В этой статье рассматриваются ключевые технологии ИИ, трансформирующие методы бережливого производства, и предлагается дорожная карта для интеграции ИИ в традиционное бережливое производство.
Современный завод полностью переходит к тому, что когда-то считалось будущим. Машины прогнозируют графики собственного технического обслуживания. Проблемы с качеством выявляются еще до их возникновения. Графики производства автоматически корректируются в зависимости от задержек со стороны поставщиков. Эта революция является результатом интеграции принципов бережливого производства с передовыми возможностями искусственного интеллекта (ИИ).
Традиционное бережливое производство сталкивается с естественными ограничениями. Человеческий контроль не позволяет выявить незначительные дефекты. Кроме того, командам сложно оптимизировать сложные процессы с увеличением числа переменных.
Искусственный интеллект создает восьмое измерение, выходящее за рамки традиционных семи видов потерь в бережливом производстве, а именно — неиспользуемую информацию. Завод Toyota в Кентукки продемонстрировал это, снизив уровень брака на 91% благодаря контролю качества с помощью ИИ. Интеграция ИИ в бережливое производство быстро становится стандартной практикой среди производителей, а не конкурентным преимуществом.
В этой статье рассматриваются ключевые технологии ИИ, трансформирующие методы бережливого производства, и предлагается дорожная карта для интеграции ИИ в традиционное бережливое производство.
Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!
Бережливое производство, ранее известное как производственная система Toyota в середине XX века, постоянно совершенствуется благодаря интеграции искусственного интеллекта. Согласно ежегодному отчету 87% производителей считают, что цифровые технологии могут значительно повысить ценность их продукции или услуг. Изначально ситуация была иной, поскольку производители, использующие ИИ, полагали, что он может противоречить человекоцентричному подходу бережливого производства. Теперь же сложилось понимание того, что ИИ дополняет человеческие возможности, а не заменяет их.
Завод BMW в Южной Каролине является примером такого перехода. Там используют искусственный интеллект и роботов для выполнения опасных или повторяющихся задач, позволяя инженерам сосредоточиться на сложных задачах и решении проблем. Исследования показывают, что производители, интегрирующие ИИ в существующие процессы бережливого производства, отмечают значительные улучшения в своей работе. Эти улучшения включают сокращение времени простоя, улучшение контроля качества и бесперебойное планирование производства, чего невозможно достичь с помощью традиционных методов бережливого производства.
Интеграция ИИ в бережливое производство не меняет философию традиционных принципов бережливого производства, а, наоборот, развивает их. Она отражает подход к непрерывному совершенствованию, который лежит в основе принципов бережливого производства. ИИ предоставляет основанную на данных обратную связь, которую люди могут использовать для принятия более эффективных решений, а обратная связь от людей помогает системам ИИ улучшать свои модели и прогнозы. По мере того, как производство вступает в эпоху Индустрии 5.0, этот человекоцентричный подход к интеграции ИИ гарантирует, что ИИ будет служить основному принципу бережливого производства — уважению к людям — одновременно повышая эффективность и улучшая качество.
По мере того, как производители продолжают интегрировать ИИ с традиционными инструментами бережливого производства, наиболее значительные преимущества наблюдаются в сокращении потерь. Хотя инструменты бережливого производства уже давно доказали свою эффективность в устранении семи видов потерь, технологии ИИ теперь обеспечивают такой уровень точности и проактивный подход, который превращает поэтапное устранение потерь в непрерывный процесс в режиме реального времени.
1. Выявление неэффективности с помощью данных в режиме реального времени.
Традиционный подход бережливого производства основывался на ручном наблюдении и реактивном анализе. Зачастую он начинается с того, что инженеры-технологи проводят оценки, в результате чего проблемы обнаруживаются только после того, как уже произошли значительные потери. Искусственный интеллект изменил этот подход благодаря непрерывному мониторингу и аналитике в реальном времени. Согласно исследованию, опубликованному в журнале Scholars Journal of Engineering and Technology, обнаружение аномалий на основе ИИ выявляет неэффективность процессов с точностью 92-95%, что является заметным улучшением по сравнению с традиционными методами. Такая точность достигается благодаря способности ИИ обрабатывать тысячи переменных одновременно, что невозможно для наблюдателей-людей.
2. Обеспечение производства по принципу «точно в срок» (JIT).
Производство по принципу «точно в срок» (JIT) направлено на минимизацию запасов за счет заказа товаров только тогда, когда это необходимо. Внедрение JIT затруднено такими ограничениями, как неточность прогнозов и изменчивость цепочки поставок. Даже производители, десятилетиями придерживающиеся принципов бережливого производства, поддерживают буферные запасы для преодоления этих неопределенностей, что приводит к избыточным запасам, противоречащим принципам бережливого производства. Прогнозирование спроса на основе искусственного интеллекта изменило эту динамику благодаря точному прогнозированию. Эти системы анализируют различные переменные, от исторических данных о продажах до рыночных тенденций и даже погодных условий, чтобы обеспечить наиболее точные результаты. Согласно отчету McKinsey & Company, системы прогнозирования спроса на основе ИИ могут снизить ошибки прогнозирования на 20-50%. Системы JIT на основе ИИ позволили производителям значительно сократить уровни запасов, что дало им возможность придерживаться истинных принципов внедрения JIT.
3. Исключение простоев за счет профилактического обслуживания.
Выход оборудования из строя может привести к последующим финансовым потерям и снижению общей производительности. Помимо очевидных затрат на ремонт и простои, поломки могут привести к необходимости пополнения запасов, сбоям в графике работ и проблемам с качеством. Традиционные подходы к техническому обслуживанию предполагают неудовлетворительный выбор между чрезмерным профилактическим обслуживанием и реактивным ремонтом. Прогнозирующее техническое обслуживание на основе искусственного интеллекта решает эту проблему, выявляя потенциальные отказы еще до их возникновения. Анализируя данные с датчиков вибрации, тепловизионной съемки, закономерности потребления энергии и акустического мониторинга, эти системы обнаруживают незначительные изменения, предшествующие отказу оборудования в течение нескольких недель или месяцев. Согласно отчету Deloitte, прогнозирующее техническое обслуживание на основе ИИ может увеличить время безотказной работы на 20% и снизить общие затраты на техническое обслуживание на 10%.
Возможности ИИ по сокращению потерь демонстрируют его роль в формировании будущего бережливого производства. Преобразуя сокращение потерь из периодического вмешательства в непрерывный процесс, ИИ стремится достичь эффективности, недостижимой при использовании традиционных подходов бережливого производства.
Изучая возможности ИИ по сокращению потерь в бережливом производстве, давайте рассмотрим его влияние на непрерывное совершенствование, которое является основой философии бережливого производства. Эти инструменты на основе ИИ улучшают традиционные методы кайдзен следующим образом:
1. Исследования времени и движения с использованием искусственного интеллекта.
Традиционные методы хронометража требовали от инженеров-технологов наблюдения за процессами с помощью секундомеров и ручной регистрации движений. Кроме того, для точности требовалось наблюдение за несколькими циклами. Весь процесс отнимал много времени и был подвержен ошибкам. Анализ хронометража с помощью искусственного интеллекта устраняет необходимость в ручном сборе данных. Усовершенствованная система компьютерного зрения анализирует весь процесс и автоматически выполняет хронометраж и анализ движений одним щелчком мыши. Что еще более важно, она может анализировать тысячи циклов, охватывающих несколько операторов, смен и условий, для определения оптимальных подходов.
2. Автоматизированный FMEA и PFMEA.
Анализ видов и последствий отказов (FMEA) и анализ видов и последствий отказов процессов (PFMEA) — это методы выявления потенциальных отказов до их возникновения. Традиционно они требовали интенсивного мозгового штурма потенциальных видов отказов и оценки их серьезности, вероятности возникновения и обнаружения для определения рисков, связанных с потенциальным отказом. Системы FMEA и PFMEA , основанные на искусственном интеллекте, коренным образом меняют этот подход, объединяя исторические данные о качестве, записи о техническом обслуживании и переменные процесса в реальном времени. Эти системы могут выявлять корреляции между параметрами процесса и потенциальными отказами, которые никогда не были бы обнаружены людьми. Что еще более важно, они постоянно обновляют оценки рисков на основе фактических данных о производительности, а не субъективных оценок.
3. Цифровые рабочие инструкции.
Стандартизированная работа, являющаяся основой непрерывного совершенствования в бережливом производстве, традиционно основана на соблюдении «лучших практик» и их документировании в статических рабочих инструкциях. Искусственный интеллект меняет этот статический подход, внедряя цифровые рабочие инструкции с помощью дополненной реальности (AR). Система, управляемая ИИ, направляет работников в режиме реального времени, обеспечивая соблюдение стандартных процедур каждым оператором в разных сменах. Система постоянно корректирует стандарты на основе текущих данных о производительности, создавая «живую» документацию, которая развивается вместе с процессом.
4. Балансировка производственных линий на основе ИИ.
Балансировка производственной линии предполагает равномерное распределение рабочей нагрузки по рабочим местам. Она включает в себя ручное проведение хронометража и анализа движений с последующим расчетом объема работы для каждого рабочего места. По мере усложнения производственных процессов традиционный метод устаревает из-за своей неспособности учитывать сложные взаимодействия между изменчивостью, квалификацией оператора и ассортиментом продукции. Алгоритмы балансировки производственной линии на основе искусственного интеллекта могут моделировать тысячи различных вариантов распределения задач, одновременно учитывая сотни переменных. Эти системы могут оптимизировать различные параметры производственной производительности, такие как использование рабочей силы, эргономика и качество, для создания оптимальных производственных потоков.
5. Цифровая пока-йоке.
Концепция «Пока-Йоке» подразумевает безошибочное производство. Она просто обозначает систему или устройство, помогающее оператору или оборудованию предотвращать ошибки в процессе. Традиционные методы «Пока-Йоке» эффективны в предотвращении ошибок, но имеют ряд ограничений, таких как стоимость и время, и часто ограничивают гибкость процесса. Системы «Пока-Йоке» на основе искусственного интеллекта используют компьютерное зрение и распознавание образов для обнаружения ошибок в режиме реального времени и предотвращения их возникновения. Эти системы могут выявлять аномальные последовательности сборки, неправильную ориентацию деталей и даже незначительные проблемы качества, невидимые человеческому глазу.
Интеграция ИИ в эти инструменты непрерывного совершенствования не только повышает их эффективность, но и меняет подход производителя к решению проблем.
Влияние ИИ на бережливое производство не ограничивается теорией, оно уже принесло замечательные результаты в различных производственных секторах. Вот несколько реальных примеров компаний, добившихся значительных улучшений благодаря интеграции ИИ в свои методы бережливого производства:
Эти примеры из практики демонстрируют, что ИИ не заменяет принципы бережливого производства, а дополняет их, преодолевая ограничения, которые исторически сдерживали внедрение бережливого производства. Компании в самых разных отраслях обнаруживают, что сочетание методологии бережливого производства с возможностями ИИ позволяет достичь результатов, недостижимых при использовании любого из этих подходов по отдельности.
Интеграция ИИ в бережливое производство знаменует собой значительную эволюцию традиционного подхода к совершенствованию процессов в бережливом производстве. Вместо замены основных принципов бережливого производства, ИИ дополняет их, устраняя ограничения существующих инструментов. Результаты можно наблюдать в сокращении отходов, высоком качестве продукции и непрерывном улучшении в режиме реального времени. Для руководителей производственных предприятий вопрос заключается не в том, подходит ли ИИ для их стратегии бережливого производства, а в том, как быстро вы сможете его внедрить, прежде чем конкуренты получат преимущество.
Текст: Садия Васим, Retrocausal. Изображение ru.freepik.com
