AI do optymalizacji procesów w magazynie obsługiwanym ręcznie
![roll of sheet steel, transported by crane at the factory roll of sheet steel, transported by crane at the factory](https://assets.bitocloud.net/Bilder/Ratgeber/Prozessoptimierung_Produktionslogistik/KI-Prozessoptimierung_Titelbild_2500px.jpg?crop=left%2Ctop&fit=crop&fm=jpeg&ixlib=php-2.1.1&q=80&w=290&s=4d8097fcd26fd96bdc12a19690dc0324)
Optymalizacja procesów ma za zadanie przeanalizować przepływy pracy, udokumentować je, odkryć ich słabe punkty oraz ulepszyć je. Oprócz płynności działania i wyższej jakości, jej celem może być redukcja kosztów (1). Ze względu na szybki rozwój sztucznej inteligencji (AI) i systemów cyber-fizycznych, optymalizacja procesów w coraz większym stopniu odbywa się za pomocą AI.
Optymalizacja procesów z wykorzystaniem Big Data i AI
W magazynie obsługiwanym ręcznie istnieje wiele możliwości wdrożenia optymalizacji procesów i przepływów pracy. Klasyczne metody obejmują mapowanie strumienia wartości, mapowanie procesów, zarządzanie przez jakość, lean management, Kaizen, Six Sigma, 5S/5A i inne rozwiązania. W kontekście cyfryzacji coraz większą popularność zyskują jednak nowe rozwiązania, takie jak cyfrowe mapowanie strumienia wartości, eksploracja procesów czy eksploracja ruchu. Za pomocą tych aplikacji duża ilość danych jest gromadzona w sposób cyfrowy, przez co nie można ich już oceniać i interpretować ręcznie za pomocą klasycznych metod. Rozwiązaniem tego problemu jest sztuczna inteligencja. Za pomocą analiz big data można rozpoznać i zidentyfikować struktury i zależności występujące w danych, co daje zarówno planiście, jak i osobom odpowiedzialnym za operacje szereg ukierunkowanych możliwości działania w celu optymalizacji procesów.
Czym jest sztuczna inteligencja?
Według słownika Gabler Wirtschaftslexikon, sztuczna inteligencja (AI) to „badanie inteligentnego zachowania przy rozwiązywaniu problemów oraz tworzenie inteligentnych systemów komputerowych”. Obejmuje ona metody umożliwiające komputerowi rozwiązywanie zadań, których rozwiązanie wymaga inteligencji człowieka.” Sztuczna inteligencja, wraz z wieloma subdyscyplinami, wkroczyła już do niezliczonych dziedzin przemysłu, techniki i życia społecznego. Sztuczna inteligencja obejmuje obecnie szeroką gamę subdyscyplin, których liczba stale rośnie: boty, utrzymanie predykcyjne, eksploracja danych, eksploracja procesów, sieci neuronowe, uczenie maszynowe, uczenie głębokie i Zapisz się na DeepL Pro, aby edytować ten dokument. Więcej informacji można znaleźć na stronie www.DeepL.com/Pro. wiele innych. Uczenie głębokie z pomocą sieci neuronowych jest obecnie najbardziej obiecującym podejściem w zakresie w sztucznej inteligencji i, jak stwierdzono wcześniej, podejściem w ramach uczenia maszynowego.
Optymalizacja logistyki
Raport: AI do optymalizacji procesów w magazynie (obsługiwanym ręcznie)
Nasz raport pt. „AI dla optymalizacji procesów w magazynach obsługiwanych ręcznie” pokazuje możliwości potencjalnej optymalizacji.
Wiele możliwych zastosowań dla aplikacji AI
Zastosowania AI, takie jak wspomniane wcześniej eksplorowanie procesów i eksplorowanie ruchu, mogą być wykorzystywane w niemal wszystkich obszarach logistyki wewnętrznej. Przykłady obejmują transport wewnątrzzakładowy (wózki widłowe i inne wózki przemysłowe, ale także przenośniki ciągłe), analizy procesów z odpowiednimi danymi dotyczącymi wydajności i jakości oraz analizy ruchu podczas kompletacji i pakowania. Kolejnym istotnym aspektem, oprócz identyfikacji wad jakościowych i „marnotrawstwa”, jest poprawa ergonomii procesów pracy. W tym celu zwykle tworzy się „cyfrowego bliźniaka”, czyli wirtualny model magazynu. Za pomocą tego wirtualnego bliźniaka można prowadzić symulacje przepływu pracy i procesów w magazynie w celu optymalizacji miejsc składowania.
Czym jest eksploracja procesów?
Eksploracja procesów (2) jest połączeniem dwóch terminów: zarządzanie procesami i eksploracja danych. Daje ona możliwość badania procesów biznesowych i operacji magazynowych oraz identyfikacji potencjałów optymalizacji. Algorytmy eksploracji danych służą do badania dużych ilości danych (Big Data) w poszukiwaniu określonych wzorców. Oznacza to, że rzeczywiste procesy są analizowane na podstawie rejestrów zdarzeń z systemów informatycznych (informacje z rejestrów zdarzeń) z zastosowaniem algorytmów. Procesy, które można zbadać i zoptymalizować w organizacji za pomocą eksploracji procesów obejmują procesy produkcyjne, procesy łańcucha dostaw i procesy sprzedaży. Istnieją trzy rodzaje technik eksploracji procesów: odkrywanie, zgodność i doskonalenie. Odkrywanie polega na analizowaniu i rozpoznawaniu procesów oraz tworzeniu ich cyfrowych modeli. Zgodność umożliwia ocenę zgodności istniejących modeli procesów z aktualnymi danymi. Innymi słowy, modele istniejących procesów są zatwierdzane i porównywane z nowymi danymi. Z kolei doskonalenie służy do rozszerzenia modeli istniejących procesów. W przeciwieństwie do konwencjonalnych metod analizy procesów, eksploracja procesów ma charakter holistyczny. Oznacza to, że uwzględnia ona wzajemne relacje i zależności wszystkich procesów biznesowych i magazynowych. Eksploracja procesów prezentuje procesy w całej ich złożoności. Eksploracja procesów różni się od klasycznych technik tworzenia modeli procesów wysokim stopniem automatyzacji. Przepływy procesów, koszty i czasy realizacji mogą być szczegółowo i przejrzyście przedstawione za pomocą szerokiej gamy opcji wizualizacji. Zaletą tego jest to, że na zmiany można reagować szybko i skutecznie, a wszelkie potencjalne problemy można przewidzieć z wyprzedzeniem. Dzięki eksploracji procesów widoczne stają się również źródła problemów i odchyleń. Szczególnie w cyfrowej erze Przemysłu 4.0 i Logistyki 4.0 przedsiębiorstwa muszą elastycznie i optymalnie dostosowywać swoje procesy, aby utrzymać swoją konkurencyjność. Dzięki eksploracji procesów firma zyskuje wiedzę o tym, jak działają jej procesy biznesowe i gdzie występują możliwości ich usprawnienia. Eksploracja procesów jest uważana za kluczową technologię umożliwiającą stworzenie cyfrowego bliźniaka magazynu lub całego przedsiębiorstwa (3).
Eksploracja ruchu dla wydajności i ergonomii
Technologia eksploracji ruchu (4) może być wykorzystywana do automatycznego, wydajnego i anonimowego rejestrowania danych oraz optymalizacji procesów pracy ręcznej pod względem ich ergonomii i wydajności w szerokim zakresie zastosowań, takich jak logistyka i łańcuchy dostaw oraz logistyka wewnętrzna. W celu rejestracji danych, pracownicy magazynu noszą na nadgarstkach i paskach urządzenia ubieralne (mobilne czujniki). Dzięki zintegrowanym czujnikom, ruchy wykonywane podczas poszczególnych procesów roboczych mogą być precyzyjnie rejestrowane i wykrywane. Wszystkie procesy robocze mogą być wykonywane wygodnie i w taki sam sposób jak zwykle, bez utrudnień wynikających z zastosowania urządzeń ubieralnych. W celu dokładniejszej analizy interakcji pomiędzy ludźmi a technologią, takie narzędzia urządzenia transportowe czy wózki widłowe mogą być dodatkowo wyposażone w specjalne czujniki. Za pomocą miniaturowych nadajników radiowych z wbudowanym źródłem zasilania (beacony) można lokalizować pracowników i wykonywane czynności. Zaletą beaconów jest to, że można je szybko i łatwo instalować w odpowiednich obszarach realizacji procesu. Urządzenia pomiarowe wykrywają sygnały radiowe nadajników i na ich podstawie obliczają aktualną lokalizację, podobnie jak urządzenia GPS. Ponieważ wszystkie mierzone wartości (dane dotyczące aktywności i lokalizacji) są zawsze gromadzone bez odniesienia do pracownika nie ma miejsca naruszenie przepisów RODO. Ogromna ilość gromadzonych danych jest automatycznie analizowana przez sztuczną inteligencję. Przypisywanie czynności i etapów procesu odbywa się za pomocą specjalnie opracowanej procedury rozpoznawania wzorców opartej na uczeniu głębokim. W procesie tym sztuczna inteligencja samodzielnie rozpoznaje różne przepływy pracy lub elementy procesu, takie jak czas oczekiwania, czas przemieszczania lub czas obsługi. Zintegrowany katalog rozpoznania zawiera wiele różnych działań i może być uzupełniany o nowe działania w zależności od potrzeb. Dzięki analizom ergonomicznym można również analizować procesy wymagające niekorzystnego dla zdrowia schylania, pracę związaną z unoszeniem rąk nad głową czy pokonywane pieszo odległości. Ponadto technologia ta zapewnia również możliwość prowadzenia analiz specyficznych dla danej lokalizacji, wskaźniki aktywności oraz ocenę użytkowania pojazdów i urządzeń pomocniczych. Analizy te mogą być prezentowane w postaci kluczowych danych liczbowych lub w wielu różnych formatach, takich jak wykresy kołowe, wykresy słupkowe, wykresy tupu boxplot oraz mapy cieplne. Możliwe jest również przeprowadzenie oceny statystycznej dla pewnego okresu, która umożliwia ilościowe określenie wydatków lub wahań. W połączeniu z danymi z systemu zarządzania magazynem (SZM) można również utworzyć odniesienie do programu produkcyjnego. Ogólnie rzecz biorąc, eksploracja ruchu może być wykorzystywana do optymalizacji procesów pracy (ergonomia i wydajność), gromadzenia ważnych danych, wykonywania pomiarów bez integracji IT, zapewnienia anonimowości danych oraz oszczędności czasu i redukcji kosztów.
Optymalizacja logistyki
Raport: AI do optymalizacji procesów w magazynie (obsługiwanym ręcznie)
Nasz raport pt. „AI dla optymalizacji procesów w magazynach obsługiwanych ręcznie” pokazuje możliwości potencjalnej optymalizacji.
Literatura:
1 Ekspertyza BITO, Optymalizacja procesów w logistyce produkcji, Link
2 Ekspertyza BITO, Eksploracja procesów optymalizuje procesy biznesowe, Link
3 Scurry Maria, Jak eksploracja procesu umożliwia opracowanie cyfrowego bliźniaka organizacji (CBO), Link
4 Motion-Mining®, Motion-Mining®, Automated and anonymous analysis and optimization of manual processes, Link