Lean Six Sigma i sztuczna inteligencja. Doskonalenie procesów w erze Quality 4.0 Sławomir Świtek

Dostępność produktu

Produkt nie został jeszcze oceniony pod kątem ułatwień dostępu lub nie podano żadnych informacji o ułatwieniach dostępu lub są one niewystarczające. Prawdopodobnie Wydawca/Dostawca jeszcze nie umożliwił dokonania walidacji produktu lub nie przekazał odpowiednich informacji na temat jego dostępności.

Spis treści książki

Od Autora............................................................................................................................................ 5

Wprowadzenie.................................................................................................................................... 6

CZĘŚĆ I. LEAN SIX SIGMA W ŚWIECIE QUALITY 4.0............................................................. 7

1. Od klasycznego Lean Six Sigma do Quality 4.0........................................................................ 7

1.1. Problem procesowy jako punkt wyjścia............................................................................. 7

1.2. Mapa wartości a inwestycja w dane................................................................................... 8

1.3. Dojrzałość jakości w czterech decyzjach......................................................................... 10

1.4. Ocena dojrzałości w procesie wielozakładowym............................................................. 11

1.5. Rozstrzyganie inwestycji między przepływem a predykcją............................................. 12

2. Sztuczna inteligencja w praktyce procesowej.......................................................................... 15

2.1. Rodzaje zadania i chwila decyzji...................................................................................... 15

2.2. Projektowanie interwencji i informacji zwrotnej............................................................. 16

2.3. Dwa momenty prognozy w jednym łańcuchu.................................................................. 17

2.4. Od modelu do procedury na zmianie................................................................................ 18

3. Dane jako podstawa AI i Lean Six Sigma................................................................................ 21

3.1. Definicja jednostki i połączenia źródeł............................................................................. 21

3.2. Architektura i testy jakości danych................................................................................... 22

3.3. Kontrakt danych dla partii i czasu.................................................................................... 23

3.4. Dane historyczne po zmianie systemu.............................................................................. 25

3.5. Rekonstrukcja danych dostępnych w chwili decyzji........................................................ 26

CZĘŚĆ II. AI W CYKLU DMAIC.................................................................................................. 28

4. DEFINE – AI w definiowaniu problemu................................................................................. 28

4.1. Głos klienta i mierzalny cel.............................................................................................. 28

4.2. Granice projektu i bramka DEFINE................................................................................. 29

4.3. Warsztat DEFINE z językiem klienta............................................................................... 30

4.4. Karta projektu odporna na zmianę rozwiązania............................................................... 31

5. MEASURE – AI w pomiarze procesu..................................................................................... 33

5.1. Mianownik i zdolność systemu pomiarowego................................................................. 33

5.2. Dane dostępne przed decyzją............................................................................................ 33

5.3. Sprawdzenie dwóch mianowników.................................................................................. 35

5.4. Audyt pomiaru po wymianie kamery............................................................................... 36

6. ANALYZE – AI w poszukiwaniu przyczyn źródłowych........................................................ 38

6.1. Wzorzec nie jest przyczyną.............................................................................................. 38

6.2. Próba i siła dowodu.......................................................................................................... 39

6.3. Plan próby dla niewidocznej przyczyny........................................................................... 40

6.4. Analiza alternatywnych wyjaśnień................................................................................... 41

6.5. Przyczyna, wskaźnik zastępczy i próba interwencji......................................................... 43

7. IMPROVE – AI w projektowaniu rozwiązań.......................................................................... 45

7.1. Pilot porównujący warianty.............................................................................................. 45

7.2. Skalowanie i ekonomika rozwiązania.............................................................................. 46

7.3. Zatrzymanie pilotażu i koszt przeniesienia....................................................................... 47

7.4. Plan pilotażu o dwóch interwencjach............................................................................... 48

8. CONTROL – AI w utrzymaniu efektów.................................................................................. 51

8.1. Wynik, pomiar i reakcja................................................................................................... 51

8.2. Dryf i ponowne otwarcie projektu.................................................................................... 51

8.3. Przekazanie procesu kolejnej zmianie.............................................................................. 53

8.4. Gdy wskaźnik wygląda lepiej niż proces.......................................................................... 54

CZĘŚĆ III. TECHNOLOGIE I ZASTOSOWANIA........................................................................ 56

9. Predykcja jakości...................................................................................................................... 56

9.1. Wcześniejszy sygnał i okno reakcji.................................................................................. 56

9.2. Kalibracja i polityka progów............................................................................................ 57

9.3. Decyzja przy różnych oknach czasu................................................................................. 59

9.4. Prognoza jako polityka, nie ekran z wynikiem................................................................. 60

9.5. Granice korzyści z wcześniejszego ostrzeżenia............................................................... 61

10. Computer Vision w kontroli jakości...................................................................................... 63

10.1. Obraz jako pomiar.......................................................................................................... 63

10.2. Od detekcji do fizycznego odrzutu................................................................................. 63

10.3. Oświetlenie i identyfikator sztuki................................................................................... 65

10.4. Ocena obrazu na dwóch poziomach............................................................................... 66

10.5. Wizja maszynowa jako system pomiarowy.................................................................... 67

11. Predictive Maintenance jako projekt Lean Six Sigma........................................................... 69

11.1. Problem dostępności i horyzont prognozy..................................................................... 69

11.2. Interwencja zmienia etykietę.......................................................................................... 70

11.3. Model i kalendarz serwisu.............................................................................................. 71

11.4. Serwis po alarmie i ocena skuteczności.......................................................................... 72

12. Process Mining i odkrywanie rzeczywistego procesu............................................................ 74

12.1. Log zdarzeń i perspektywa sprawy................................................................................. 74

12.2. Warianty, kolejki i przyczyny......................................................................................... 74

12.3. Od wariantu logu do zmiany formularza........................................................................ 76

12.4. Uczciwa mapa przebiegu sprawy................................................................................... 77

12.5. Trzy perspektywy tego samego logu.............................................................................. 78

13. Generative AI jako asystent Lean Six Sigma......................................................................... 81

13.1. Szkic, źródło i zatwierdzenie.......................................................................................... 81

13.2. Miara efektywności i granica użycia.............................................................................. 82

13.3. Weryfikacja każdego twierdzenia w raporcie................................................................. 83

13.4. Asystent przy tworzeniu planu kontroli.......................................................................... 84

13.5. Granice odpowiedzi opartej na dokumentach................................................................. 85

14. AI i statystyka – współpraca czy konkurencja?..................................................................... 88

14.1. Różne pytania do tych samych danych........................................................................... 88

14.2. Eksperyment po predykcji.............................................................................................. 89

14.3. Wynik testu, a nie sam wskaźnik.................................................................................... 90

14.4. Niepewność decyzji po ograniczonym pilotażu............................................................. 91

15. FMEA wspomagane przez sztuczną inteligencję................................................................... 93

15.1. Sugestia a decyzja zespołu.............................................................................................. 93

15.2. Zapobieganie i wykrywanie po zmianie......................................................................... 93

15.3. Łańcuch FMEA – plan kontroli – instrukcja.................................................................. 95

15.4. Ocena dwóch zabezpieczeń w jednym trybie FMEA..................................................... 96

15.5. FMEA po ujawnieniu nowego sposobu uszkodzenia..................................................... 97

16. AI i zarządzanie przepływem................................................................................................. 99

16.1. Kolejka, wąskie gardło i predykcja................................................................................ 99

16.2. Robotic Process Automation i Intelligent Process Automation................................... 100

16.3. Kontrola wyjątków i łącznego czasu............................................................................ 101

16.4. Robot jako część procesu usługowego......................................................................... 103

16.5. RPA po usprawnieniu obiegu faktury........................................................................... 104

16.6. Automatyzacja błędnego procesu i koszt wyjątków..................................................... 105

CZĘŚĆ IV. CZŁOWIEK I RYZYKO............................................................................................ 107

17. Człowiek, kompetencje i odpowiedzialność........................................................................ 107

17.1. Udział człowieka jako realna decyzja........................................................................... 107

17.2. Własność decyzji między rolami.................................................................................. 108

17.3. Odpowiedzialność na styku czterech ról...................................................................... 109

17.4. Praca nad zaufaniem bez automatycznego potwierdzania............................................ 111

18. Ryzyko, etyka i wiarygodność AI........................................................................................ 113

18.1. Błąd modelu a skutek dla człowieka............................................................................ 113

18.2. Test scenariuszy niepożądanych................................................................................... 113

18.3. Odwołanie jako źródło wiedzy o systemie................................................................... 115

18.4. Badanie błędu bez szukania jednego winnego............................................................. 116

18.5. Audyt po zmianie kanału kontaktu............................................................................... 117

CZĘŚĆ V. WDRAŻANIE AI W LEAN SIX SIGMA................................................................... 120

19. Jak wdrażać AI w Lean Six Sigma....................................................................................... 120

19.1. Bramki projektu AI i DMAIC...................................................................................... 120

19.2. Wdrożenie jako zdolność do uczenia........................................................................... 121

19.3. Portfel projektów po pierwszym roku.......................................................................... 123

19.4. Rok po pierwszym pilotażu.......................................................................................... 124

19.5. Dwa projekty, jedno ograniczenie organizacyjne......................................................... 125

CZĘŚĆ VI. ĆWICZENIA PRAKTYCZNE................................................................................... 128

20. Ćwiczenia............................................................................................................................. 128

Ćwiczenie 1. Karta projektu dla reklamacji dostaw.............................................................. 128

Ćwiczenie 2. Definicja operacyjna i spójność danych.......................................................... 129

Ćwiczenie 3. Wada na milion okazji..................................................................................... 129

Ćwiczenie 4. Zgodność etykiet dwóch inspektorów............................................................. 129

Ćwiczenie 5. Macierz pomyłek modelu jakości.................................................................... 130

Ćwiczenie 6. Wybór progu alarmowego............................................................................... 130

Ćwiczenie 7. Czasowy podział próby i przeciek................................................................... 130

Ćwiczenie 8. Kontrola wizyjna i rzadkie wady..................................................................... 131

Ćwiczenie 9. Koszt predykcji jakości.................................................................................... 131

Ćwiczenie 10. Utrzymanie predykcyjne wąskiego gardła..................................................... 131

Ćwiczenie 11. Warianty Process Mining i średni czas.......................................................... 132

Ćwiczenie 12. RPA po usunięciu zbędnego kroku................................................................ 132

Ćwiczenie 13. Intelligent Process Automation w fakturach.................................................. 132

Ćwiczenie 14. FMEA i kolejność działań............................................................................. 133

Ćwiczenie 15. Prawo Little’a w kolejce spraw..................................................................... 133

Ćwiczenie 16. Takt i zdolność linii....................................................................................... 133

Ćwiczenie 17. Granice karty i zmiana procesu..................................................................... 134

Ćwiczenie 18. Audyt generatywnej AI w reklamacjach....................................................... 134

Ćwiczenie 19. Obciążenie człowieka alarmami.................................................................... 134

Ćwiczenie 20. Kalibracja ryzyka i Brier score...................................................................... 134

Ćwiczenie 21. Dryf danych w dwóch okresach..................................................................... 135

Ćwiczenie 22. Wybór pilotażu AI w DMAIC....................................................................... 135

Ćwiczenie 23. Test MTBF i MTTR po zmianie utrzymania................................................. 135

Ćwiczenie 24. Wybór pilotażu i pomiar efektu..................................................................... 136

Ćwiczenie 25. Generatywna AI w DEFINE: głos klienta i CTQ.......................................... 136

Ćwiczenie 26. AI w MEASURE: audyt logu i definicja rekordu.......................................... 137

Ćwiczenie 27. AI w ANALYZE: odwrócenie w agregacie.................................................. 137

Ćwiczenie 28. AI w IMPROVE: wybór wariantu pilotażu................................................... 138

Ćwiczenie 29. AI w CONTROL: sygnał kalibracji i plan reakcji......................................... 138

Ćwiczenie 30. Predictive Quality: próg jako decyzja ekonomiczna..................................... 139

Ćwiczenie 31. Predictive Maintenance: priorytet postoju..................................................... 140

Ćwiczenie 32. Process Mining: warianty i powroty.............................................................. 140

Ćwiczenie 33. AI i statystyka: test dwóch udziałów............................................................. 141

Ćwiczenie 34. FMEA wspomagane AI i RPA w fakturach.................................................. 141

CZĘŚĆ VII. ROZWIĄZANIA ĆWICZEŃ.................................................................................... 143

21. Rozwiązania i komentarze.................................................................................................... 143

Rozwiązanie 1. Karta projektu dla reklamacji dostaw.......................................................... 143

Rozwiązanie 2. Definicja operacyjna i spójność danych....................................................... 143

Rozwiązanie 3. Wada na milion okazji................................................................................. 144

Rozwiązanie 4. Zgodność etykiet dwóch inspektorów.......................................................... 144

Rozwiązanie 5. Macierz pomyłek modelu jakości................................................................ 144

Rozwiązanie 6. Wybór progu alarmowego........................................................................... 145

Rozwiązanie 7. Czasowy podział próby i przeciek............................................................... 145

Rozwiązanie 8. Kontrola wizyjna i rzadkie wady................................................................. 145

Rozwiązanie 9. Koszt predykcji jakości................................................................................ 146

Rozwiązanie 10. Utrzymanie predykcyjne wąskiego gardła................................................. 146

Rozwiązanie 11. Warianty Process Mining i średni czas...................................................... 146

Rozwiązanie 12. RPA po usunięciu zbędnego kroku............................................................ 146

Rozwiązanie 13. Intelligent Process Automation w fakturach.............................................. 147

Rozwiązanie 14. FMEA i kolejność działań.......................................................................... 147

Rozwiązanie 15. Prawo Little’a w kolejce spraw.................................................................. 147

Rozwiązanie 16. Takt i zdolność linii.................................................................................... 148

Rozwiązanie 17. Granice karty i zmiana procesu.................................................................. 148

Rozwiązanie 18. Audyt generatywnej AI w reklamacjach.................................................... 148

Rozwiązanie 19. Obciążenie człowieka alarmami................................................................ 149

Rozwiązanie 20. Kalibracja ryzyka i Brier score.................................................................. 149

Rozwiązanie 21. Dryf danych w dwóch okresach................................................................. 149

Rozwiązanie 22. Wybór pilotażu AI w DMAIC................................................................... 149

Rozwiązanie 23. Test MTBF i MTTR po zmianie utrzymania............................................. 150

Rozwiązanie 24. Wybór pilotażu i pomiar efektu................................................................. 150

Rozwiązanie 25. Generatywna AI w DEFINE: głos klienta i CTQ...................................... 150

Rozwiązanie 26. AI w MEASURE: audyt logu i definicja rekordu...................................... 151

Rozwiązanie 27. AI w ANALYZE: odwrócenie w agregacie............................................... 152

Rozwiązanie 28. AI w IMPROVE: wybór wariantu pilotażu............................................... 153

Rozwiązanie 29. AI w CONTROL: sygnał kalibracji i plan reakcji..................................... 154

Rozwiązanie 30. Predictive Quality: próg jako decyzja ekonomiczna.................................. 154

Rozwiązanie 31. Predictive Maintenance: priorytet postoju................................................. 155

Rozwiązanie 32. Process Mining: warianty i powroty.......................................................... 156

Rozwiązanie 33. AI i statystyka: test dwóch udziałów......................................................... 156

Rozwiązanie 34. FMEA wspomagane AI i RPA w fakturach............................................... 157

Zakończenie.................................................................................................................................... 159

Bibliografia..................................................................................................................................... 160

Spis rysunków................................................................................................................................. 162

Spis tabel......................................................................................................................................... 163

Słownik pojęć.................................................................................................................................. 164

O Autorze........................................................................................................................................ 166

pokaż cały spis treści

ukryj recenzje