Gdy ostatnio odwiedziłem zakład produkcyjny koło Poznania, ich głównym problemem nie był brak zamówień, tylko to, że pracownicy spędzali 40% czasu na przechodzeniu między maszynami. Układ hali nie zmieniał się od pięciu lat, a każda nowa maszyna była dostawiana 'gdzie było miejsce'. To codzienność w wielu fabrykach: kosztowny chaos przestrzenny.
Narzędzie, które uczy się na błędach
Discovery Loop to system, który wziął się z badań nad upakowaniem okręgów. Tam poprawił 10 rekordów świata, generując algorytmy za 27,72 USD i 15 iteracji. Przenosząc tę samą logikę na halę fabryczną, zamiast okręgów upychamy maszyny, stanowiska, magazyny i strefy buforowe. System za pomocą LLM projektuje setki układów, testuje je w cyfrowym bliźniaku i stopniowo uczy się, które rozwiązania skracają czas transportu wewnętrznego. Działa to jak nieskończony generator pomysłów, przy czym najgorsze warianty są odrzucane automatycznie, a obiecujące wzmacniane w kolejnych rundach. W przeciwieństwie do konsultanta, który bazuje na kilku szablonach, Discovery Loop może uwzględniać nietypowe ograniczenia: kolumny nośne, strefy zagrożenia wybuchem czy obowiązkowe odległości od ścian dla wózków widłowych.
Scenariusz z życia: mleczarnia pod Warszawą
Weźmy zakład przetwórstwa mleka, który ma trzy linie produkcyjne, chłodnię i magazyn gotowych wyrobów. Stary układ powstał 15 lat temu, odkąd dobudowano dwie hale, a wózek widłowy pokonuje dziennie łącznie 28 km zbędnych tras. To 2 godziny stracone na każdą zmianę. Zespół utrzymania ruchu stworzył cyfrowego bliźniaka na podstawie skanowania laserowego obiektu. Następnie Discovery Loop przez weekend przeanalizował 400 wariantów rozmieszczenia stacji pakowania, paletyzacji i nabiału świeżego. Symulacja pokazała, że przesunięcie jednej linii o 4 metry i zmiana kierunku przepływu materiałów zmniejsza dystanse wózków o 22%, a przy okazji likwiduje zakleszczanie się pojazdów w wąskim przejściu między chłodnią a pakowalnią. Wdrożenie fizyczne zaplanowano na trzy sierpniowe dni, gdy produkcja stała, nie wymagało żadnych przeróbek budowlanych. Po uruchomieniu przepustowość wzrosła o 17%, a zwrot z inwestycji nastąpił po 3,5 miesiąca.
Korzyści, za które zapłaci controlling
Z mojego doświadczenia wynika, że w fabrykach, które mierzą wewnętrzną logistykę, oszczędności są od razu widoczne. Mniej kilometrów pokonywanych przez wózki to niższe zużycie energii, mniej awarii i mniejsza flota potrzebnych pojazdów. Jeden zakład obniżył liczbę wózków widłowych z 12 do 9, co dało 60 tys. zł oszczędności rocznie na samych przeglądach. Drugi skrócił czas realizacji zamówienia o 8 godzin, bo półprodukty nie musiały czekać na transport przez zatłoczone alejki. Miękkie korzyści to lepsza ergonomia – operatorzy nie tracą czasu na omijanie przeszkód, a ryzyko kolizji spada. I najważniejsze: optymalizacja nie zatrzymuje fabryki, bo wszystko dzieje się na cyfrowym klonie. Gdy zmienia się asortyment, można zaktualizować dane wejściowe i dostać nowy, lepszy układ w ciągu kilku godzin.
Od czego zacząć
Nie ma sensu czekać, aż halę przeprojektuje drogi konsultant, który przyjedzie raz na pół roku. Discovery Loop działa non stop, adaptacyjnie i za grosze. Jeśli macie już cyfrowy model zakładu (a coraz więcej firm skanuje swoje obiekty prewencyjnie), przetestujcie go z danymi z ostatnich trzech miesięcy: trasami wózków, czasami cykli, rejestrami przestojów. Dajcie systemowi działać przez noc. Rano zobaczycie kilka układów, które można od razu porównać na dashboardzie. Pierwsze wdrożenia robiłem z zespołami, które zaczynały od jednej linii – po tygodniu mieli mierzalny spadek czasu transportu o 12%. Jeśli wasza hala przypomina źle poukładane klocki Tetrisa, najwyższy czas pozwolić maszynie to naprawić.
- Redukcja czasu transportu wewnętrznego o 15-25%
- Wdrożenie bez przestoju produkcyjnego
- Koszt narzędzia poniżej 100 USD miesięcznie
- Dostosowuje się do nietypowych ograniczeń architektonicznych
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: LLM-Guided Program Evolution for Circle Packing: Breaking 10 Packomania Records for $28
Autorzy: Wes Sander
We present Discovery Loop, a lightweight system that uses a large language model (LLM) to iteratively evolve optimization algorithms. Starting from a simple seed solver, the LLM proposes algorithmic improvements guided by a scoreboard of results and a history of prior ideas. Each candidate is eva...
arXiv: arxiv.org/abs/2609.05093
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
