생산 플래너는 언제나 changeover를 추정해 왔다. 새 실패 모드는 더 조용하다: 스케줄링 모델이나 어시스턴트가 드문 MES 타임스탬프로 setup 블록을 채우고, 서로 다른 제품 쌍을 평균하거나, 아무도 스톱워치로 재지 않은 “표준 45분”을 복사한다. Gantt는 초록이 된다. 교대는 두 번째 SKU에서 늦게 시작해 회복하지 못한다.
이것은 유지보수 티켓에 대한 prompt injection 이야기가 아니며, digital twin에 대한 일반 강의도 아니다. 소프트웨어가 시퀀싱이 의존하는 분을 지어내도록 허용될 때, 구체적으로 데이터 문제로서의 changeover 시간이다.
나쁜 시간 데이터는 어떻게 보이는가
MES는 대개 오더 시작/종료를 저장한다. 깨끗한 “setup 시작 / setup 준비” 쌍은 거의 없다. 사람들은 downtime 코드를 일관되지 않게 쓴다. 막힌 배수 때문에 두 시간 걸린 세척이 그 제품군의 “정상” 시간이 된다. 공장 최고 크루의 번개 빠른 changeover가 optimizer가 선호하는 낙관적 기본값이 된다.
쌍별 행렬(SKU A→SKU B)은 셀의 절반이 비고 모델이 이를 impute할 때 더 나쁘다. Imputation은 측정이 아니다.
대신 내가 믿는 것
- 고회전 전환에 대한 시간 측정 연구, 서면 시작/종료 정의와 함께(마지막 양품→첫 양품, 라인을 게이트하면 QC release 포함).
- 느린 세척이 tooling 교체를 부풀리지 않도록 세척·기계·레시피/다운로드 단계를 분리.
- 표본이 작을 때 스케줄러에 범위나 백분위—가짜 정밀 단일 분이 아니라.
- Optimizer가 자동 추정 셀을 쓰기 전 사람 게이트.
예시 시나리오(특정 공장 주장 아님)
스케줄러가 파우치 라인의 모든 필름 교체를 30분으로 가정한다고 하자. 과거 주문이 셋이나 그 근처였기 때문이다. 알레르겐 SKU 사이 전체 sanitation이 필요한 월요일에 실제 간격은 90분에 가깝다. 계획은 여전히 changeover 여섯 개를 보여준다. 정오가 되면 시퀀스는 허구다. UI에서 아무도 거짓말하지 않았다. 시간 표가 했다.
사이트가 학습 기반 추정을 쓰면, 학습 라벨을 감사 가능하게 두고 최소 수의 깨끗한 관측보다 적은 셀 배포를 거부하라. 정직한 간격이 있는 얇은 일정이, 교대가 돌릴 수 없는 빽빽한 일정보다 낫다.
표본 크기를 보여주지 않는 자신만만한 모델보다, 측정된 전환의 짧은 행렬에 더 설득된다. 데이터가 얇으면 계획 보드에 그렇게 말하라.