Plan
5 000 szt.
Start: 10:00
Planowane zakończenie: 13:00
Planowanie produkcji AI
Wykonalność planu produkcji znana,zanim zlecenie ruszy.
INVO analizuje planowane zlecenia, zestawienia materiałowe, dostępne linie, zasoby i historię rzeczywistego wykonania, aby przewidzieć czas realizacji, obciążenie produkcji i ryzyko opóźnień.
Sztuki
24 850
Zlecenia
186
Linie
7
Linia 1Linia 2Linia 3
+45 min
Planowane zakończenie 14:20 Prognozowane zakończenie 15:05
Ryzyko opóźnienia78%
Linia montażowa 3 · przewidywane wąskie gardło
Rekomendacja
Przenieś partię #4821 na linię 2
Plan vs rzeczywistość
Plan produkcji nie zawsze pokazuje,jak produkcja przebiegnie naprawdę.
Plan może zakładać, że zlecenie zakończy się o 14:00. W praktyce wynik zależy od tego, co dzieje się na hali: wielkości partii, obciążenia linii, kolejności zleceń, dostępności ludzi i opóźnień z wcześniejszych etapów.
INVO wykorzystuje historię rzeczywistej produkcji, aby jeszcze przed rozpoczęciem zmiany oszacować, ile produkcja prawdopodobnie potrwa i gdzie może pojawić się problem.
Rzeczywiste warunki
- linia 3 mocno obciążona
- wcześniejsze zlecenie +18 min
- większa partia niż zwykle
- próby w locie blisko pełnej przepustowości
Prognoza INVO
Prognozowane zakończenie
13:34
PlanPrognozowane zakończenie
13:00
+34 min
Ryzyko opóźnienia: 72%
Plan mówi, co powinno się wydarzyć. INVO wykorzystuje dane historyczne, aby przewidzieć, co prawdopodobnie wydarzy się naprawdę.
Przed rozpoczęciem produkcji
Co można wiedziećprzed rozpoczęciem zmiany?
Kiedy naprawdę zakończy się produkcja?
Przewidywany czas wykonania zlecenia i całego planu.
Które linie będą przeciążone?
Prognozowane wykorzystanie dostępnej przepustowości.
Gdzie powstanie wąskie gardło?
Procesy, które prawdopodobnie ograniczą wykonanie planu.
Ile komponentów rzeczywiście zużyjemy?
Prognoza wykonania uwzględniająca historyczne odchylenia.
Które zlecenia są zagrożone?
Prawdopodobieństwo niedotrzymania harmonogramu.
Czy obecna obsada wystarczy?
Przewidywane zapotrzebowanie na ludzi dla poszczególnych etapów.
Jak to działa?
Od historii produkcji doprognozy kolejnej zmiany.
INVO wykorzystuje dane, które już powstają podczas planowania i realizacji produkcji. Porównuje wcześniejsze plany z rzeczywistym wykonaniem i na tej podstawie przewiduje przebieg kolejnych zleceń.
Historia produkcji
Plan + rzeczywiste wykonanie
AI
Znajduje zależności
Prognoza
Co prawdopodobnie wydarzy się jutro?
- Plan
- 14:00
- Prognoza
- 15:05
- Ryzyko
- 78%
01
Zbieramy rzeczywiste dane z produkcji
INVO zapisuje m.in.:
- co produkowaliśmy
- ile
- na której linii
- jak długo
- z jaką przepustowością
- jakie wystąpiły opóźnienia
Dzięki temu powstaje historia tego, jak produkcja przebiegała naprawdę, a nie tylko jak była zaplanowana.
02
AI znajduje powtarzające się zależności
Modele analizują wcześniejsze realizacje i sprawdzają, co wpływało na czas oraz przepustowość produkcji. Przykładowo system może zauważyć:
Przy tej wielkości produkcji i obciążeniu prób w locie podobne zlecenia trwały średnio 12% dłużej niż zakładał plan.
Nie trzeba ręcznie definiować każdej takiej zależności - model znajduje je w danych historycznych.
03
Przewidujemy kolejną produkcję
Gdy powstaje nowy plan, INVO wykorzystuje wcześniejsze dane, aby oszacować:
- kiedy zakończy się produkcja
- które linie mogą być przeciążone
- gdzie może powstać wąskie gardło
- które zlecenia są zagrożone opóźnieniem
Zamiast
Planowane zakończenie: 14:00
Dodatkowo
- Przewidywane zakończenie: 15:05
- Ryzyko opóźnienia: 78%
- Problem: przeciążenie linii 3
Im więcej rzeczywistych realizacji znajduje się w historii, tym więcej danych mamy do trenowania i doskonalenia modeli prognostycznych.
Modele i technologia
Różne pytania wymagająróżnych modeli.
Wszystkie modele korzystają z danych zgromadzonych w hurtowni danych INVO. Łączymy w niej historię zamówień, zestawień materiałowych, planów produkcji, pracy linii, rzeczywistego czasu wykonania, zużycia komponentów, przestojów i innych zdarzeń z ERP oraz MES.
Na tej podstawie dobieramy model do konkretnego pytania - np. ile potrwa produkcja, gdzie powstanie przeciążenie albo jakie jest ryzyko opóźnienia.
Skąd modele biorą dane?
ERPMESWMSDane produkcyjne
Hurtownia danych INVO
- Zamówienia
- BOM
- Plany produkcji
- Rzeczywiste czasy
- Praca linii
- Zużycie
- Przestoje
- Przepustowość
Plan
Jak produkcja była zaplanowana
Wykonanie
Jak przebiegła naprawdę
Modele AI
Hurtownia danych tworzy historię tego, jak produkcja była planowana i jak przebiegała naprawdę. To na tych danych trenujemy i zasilamy modele prognostyczne.
Model prognostyczny
Ile naprawdę potrwa produkcja?
Modele analizujące wiele czynników
Model analizuje tysiące wcześniejszych realizacji i sprawdza, jakie warunki wpływały na ich rzeczywisty wynik.
Może np. zauważyć, że określone połączenie dużej partii, konkretnej linii i wysokiego obciążenia historycznie powodowało dłuższą produkcję.
Kiedy pojawia się podobne zlecenie, wykorzystuje te zależności do przewidzenia jego wyniku.
Plan180 min
Prognoza AI214 min
Zastosowania
- Czas produkcji
- Ryzyko opóźnienia
- Przewidywana przepustowość
- Zużycie komponentów
Korzyść: Bardziej realistyczna prognoza oparta na rzeczywistych realizacjach.
Gradient Boosting
LightGBM · XGBoost · CatBoost
Modele szeregów czasowych
Jak sytuacja będzie zmieniać się w czasie?
Modele analizujące przebieg produkcji
Te modele nie patrzą tylko na końcowy wynik. Analizują, jak obciążenie, tempo produkcji i inne parametry zmieniają się w kolejnych godzinach.
Dzięki temu mogą przewidzieć, w którym momencie pojawi się przeciążenie lub spadek przepustowości.
Linia 3 · teraz
- 82%
- 10:3091%
- 11:30103%
- 12:30112%
Przewidywane przeciążenie przepustowości
Zastosowania
- Obciążenie linii
- Tempo produkcji
- Przyszłe wąskie gardła
- Wykorzystanie przepustowości
Korzyść: Widoczna jest nie tylko aktualna sytuacja, ale również kierunek, w jakim zmierza produkcja.
Prognozowanie szeregów czasowych
N-HiTS · Temporal Fusion Transformer
Prognoza ryzyka
Jak duże jest ryzyko, że plan się nie wykona?
Modele uwzględniające niepewność
Produkcja nie jest w 100% przewidywalna. Dlatego model może pokazać nie tylko najbardziej prawdopodobny wynik, ale również zakres możliwych wyników i poziom ryzyka.
Zamiast jednej pozornie pewnej godziny zakończenia planista widzi, jak bardzo prognoza jest pewna.
- Najbardziej prawdopodobne zakończenie
- 14:52
- Przewidywany zakres
- 14:40–15:10
- Ryzyko opóźnienia
- 84%
Zastosowania
- Ryzyko opóźnienia
- Ryzyko przeciążenia
- Przedział czasu zakończenia
- Ocena niepewności planu
Korzyść: Planista podejmuje decyzję na podstawie poziomu ryzyka, a nie jednej pozornie pewnej liczby.
Prognozowanie probabilistyczne
Quantile Regression · Conformal Prediction
A gdy proces jest bardziej złożony?
Przy dużej ilości danych, wielu równoległych liniach, długich sekwencjach operacji lub danych z urządzeń IoT możemy wykorzystywać również sieci neuronowe i modele deep learning. Pozwalają analizować bardziej złożone zależności, ale wykorzystujemy je wtedy, gdy testy pokazują, że poprawiają jakość prognoz.
Neural Networks · Deep Learning · Sequence Models
Bardziej skomplikowany model nie zawsze oznacza lepszą prognozę.
Dobieramy model, który najlepiej przewiduje rzeczywiste wykonanie na danych klienta.
Silnik optymalizacji
Model przewiduje problem.System pomaga znaleźć lepszy plan.
Jeżeli modele przewidują, że jedna z linii będzie przeciążona, kolejnym pytaniem jest: co możemy zmienić?
Warstwa optymalizacyjna może porównać różne warianty realizacji planu, uwzględniając dostępne linie, kolejność zleceń, obsadę, terminy, przezbrojenia i koszty.
Obecny plan
15:12
Ryzyko opóźnienia: 84%
Prognoza AI · linia 3 przeciążona
Warianty alternatywne
Wariant A
+4 pracowników
+1 850 zł
Dodatkowy koszt
- Zakończenie
- 14:31
Wariant B
RekomendowanyPrzenieś 2 zlecenia na linię 2
+320 zł
Dodatkowy koszt
- Zakończenie
- 14:16
Prognoza nie kończy się na informacji o potencjalnym problemie. Może zostać wykorzystana do porównania wariantów i znalezienia lepszego sposobu realizacji planu.
ERP + MES + produkcja
Hurtownia danych INVO
Jak wyglądały wcześniejsze realizacje?
Modele AI
Jakie zależności występują w danych?
Prognoza
Co prawdopodobnie wydarzy się jutro?
Optymalizacja
Jakie mamy alternatywy?
Rekomendacja
Który wariant daje najlepszy przewidywany wynik?
Od prognozy do decyzji
Sama prognoza nie zmienia produkcji.Decyzja tak.
Alert
Linia 3 prawdopodobnie przekroczy przepustowość o 12%.
Rekomendacja
Przenieś dwa zlecenia na linię 2.
Symulacja
Wpływ zmiany sprawdzany przed aktualizacją planu.
Obecny plan
Zgodnie z harmonogramem
15:12
Nadgodziny: 72 min
Ryzyko opóźnienia: 84%
Wariant A
+4 operatorów
14:31
Dodatkowy koszt: 1 850 zł
Ryzyko opóźnienia: 21%
Wariant B · rekomendowany
Przeniesienie 2 zleceń
14:16
Dodatkowy koszt: 320 zł
Ryzyko opóźnienia: 9%
Efekt biznesowy
Lepszy plan przed startem oznaczamniej kosztownych korekt podczas zmiany.
Nadgodziny ↓
Mniej nieplanowanych nadgodzin
Przestoje ↓
Mniej przestojów i oczekiwania
Przepustowość ↑
Więcej produkcji z obecnych linii
Terminowość ↑
Większa terminowość realizacji
Oszacuj potencjał na własnych kosztach produkcji.
Obecny koszt możliwy do uniknięcia: 3 000 000 zł
Potencjał oszczędności
450 000 zł
/ rok
≈ 37 500 zł / miesiąc
Symulacja pokazuje potencjalną skalę efektu i nie stanowi gwarancji wyniku. Rzeczywisty rezultat zależy od procesów, jakości danych oraz zakresu wdrożenia.
Wykonalność jutrzejszego planu znana,zanim rozpocznie się produkcja.
INVO wykorzystuje historię rzeczywistego wykonania do przewidywania czasu produkcji, przeciążeń i ryzyka opóźnień.