כיצד תזמון בעל קיבולת סופית באמת פועל בייצור

הדרך שבה ה-ERP מציג את הזמנת הייצור נראית תקינה: המועד הצפוי הוא יום חמישי הבא, המסלול התפעולי נכון, החומר מתוכנן, והכול נראה בשליטה. לאחר מכן אתם הולכים לרצפת הייצור ומגלים שהמכונה כבר עמוסה, המפעיל הנדרש משובץ במקום אחר, המתקן נמצא בשימוש, או שהחומר קיים ב-ERP אך טרם נבדק ושוחרר בפועל. זו הפער שבין תכנון הביקוש לבין מציאות התזמון. בפרק העומק הזה אנחנו מפרקים כיצד תזמון קיבולת סופית (finite capacity scheduling) פועל בפועל בייצור: מתכנון ב-ERP וב-MRP ועד לוח זמנים שמביא בחשבון את המגבלות הפיזיות של מכונות, אנשים, כלים, חומרים, שערי איכות, תחזוקה וזמן.

תכנון קיבולת אינסופי לעומת סופי

לתכנון קיבולת אינסופי יש מטרה חשובה. מערכות ERP ו-MRP יכולות לחשב במהירות ביקוש, דרישות חומר, הזמנות מתוכננות ותאריכים עבור אלפי מוצרים ואופקי תכנון ארוכים. אולם תאריך מתוכנן אינו מוכיח שלמפעל יש מספיק קיבולת שמישה לבצע את העבודה. תזמון סופי שואל את השאלה הקשה יותר: האם הפעולה הזו יכולה באמת לרוץ בזמן הזה, על המשאב הזה, עם כל מה שנדרש לביצועה? משמעות הדבר היא להסתכל מעבר לשעות לוח השנה ולבחון את הקיבולת השמישה, לרבות מכונות, עובדים מוסמכים, כלי עבודה, מתקנים, חומר משוחרר ותנאי תהליך.

מהזמנת ייצור לפעולות מתוזמנות

אי אפשר פשוט לראות בהזמנת ייצור בלוק אחד בין תאריך התחלה לתאריך סיום. מתזמן סופי מפרק את ההזמנה לפעולות בודדות ומחשב זמני הכנה, זמן ריצה, המתנה והעברה, ולאחר מכן מחפש משאבים מתאימים ומשבצות זמן פנויות. ברגע שפעולה תופסת משבצת, אותה קיבולת אינה זמינה עוד להזמנה אחרת. עיכובים יכולים לכן להתפשט לפעולות הבאות ולחשוף הזמנה מאחרת עוד לפני שהיא מגיעה לרצפת הייצור.

תזמון קדימה לעומת תזמון אחורה

אנחנו בוחנים את שתי נקודות המבט היסודיות בתזמון. תזמון קדימה שואל: בהינתן מה שמוכן כעת ואת הקיבולת שיש לנו באמת, מתי ההזמנה יכולה realistically להסתיים? תזמון אחורה מתחיל מתאריך האספקה המבוקש ושואל: מתי כל פעולה קודמת חייבת להתרחש כדי לעמוד בהבטחה? השוואה בין השניים יכולה לחשוף את פער ההחלטה הקריטי בין הבטחת הלקוח לבין מה שתנאי הייצור הנוכחיים יכולים באמת לספק.

רצף, צווארי בקבוק והחלפות

קיום קיבולת מספקת איפשהו בלוח השנה אינו אומר אוטומטית איזו הזמנה צריכה לרוץ הבאה. אנחנו בוחנים אסטרטגיות רצף מתחרות, לרבות עדיפות לפי תאריך יעד, עדיפות לקוח, זמן עיבוד קצר ביותר, יחס קריטי ורצף מבוסס קמפיינים. החלפות הן במיוחד חשובות. החלפת מתקנים, כלים, תוכניות, חומרים או משפחות מוצרים צורכת קיבולת אמיתית של צוואר בקבוק. לוח זמנים שמתעלם מזמן הכנה התלוי ברצף עשוי להיראות בר-ביצוע, ובפועל להיות בלתי אפשרי לביצוע.

חומר, אנשים, כלים ואיכות הם גם קיבולת

מכונה פנויה אינה אומרת בהכרח שפעולה יכולה להתחיל. ייתכן שחומר עדיין ממתין לבדיקה. המפעיל המוסמך עובד במשמרת אחרת. מתקן מותקן על מכונה אחרת. מד מידה דורש כיול. ייתכן שצוות האיכות צריך לאשר את החלק הראשון. לכן תזמון סופי הופך למודל של יחסים בין מוצרים, פעולות, משאבים, כישורים, כלי עבודה, חומרים וכללי תהליך, ולא רק ללוח זמנים של מכונה.

מה קורה כשהתוכנית נשברת?

מכונות מתקלקלות, חומרים מגיעים באיחור, מפעילים אינם זמינים, מופיעות עצירות איכות וסדרי העדיפויות משתנים. לוח זמנים סופי שימושי צריך להגיב בלי לערבב מחדש את כל המפעל באופן מתמיד. אנחנו דנים בתזמון מחדש, באזורים מוגנים או "מוקפאים", בחוסר היציבות של לוח הזמנים וביכולת של מתכננים להעריך תרחישים חלופיים במקום לקבל בעיוורון לוח זמנים שנוצר מחדש לחלוטין. המטרה אינה לבטל החלטות אנושיות. המטרה היא לתת למתכננים מידע טוב יותר על מה שכל החלטה תדיח.

ERP, MES, APS ושכבת הנתונים של Microsoft

הפרק בוחן גם היכן כל שכבת טכנולוגיה צריכה להשתלב. ה-ERP מנהל חלק גדול מההקשר המסחרי והעסקי. ה-MES מספק סטטוס ביצוע מרצפת הייצור. מערכות תחזוקה ואיכות מוסיפות מגבלות נוספות. שכבת התזמון או ה-APS משלבת את הקלטים האלה עם כללי הייצור כדי לקבוע אפשרויות ישימות. טכנולוגיות של Microsoft יכולות לתמוך באינטגרציה, באנליטיקה ובארכיטקטורת ההחלטות שסביב, אך הן אינן הופכות אוטומטית למנוע תזמון סופי. לוגיקת הייצור עדיין צריכה מגבלות מפורשות, בעלות וכללי תזמון.

איפה AI באמת עוזר

AI יכול לעזור למתכננים לאחזר מידע, לסכם הפרעות, להסביר תוצאות תזמון ולהעלות סיכונים. מודלים prediktiviים יכולים להעריך תקלות מכונה פוטנציאליות, עיכובי חומר או שינויים בזמני מחזור. אך AI לא אמור להמציא היתכנות ייצורית. מנוע התזמון או האופטימיזציה מעריך מגבלות מפורשות; ה-AI תומך בתהליך ההחלטה שסביב; והמתכנן נשאר אחראי להחלטות הנוגעות ללקוחות, לאיכות, לעבודה ולסדרי העדיפויות של הייצור.

המסקנה המרכזית

תזמון קיבולת סופי אינו יוצר קיבולת. אם למשאב יש 70 שעות שמישות והביקוש דורש 100, אלגוריתם לא יכול לייצר את 30 השעות החסרות. מה שלוח זמנים טוב יכול לעשות הוא לחשוף את הקונפליקט מוקדם מספיק כדי להחליט אם לשנות את הרצף, להוסיף קיבולת, להשתמש בחלופה מאושרת, להעביר עבודה לקבלן משנה או לנהל מחדש את ההתחייבות מול הלקוח. המטרה אינה מפעל שבו כל מכונה נראית עסוקה. המטרה היא תוכנית שבאמת יכולה לרוץ.

הפוך לתומך של הפודקאסט הזה: https://www.spreaker.com/podcast/m365-fm-a-microsoft-mvp-podcast-by-mirko-peters--6704921/support.