
현대 제조 공정에서는 생산 현장의 변동성과 공급망 변동에 즉각적이고 데이터 기반의 대응이 요구됩니다. 다음 AI 프롬프트는 복잡한 계산과 시나리오 모델링을 수행하도록 설계된 특수 엔지니어링 도구로서, 수동 또는 표준 방식으로는 수행하기 어려운 작업을 처리합니다. 소프트웨어이러한 시스템은 원시 생산 데이터, 기계 유지 보수 기록 또는 상세 공정 매개변수와 같은 특정 운영 입력값을 처리하여 최적화된 생산 일정, 장비 고장의 근본 원인 분석 보고서, 제안된 공정 변경에 대한 비용 영향 시뮬레이션과 같은 직접 사용 가능한 출력값을 생성함으로써 관리자와 엔지니어가 정량적 분석에 기반한 정보에 입각한 의사 결정을 내릴 수 있도록 지원합니다.
이 25개 이상의 프롬프트 목록은 제조 책임 전반을 다루는 포괄적인 툴킷을 제공합니다. 이러한 프롬프트는 생산 계획 및 일정 관리(동적 재계획 및 최적화), 공정 및 효율성 최적화(라인 밸런싱 및 가치 흐름 매핑), 유지보수 및 장비 관리(예측 일정 관리 및 근본 원인 분석) 등 핵심 영역으로 분류됩니다. 그 외에도 비용 및 자원 관리(상세 비용 추정 및 구매/생산 결정), 보고 및 문서화(자동화된 표준 운영 절차) 등의 범주가 있습니다. FMEA 에너지 생산, 공급망 및 물류 통합을 통해 위험 평가 및 물류 최적화를 수행하고, 공장 및 운영 관리에 대한 전체적인 접근 방식을 보장합니다.
생산 계획 및 일정 수립
공급망 차질에 대비한 동적 생산 재조정
생산 일정, 자재 명세서 및 차질 경보(예: 중요 부품 배송 지연)를 분석합니다. 그런 다음 대체 공급업체, 수정된 생산 순서 또는 조정된 재고 사용량을 제안하여 지연과 비용을 최소화하는 수정된 생산 계획을 생성합니다.
권장 온도: 0.7 권장 사고 복잡성: 높은
사용자 입력: {current_production_schedule}, {bill_of_materials}, {disruption_alert}, {alternative_suppliers}, {inventory_levels}
다목적 생산 배치 크기 최적화 재고 유지 비용 최소화, 준비 시간 단축, 생산 처리량 극대화 등 여러 상충되는 목표를 고려하여 제품 목록에 대한 최적의 배치 크기를 결정합니다. 생산 데이터, 비용 매개변수 및 제약 조건을 처리하여 각 제품에 대한 배치 크기를 권장합니다. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {product_list}, {production_data}, {cost_parameters}, {constraints}
생산 라인의 예측적 병목 현상 식별 각 스테이션의 사이클 시간, 이송 시간 및 계획된 유지 보수 일정을 기반으로 생산 공정을 시뮬레이션합니다. 잠재적인 미래 병목 현상을 파악하고 원활한 생산 흐름을 유지하기 위해 기계 할당, 작업자 배정 또는 버퍼 크기 조정과 같은 사전 예방적 조치를 제안합니다. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {cycle_times}, {transfer_times}, {maintenance_schedules}
스킬 매트릭스 기반 최적화된 근무표 생성 직원 가용성, 다양한 작업에 대한 숙련도, 생산 수요를 고려하여 제조 셀에 최적의 주간 근무표를 생성합니다. 이 프로그램은 각 근무조가 생산 목표를 달성하는 데 필요한 숙련도 조합을 갖추도록 보장하는 동시에 노동 비용 기준을 준수합니다. 규정 그리고 직원의 선호도. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {employee_availability}, {skill_matrix}, {production_demand}, {labor_regulations}, {employee_preferences}
원자재 수요 예측 및 주문 통합 다수의 제품에 대한 생산 계획서와 자재 명세서를 분석하여 특정 기간 동안의 원자재 수요를 예측합니다. 그런 다음 이러한 요구 사항을 통합하고 공급업체 리드 타임과 대량 주문 할인을 고려한 최적화된 구매 계획을 제안합니다. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {mps_data}, {bom_data}, {supplier_lead_times}, {bulk_order_discounts}
프로세스 및 효율성 최적화
이러한 안내문은 다음과 같은 내용으로 효율적으로 보완될 수 있습니다. Lean 6 Sigma 이 문서에서 찾을 수 있는 전용 프롬프트:

조립 라인 균형 조정 및 워크스테이션 재설계 조립 작업 순서를 분석하고 각 작업의 소요 시간과 선행 조건 제약을 고려합니다. 그런 다음 유휴 시간을 최소화하고 라인 효율을 극대화하기 위해 작업 스테이션에 이러한 작업을 균형 있게 배분하는 방안을 제안하고, 각 스테이션에 대한 새로운 작업 할당을 제공합니다. 권장 온도: 0.5 권장 사고 복잡성: 높은 사용자 입력: {task_list_with_durations}, {precedence_constraints}, {number_of_workstations}
에너지 소비 이상 탐지 및 최적화 공장 현장의 다양한 기계에서 발생하는 에너지 소비량 시계열 데이터를 처리합니다. 장비 오작동이나 비효율적인 작동을 나타낼 수 있는 이상 징후를 식별하고 에너지 낭비를 줄이기 위한 구체적인 조치를 제안합니다. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {energy_consumption_data}, {machine_identifiers}, {historical_baseline_data}
가치 흐름 맵핑 분석 및 미래 상태 설계 현재 상태의 가치 흐름 지도를 분석하여 부가가치가 없는 활동을 식별하고, Mermaid 형식의 미래 상태 지도와 우선순위 목록을 생성합니다. 카이젠 events. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {current_state_data}
자재 흐름을 위한 최적 시설 배치도 생성 부서 또는 작업 센터 목록, 공간 요구 사항, 그리고 부서 간 자재 이동 빈도를 자세히 나타내는 출발지-도표를 기반으로 Mermaid 또는 SVG 형식의 2D 공장 레이아웃을 생성합니다. 목표는 자재 취급 거리를 최소화하고 전반적인 공정 흐름을 개선하는 것입니다. 권장 온도: 0.7 권장 사고 복잡성: 높은 사용자 입력: {list_of_departments}, {spatial_requirements}, {from_to_chart}
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.











