תפקיד התכנון המתקדם ו- Scheduling Systems ב- Modern Factories

מפעלים מודרניים פועלים בסביבה המוגדרת על ידי שוליות הדוקים, שטף הביקוש, ורשתות אספקה מורכבות יותר ויותר.כדי לשמור על יתרון תחרותי, יצרנים פונים מערכות תכנון מתקדמות ושידולינג (APS) .פלטפורמות תוכנה עוצמתיות אלה נעות מעבר למגבלות של גליונות התפשטות מסורתיות ומודולי ERP מורשת, המאפשר אופטימיזציה בזמן אמת של משאבים, לוחות זמנים ייצור, ולוגיסטיקה.

מה זה APS Systems?

מערכת תכנון מתקדמת ו- Scheduling (APS) היא כלי תוכנה מיוחד המשתמש אלגוריתמים מתמטיים, סימולציה ולוגיקה מבוססת-מגביל ליצירת תוכניות ייצור אופטימליות.בניגוד למודולים בסיסיים הנמצאים במערכות ERP רבות – אשר לעתים קרובות מניחים קיבולת אינסופית – מערכות שלAPS מודל המגבלות האמיתיות של מפעל: זמני מחשב, זמינות, מיומנויות עבודה, מחסור בחומרים ואפילו סדרי עדיפויות.

הרעיון של APS הופיע בשנות ה-90, שכן יצרנים הבינו כי כלים קיימים לא יכולים לעמוד בקצב של התאמה אישית וייצור זמן פשוט-בזמן.היום, מערכות אלה יושבות בצומת של טכנולוגיה תפעולית (OT) וטכנולוגיית מידע (IT), למשוך נתונים מ- MES, ERP, וחיישנים IIoT כדי לבנות מקור יחיד של אמת לתכנון הייצור.

היתרונות העיקריים של APS ב- Modern Factories

יצרנים שמילאים מערכות APS מדווחים על רווחים הניתנים למדידה על פני כמה מדדים קריטיים.היתרונות הבאים מוכרים מאוד בתעשייה:

• (FLT:0)Imroved Efficiency: ההרחבה 1 (APS) מבטלת זמן פנוי על ידי ריצוף משרות כדי למזער שינויים בהקמה וחילופי מכונות. Factories לעתים קרובות רואים עלייה של 10-20% באפקטיביות הכוללת של ציוד (OEE) בשנה הראשונה.
• (ב) כאשר מגיע צו מהיר או מכונה מתפרקת, APS יכול לבטל את תוכנית הייצור כולה תוך דקות - לא שעות.
• (ב) ⁇ :0) עדיף משאבים עד כה: 1FLT:1, על ידי איזון עומסי עבודה על פני מכונות ושינויים, APS מבטיח כי שום משאב אינו over-או underutilized.
• (FLT:0) ,Reduced Lead Times:FLT:1ve תזמון אופטימיזציה דחוס את הזמן בין כניסה הזמנה למשלוח.חלק מהחברות מדווחות על הפחתה של 30–50% לאחר פריסת APS.
• החלטות:0 (נתונים-Driven החלטות:FLT:1) APS מספק חשיפה גרפית למגבלות קיבולת, רמות מלאי, ומעמד סדר. Planners יכול להפעיל תרחישים "מה אם" כדי להשוות את ההשפעה של החלטות שונות לפני ביצוע משאבים.

כיצד מערכות APS עובדות

מערכות APS פועלות על ידי הפחתה של נתונים ממקורות מרובים והטמעת טכניקות אופטימיזציה מתקדמות.ניתן לפרק את תהליך הליבה לשלושה שלבים:

1.שילוב נתונים ומודל

ראשית, המערכת חייבת להיות מוגדרת עם מודל דיגיטלי של המפעל.זה כולל מפרט מכונה, זמני ההתקנה, לוח שנה משמר, לוח זמנים תחזוקה, דרישות חומריות. הזנת נתונים מן ה- ERP (סדרים, מלאי), MES (מצב מכונה, ספירות ייצור), וחיישנים IoT (זמן, רטט) מעודכנים כל הזמן.

אופטימיזציה מבוססת-Constraint- Based Optimization

באמצעות אלגוריתמים כגון תכנות ליניארי, אלגוריתמים גנטיים, או סימולציה של annealing, מנוע APS מעריך את כל שילובי העבודה, המשאבים, ואת קווי הזמן כדי למצוא אפשרי - ולעתים קרובות ליד-optimal - סעוד.זה מכבד מגבלות קשות (למשל, מכונה יכולה רק להפעיל עבודה אחת בזמן) ומגבלות רכותכות (למשל, העדפה לשינויים מינימליים).

הוצאה להורג ושיקום

לוח הזמנים הסופי נשלח ל- MES או מערכות רצפת הצומח לביצוע.כפי שתנאים בפועל מתכנית, ה-APS חישוב מחדש בתוך זמן קצר.יכולת זו סגורה מבטיחה שהתוכנית תישאר בתוקף גם כאשר מתרחשות הפרעות.

מקור: For aעמיק טכנית, ראה:0Gartner's Brary entry on APSIRFLT 1

אתגרים בביצוע APS

למרות היתרונות ברורים, מערכת APS אינה ללא קשיים.מנהיגי הייצור צריכים להיות מודעים למכשולים הנפוצים האלה:

• (FLT:0Data Accuracy and Quality:FLT:1) APS הוא רק טוב כמו הנתונים שהוא מקבל. inaccurate ספירות מלאי, פרמטרים של מכונות מיושנות, או נתונים לא שלמים של סדר יניבו לוחות זמנים לא אמינים. פרויקט ניקוי נתונים הוא לעתים קרובות הכרחי לפני חיים.
• (FLT:0) אינטגרציה עם Legacy Systems:FearLT:1 מפעלים רבים לרוץ על פלטפורמות ERP או MES של עשרות שנים שחסרות ממשקי API מודרניים.Build, bidirectional Data Flows יכול להיות זמן-consuming ויקר.
• (FLT:0 שינוי ניהול: ⁇ FLT:1) מתכננים ומנהלי ייצור התרגלו לגליונות אלקטרוניים ידניים עשויים לעמוד בפני אובדן השליטה הנתפס.
• (FLT:0) גידול המודל הדיגיטלי:FreaLT:1 רצפה המפעל הוא דינמי - מכונות מוסיפים, תהליכים משתנים, מוצרים חדשים מוצגים.אם מודל APS לא נשמר הנוכחי, לוחות הזמנים ינטחו מהמציאות.

משאבים חיצוניים: מקינזי דנה בחשיבות של שלמות הנתונים בטרנספורמציות דיגיטליות ב-FLT:0Manufacturing's Digital ImperativeFLT:1.

מגמות עתידיות ב-APS

התפקיד של מערכות APS מתפתח לצד ההתקדמות באינטליגנציה מלאכותית, מחשוב ענן, והאינטרנט התעשייתי של הדברים (IIoT) מספר מגמות יעצבו את הדור הבא של תכנון הייצור:

בינה מלאכותית ושילוב Machine Learning

מודלים של למידת מכונות יכולים לחזות התמוטטות מכונה, ספייק ביקוש או בעיות איכות לפני שהם מתרחשים.כאשר מחוברים למנוע APS, התחזיות הללו מאפשרות החלמה פעילה.לדוגמה, מודל ML עשוי לצפות ל-90% סיכוי של כשל במכונת ביקורתי בתוך יומיים; ה-APS יכול לעבור לעבוד לשורה חלופית מראש.

Cloud-based APS ו- SaaS

פריסת ענן מפחיתה את ההשקעה מעלה וסימולציות עדכונים.אדריכלות רב-עוצמה מאפשרת למפעלים קטנים יותר לגשת ליכולות תכנון מתוחכמות שפעם הונחו לארגונים גדולים. שיתוף פעולה בזמן אמת באתרים הופך לקל יותר כאשר ה-APS מתארח מרכזי.

תאומים דיגיטליים ל-What-If Simulation

תאום דיגיטלי - העתק וירטואלי של המפעל - ניתן להאכיל לתוך APS כדי לדמות את ההשפעה של שינויים הפריסה, ציוד חדש או שינוי דפוס שינוי שינוי דפוס שינוי.זה מאפשר מתכננים לבחון תרחישים ללא סיכון לפני יישום שינויים פיזיים.

שילוב עם חומר אוטונומי

כאשר מפעלים מאמצים רובוטים ניידים אוטונומיים (AMRs) וכלי רכב מודרך אוטומטיים (AGVs), ה- APS חייב להתאים לא רק לוחות זמנים של מכונה, אלא גם את התנועה של חומרים בין יצירות.זה מרחיב את אופק התכנון לביצוע לוגיסטיקה.

משאבים חיצוניים: פרסום התעשייה (FLT:0) המאמר של APS וסימולציות FLT:1 מספק תובנה נוספת במגמות אלה.

מסקנה

מערכות תכנון מתקדמות ושידולינג עברו מכלי נחמד לחיקוי ליבת למפעלים מודרניים.על ידי החלפת תכנון סטטי, ההנחה-לאדן עם אופטימיזציה דינמיים, מגבילים, APS מאפשר ליצרנים לפעול עם פחות פסולת, מהר יותר באמצעות חישוב, ותגובה גדולה יותר.האתגרים של יישום - איכות נתונים, שילוב, וניהול שינוי - הם אמיתיים, אבל תשלומים ביצרנים תחרותי יותר, כמו גם טכנולוגיות מולקולריות, כמו גם קוסמטיקה גלובלית, כמו גם כן, להמשיך להיות יותר ויותר.