Zastosowanie IBM Watson w VSM

 

Zastosowanie IBM Watson w VSM – szczegółowy przykład:

Scenariusz: Optymalizacja procesu produkcyjnego w fabryce samochodów

Załóżmy, że firma zidentyfikowała samochody, które są znalezione w czasie cyklu wytwarzania oraz ujawnienia marnotrawstwa w ramach twoich strumieni wartości. Kluczowym urządzeniem w fabryce jest linia montażowa, na której znajdują się różne urządzenia montujące części samochodów. Proces jest wyposażony w szereg operacji, takich jak montaż, testowanie, malowanie nadwozi, kontrola jakości, itp.

1. Zbieranie danych:

dostępne w ramach zbierania ogromnych ilości danych dotyczących różnych procesów produkcji. Może przekazać:

• Czas trwania produkcji na późniejszym etapie (ile czasu trwania montażu silnika, ile trwa wykończenie nawierzchni itp.)
• Dostarczanie maszyn i urządzeń (czy maszyny opracowane z przewidywaniami?)
• Stan zapasów materiałów (czy występuje z powodu braków w zużych?)
• Ruchy pracowników (czy pracownicy są rozmieszczeni na linii montażowej?)

Dane mogą pochodzić z różnych źródeł, takich jak czujniki IoT (Internet of Things), systemy ERP, systemy monitorujące urządzenia, kamery przemysłowe oraz bezpośrednie obserwacje.

2. Analiza danych za pomocą IBM Watson:

IBM Watson wykorzystuje swoje algorytmy AI do przetwarzania i analizy tych danych, aby pomóc menedżerom wytwarzania zrozumieć, gdzie występują problemy, jakie są opóźnienia, oraz gdzie można znaleźć czas i zasoby.

Przykład:

• Analiza mechanizmów kontrolnych: IBM Watson analizuje dane w czasie cyklu produkcyjnego, że w montażu silnika pojawia się powtarzający się problem – zbyt długotrwała przerwa w dostarczaniu części z magazynu. Watson powstał, że brak dostępu między magazynami a linią produkcyjną jest dostarczany z tego źródła.

  Zastosowanie AI: Watson może być dane z systemu ERP iw czasie, gdy wystąpią, kiedy zostaną odłączone materiały, oraz automatyczne części zamówienia z magazynu, co pozwala na utrzymanie ciągłości produkcji.

• Wykrywanie anomalii w jakości: Watson analizuje dane z kamer monitorujących oraz czujników jakości. W przypadku, gdy maszyny na linii montażowej nie są stosowane zgodnie z wymaganiami, np. podczas stosowania może wystąpić niebezpieczeństwo rozprzestrzeniania się substancji, Watson wychwytuje te anomalie i działanie alert dla odpowiedniego zespołu.

  Zastosowanie AI: IBM Watson może automatycznie wykrywać różne defekty jakościowe w procesie produkcji, a następnie wprowadzać zmiany w ustawieniach maszyn lub przekazywać zadanie do inspekcji jakości.

3. Prognozowanie wydajności:

IBM Watson może być wyposażony w dane historyczne oraz algorytmy uczenia maszynowego do przewidywania, jak będzie działać w przyszłości, co może pomóc w optymalizacji zapasów, harmonogramów i alokacji zasobów.

Przykład:

• Prognozowanie zapotrzebowania na surowce: Na podstawie danych dotyczących cykli produkcyjnych oraz globalnych trendów rynkowych, IBM Watson może przewidywać wymagania na zdarzenia. Jeśli wiadomo, że w przypadku zasilania będą większe wymagania na samochody elektryczne, Watson może pochodzić, które są potrzebne w większej ilości i odpowiednio zarekomendowane zmiany w planowaniu zakupów.

4. Optymalizacja strumienia wartości:

Po wystąpieniu wszystkich zebranych danych i wyników prognoz, Watson może zalecić zmiany w całym strumieniu wartości. Na przykład, może wskazać, które procesy są zbędne, które zadania można zautomatyzować, a które wymagają uwagi.

Przykład:

• Optymalizacja zapasów: Watson może zasugerować automatyczne zastosowanie zapasów w zależności od prognozowanych ustawień dla różnych modeli samochodów. Dzięki temu firma może wystąpić sytuacja, której nie ma ilości dostarczonej do realizacji.

Podsumowanie:

IBM Watson w ramach VSM oferuje zaawansowaną funkcjonalność i prognozowanie mechanizmów, co pozwala na wykrywanie marnotrawstwa, identyfikację zabezpieczeń gardeł oraz optymalizację sterowania wartościami. Dzięki sztucznej inteligencji, przedsiębiorstwo może zastosować przydatne decyzje, przewidzieć problemy w procesach, automatycznie wykryć zapasy poziome i usprawnić czas cyklu produkcyjnego. Watson pomaga także w monitorowaniu jakości, wykrywaniu anomalii oraz prognozowaniu potencjalnych zastosowań, co prowadzi do bardziej zaawansowanej i zaawansowanej produkcji.