विनिर्माण के संदर्भ में अंतरंग प्रोग्रामिंग को समझना

इंटीग्रर प्रोग्रामिंग (IP) गणितीय अनुकूलन की एक शाखा है जहां निर्णय चर पूर्णांक मूल्यों तक सीमित हैं। विनिर्माण में, यह प्रतिबंध आवश्यक है क्योंकि कई निर्णयों में असत विकल्प शामिल हैं: चाहे किसी विशिष्ट इकाई का निरीक्षण किया जाए, कितने निरीक्षकों को असाइन करने के लिए, या किस मशीन को शेड्यूल करने के लिए। रैखिक प्रोग्रामिंग के विपरीत, जो निरंतर चर को मानता है, आईपी मॉडल वास्तविकता को कैप्चर करते हैं कि आप 2.7 इकाइयों का निरीक्षण नहीं कर सकते हैं या 1.4 ऑपरेटरों को किराए पर नहीं ले सकते हैं। एक आईपी मॉडल के मूल में एक उद्देश्य कार्य (अक्सर लागत का कम से कम छोटाकरण या गुणवत्ता का अधिकतमीकरण) और एक सेट शामिल है।

पूर्णांक प्रोग्रामिंग को शुद्ध पूर्णांक प्रोग्रामिंग (सभी चर पूर्णांक), द्विआधारी पूर्णांक प्रोग्रामिंग (variables 0 या 1) और मिश्रित-एकांक प्रोग्रामिंग (कुछ निरंतर, कुछ पूर्णांक) में वर्गीकृत किया जा सकता है। द्विआधारी चर विशेष रूप से मॉडलिंग के लिए शक्तिशाली हैं हाँ / कोई निर्णय, जैसे कि किसी विशिष्ट स्टेशन पर एक निरीक्षण करना। उन्नत हलकों जैसे Gurobi, CPLEX, और खुले स्रोत विकल्प जैसे SCIP और CBC उपयोग एल्गोरिदम जैसे शाखा-and-bound, कटिंग प्लेन, और वास्तविक आकार की समस्याओं के लिए जल्दी से व्यवहार्य समाधान खोजने के लिए हेरिस्टिक्स।

आधुनिक विनिर्माण में गुणवत्ता नियंत्रण की भूमिका

गुणवत्ता नियंत्रण (QC) यह सुनिश्चित करता है कि उत्पाद ग्राहकों तक पहुंचने से पहले पूर्व-परिभाषित मानकों को पूरा करते हैं। पारंपरिक क्यूसी विधियों में मैनुअल निरीक्षण, सांख्यिकीय प्रक्रिया नियंत्रण (SPC), और स्वीकृति नमूना योजना शामिल है। कई संदर्भों में प्रभावी होने के बावजूद, ये दृष्टिकोण अक्सर अक्षमता से पीड़ित होते हैं। मैनुअल निरीक्षण धीमी और असंगत हैं; एसपीसी सामान्यता और स्वतंत्रता की धारणाओं पर निर्भर करता है; और ANSI/ASQ Z1.4 जैसी नमूना योजनाएँ या तो ओवर-इंस्पेक्शन (वैस्टेड श्रम) या अंडर-इंस्पेक्शन (उच्च दोष भाग) के लिए जिम्मेदार हैं। चूंकि उत्पादन की मात्रा बढ़ती है और ग्राहक अपेक्षाओं को कसने के लिए, निर्माताओं को अधिक व्यवस्थित, डेटा-संचालित तरीके की आवश्यकता होती है।

इंटीग्रेशन प्रोग्राम्स के रूप में गुणवत्ता नियंत्रण समस्याओं का सूत्रीकरण

अनुकूलन निरीक्षण आवंटन

क्यूसी में सबसे आम आईपी अनुप्रयोगों में से एक यह तय कर रहा है कि मल्टी-स्टेज असेंबली लाइन के साथ कितने निरीक्षण किए गए हैं। मान लीजिए कि एक कारखाना कई असेंबली स्टेशनों के साथ इलेक्ट्रॉनिक बोर्ड का उत्पादन करता है। निर्माता या तो प्रत्येक स्टेशन के बाद या केवल अंतिम परीक्षण पर निरीक्षण कर सकता है। लक्ष्य कुल लागत को कम करना है, जिसमें ग्राहक तक पहुंचने वाली दोषपूर्ण इकाइयों के लिए निरीक्षण श्रम, पुन: कार्य लागत और दंड शामिल है। बाइनरी चर इंगित करते हैं कि क्या किसी दिए गए स्टेशन पर निरीक्षण करना है, जबकि पूर्ण चर निर्धारित नमूने की संख्या का प्रतिनिधित्व करते हैं। Constraints यह सुनिश्चित करते हैं कि समग्र अपेक्षित दोष प्रबंधन की सीमा के नीचे रहता है। यह मॉडल मध्य आकार के मोटर वाहन भागों के आपूर्तिकर्ता पर लागू किया गया था, जिसके परिणामस्वरूप 12% गुणवत्ता निरीक्षण में कमी होती है।

योगदान नमूना योजना डिजाइन

Integer प्रोग्रामिंग भी इष्टतम स्वीकृति नमूना योजना डिजाइन कर सकते हैं। विशेषताओं के नमूने में, निर्णयों में नमूना आकार n] (integer) और स्वीकृति संख्या c] (integer) शामिल हैं। उद्देश्य तालिकाओं को प्रति बहुत कम से कम करना है, जिसमें निरीक्षण लागत, एक अनुरूपण के साथ लागत को अस्वीकार करना, और एक गैर-संरूपण को स्वीकार करने की लागत [FLT] का चयन करना है।

रखरखाव और प्रक्रिया नियंत्रण

गुणवत्ता का पता लगाने के बारे में ही नहीं बल्कि रोकथाम भी है। इंटीग्र प्रोग्रामिंग का उपयोग निवारक रखरखाव (पीएम) और नियंत्रण प्रक्रिया समायोजन को शेड्यूल करने के लिए किया जाता है। प्रत्येक मशीन उपकरण समय के साथ पहनता है, उत्पाद आयाम को प्रभावित करता है। एक आईपी मॉडल तब तय कर सकता है जब सेंसर डेटा और ऐतिहासिक बहाव दर के आधार पर उपकरण को प्रतिस्थापित या पुन: व्यवस्थित किया जाए। चरनों में एक दिए गए समय अवधि में पीएम को निष्पादित करने का द्विआधारी निर्णय शामिल है और पिछले पीएम के बाद से उत्पादित इकाइयों की संख्या के लिए पूर्ण चर में बदलाव किया जाता है। उद्देश्य PM, डाउनटाइम और दोष रिटाव के कुल लागत को कम करता है, जो अधिकतम स्वीकार्य दोष दर के अधीन है। यह दृष्टिकोण विशेष रूप से उच्च मात्रा वाले उद्योगों में शक्तिशाली है।

कम्प्यूटेशनल विचार और रियल-वर्ल्ड तैनाती

सॉल्विंग इंटेगर प्रोग्राम

पूर्ण रूप से, एकीकृत कार्यक्रम सामान्य रूप से एनपी-हार्ड हैं, जिसका अर्थ है समाधान समय समस्या के आकार के साथ तेजी से बढ़ सकता है। हालांकि, आधुनिक हलकों ने उन्नत तकनीकों जैसे कि प्रीसोल्व (मॉडल आकार को कम करने के लिए), शाखा-और-कट (जटने की बाध्यताओं के लिए), और हेरिस्टिक्स (सही समाधानों को जल्दी से ढूंढने के लिए) का उपयोग किया है। 500-1000 द्विआधारी चर और कुछ हजार निरंतर चरों के साथ एक विशिष्ट विनिर्माण क्यूसी मॉडल को सेकंड में इष्टतमता के 1% के भीतर हल किया जा सकता है।

डेटा चैलेंज

किसी भी IP मॉडल की सटीकता इसके इनपुट मापदंडों की गुणवत्ता पर निर्भर करती है: दोष दर, निरीक्षण लागत, पुनः कार्य समय और दंड लागत। निर्माताओं में अक्सर सटीक डेटा की कमी होती है, विशेष रूप से जटिल असेंबली लाइनों के लिए। दो रणनीतियों ने इस मुद्दे को कम किया। सबसे पहले, ऐतिहासिक दोष डेटा का उपयोग करें और मजबूत अनुकूलन की अनुमति देने के लिए आत्मविश्वास अंतराल के साथ, मापदंडों का आकलन करने के लिए प्रतिगमन या मशीन लर्निंग लागू करें। दूसरा, दो चरणीय दृष्टिकोण को अपनाने: बेसलाइन डेटा के साथ IP को चलाएं, सिफारिशों को लागू करें, प्रतिक्रिया एकत्र करें, और समय-समय पर फिर से अनुमान पैरामीटर। इस iterative चक्र को कभी-कभी "डिजिटल जुड़वां-सक्षम अनुकूलन" कहा जाता है, विश्वास का निर्माण करता है और समय के साथ मॉडल सटीकता में सुधार करता है।

केस स्टडी: एक विधानसभा लाइन में निरीक्षण स्टेशनों के लिए पूर्ण कार्यक्रम

मुद्रित सर्किट बोर्ड असेंबली (PCBAs) का उत्पादन करने वाले मध्यमीकृत इलेक्ट्रॉनिक्स निर्माता ने बढ़ती हुई रिवर्क लागत और ग्राहक शिकायतों का सामना किया। मौजूदा क्यूसी योजना ने तीन स्टेशनों पर 100% दृश्य निरीक्षण के लिए बुलाया, इसके बाद कार्यात्मक परीक्षण किया गया। कंपनी दोष से बचने के दौरान निरीक्षण श्रम को कम करना चाहती थी। एक पूर्ण प्रोग्रामिंग मॉडल को 12 स्टेशनों में से प्रत्येक के लिए द्विआधारी चर के साथ बनाया गया था; उद्देश्य कम श्रम लागत और उम्मीद की गई पुन: कार्य और दंड लागत को कम करने के लिए। इस परियोजना में केवल चार स्टेशनों का चयन किया गया था जो कि कुल मिलाकर दोषों को कम करता है।

उद्योग 4.0 के साथ भविष्य निर्देशन और एकीकरण

विनिर्माण के रूप में चीजों (IOT) और क्लाउड कंप्यूटिंग के इंटरनेट को अपनाने के लिए, पूर्ण प्रोग्रामिंग और भी शक्तिशाली हो जाएगा। सेंसर से वास्तविक समय डेटा गतिशील आईपी मॉडल को खिला सकता है जो फ्लाई पर निरीक्षण योजनाओं को समायोजित करता है। उदाहरण के लिए, यदि एक निश्चित मशीन बाहर से सहनशीलता भागों का उत्पादन शुरू करती है, तो मॉडल तुरंत निरीक्षण आवृत्ति को डाउनस्ट्रीम बढ़ा सकता है। इसके अतिरिक्त, मिश्रित-इंटीगर प्रोग्रामिंग को दोष संभावना में अनिश्चितता को संभालने के लिए मजबूती सीखने के साथ जोड़ा जा सकता है। एक और उभरती प्रवृत्ति स्टाचस्टिक पूर्ण प्रोग्रामिंग का उपयोग है, जो यादृच्छिक दोष घटनाओं के लिए स्पष्ट रूप से जिम्मेदार होती है और कई परिदृश्यों में अच्छी तरह से काम करने वाली मजबूत योजनाएं प्रदान करती है।

निष्कर्ष

इंटीग्रर प्रोग्रामिंग एक प्रतिक्रियाशील, अंतर्ज्ञान से संचालित गतिविधि को एक सक्रिय, अनुकूलित फ़ंक्शन में बदल देता है। गणितीय रूप से वास्तविक दुनिया के बाधाओं और उद्देश्यों का प्रतिनिधित्व करके, निर्माता एक साथ कम लागत और गुणवत्ता में सुधार कर सकते हैं। आवेदन क्षेत्र व्यापक हैं - निरीक्षण स्टेशन आवंटन और नमूना योजना डिजाइन से निवारक रखरखाव और प्रक्रिया समायोजन तक। हालांकि डेटा संग्रह और मॉडल जटिलता प्रारंभिक बाधाएं उत्पन्न करती हैं, हालांकि दीर्घकालिक लाभ पर्याप्त हैं: अपशिष्ट को कम कर दिया, उच्च ग्राहक संतुष्टि, और लाभप्रदता में वृद्धि। चूंकि कम्प्यूटेशनल उपकरण अधिक सुलभ हो जाते हैं, हर निर्माता को अपने गुणवत्ता वाले टूलकिट में पूर्ण प्रोग्रामिंग को एकीकृत करने पर विचार करना चाहिए।