निम्नलिखित 30 प्रॉम्प्ट येलो, ग्रीन और ब्लैक बेल्ट के लिए फैक्ट्री फ्लोर पर सीधे परियोजना निष्पादन में तेजी लाने के लिए व्यावहारिक उपकरण के रूप में डिज़ाइन किए गए हैं। वे विशिष्ट, उच्च-मूल्य वाले लीन और सिक्स सिग्मा कार्यों को निष्पादित करने के लिए संरचित इनपुट प्रदान करते हैं, जैसे कच्चे उत्पादन डेटा से एक पूर्ण वैल्यू स्ट्रीम मैप बनाना, एक जटिल दोष डेटासेट पर मूल कारण विश्लेषण करना, या एक विस्तृत प्रारूप तैयार करना FMEA एक नई प्रक्रिया के लिए। इसका उद्देश्य डेटा संकलन और रिपोर्टिंग के मैन्युअल और समय लेने वाले पहलुओं को दरकिनार करना है, जिससे अभ्यासकर्ता तुरंत परिणामों की व्याख्या करने, निर्णय लेने और कचरे को कम करने और प्रक्रिया भिन्नता को कम करने के लिए सुधारों को लागू करने पर ध्यान केंद्रित कर सकें।
इन प्रॉम्प्ट का दायरा आधुनिक विनिर्माण और परिचालन उत्कृष्टता के महत्वपूर्ण कार्यों तक फैला हुआ है: वैल्यू स्ट्रीम मैप्स और फेलियर मोड एंड इफेक्ट्स एनालिसिस उत्पन्न करके गहन प्रक्रिया विश्लेषण और अनुकूलन, और डेटा विश्लेषण और सांख्यिकीय प्रक्रिया नियंत्रण (SPC) to interpret control charts and recommend Designs of Experiments. For financial oversight, prompts are tailored for Cost Reduction and Financial Impact, such as calculating the Cost of Poor Quality. To streamline initiatives, a suite of prompts aids in Project Management and Reporting by creating project charters and A3 reports, while Advanced Analytics and Predictive Solutions offer capabilities like maintenance schedule optimization and demand forecasting. Finally, prompts focused on Continuous Improvement and Innovation facilitate everything from generating Poka-योक ideas to structuring Hoshin Kanri strategic plans.
इन प्रॉम्प्ट के पूरक के रूप में, आप शायद शुद्ध में भी रुचि लेंगे विनिर्माण एआई उपकरण:
प्रक्रिया विश्लेषण और अनुकूलन
स्वचालित वैल्यू स्ट्रीम मैपिंग (वीएसएम) जनरेटर
यह टूल CSV फॉर्मेट में प्रोसेस डेटा का विश्लेषण करके मर्मेड फॉर्मेट में VSM (विस्तृत प्रक्रिया मूल्यांकन) तैयार करता है, जिससे बाधाओं और सुधार के क्षेत्रों की पहचान होती है। यह टूल गैर-मूल्यवर्धित गतिविधियों को उजागर करता है और दिए गए डेटा के आधार पर प्रोसेस दक्षता और लीड टाइम की गणना करता है।
अनुशंसित तापमान: 0.3 अनुशंसित विचार जटिलता: उच्च
उपयोगकर्ता के इनपुट: {process_data_csv}, {key_metrics}
अड़चन विश्लेषण के लिए गतिशील प्रक्रिया अनुकरण यह उपयोगकर्ता द्वारा परिभाषित चरणों, संसाधनों और प्रसंस्करण समय के आधार पर विनिर्माण प्रक्रिया का एक असतत-घटना सिमुलेशन मॉडल तैयार करता है। फिर यह विभिन्न परिस्थितियों में उत्पादन क्षमता, संसाधन उपयोग और संभावित बाधाओं का पूर्वानुमान लगाने के लिए कई पुनरावृत्तियाँ चलाता है। अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: उच्च उपयोगकर्ता के इनपुट: None detected
कारण विश्लेषण के लिए कारण संबंधी एआई का उपयोग यह प्रक्रिया मापदंडों और गुणवत्ता परिणामों के डेटासेट का विश्लेषण करके दोषों के संभावित मूल कारणों की पहचान करता है। यह प्रक्रिया सहसंबंध से आगे बढ़कर कारण-कार्य संबंध सुझाती है, जिससे सुधार प्रयासों को केंद्रित करने में मदद मिलती है। अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: उच्च उपयोगकर्ता के इनपुट: {process_data_csv}, {defect_list}
एआई-संचालित विफलता मोड और प्रभाव विश्लेषण (एफएमईए) जनरेटर यह प्रक्रिया विवरण और ऐतिहासिक विफलता डेटा के आधार पर एक प्रारंभिक FMEA तालिका तैयार करता है। यह संभावित विफलता मोड, उनके प्रभावों की पहचान करता है और प्रारंभिक गंभीरता, घटना और पता लगाने की रेटिंग का सुझाव देता है। अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: माध्यम उपयोगकर्ता के इनपुट: {process_description}, {historical_failure_data}
काइज़न इवेंट आइडिया जनरेटर और प्रायोरिटाइज़र यह समस्या विवरण और प्रक्रिया डेटा को इनपुट के रूप में लेकर संभावित काइज़ेन इवेंट विचारों की एक सूची तैयार करता है। फिर यह अनुमानित प्रभाव, प्रयास और व्यावसायिक उद्देश्यों के साथ तालमेल के आधार पर इन विचारों को प्राथमिकता देता है। अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: माध्यम उपयोगकर्ता के इनपुट: {problem_statement}, {process_data_csv}, {business_objectives_csv}
डेटा विश्लेषण और सांख्यिकीय प्रक्रिया नियंत्रण (एसपीसी)
बुद्धिमान नियंत्रण चार्ट पैटर्न पहचान
यह किसी प्रक्रिया से प्राप्त समय-श्रृंखला डेटा का विश्लेषण करता है और नियंत्रण चार्ट में गैर-यादृच्छिक पैटर्न (जैसे, बदलाव, रुझान, चक्र) को स्वचालित रूप से पहचानता है। यह इन पैटर्नों की सांख्यिकीय व्याख्या प्रदान करता है, जिससे भिन्नता के संभावित विशेष कारणों का पता चलता है।
अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: उच्च
उपयोगकर्ता के इनपुट: {time_series_data}, {control_chart_type}
भविष्यसूचक गुणवत्ता नियंत्रण मॉडलर ऐतिहासिक प्रक्रिया डेटा के आधार पर एक पूर्वानुमान मॉडल विकसित करता है ताकि वास्तविक समय में उत्पाद की गुणवत्ता का पूर्वानुमान लगाया जा सके। अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: उच्च उपयोगकर्ता के इनपुट: {historical_process_data_csv}, {key_process_parameters}, {prediction_time_frame}
प्रयोगों के डिजाइन (डीओई) अनुशंसाकर्ता उपयोगकर्ता के परियोजना लक्ष्य, कारकों की संख्या और बाधाओं के आधार पर प्रयोगों की उपयुक्त डिजाइन रणनीति की सिफारिश करता है, और CSV प्रारूप में प्रायोगिक रन शीट तैयार करता है। अनुशंसित तापमान: 0.7 अनुशंसित विचार जटिलता: माध्यम उपयोगकर्ता के इनपुट: {project_goal}, {number_of_factors}, {constraints}
मापन प्रणाली विश्लेषण (एमएसए) व्याख्या सहायक यह टूल CSV फॉर्मेट में उपलब्ध गेज आर एंड आर अध्ययन डेटा का विश्लेषण करता है और एक व्यापक रिपोर्ट तैयार करता है। रिपोर्ट परिणामों की व्याख्या करती है, मापन प्रणाली में संभावित समस्याओं को उजागर करती है और सुधारात्मक उपायों का सुझाव देती है। अनुशंसित तापमान: 0.3 अनुशंसित विचार जटिलता: माध्यम उपयोगकर्ता के इनपुट: {gage_rr_csv_data}
प्रक्रिया क्षमता विश्लेषण और सुधार सुझावकर्ता यह उत्पादन डेटा से प्रक्रिया क्षमता सूचकांक (Cp, Cpk) की गणना करता है और उनकी तुलना लक्ष्यों से करता है। विश्लेषण के आधार पर, यह क्षमता बढ़ाने के लिए प्रक्रिया सुधार के विशिष्ट क्षेत्रों का सुझाव देता है। अनुशंसित तापमान: 0.5 अनुशंसित विचार जटिलता: माध्यम उपयोगकर्ता के इनपुट: {production_data_csv}, {target_cp}, {target_cpk}
The rest of this article is reserved for members
To limit scraping bots (currently 40,000 hits per day!),
we had to restrict access to full articles and tools to registered members only.
to access all the rest.
