Trükikoja automatiseerimise uus tase: kuidas AI ennustab tähtaegu ja optimeerib tootmist

Viimase poole aasta jooksul on kaheksa klienti kümnest, kellega olen suhelnud, katsetanud AI-piltide loomist. Nad tulevad Midjourney või Stable Diffusioniga loodud kavanditega ja küsivad põnevusega, kuidas need ekraanil paistvaga identselt välja trükkida. Muidugi tervitan ma uute tehnoloogiate kasutamist disainis

Kuid ausalt öeldes, põhinedes minu tuhandete trükiprojektide kogemusele, on disain alles esimene etapp. Tõelised raskused algavad siis, kui fail jõuab trükikotta

Trükikoja tegevuse süda ei ole kunagi olnud kõige kiirem trükimasin, vaid tootmise planeerimise süsteem, mis määrab, „kes on järgmine, millist masinat kasutada ja millal töö valmib“. Varem tugines see enamasti meistrite kogemustele ja Exceli tabelitele, kuid väikepartiide, mitmekesisuse ja üha kiiremate tähtaegade juures jõuavad inimene ja tabelarvutus kiiresti piirini. See on kogu tööstuse suurim valupunkt

Nn AI-põhine intelligentne planeerimine tähendab sisuliselt superaju palkamist tehase peakorraldajaks. See ei väsi, ei unusta ega oma eelistusi nagu inimene – see juhindub vaid andmetest ja teeb kõige efektiivsemaid otsuseid

Kogu protsess näeb välja ligikaudu selline:

・Tellimuste automaatne analüüs: kui saabub uus tellimus, lammutab süsteem automaatselt lahti selle põhiteabe: toode, kogus, mõõtmed, paberimaterjal, järeltöötlus (lakkimine, lõikamine, köitmine) jne

・Ressursside täielik inventuur: samal ajal skaneerib AI tehase reaalajas olekut, sealhulgas iga trükimasina koormust, töövahetuses olevat operaatorit, paberi ja tindi varusid ning võtab arvesse isegi masinate kavandatud hooldusaegu

・Dünaamiline optimaalne planeerimine: seejärel võrdleb AI tellimuse omadusi ja tähtaegu miljonite võimalike tootmisteedega. Ühe hiljutise juhtumi puhul, kus oli vaja kiiresti 5000 A5-voldikut, avastas AI, et kuigi kõige sobivam masin A oli hõivatud, on ootamine 20 minutit kokkuvõttes kiirem kui kasutada kohe vaba, kuid 10% vähem efektiivset masinat B. Süsteem otsustas oodata – otsus, mis inimaju jaoks kiire töö käigus sageli märkamatuks jääb

・Reaalajas jälgimine ja hoiatused: plaan on vaid algus. AI jälgib pidevalt tootmisliini ja kui avastab anomaalia, näiteks masina aeglustumise või paberi lõppemise, saadab kohe hoiatuse ja reguleerib vajadusel automaatselt järgnevat planeeringut, et minimeerida mõju

Kogu selle süsteemi tuumaks on erinevatesse osakondadesse ja meistrite peadesse hajutatud varjatud teadmiste digiteerimine ja läbipaistvaks muutmine, et otsustel oleks kindel alus

„Boss, millal see töö valmis saab?“ on küsimus, mida kardab iga trükikoja müügiesindaja. Varem oli vastuseks tavaliselt „umbes kolme päeva pärast“ või „järgmisel reedel“. Sellised ebamäärased vastused tulenesid tootmisprotsessi suurest ebakindlusest

AI suudab anda täpsemaid tähtaegu mitte sellepärast, et ta ennustaks tulevikku, vaid seetõttu, et ta vaatleb olukorda laiemalt ja detailsemalt

・See ei arvesta ainult trükiaega: traditsiooniline hindamine vaatab vaid masina pöörlemiskiirust, kuid AI arvestab kogu protsessi, sealhulgas failide eelkontrolli, CTP-plaatide valmistamist, tindi kuivamist, lakkimist, lõikamist, liimimist, köitmist ja pakkimist. Iga etapi aega hinnatakse ajalooliste andmete põhjal täpselt

・See mõistab „ootamise kulu“: sageli ei aeglusta protsessi „tegemine“, vaid „ootamine“ – paberi kuivamine, tarnete ootamine või eelneva protsessi lõpetamine. AI paigutab need vajalikud ooteajad tootmisgraafikusse (production schedule) nagu klotsid, maksimeerides ajakasutust

・See õpib ajaloost: AI analüüsib kõiki varasemaid tellimusi. Ta teab, et teatud paberite ja tintide puhul võib kuivamisaeg olla 2 tundi pikem, ning oskab arvestada, et teatud keeruliste järeltöötluste keskmine viivitus on 15%. Need „kogemused“ teisendatakse riskikoefitsientideks, mis lisatakse tähtaegade prognoosi

Seega, kui AI ütleb, et „kaup on kättesaadav 15. juunil kell 15:00“, on selle taga suurte andmemahtude ja keeruliste arvutuste põhjal saadud kõrge tõenäosusega tulemus, mitte kõhutundel põhinev hinnang

Paljud muretsevad, et kui masinad on nii võimekad, siis mida teevad inimesed? Kas meid asendatakse? Minu tähelepanek on, et vastupidi – inimeste väärtus tõuseb veelgi

AI on suurepärane korduvate ja selgete reeglitega ülesannete täitmisel, kuid trükikoda on täis „erandeid“

・Kvaliteedi tagamine: AI suudab kontrollida faili resolutsiooni, kuid ei näe, kas disaini värvid sobivad omavahel kokku, ega suuda inimsilma kombel valguslaual hinnata, kas värvimuutus tuleneb tindist või paberist

・Anomaaliate käsitlemine: kui masin läheb rikki, saadab AI hoiatuse, kuid algpõhjuse leidmine ja erakorraline remont nõuavad ikkagi kogenud meistri kogemusi. Nad suudavad isegi „kuulata“, et tuvastada probleemi masina ebatavalisest helist

・Keeruline suhtlus: kiireloomulise tellimuse prioriteetide selgitamine kliendile või disainerile arusaadavalt selgitamine, miks teatud efekti ei saa trükkida – selline empaatiat ja professionaalset otsustusvõimet nõudev suhtlus on midagi, mida AI ei suuda asendada

Lihtsamalt öeldes vabastab AI inimesed tüütutest Exceli tabelitest ja telefonikõnedest, võimaldades tootmisjuhtidel keskenduda tootmisliini kontrollimisele ja probleemide lahendamisele. Müügiesindajad saavad pühenduda klientidele, selle asemel et terve päeva staatust kontrollida. See on tõeline inimese ja masina koostöö, kus igaüks teeb seda, milles ta on kõige parem ja väärtuslikum

・AI-põhise planeerimise tuumaks on tellimuste, masinate, materjalide ja tööjõu reaalajas andmete integreerimine, et teha globaalselt parimaid otsuseid

・Täpsed tähtajad tulenevad AI-põhisest ajalooliste andmete analüüsist, mitte lihtsast tööaja liitmisest – see arvestab ka peidetud ajakulu, nagu kuivamine ja järeltöötlus

・AI kasutuselevõtt ei tähenda inimtööjõu asendamist, vaid selle vabastamist korduvatest ülesannetest kõrgema väärtusega kvaliteedijuhtimisse ja erandite lahendamisse

・Disainerite ja lõppklientide jaoks tähendab intelligentne planeerimine usaldusväärsemaid tähtaegu ja kiiremat tagasisidet tellimuse oleku kohta

・Trükitööstuse kolleegidele: ärge püüdke kõike korraga teha. Alustage kõige valusamast kohast, näiteks tellimuste andmete struktureerimisest või konkreetse masina tootmise monitoorimisest. Andmed on kõige alus – kui andmed on korras, saab AI aidata

・Disaineritele: tulevikus kehtib reegel – mida standardsem ja puhtam on teie fail, seda sujuvamalt läbib see automatiseeritud protsessi ja seda kiiremini jõuab töö valmimiseni. Vastupidi, nõuetele mittevastavad failid võivad süsteemi kinni jooksta või vajada ümbertegemist. Failide standardiseerimine (file standardization) on disaineri uus vajalik oskus

・AI ja SaaS-i pakkujatele: trükitööstus on keeruline. Algoritmidest üksi ei piisa. Võti peab peituma selles, kuidas muuta keeruline planeerimisloogika liinitöötajatele arusaadavaks ja kasutatavaks liideseks. Kasutajakogemus (UI/UX) on see, mis teeb vahe. Ärge müüge „kõik-ühes“ süsteemi; pigem lahendage üks väike ja täpne valupunkt, et turule siseneda