فرصت توسعه کسب‌وکار در بازار آهن و فولاد؛ جذب نماینده و عامل فروش در سراسر کشور
اطلاعات بیشتر

محاسبه و پایش هوشمند ضایعات تولید با هوش مصنوعی

اکبری
۱۰ دقیقه مطالعه

مدیریت ضایعات؛ یکی از عوامل مهم بهبود بهره‌وری تولید

در کارخانه‌ها و مجموعه‌های صنعتی، بخشی از مواد اولیه در فرآیند تولید به محصول نهایی تبدیل نمی‌شود و به‌صورت ضایعات، پرت مواد یا محصولات نامنطبق باقی می‌ماند.

وجود ضایعات در بسیاری از فرآیندهای تولید اجتناب‌ناپذیر است؛ اما افزایش غیرعادی آن می‌تواند هزینه تولید را بالا ببرد، مصرف مواد را افزایش دهد و بر بهره‌وری مجموعه تأثیر بگذارد.

به همین دلیل، شناسایی مقدار ضایعات، بررسی روند تغییرات و شناخت عوامل مؤثر بر آن از موضوعات مهم مدیریت تولید است.

محاسبه و پایش هوشمند ضایعات تولید راهکاری است که با استفاده از هوش مصنوعی، بینایی ماشین و داده‌های عملیاتی، به جمع‌آوری و تحلیل اطلاعات مرتبط با ضایعات کمک می‌کند.

صدرا افزار با ارائه راهکارهای هوشمندسازی صنعتی، امکان بررسی و پیاده‌سازی روش‌های متناسب با شرایط خطوط تولید برای ثبت و پایش ضایعات را فراهم می‌کند.

ضایعات تولید چیست؟

ضایعات تولید به بخشی از مواد یا محصولات گفته می‌شود که در جریان فرآیند تولید، مطابق هدف اولیه به محصول قابل قبول تبدیل نمی‌شوند یا به دلیل برش، اصلاح، خرابی و سایر عوامل از جریان اصلی تولید جدا می‌شوند.

نوع و ماهیت ضایعات در صنایع مختلف متفاوت است.

برای مثال، در صنایع فلزی ممکن است بخشی از مواد به‌صورت برش‌های اضافی، قطعات معیوب یا محصولات خارج از مشخصات مورد انتظار باقی بماند.

در صنایع بسته‌بندی نیز محصولات آسیب‌دیده یا بسته‌بندی‌های نامنطبق ممکن است به‌عنوان ضایعات ثبت شوند.

البته هر ماده باقی‌مانده الزاماً ضایعات غیرقابل استفاده نیست. برخی مواد می‌توانند بازیافت یا دوباره وارد فرآیند تولید شوند.

بنابراین، تعریف دقیق ضایعات و نحوه طبقه‌بندی آن باید براساس قواعد تولید و حسابداری صنعتی هر مجموعه مشخص شود.

پایش هوشمند ضایعات تولید چیست؟

پایش هوشمند ضایعات به استفاده از ابزارهای نرم‌افزاری و فناوری‌های تحلیلی برای بررسی مقدار، روند و وضعیت ضایعات در مراحل مختلف تولید گفته می‌شود.

این فرآیند ممکن است از اطلاعات ثبت‌شده توسط تجهیزات صنعتی، دوربین‌ها، سامانه‌های تولید یا سایر منابع داده استفاده کند.

برای مثال، اگر ضایعات قابل مشاهده از یک نقطه مشخص خط تولید عبور کنند، می‌توان امکان استفاده از بینایی ماشین برای شناسایی و شمارش آن‌ها را بررسی کرد.

در کاربردهای دیگر، محاسبه مقدار ضایعات ممکن است از طریق مقایسه داده‌های مصرف مواد، تولید محصول و خروجی‌های ثبت‌شده انجام شود.

در نتیجه، پایش هوشمند ضایعات لزوماً به یک روش ثابت محدود نیست و باید براساس فرآیند واقعی تولید طراحی شود.

نقش هوش مصنوعی در مدیریت ضایعات

هوش مصنوعی می‌تواند به استخراج اطلاعات از تصاویر، شناسایی الگوهای غیرعادی و تحلیل داده‌های مرتبط با ضایعات کمک کند.

برای مثال، الگوریتم‌های بینایی ماشین می‌توانند برای تشخیص برخی قطعات معیوب یا محصولات جداشده از خط تولید مورد استفاده قرار گیرند.

همچنین روش‌های تحلیلی می‌توانند روند تغییر مقدار ضایعات را در دوره‌های مختلف بررسی کنند.

این اطلاعات می‌توانند برای شناسایی نقاط دارای هدررفت بیشتر و ارزیابی اقدامات اصلاحی مفید باشند.

البته شناسایی علت واقعی ضایعات، به بررسی شرایط فرآیند، اطلاعات تجهیزات و نظر کارشناسان تولید نیاز دارد.

روش‌های محاسبه و پایش ضایعات تولید

۱. محاسبه ضایعات براساس داده‌های تولید

یکی از روش‌های متداول، استفاده از اطلاعات مواد ورودی و محصولات خروجی برای بررسی میزان پرت یا ضایعات است.

در این روش، باید موجودی در جریان ساخت، محصولات جانبی، برگشتی‌ها و سایر جریان‌های مواد نیز در نظر گرفته شوند.

برای مثال، اگر مقدار مواد مصرف‌شده و خروجی‌های مختلف فرآیند مشخص باشند، می‌توان براساس تراز مواد، مقدار ضایعات را محاسبه یا برآورد کرد.

دقت محاسبه به کامل‌بودن اطلاعات و تعریف صحیح جریان مواد بستگی دارد.

۲. شناسایی ضایعات با بینایی ماشین

در برخی خطوط تولید، ضایعات یا محصولات نامنطبق از نظر ظاهری قابل تشخیص هستند.

با استفاده از دوربین و پردازش تصویر می‌توان امکان شناسایی این اقلام را بررسی کرد.

برای مثال، در یک خط تولید قطعات صنعتی ممکن است محصولات معیوب قابل مشاهده از مسیر مشخصی عبور کنند.

سیستم بینایی ماشین می‌تواند برای تشخیص یا شمارش این اقلام طراحی شود.

۳. شمارش ضایعات در نقاط مشخص

در بعضی فرآیندها، ضایعات به‌صورت قطعه، شاخه یا بسته از خط تولید جدا می‌شوند.

اگر اقلام از نظر تصویری قابل تشخیص باشند، امکان استفاده از سیستم شمارش هوشمند وجود دارد.

بااین‌حال، تعداد ضایعات لزوماً برابر با وزن آن‌ها نیست. برای محاسبه وزن به داده‌های تکمیلی یا روش اندازه‌گیری معتبر نیاز است.

۴. پایش ضایعات با داده‌های تجهیزات

در برخی خطوط، تجهیزات صنعتی اطلاعاتی مانند مقدار مواد ورودی، مقدار محصول خروجی یا وزن مواد جداشده را ثبت می‌کنند.

این داده‌ها می‌توانند برای محاسبه و پایش ضایعات مورد استفاده قرار گیرند.

در صورت وجود ارتباطات فنی مناسب، امکان دریافت و تحلیل این اطلاعات از طریق سامانه‌های نرم‌افزاری قابل بررسی است.

۵. ترکیب اطلاعات تصویری و عملیاتی

در بسیاری از کاربردها، استفاده از چند منبع اطلاعاتی نتیجه مناسب‌تری ایجاد می‌کند.

برای مثال، دوربین می‌تواند تعداد اقلام جداشده از خط را ثبت کند، درحالی‌که سیستم توزین مقدار وزن آن‌ها را مشخص می‌کند.

ترکیب اطلاعات می‌تواند امکان بررسی دقیق‌تر میزان ضایعات را فراهم کند.

کاربرد پایش ضایعات در صنعت آهن و فولاد

در صنعت آهن و فولاد، مدیریت ضایعات به دلیل ارزش مواد اولیه و هزینه‌های فرآوری اهمیت ویژه‌ای دارد.

در خطوط تولید مقاطع فولادی، نورد، برش و سایر فرآیندهای صنعتی، ممکن است بخشی از مواد به ضایعات یا محصولات نامنطبق تبدیل شوند.

پایش ضایعات خطوط نورد

در خطوط نورد، کنترل مواد ورودی، مقدار محصول خروجی و ضایعات ایجادشده می‌تواند به بررسی عملکرد تولید کمک کند.

با ترکیب داده‌های عملیاتی و روش‌های هوشمند می‌توان روند مقدار ضایعات را در دوره‌های مختلف بررسی کرد.

بررسی ضایعات ناشی از برش

در فرآیندهای برش محصولات فلزی، بخشی از مواد ممکن است به‌صورت قطعات باقی‌مانده یا پرت برش ایجاد شود.

در شرایط مناسب، امکان استفاده از تصویربرداری یا داده‌های تولید برای ثبت و بررسی این ضایعات وجود دارد.

ثبت محصولات نامنطبق

برخی محصولات ممکن است در مرحله کنترل کیفیت به دلیل مغایرت با مشخصات مورد انتظار از جریان محصول قابل قبول جدا شوند.

اطلاعات این محصولات می‌توانند در محاسبه و تحلیل ضایعات مورد استفاده قرار گیرند.

باید توجه داشت که محصولات قابل اصلاح یا دوباره‌کاری ممکن است از نظر حسابداری و تولیدی، وضعیت متفاوتی نسبت به ضایعات نهایی داشته باشند.

تحلیل روند ضایعات

ثبت مستمر مقدار ضایعات می‌تواند به مدیران کمک کند روند تغییرات را در شیفت‌ها، دوره‌های تولید یا خطوط مختلف بررسی کنند.

این اطلاعات برای ارزیابی فرآیندها و تصمیم‌گیری درباره اقدامات اصلاحی مفید هستند.

محاسبه درصد ضایعات تولید

یکی از شاخص‌های مورد استفاده در مدیریت تولید، نسبت ضایعات به مقدار مرجع است.

برای مثال، اگر مبنای محاسبه، وزن مواد ورودی به یک فرآیند باشد، می‌توان از رابطه زیر استفاده کرد:

درصد ضایعات = (وزن ضایعات ÷ وزن مواد ورودی) × ۱۰۰

این رابطه تنها زمانی کاربرد دارد که تعریف ضایعات، محدوده فرآیند و مبنای اندازه‌گیری مشخص و سازگار باشند.

در برخی صنایع، شاخص ضایعات ممکن است براساس تعداد محصولات، وزن محصول تولیدی یا معیارهای دیگری محاسبه شود.

بنابراین، پیش از پیاده‌سازی سامانه، باید روش محاسبه با واحد تولید و کارشناسان مالی و حسابداری صنعتی توافق شود.

آیا امکان محاسبه لحظه‌ای ضایعات وجود دارد؟

در بعضی فرآیندهای تولید، اگر اطلاعات لازم به‌صورت مستمر دریافت شوند، امکان محاسبه یا برآورد نزدیک به زمان واقعی وجود دارد.

برای مثال، داده‌های توزین یا شمارش اقلام می‌توانند در بازه‌های کوتاه جمع‌آوری شوند و مقدار ضایعات ثبت‌شده را به‌روزرسانی کنند.

اما اگر بخشی از مواد هنوز در جریان ساخت باشد یا اندازه‌گیری وزن تنها در پایان یک مرحله انجام شود، محاسبه دقیق نهایی ممکن است با تأخیر همراه باشد.

به همین دلیل باید میان پایش لحظه‌ای رویدادهای تولید، برآورد ضایعات و محاسبه قطعی ضایعات تفاوت گذاشت.

تفاوت پایش ضایعات با کنترل کیفیت هوشمند

این دو راهکار به یکدیگر مرتبط‌اند، اما هدف متفاوتی دارند.

کنترل کیفیت با بینایی ماشین بر تشخیص ویژگی‌های محصول و شناسایی عیوب قابل مشاهده تمرکز دارد.

در مقابل، پایش هوشمند ضایعات بر مقدار، روند و اطلاعات مرتبط با هدررفت مواد و محصولات نامنطبق تمرکز می‌کند.

برای مثال، سیستم کنترل کیفیت ممکن است یک قطعه معیوب را شناسایی کند؛ اما برای ثبت آن به‌عنوان ضایعات و محاسبه اثر آن بر مصرف مواد، به اطلاعات و قواعد تکمیلی نیاز است.

بنابراین، این دو راهکار می‌توانند مکمل یکدیگر باشند.

مزایای محاسبه و پایش هوشمند ضایعات

افزایش شفافیت فرآیند تولید

ثبت منظم اطلاعات ضایعات می‌تواند وضعیت هدررفت مواد را در بخش‌های مختلف تولید روشن‌تر کند.

کاهش وابستگی به ثبت دستی

استفاده از داده‌های تجهیزات و روش‌های هوشمند می‌تواند بخشی از فعالیت‌های ثبت و شمارش ضایعات را خودکار کند.

شناسایی سریع‌تر افزایش غیرعادی ضایعات

پایش مستمر اطلاعات می‌تواند زمینه تشخیص زودهنگام برخی تغییرات نامطلوب را فراهم کند.

کمک به کاهش هزینه تولید

شناخت بهتر وضعیت ضایعات و اجرای اقدامات اصلاحی می‌تواند در کاهش هدررفت مواد و هزینه‌های مرتبط مؤثر باشد.

بهبود برنامه‌ریزی تولید

اطلاعات ضایعات می‌توانند برای بررسی مصرف مواد و ارزیابی عملکرد فرآیندهای تولید استفاده شوند.

کمک به محاسبه بهای تمام‌شده

اطلاعات معتبر مربوط به مصرف و ضایعات مواد می‌توانند یکی از ورودی‌های محاسبه بهای تمام‌شده باشند.

ارتباط پایش ضایعات با نرم‌افزار ERP

سامانه‌های ERP و نرم‌افزارهای تولید معمولاً اطلاعاتی مانند مصرف مواد، رسید تولید، موجودی و عملیات انبار را ثبت می‌کنند.

راهکار پایش هوشمند ضایعات می‌تواند اطلاعات تکمیلی را از محیط تولید جمع‌آوری کند.

در صورت وجود زیرساخت مناسب، امکان ارتباط این اطلاعات با نرم‌افزارهای سازمانی قابل بررسی است.

برای مثال، مقدار ضایعات ثبت‌شده در یک مرحله تولید می‌تواند برای مقایسه با اطلاعات مصرف مواد یا بررسی مغایرت‌ها مورد استفاده قرار گیرد.

بااین‌حال، ثبت قطعی ضایعات در موجودی یا اسناد مالی باید مطابق قواعد حسابداری صنعتی و فرآیندهای تأیید سازمان انجام شود.

مراحل پیاده‌سازی پایش هوشمند ضایعات

مرحله اول: تعریف ضایعات و شاخص‌های مورد نیاز

ابتدا مشخص می‌شود کدام مواد یا محصولات به‌عنوان ضایعات ثبت می‌شوند و چه شاخص‌هایی برای مجموعه اهمیت دارند.

مرحله دوم: بررسی فرآیند تولید

نقاط ایجاد ضایعات، محل‌های جداسازی مواد و روش‌های فعلی ثبت اطلاعات شناسایی می‌شوند.

مرحله سوم: تعیین منابع اطلاعاتی

با توجه به شرایط پروژه، داده‌های تولید، تجهیزات توزین، دوربین‌ها یا سایر منابع مناسب انتخاب می‌شوند.

مرحله چهارم: طراحی روش محاسبه

روش محاسبه مقدار ضایعات، واحد اندازه‌گیری و قواعد کنترل داده مشخص می‌شود.

مرحله پنجم: طراحی و ارزیابی الگوریتم‌ها

در صورت استفاده از بینایی ماشین یا مدل‌های تحلیلی، روش پردازش متناسب با مسئله انتخاب و آزمون می‌شود.

مرحله ششم: استقرار و یکپارچه‌سازی

پس از تأیید فنی، سامانه در محیط عملیاتی پیاده‌سازی می‌شود و ارتباطات مورد نیاز با نرم‌افزارهای موجود انجام می‌گیرد.

مرحله هفتم: پایش و بهبود

نتایج با اندازه‌گیری‌های واقعی مقایسه می‌شوند و در صورت نیاز، روش محاسبه یا تنظیمات سیستم اصلاح می‌شود.

چه عواملی بر دقت محاسبه ضایعات تأثیر دارند؟

دقت پایش ضایعات به عوامل مختلفی بستگی دارد:

  • تعریف دقیق انواع ضایعات

  • صحت اطلاعات مواد ورودی و خروجی

  • اندازه‌گیری درست وزن یا تعداد

  • وضعیت موجودی در جریان ساخت

  • کیفیت داده‌های تجهیزات

  • دقت تشخیص تصویری در صورت استفاده از دوربین

  • نحوه ثبت محصولات برگشتی و قابل دوباره‌کاری

  • قواعد محاسبه و تطبیق اطلاعات

برای دستیابی به نتایج قابل اتکا، لازم است روش محاسبه با واقعیت فرآیند تولید تطبیق داده شود.

پایش هوشمند ضایعات برای چه مجموعه‌هایی مناسب است؟

  • کارخانه‌های آهن و فولاد

  • خطوط نورد و تولید مقاطع فولادی

  • صنایع فلزی و قطعه‌سازی

  • کارخانه‌های تولید محصولات پلاستیکی

  • صنایع بسته‌بندی

  • مجموعه‌های دارای مصرف بالای مواد اولیه

  • خطوط تولید دارای ضایعات پرتکرار یا پرهزینه

چرا صدرا افزار؟

صدرا افزار مانا با تجربه توسعه نرم‌افزارهای سازمانی و راهکارهای تخصصی صنعت آهن و فولاد، فناوری‌های هوش مصنوعی را در کنار شناخت فرآیندهای تولید و مدیریت اطلاعات سازمانی به کار می‌گیرد.

در راهکار محاسبه و پایش ضایعات تولید، علاوه بر استفاده از ابزارهای هوشمند، موضوعاتی مانند منابع اطلاعاتی، نحوه محاسبه ضایعات، شرایط خط تولید و امکان ارتباط با نرم‌افزارهای عملیاتی بررسی می‌شوند.

هدف، فراهم‌کردن اطلاعات دقیق‌تر و کاربردی‌تر برای مدیریت ضایعات و بهبود بهره‌وری تولید است.

اگر در مجموعه شما ثبت ضایعات به‌صورت دستی انجام می‌شود یا بررسی میزان هدررفت مواد و تغییرات آن دشوار است، پایش هوشمند ضایعات می‌تواند یکی از راهکارهای قابل بررسی باشد.

برای شناخت روش‌های مناسب جمع‌آوری اطلاعات، ارزیابی شرایط خط تولید و دریافت مشاوره درباره محاسبه و پایش هوشمند ضایعات، با کارشناسان صدرا افزار ارتباط بگیرید.

مقالات مرتبط

۱۱ دقیقه

تبدیل گفتار به متن با هوش مصنوعی چیست؟ کاربردها و مزایا

تبدیل گفتار به متن با هوش مصنوعی، امکان تبدیل فایل‌های صوتی و مکالمات به متن دیجیتال را فراهم می‌کند. در این مقاله با کاربردهای تشخیص گفتار در مستندسازی جلسات، پشتیبانی مشتریان، ثبت اطلاعات و بهبود فرآیندهای سازمانی آشنا می‌شوید.

اکبری
۱۰ دقیقه
هوش

شناسایی و نظارت هوشمند کارکنان با هوش مصنوعی

شناسایی و نظارت هوشمند کارکنان با استفاده از هوش مصنوعی و بینایی ماشین، امکان تشخیص حضور افراد، پایش تردد در محدوده‌های مشخص و بررسی برخی رویدادهای محیط کار را فراهم می‌کند.

اکبری
۱۱ دقیقه

پیش‌بینی خرابی تجهیزات و تعمیرات پیشگیرانه با هوش مصنوعی

هوش مصنوعی با تحلیل داده‌های عملکردی تجهیزات، تصاویر و اطلاعات حسگرها می‌تواند به شناسایی نشانه‌های خرابی و برنامه‌ریزی بهتر تعمیرات کمک کند. در این مقاله با کاربرد نگهداری پیش‌بینانه در کارخانه‌ها، خطوط تولید و جرثقیل‌های صنعتی آشنا می‌شوید.

اکبری