تسلسل تحويلات خطوط الإنتاج الآلية باستخدام تحسين مصفوفة الإعداد
على خطوط الإنتاج التي تشغّل منتجات متعددة، يتفاوت وقت التحويل بين المنتجات بحسب المنتج الذي تتحوّل منه والمنتج الذي تتحوّل إليه. قد يستغرق التحويل من المنتج A إلى المنتج B 30 دقيقة، لكن التحويل من B إلى A قد يستغرق 60 دقيقة بسبب اختلاف متطلبات التنظيف أو الضبط. تخلق أوقات التحويل غير المتماثلة هذه فرصة تحسين يفوّتها معظم المصنّعين.
تلتقط مصفوفة الإعداد أوقات التحويل المزدوجة هذه، ويستخدمها الذكاء الاصطناعي لإيجاد تسلسل الإنتاج الذي يقلّل وقت التحويل الإجمالي عبر جميع المنتجات المُجدوَلة لفترة معينة.
مصفوفة الإعداد
مصفوفة الإعداد جدول حيث كل صف هو المنتج الذي تتحوّل منه وكل عمود هو المنتج الذي تتحوّل إليه. تحتوي الخلية على وقت التحويل لذلك الانتقال المحدد. لخط يشغّل 20 منتجاً، تكون هذه مصفوفة 20×20 بـ 380 وقت تحويل محتمل مختلف (باستثناء القُطْر حيث لا يلزم تحويل).
تتفاوت هذه الأوقات لأسباب وجيهة. التحويل من منتج بلون داكن إلى منتج بلون فاتح يتطلب تنظيفاً أكثر من العكس. التحويل من قطعة صغيرة إلى قطعة كبيرة يتطلب تعديلات تثبيت مختلفة عن العكس. تتشارك بعض أزواج المنتجات الأدوات، مما يجعل التحويل أدنى ما يكون، بينما يتطلب بعضها الآخر تغييرات كاملة في الأدوات.
كيف يجد الذكاء الاصطناعي أفضل تسلسل
إيجاد التسلسل الذي يقلّل وقت التحويل الإجمالي هو نوع من مسألة البائع المتجوّل، صعبة حسابياً لأعداد كبيرة من المنتجات. تجد خوارزميات تحسين الذكاء الاصطناعي حلولاً قريبة من المثلى بسرعة باستخدام تقنيات كالخوارزميات الجينية والتلدين المحاكى وتحسين مستعمرة النمل.
يأخذ الذكاء الاصطناعي في الحسبان ليس أوقات التحويل فحسب بل قيود الإنتاج أيضاً. تتطلب تواريخ الاستحقاق إنتاج منتجات معينة قبل وقت محدد. تحدد أحجام الدفعات كم وحدة من كل منتج تُنتج قبل التحويل التالي. تحدّ توفر المعدات ونوافذ الصيانة من متى تكون تسلسلات معينة ممكنة.
التعلم من البيانات الفعلية
غالباً ما تكون مصفوفات الإعداد المبنية على تقديرات هندسية غير دقيقة. تحسّن أنظمة الذكاء الاصطناعي المصفوفة بتحليل أوقات التحويل الفعلية المسجَّلة خلال الإنتاج. تكتشف أن انتقالات معينة تستغرق باستمرار وقتاً أطول مما قُدِّر، ربما لأن تعديل التثبيت أصعب مما توقعنا، وتحدّث المصفوفة وفقاً لذلك.
تحدد أيضاً فرص تحسين التحويل. الانتقالات الطويلة بشكل غير متناسب مقارنةً بانتقالات مماثلة قد تستفيد من جهود تحسين SMED (التبديل بالدقيقة الواحدة) المستهدفة. يحدد الذكاء الاصطناعي هذه الفرص ويُكمّم الوقت الموفّر من التحسين.
جدولة الحملات
لبعض خطوط الإنتاج، يقلّل تجميع المنتجات المتشابهة في حملات وقت التحويل الإجمالي أكثر. يحدد الذكاء الاصطناعي مجموعات منتجات تتشارك خصائص الإعداد ويجدولها في كتل. داخل كل كتلة، يُحسَّن التسلسل لأقل تحويل. بين الكتل، يحدث تحويل رئيسي. يجد الذكاء الاصطناعي أحجام الكتل والتسلسلات التي تقلّل وقت التحويل الإجمالي مع تلبية متطلبات التسليم.
للمزيد عن الجدولة بالذكاء الاصطناعي في التصنيع، تفضل بزيارة صفحة تحليل التصنيع في FirmAdapt.