ПО для управления производством завода Ligum презентовано на конференции Microsoft
В Москве в конференц-холле Lotte Hotel состоялась конференция от Microsoft «Прокачай свой бизнес: Люди. Процессы. Технологии», посвященная новинкам в области IT. В рамках мероприятия специалистам были представлены презентации новейших цифровых инструментов и технологий, которые позволяют эффективно управлять бизнесом и развивать его, а так же практические рекомендации от успешных компаний малого и среднего бизнеса, которые динамично растут, несмотря на вызовы рынка.
В разделе «Готов ли искусственный интеллект к управлению бизнесом малых и средних компаний?» как рабочий бизнес-кейс под названием «Выбор из 1000 вариантов плана производства. Советы искусственного интеллекта» был представлен комплекс программного обеспечения для управления заводом обрезиненных валов Ligum, разрабатываемый специалистами компании SMBCloudTechnologies.
Основная задача данного ПО – формировать ежедневный постанóчный план загрузки производства заказами. Поскольку производственный поток обрезинивания валов является крайне высоковариативным, зависящим как от габаритных размеров вала и сотен типов резины, так и от приоритетности прохождения очереди заказов, то и алгортмизация планирования задач стандартными методами малоэффективна. Добавляет свою лепту в разнообразие решений и универсальность современных станков, способных выполнять множество операций кроме основных. Например, на шлифовальном станке, если он не загружен заказами, так же можно установить резец для снятия старого резинового покрытия,а токарный станок, оборудованный небольшим модулем с ЧПУ, может делать насечки и фаски в дополнение к обычной своей работе.
Просчёт тысяч вариантов распределения задач по станкам оказывается по зубам лишь самообучаемому искусственному интеллекту, разрабатываемому специалистами SMBCloudTechnologies на при помощи интерактивного визуального рабочего пространства Microsoft Azure Machine Learning Studio. Основная задача ИИ - тестирование и выполнение итераций модели прогнозной аналитики. Модулю были даны для анализа массивы данных по технологическим операциям, накопившимся на заводе за четыре года. Мерилом эффективности выбора плана для ИИ были заданы три уровня: первый это полная загрузка станков работой и оптимальный расход материалов, второй это распределение валов похожего размера по ежедневной загрузке для снижения времени перенастройки, а третий это распределение приоритетности для выполнения одного заказа от клиента «одним пакетом», без переноса на следующий день. Общий коэффициент измерения эффективности должен выражаться в снижении времени изготовления каждой конкретной единицы продукции.
Выходным продуктом ПО будет не только постанóчный план загрузки на каждую смену, но и он-лайн система слежения исполняемости прогнозов, по которой мастер смены сможет контролировать эффективность работы каждого конкретного рабочего места. Хочется отметить, что за счёт системы машинного обучения программный комплекс будет выводить не среднее или медианное значение время выполнения операции на основе статистики, а прогнозируемое в данный конкретный момент, с учётом сотен дополнительных параметров, что позволит намного более гибко управлять производством.
По предварительным прогнозам, внедрение комплекса программной аналитики и управления позволит повысить пропускную способность технологических линий завода Ligum на 20% и значительно снизить нагрузки на инженерно-управленческий состав предприятия.
