiškia milijoną svarų kainuojančią robotizuotą ranką arba visiškai automatizuotą gamyklą. Tačiau mažoms, 10 darbuotojų turinčioms mechaninėms dirbtuvėms, su kuriomis kalbuosi kiekvieną savaitę, ši vizija atrodo kaip mokslinė fantastika. Jie nesijaudina dėl humanoidų robotų; jiems rūpi augančios medžiagų sąnaudos ir itin mažos maržos gaminant didelės įvairovės, bet mažų apimčių produkciją. Neseniai dirbau su nedidele tiksliosios inžinerijos įmone, kuri įrodė, kad nebūtinas milžiniškas MTEP biudžetas, norint transformuoti savo gamybos procesus. Identifikavę geriausius DI įrankius gamybai, kurie iš tikrųjų atitinka mažo masto biudžetą, jie sugebėjo sumažinti medžiagų atliekas 30 % vos per šešis mėnesius.
Tai nebuvo susiję su jų kvalifikuotų mašinistų pakeitimu. Tikslas buvo užpildyti tai, ką vadinu „Tikslumo atotrūkiu“ (angl. The Precision Gap) – skirtumą tarp to, ką prognozuoja rankiniu būdu pildoma skaičiuoklė, ir to, kas iš tikrųjų vyksta gamybos ceche. Mažoje dirbtuvėje būtent šiame atotrūkyje prarandamas pelnas.
Problema: „Mažų partijų mokestis“
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Prieš pradedant diegti DI, ši dirbtuvė kentėjo nuo to, ką pavadinau „Mažų partijų mokesčiu“. Didelio masto gamyboje galite sau leisti keletą brokuotų gaminių 10 000 vienetų partijos pradžioje, kol atliekamas kalibravimas. Tačiau kai gaminate tik 15 vienetų aukštos specifikacijos aviacijos komponentų, viena klaida nėra tik paklaida – tai 7 % visų tos užduoties pajamų.
Jų atliekos atsirado ne dėl nekompetencijos. Jos atsirado trijose specifinėse srityse, kuriose žmogaus intuicija tiesiog negali konkuruoti su duomenų dėsningumais:
- Medžiagų užsakymas su pertekliumi „dėl atsargos“, nes pristatymo terminai buvo nenuspėjami.
- Kalibravimo nuokrypis, kuris likdavo nepastebėtas, kol partija būdavo baigta ir nepraeidavo kokybės kontrolės (QC).
- „Popietinis nuovargis“ – klaidos, kurios įsiveldavo per paskutines dvi pamainos valandas, kai akys būdavo pavargusios.
Jie išleisdavo beveik £4,000 per mėnesį išmestam aliuminiui ir perdirbimui. Peržiūrėkite mūsų gamybos sutaupymų vadovą, kad pamatytumėte, kaip šie skaičiai atrodo visos pramonės mastu. Peržiūrėjus jų pelno ir nuostolio ataskaitą, tapo aišku: jie prarado pinigus ne todėl, kad nemokėjo gaminti detalių, o todėl, kad spėliojo kintamuosius.
1 etapas: Nuspėjamasis MRP (medžiagų poreikių planavimas)
Pradėjome nuo jų medžiagų poreikių planavimo. Tradicinės MRP sistemos yra statiškos. Jūs nurodote sistemai, kad pristatymo laikas yra 5 dienos, ir ji tuo tiki amžinai. Tačiau DI pagrįsti MRP įrankiai yra dinamiški – jie mokosi iš kiekvienos transakcijos.
Integravome įrankį, kuris lygina tiekėjų veiklos rezultatus, pristatymo vėlavimus ir istorinį gamybos pralaidumą. Užuot užsakę remiantis „nuojauta“, kad tiekėjas gali vėluoti, DI pažymėjo, kad konkretaus lydinių tiekėjo pristatymo terminai faktiškai padidėdavo 22 % kiekvieną kartą, kai jų regione būdavo valstybinė šventė.
Rezultatas: jie nustojo kaupti pertekles atsargas. Sugriežtinę inventoriaus valdymą pagal realius pristatymo modelius, jie atlaisvino £12,000 pinigų srautų per pirmuosius 90 dienų. Tai yra esminė gamybos atliekų mažinimo dalis – kalbame ne tik apie šiukšlių dėžę, bet ir apie veltui lentynose gulintį kapitalą.
2 etapas: Kompiuterinis regėjimas su nedideliu biudžetu
Kokybės kontrolė paprastai yra ta sritis, kurioje susidaro didžiausios atliekos. Šiai dirbtuvei vienas mikro įtrūkimas arba 0,01 mm nuokrypis reiškė, kad detalė yra brokas. Tradiciškai tam reikėjo žmogaus su mikrometru arba brangios CMM (koordinačių matavimo mašinos), kurios darbas su viena detale trukdavo 20 minučių.
Mes nepirkome naujos CMM. Vietoj to panaudojome vaizdo atpažinimo DI – konkretų įrenginį, prijungtą prie didelės raiškos kameros, sumontuotos virš išvesties dėklo. Apmokėme modelį naudodami 200 „tobulų“ detalių ir 50 „brokuotų“. Dabar DI nuskenuoja kiekvieną detalę per milisekundes.
Jei jis pastebi tendenciją – tarkime, penkios detalės iš eilės artėja prie viršutinės tolerancijos ribos – jis įspėja mašinistą prieš šeštajai detalei tampant broku. Tai yra perėjimas nuo detektyvinės QC (klaidos paieškos) prie nuspėjamosios QC (prevencijos).
Geriausi DI įrankiai gamybai (leidimas mažoms dirbtuvėms)
Jei norite atkartoti šiuos pasiekimus, neieškokite korporatyvinių sprendimų, sukurtų „Ford“ ar „Boeing“. Jums reikia moduliarių, debesijos pagrindu veikiančių ir „mažo kodo“ (angl. low-code) įrankių. Štai įrankiai, kuriuos šiuo metu rekomenduoju mažesnėms įmonėms:
1. Tulip (Tiesioginės operacijos)
Tulip leidžia kurti „programėles“ jūsų gamybos cechui nemokant programuoti. Ji jungiasi prie jūsų esamų mašinų ir naudoja DI, kad analizuotų operatorių našumą ir mašinų prastovas. Tai puikiai tinka nustatyti, kur mokamas „Mažų partijų mokestis“.
2. Katana (Išmanusis inventorius ir MRP)
Dirbtuvėms, kuriose dirba 10–50 žmonių, Katana dažnai yra idealus pasirinkimas. Jų naujausi DI pagrįsti prognozavimo sprendimai padeda tiksliai suprasti, kada pirkti medžiagas. Tai vienas geriausių DI įrankių gamybai, kai jūsų pagrindinis tikslas yra pinigų srautų optimizavimas.
3. Landing AI (Vizualinė patikra)
Andrew Ng įkurta platforma yra prieinamiausia vaizdo atpažinimo sistema, kurią man teko rasti. Jums nereikia duomenų mokslininko, kad ją apmokytumėte. Vyriausiasis mašinistas gali „išmokyti“ DI, kaip atrodo gera detalė, per vieną popietę, naudodamas „iPhone“ arba standartinę pramoninę kamerą.
Strategija: 90/10 taisyklė dirbtuvėse
Viena iš mano pagrindinių metodikų yra 90/10 taisyklė: DI turėtų atlikti 90 % pasikartojančio, duomenimis grįsto stebėjimo, kad jūsų ekspertai galėtų susikoncentruoti į 10 % didelės vertės problemų sprendimo.
Šioje dirbtuvėje mašinistai iš pradžių nervinosi. Jie manė, kad ši „juodoji dėžė“ skirta jų pertraukėlių laikui skaičiuoti. Turėjau su jais kalbėtis atvirai: DI yra tam, kad jūsų sunkus darbas neatsidurtų perdirbimo konteineryje. Kai jie pamatė, kaip DI užfiksavo įrankio nusidėvėjimo problemą, kuri būtų sugadinusi visą sekmadienio viršvalandžių pamainą, požiūris pasikeitė.
Galutinė apžvalga: transformacijos ROI
Pažvelkime į konkrečius skaičius.
- Programinės/techninės įrangos kaina: £450/mėn. (prenumeratos ir kelios kameros).
- Įdiegimo laikas: 4 savaitės „pasyvaus“ duomenų rinkimo, 2 savaitės aktyvaus naudojimo.
- Medžiagų atliekų sumažėjimas: 30 % (sutaupyta £1,200/mėn.).
- Našumo padidėjimas: 15 % (dėl mažesnio perdirbimo laiko).
Šiai 10 žmonių dirbtuvei ši £450 investicija sukuria beveik £2,500 mėnesinę vertę. Tai nėra „technologinis eksperimentas“; tai esminis jų verslo ekonomikos pokytis.
Jei vis dar valdote savo gamybą naudodami baltas lentas ir skaičiuokles, jūs ne šiaip esate „senosios mokyklos“ atstovai – jūs mokate mokestį, kurį jūsų DI naudojantys konkurentai jau panaikino. Galimybių langas pasinaudoti šiais įrankiais, kol jie dar suteikia konkurencinį pranašumą, veriasi. Netrukus tai nebus „laimėjimas“ – tai bus išlikimo bazinis lygis.
Pasiruošę pamatyti, kur jūsų dirbtuvė praranda pinigus? Išbandykite mūsų sutaupymų analizės įrankį ir suraskime jūsų pirmuosius 10 %.