SlideShare uma empresa Scribd logo
1 de 17
dbr77.com
PRAKTYCZNE ZASTOSOWANIE ALGORYTMÓW AI
W PRZEDSIĘBIORSTWIE
Piotr Wiśniewski Ph.D. -
CEO
THE ALL-IN-ONE PLATFORM FOR THE BEST ROBOTISATION OF YOUR FACTORY
dbr77.com
DANE RAPORTY PLANY SYMULACJE AI
[Zarządzanie
danymi
opisującymi
wszystkie
kluczowe dla
produkcji
procesy]
1# 2# 3# 4# 5#
[Prezentacja
wyników pomiarów
w czasie
rzeczywistym
oraz w postaci
raportów]
[Zintegrowane
planowanie działań
w obszarze procesów
głównych i
pomocniczych]
[Symulacje graficzne
oraz liczbowe
rozmaitych wariantów
realizacji procesów.
Optymalizacja
procesów.]
[Automatyzacja
decyzji
optymalizacyjnych
oraz algorytmiczne
wsparcie procesu
uczenia się]
LEAN
4.0
START
Mapa rozwoju digitalnego
# Transformacja dotyczy całej organizacji
# Okres realizacji projektu od 3-4 lat;
# Plan musi uwzględniać szkolenia wielu szczebli organizacji
# Konieczne jest wdrożenie systemu edukacji wewnętrznej
# Transformacja podzielona jest na odrębne fazy
TRANSFORMACJA DIGITALNA PRODUKCJI
TO NIE JEST PRACA ZESPOŁU IT
Etapy transformacji
# Zarządzanie danymi;
# Rzetelne opomiarowanie;
# Zintegrowane planowanie;
# Raportowanie w czasie rzeczywistym;
# Budowa narzędzi symulacji zdarzeń
# Algorytmy decyzyjne
My tego nie potrzebujemy
# Nasz działalność jest nietypowa i nam się to nie przyda ….
# My już to robimy sami …
MITY TRANSFORMACJI
Kupmy roboty temat będzie załatwiony
# To spawanie jest tak trudne, że tylko robot da sobie radę….
# Wstawimy roboty i praca będzie zrobiona…
To załatwi program
# SAP to ogarnie ….
# Tutaj u nas jest taka spółka oni maja taki program …
# My to sobie napiszemy sami …
Mamy takie IT, że to ogarnie
# Ja to się na tym nie znam to robota IT….
# IT wdraża zmiany …
Oni mają takie rozwiązanie i to działa
# W mojej poprzedniej pracy to wszystko działało ….
# Inni sprzedawcy mówią, że to będzie łatwe i tanie …
1#
DANE
Pozyskanie danych:
# Automatyczne
# Ręczne
# Eksport
# Estymacja
Typ danych:
# Dane z maszyn
# Dane z czujników
# Dane z innych systemów
# Dane deklarowane
# Dane zewnętrzne
# Dane zakładane
# Dane Historyczne
# Prognozy
Jakie dane(6V’s):
# Wartościowe merytorycznie
# Wystarczające ilościowo
# Różnorodne
# Zmienne
# Szybko dostarczone
# Prawdziwe
Proces budowy modułu zarządzania danymi:
1. Ustalenie kluczowych parametrów dla procesów
2. Stworzenie listy wszystkich danych wymaganych
3. Identyfikacja źródeł danych już istniejących
4. Identyfikacja źródeł danych do stworzenia
5. Identyfikacja danych zewnętrznych
6. Metodyka pobierania danych
7. Określnie architektury baz danych
8. Określenie metodyki walidacji danych
2#
RAPORTY
Opomiarowane procesy:
# Logistyka
# Magazynowanie
# Produkcja
# Jakość
# Utrzymanie ruchu
# HR
Agregacja danych:
# Tablice stanowiskowe
# Informacje o liniach
# Indagacje o pracowniku
# Informacje o kliencie
# Informacje o produkcie
# Informacje o zakładzie
Zakres raportów
# Informacje o aktualnych działaniach
# Informacje o aktualnych stanach
# Opis rezultatów za okres
# Wskaźniki predykcyjne
Cele raportowania:
# Ocena efektywności (rozliczenie i zarządzanie)
# Motywowanie dla osiągania celu
# Zarządzanie w czasie rzeczywistym zmianami
# Poprawa planowania przyszłych działań
Proces budowy raportowania
# Mapowanie procesów
# Wybór KPI dla procesu/stanowiska
# Przypisanie źródeł danych
# Specyfikacja metod wyliczenia wskaźników
# Ustalenie hierarchii i dostępu do raportów
# Układ graficzno/liczbowy raportów
# Kodowanie raportów
Horyzont planowania:
# Zarządzanie kryzysem – odstępstwa od harmonogramu
# Harmonogramowanie zmian
# Plan tygodnia
# MPS - Plan średnioterminowy
3#
PLANY
Główne obszary planowania:
# Plan wysyłek
# Plan pokrycia wyrobem gotowym
# Plan pokrycia materiałem
# Plan produkcyjny (średni, tydzień, zmiana, godzina)
# Plan mocy produkcyjnych
# Plan dostępnych zasobów ludzkich
# Plan obsady na stanowiskach
# Plan intra logistyczny
# Zaopatrzenie materiałami na stanowiskach
# Plan działań jakościowych
# Plan działań utrzymania ruchu
# Plan strat jakościowych i technologicznych
# Analiza odchyleń od standardów
Rodzaje planowania:
# Planowanie bez odchyleń
# Planowanie z uwzględnieniem odchyleń
Proces budowy planowania
# Opis siatki relacji planów i raportów
# Określenie osób odpowiedzialnych za rzetelność planów
# Definicja graficzno-liczbowa raportów
# Planowanie prototypowe – weryfikacja prototypu
# Wdrożenie produkcyjne
# Weryfikacja prawidłowości predykcji
4#
SYMULACJE
Cel symulacji:
# Wzrost efektywności procesów
# Usprawnienie procesu zarządczego
# Ograniczenie czasu wdrożenia zmiany
# Ograniczenie kosztu wdrożenia zmiany
Zakres symulacji
# Wszystkie obszary planowania
# Układ graficzny aktywów fizycznych produkcji
# Symulacja odchyleń od zakładanych procesów
# Edukacja
Typy symulacji
# Opis liczbowy – równania
# Graficzna symulacja statyczna 2D
# Graficzna symylacja dynamiczna 2D
# Graficzna symulacja statyczna 3D
# Graficzna symylacja dynamiczna 3D
# Wizualizacja AR
# Wizualizacja VR
Symulacje graficzne
# Prezentacja współzależności obiektów rzeczywistych
# Mała efektywność szybkości symulacji
Symulacje liczbowe
# Duża szybkość analizy wariantów
# Brak pewności analizy
Proces budowy symulacji
# Wybór wskaźników do optymalizacji
# Wybór zmiennych w symulacji
# Budowa środowiska oraz opis zależności
# Symulacja liczbowa
# Weryfikacja poprzez symulacje graficzną
Typu silnika symulacji
# Programowanie zadań
# Symulacja zdarzeń
Symulacje to graficzno-liczbowe
odwzorowania ewenementów oraz
współzależności realnego świata
5#
AI
Zakres pracy algorytmów AI DBR77:
1. Optymalizacja efektywności stanowiska
2. Optymalizacja efektywności linii – VSM
3. Plan produkcji
4. Poziom zapasów
5. Zapotrzebowanie na prace ludzi
6. Przypisanie pracowników
7. Redukcja czasu awarii
8. Bezpieczeństwo dostaw
9. Optymalizacja kanban
Cel wdrożenia AI
# Wzrost precyzji planowania
# Wydłużenie zakresu oraz horyzontu predykcji
# Ograniczenie czasu dla podjęcia decyzji
# Poprawa jakości predykcji
# Uwolnienie decyzji od emocji
Typy AI
# ML
# Stochastyczno – kombinatoryczne
Proces budowy algorytmów
# Wybór wskaźników do optymalizacji
# Wybór zmiennych w symulacji
# Budowa środowiska oraz opis zależności
# Symulacja liczbowa
# Weryfikacja poprzez symulacje graficzną
Algorytmy AI to równania matematyczne których
celem jest wyszukiwanie optymalnych wyników
dla zadań o określonych warunkach
Kolejny projekt
OLD STYLE DIGITAL
VSM Lean 4.0
50 % 30 % 20 %
DBR77 outcomes and benefits
REDUCTION
OF ROBOTIZATION CAPEX
INCREASED
PRODUCTIVITY
REDUCTION
OF DEVELOPMENT TIME
dbr77.com

Mais conteúdo relacionado

Semelhante a DBR77 AI produkcji .pptx

Metodyka zarządzania projektami europejskimi (PCM)
Metodyka zarządzania projektami europejskimi (PCM)Metodyka zarządzania projektami europejskimi (PCM)
Metodyka zarządzania projektami europejskimi (PCM)
Technoinkubator
 
V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010
Artur Zasiewski
 
V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010
Artur Zasiewski
 
V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010
Artur Zasiewski
 
Case study eCommerce od OEX Divante
Case study eCommerce od OEX DivanteCase study eCommerce od OEX Divante
Case study eCommerce od OEX Divante
Divante
 
Bps Live 2012 Warszawa - analityka-i-symulacje procesów
Bps Live 2012 Warszawa - analityka-i-symulacje procesówBps Live 2012 Warszawa - analityka-i-symulacje procesów
Bps Live 2012 Warszawa - analityka-i-symulacje procesów
PCHALAWA
 

Semelhante a DBR77 AI produkcji .pptx (20)

Metodyka zarządzania projektami europejskimi (PCM)
Metodyka zarządzania projektami europejskimi (PCM)Metodyka zarządzania projektami europejskimi (PCM)
Metodyka zarządzania projektami europejskimi (PCM)
 
Ocena Pracowników - e-Talent
Ocena Pracowników - e-TalentOcena Pracowników - e-Talent
Ocena Pracowników - e-Talent
 
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
 
Meble Polska 2019 - Jak utrzymać koszty w ryzach i zarabiać na produktach i k...
Meble Polska 2019 - Jak utrzymać koszty w ryzach i zarabiać na produktach i k...Meble Polska 2019 - Jak utrzymać koszty w ryzach i zarabiać na produktach i k...
Meble Polska 2019 - Jak utrzymać koszty w ryzach i zarabiać na produktach i k...
 
SAP Business One Dla Branży Budowlanej
SAP Business One Dla Branży BudowlanejSAP Business One Dla Branży Budowlanej
SAP Business One Dla Branży Budowlanej
 
Ogolna przemysl NMG
Ogolna przemysl NMGOgolna przemysl NMG
Ogolna przemysl NMG
 
NMG - rozwiązania dla pomiarów efektywności
NMG - rozwiązania dla pomiarów efektywnościNMG - rozwiązania dla pomiarów efektywności
NMG - rozwiązania dla pomiarów efektywności
 
Rozpocznij swój pierwszy projekt IoT i AR z Tranistion Technologies PSC
Rozpocznij swój pierwszy projekt IoT i AR z Tranistion Technologies PSCRozpocznij swój pierwszy projekt IoT i AR z Tranistion Technologies PSC
Rozpocznij swój pierwszy projekt IoT i AR z Tranistion Technologies PSC
 
XIII Targi eHandlu - AtomStore - Łukasz Plutecki
XIII Targi eHandlu - AtomStore - Łukasz PluteckiXIII Targi eHandlu - AtomStore - Łukasz Plutecki
XIII Targi eHandlu - AtomStore - Łukasz Plutecki
 
Aim szkolenie
Aim szkolenieAim szkolenie
Aim szkolenie
 
Forum Controllingu i Windykacji - Dzień z życia działu controllingu - nowa g...
Forum Controllingu i Windykacji  - Dzień z życia działu controllingu - nowa g...Forum Controllingu i Windykacji  - Dzień z życia działu controllingu - nowa g...
Forum Controllingu i Windykacji - Dzień z życia działu controllingu - nowa g...
 
V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010
 
V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010
 
V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010V doc prezentacja_szablon_05-2010
V doc prezentacja_szablon_05-2010
 
Case study eCommerce od OEX Divante
Case study eCommerce od OEX DivanteCase study eCommerce od OEX Divante
Case study eCommerce od OEX Divante
 
Model OAMM strategia zarządzania i analityka webowa
Model OAMM strategia zarządzania i analityka webowaModel OAMM strategia zarządzania i analityka webowa
Model OAMM strategia zarządzania i analityka webowa
 
Tajniki współpracy z (trudnym) klientem
Tajniki współpracy z (trudnym) klientemTajniki współpracy z (trudnym) klientem
Tajniki współpracy z (trudnym) klientem
 
Analiza kwalifikacji pracownikow kluczem do sukcesu biznesowego, Tomasz Zubrz...
Analiza kwalifikacji pracownikow kluczem do sukcesu biznesowego, Tomasz Zubrz...Analiza kwalifikacji pracownikow kluczem do sukcesu biznesowego, Tomasz Zubrz...
Analiza kwalifikacji pracownikow kluczem do sukcesu biznesowego, Tomasz Zubrz...
 
Bps Live 2012 Warszawa - analityka-i-symulacje procesów
Bps Live 2012 Warszawa - analityka-i-symulacje procesówBps Live 2012 Warszawa - analityka-i-symulacje procesów
Bps Live 2012 Warszawa - analityka-i-symulacje procesów
 
Skilo - system do zarządzania ludźmi w firmie
Skilo - system do zarządzania ludźmi w firmieSkilo - system do zarządzania ludźmi w firmie
Skilo - system do zarządzania ludźmi w firmie
 

Mais de Piotr Wiśniewski (9)

20230314 Marketing warsztat .pptx
20230314 Marketing warsztat .pptx20230314 Marketing warsztat .pptx
20230314 Marketing warsztat .pptx
 
10 modele .pptx
10 modele .pptx10 modele .pptx
10 modele .pptx
 
Prezentacja_cz 2.pptx
Prezentacja_cz 2.pptxPrezentacja_cz 2.pptx
Prezentacja_cz 2.pptx
 
NETFLIX CASE.pptx
NETFLIX CASE.pptxNETFLIX CASE.pptx
NETFLIX CASE.pptx
 
disruptive innovation.pptx
disruptive innovation.pptxdisruptive innovation.pptx
disruptive innovation.pptx
 
Lean 4.0
Lean 4.0 Lean 4.0
Lean 4.0
 
All in one EN 10.2022.pptx
All in one EN 10.2022.pptxAll in one EN 10.2022.pptx
All in one EN 10.2022.pptx
 
Koniec dyktatu cenowego
Koniec dyktatu cenowegoKoniec dyktatu cenowego
Koniec dyktatu cenowego
 
20170307 lider w procesie transformacji
20170307 lider w procesie transformacji20170307 lider w procesie transformacji
20170307 lider w procesie transformacji
 

DBR77 AI produkcji .pptx

  • 1. dbr77.com PRAKTYCZNE ZASTOSOWANIE ALGORYTMÓW AI W PRZEDSIĘBIORSTWIE Piotr Wiśniewski Ph.D. - CEO THE ALL-IN-ONE PLATFORM FOR THE BEST ROBOTISATION OF YOUR FACTORY
  • 2. dbr77.com DANE RAPORTY PLANY SYMULACJE AI [Zarządzanie danymi opisującymi wszystkie kluczowe dla produkcji procesy] 1# 2# 3# 4# 5# [Prezentacja wyników pomiarów w czasie rzeczywistym oraz w postaci raportów] [Zintegrowane planowanie działań w obszarze procesów głównych i pomocniczych] [Symulacje graficzne oraz liczbowe rozmaitych wariantów realizacji procesów. Optymalizacja procesów.] [Automatyzacja decyzji optymalizacyjnych oraz algorytmiczne wsparcie procesu uczenia się] LEAN 4.0
  • 3.
  • 4. START Mapa rozwoju digitalnego # Transformacja dotyczy całej organizacji # Okres realizacji projektu od 3-4 lat; # Plan musi uwzględniać szkolenia wielu szczebli organizacji # Konieczne jest wdrożenie systemu edukacji wewnętrznej # Transformacja podzielona jest na odrębne fazy TRANSFORMACJA DIGITALNA PRODUKCJI TO NIE JEST PRACA ZESPOŁU IT Etapy transformacji # Zarządzanie danymi; # Rzetelne opomiarowanie; # Zintegrowane planowanie; # Raportowanie w czasie rzeczywistym; # Budowa narzędzi symulacji zdarzeń # Algorytmy decyzyjne
  • 5. My tego nie potrzebujemy # Nasz działalność jest nietypowa i nam się to nie przyda …. # My już to robimy sami … MITY TRANSFORMACJI Kupmy roboty temat będzie załatwiony # To spawanie jest tak trudne, że tylko robot da sobie radę…. # Wstawimy roboty i praca będzie zrobiona… To załatwi program # SAP to ogarnie …. # Tutaj u nas jest taka spółka oni maja taki program … # My to sobie napiszemy sami … Mamy takie IT, że to ogarnie # Ja to się na tym nie znam to robota IT…. # IT wdraża zmiany … Oni mają takie rozwiązanie i to działa # W mojej poprzedniej pracy to wszystko działało …. # Inni sprzedawcy mówią, że to będzie łatwe i tanie …
  • 6. 1# DANE Pozyskanie danych: # Automatyczne # Ręczne # Eksport # Estymacja Typ danych: # Dane z maszyn # Dane z czujników # Dane z innych systemów # Dane deklarowane # Dane zewnętrzne # Dane zakładane # Dane Historyczne # Prognozy Jakie dane(6V’s): # Wartościowe merytorycznie # Wystarczające ilościowo # Różnorodne # Zmienne # Szybko dostarczone # Prawdziwe Proces budowy modułu zarządzania danymi: 1. Ustalenie kluczowych parametrów dla procesów 2. Stworzenie listy wszystkich danych wymaganych 3. Identyfikacja źródeł danych już istniejących 4. Identyfikacja źródeł danych do stworzenia 5. Identyfikacja danych zewnętrznych 6. Metodyka pobierania danych 7. Określnie architektury baz danych 8. Określenie metodyki walidacji danych
  • 7. 2# RAPORTY Opomiarowane procesy: # Logistyka # Magazynowanie # Produkcja # Jakość # Utrzymanie ruchu # HR Agregacja danych: # Tablice stanowiskowe # Informacje o liniach # Indagacje o pracowniku # Informacje o kliencie # Informacje o produkcie # Informacje o zakładzie Zakres raportów # Informacje o aktualnych działaniach # Informacje o aktualnych stanach # Opis rezultatów za okres # Wskaźniki predykcyjne Cele raportowania: # Ocena efektywności (rozliczenie i zarządzanie) # Motywowanie dla osiągania celu # Zarządzanie w czasie rzeczywistym zmianami # Poprawa planowania przyszłych działań Proces budowy raportowania # Mapowanie procesów # Wybór KPI dla procesu/stanowiska # Przypisanie źródeł danych # Specyfikacja metod wyliczenia wskaźników # Ustalenie hierarchii i dostępu do raportów # Układ graficzno/liczbowy raportów # Kodowanie raportów
  • 8. Horyzont planowania: # Zarządzanie kryzysem – odstępstwa od harmonogramu # Harmonogramowanie zmian # Plan tygodnia # MPS - Plan średnioterminowy 3# PLANY Główne obszary planowania: # Plan wysyłek # Plan pokrycia wyrobem gotowym # Plan pokrycia materiałem # Plan produkcyjny (średni, tydzień, zmiana, godzina) # Plan mocy produkcyjnych # Plan dostępnych zasobów ludzkich # Plan obsady na stanowiskach # Plan intra logistyczny # Zaopatrzenie materiałami na stanowiskach # Plan działań jakościowych # Plan działań utrzymania ruchu # Plan strat jakościowych i technologicznych # Analiza odchyleń od standardów Rodzaje planowania: # Planowanie bez odchyleń # Planowanie z uwzględnieniem odchyleń Proces budowy planowania # Opis siatki relacji planów i raportów # Określenie osób odpowiedzialnych za rzetelność planów # Definicja graficzno-liczbowa raportów # Planowanie prototypowe – weryfikacja prototypu # Wdrożenie produkcyjne # Weryfikacja prawidłowości predykcji
  • 9. 4# SYMULACJE Cel symulacji: # Wzrost efektywności procesów # Usprawnienie procesu zarządczego # Ograniczenie czasu wdrożenia zmiany # Ograniczenie kosztu wdrożenia zmiany Zakres symulacji # Wszystkie obszary planowania # Układ graficzny aktywów fizycznych produkcji # Symulacja odchyleń od zakładanych procesów # Edukacja Typy symulacji # Opis liczbowy – równania # Graficzna symulacja statyczna 2D # Graficzna symylacja dynamiczna 2D # Graficzna symulacja statyczna 3D # Graficzna symylacja dynamiczna 3D # Wizualizacja AR # Wizualizacja VR Symulacje graficzne # Prezentacja współzależności obiektów rzeczywistych # Mała efektywność szybkości symulacji Symulacje liczbowe # Duża szybkość analizy wariantów # Brak pewności analizy Proces budowy symulacji # Wybór wskaźników do optymalizacji # Wybór zmiennych w symulacji # Budowa środowiska oraz opis zależności # Symulacja liczbowa # Weryfikacja poprzez symulacje graficzną Typu silnika symulacji # Programowanie zadań # Symulacja zdarzeń Symulacje to graficzno-liczbowe odwzorowania ewenementów oraz współzależności realnego świata
  • 10.
  • 11.
  • 12. 5# AI Zakres pracy algorytmów AI DBR77: 1. Optymalizacja efektywności stanowiska 2. Optymalizacja efektywności linii – VSM 3. Plan produkcji 4. Poziom zapasów 5. Zapotrzebowanie na prace ludzi 6. Przypisanie pracowników 7. Redukcja czasu awarii 8. Bezpieczeństwo dostaw 9. Optymalizacja kanban Cel wdrożenia AI # Wzrost precyzji planowania # Wydłużenie zakresu oraz horyzontu predykcji # Ograniczenie czasu dla podjęcia decyzji # Poprawa jakości predykcji # Uwolnienie decyzji od emocji Typy AI # ML # Stochastyczno – kombinatoryczne Proces budowy algorytmów # Wybór wskaźników do optymalizacji # Wybór zmiennych w symulacji # Budowa środowiska oraz opis zależności # Symulacja liczbowa # Weryfikacja poprzez symulacje graficzną Algorytmy AI to równania matematyczne których celem jest wyszukiwanie optymalnych wyników dla zadań o określonych warunkach Kolejny projekt
  • 14.
  • 15.
  • 16. 50 % 30 % 20 % DBR77 outcomes and benefits REDUCTION OF ROBOTIZATION CAPEX INCREASED PRODUCTIVITY REDUCTION OF DEVELOPMENT TIME

Notas do Editor

  1. Nie wiem czy nazwa jest ok.