Planista chce ograniczyć spóźnienia, podczas gdy kierownik utrzymania ruchu potrzebuje okna serwisowego. Dobry algorytm respektuje oba ograniczenia, a nie tylko maksymalizuje wykorzystanie maszyn. Ten scenariusz pokazuje, dlaczego wdrożenie funkcji „Harmonogramowanie maszyn” powinno być testowane na konkretnych zdarzeniach, a nie tylko na poprawnie wyglądającym pulpicie.
Problem operacyjny i oczekiwany rezultat
Celem nie jest samo zastosowanie modelu sztucznej inteligencji. Oczekiwany rezultat jest mierzalny: przydziela zlecenia do maszyn w taki sposób, aby nie nakładały się operacje i aby spełnione były zależności między etapami. Punkt wyjścia to dane obejmujące operacje technologiczne, przypisania maszyn, czasy przezbrojeń, parametry partii, okresy serwisowe oraz dostępność operatorów. Bez tego system może tworzyć pozornie precyzyjne zestawienia.
Trzy kontrole przed automatyzacją
- Czy istnieją stanowiska alternatywne?
- Czy przezbrojenia zależą od kolejności produktów?
- Czy harmonogram uwzględnia planowane postoje?
Każdą kontrolę warto przetworzyć w warunek odbioru oprogramowania. Pracownik powinien móc sprawdzić nie tylko wynik, ale też dane wejściowe, zastosowaną regułę i identyfikator operacji.
Co robi algorytm, a co zatwierdza człowiek?
W trakcie pracy system przydziela zlecenia do maszyn w taki sposób, aby nie nakładały się operacje i aby spełnione były zależności między etapami. W sprawach niejednoznacznych pokazuje przyczynę i wymaga korekty lub akceptacji. Log zmian powinien zawierać czas zdarzenia, użytkownika, źródło danych i poprzednią wartość.
Połączenie z MES, ERP, planowania produkcji i ewentualnie danych z maszyn należy przetestować również podczas przerwania komunikacji. Ponowione żądanie nie może bez kontroli tworzyć drugiego zamówienia, wpisu lub zadania.
Jak wykonać pilotaż?
- Zakres testu: grupa 3–5 stanowisk z powtarzalnymi marszrutami.
- Zbierz reprezentatywne przypadki zwykłe, graniczne i błędne, nie tylko kilka wygodnych przykładów.
- Równolegle wykonuj czynność dotychczasowym sposobem i porównuj rezultaty z nowym procesem.
- Udokumentuj odstępstwa oraz sposób ich poprawienia przed rozszerzeniem rozwiązania.
KPI i kryteria odbioru
Podstawowe miary: wykorzystanie maszyn, czas przezbrojeń, długość harmonogramu i zlecenia spóźnione. Trzeba również kontrolować liczbę ręcznych interwencji, czas potrzebny na obsługę wyjątku i odsetek działań poprawionych po zatwierdzeniu.
Nie należy deklarować stałego procentu oszczędności dla wszystkich zakładów. Inny wynik osiągnie firma z uporządkowanymi danymi, a inny organizacja z brakami w ewidencji.
Błąd, którego warto uniknąć
zbyt optymistyczne normy czasowe oraz brak informacji o oprzyrządowaniu skutkują konfliktem planu
Przykład decyzji do podjęcia
Dwie frezarki mogą wykonać tę samą operację, ale jedna wymaga innego oprzyrządowania i dodatkowych 45 minut przezbrojenia. Harmonogram musi uwzględnić ten koszt czasu.
Po wdrożeniu warto przeanalizować pierwsze zgłoszone wyjątki wspólnie z planistą, operatorem lub działem jakości. To często źródło ważniejszych poprawek niż samo dostrajanie modelu.
Podsumowanie
Dobrze zaprojektowane harmonogramowanie maszyn wymaga spójnych danych, jasnego podziału odpowiedzialności i mierzalnej kontroli. Dopiero po udanym pilotażu warto zwiększać liczbę maszyn, produktów lub wydziałów.
Chcesz przeanalizować ten proces w swoim zakładzie? JOFRA AI projektuje systemy dopasowane do sposobu pracy firmy, danych i dostępnych integracji. Opisz proces i skalę operacji: contact@jofraai.eu.
Opis pokazuje możliwy zakres wdrożenia. Ostateczne działanie, skuteczność i koszt zależą od danych, integracji oraz testów w konkretnym zakładzie.
Przeczytaj również: Harmonogramowanie maszyn z AI: jak działa system?, Sztuczna inteligencja w przemyśle: 16 praktycznych zastosowań.