Förstå Setup Times i Flow Shop Scheduling

Flödesbutiksplanering är en kärnutmaning inom tillverkningen, där flera jobb måste bearbetas på en serie maskiner i samma ordning. Målet är att hitta en sekvens som minimerar den totala slutförandetiden, känd som makepan eller andra prestandamätningar. Bland de många variablerna som påverkar optimal schemaläggning, utspelar sig installationstiderna som en kritisk men ändå ofta underskattad faktor.

Inställningstid hänvisar till den period som krävs för att förbereda en maskin för att bearbeta ett nytt jobb. Detta inkluderar aktiviteter som att ändra skärverktyg, omkonfigurera jigs och fixturer, ladda nya program, rengöringsrester och justera temperatur eller tryckinställningar. I vissa branscher kan installationstider redogöra för upp till 30% av den totala produktionstiden, vilket gör deras förvaltning väsentlig för effektivitet.

Typer av inställningstider

Inställningstider kan klassificeras baserat på deras beroende av arbetssekvens. ]Sequence-oberoende inställningstider ] är konstanta för ett visst jobb oavsett tidigare jobb. Till exempel kan rengöring av en mixer efter att någon sats ta samma tid. I motsats till kan ] sekvensberoende installationstider variera beroende på ordningen av jobb. Ändra från en ljus färg till en mörk färg på en tryckning kan kräva mindre

Mäta inställningstider

Noggrann mätning är det första steget mot förbättring. Företag använder tid-och-rörelsestudier, automatisk datainsamling från maskinkontroller och manuell observation för att registrera installationstider. Dessa mätningar matas in i schemaläggningsalgoritmer och hjälper till att identifiera flaskhalsar. Vanliga mätvärden inkluderar genomsnittlig installationstid per jobb, installationstid som en procentandel av den totala behandlingstiden och förhållandet mellan inre (presterad medan maskinen stoppas) till extern (presterad medan maskinen körs) installationsaktiviteter.

Konsekvensen av inställningstider på schemaläggningseffektivitet

Ignorera installationstider i flödesbutik schemaläggning kan leda till suboptimala sekvenser som ökar ledig tid, förlängd makepan och höjer kostnaderna. När inställningarna är långa måste schemaläggaren balansera avvägningen mellan gruppering liknande jobb för att minska inställningar och möta förfallodatum för olika kunder.

Effekter på genomströmning och makespan

I en flödesbutik är makepan tiden från början av det första jobbet till slutförandet av det sista jobbet på den sista maskinen. Höga inställningstider blåser upp makepan direkt. Dessutom, om inställningarna är sekvensberoende, kan en ineffektiv sekvens orsaka en kaskad av förseningar. Till exempel, ett jobb som kräver en lång inställning på den första maskinen kommer att trycka tillbaka alla efterföljande jobb på den maskinen, potentiellt idling nedströmsmaskiner. Studier visar att försummande inställningstider kan öka makepan med 15% -% i praktiska flödenor.

Effekter på produktionskostnader

Längre installationstider innebär att maskiner är icke-produktiva under längre perioder. Detta minskar den effektiva kapaciteten i butiken, tvingar företag att investera i ytterligare maskiner eller övertid för att möta efterfrågan. Labor kostnaderna stiger också eftersom operatörer kan vara tomt under installationer eller kräver premium lön för övergångar utanför timmen. Indirekta kostnader inkluderar ökad lagerbuffert för att täcka schemaläggning osäkerhet. Genom att minska installationstider och införliva dem i optimering, kan tillverkare sänka per enhet kostnaderna betydligt.

Effekter på ledtid och kundnöjdhet

Ledtid omfattar hela tiden från orderplacering till leverans. Utökade installationstider ökar ledtidsvariationen, vilket gör det svårare att citera exakta leveransdatum. Sena leveranser skadar kundens förtroende och kan ådra sig straff. Effektiv schemaläggning som konton för inställningar hjälper till att stabilisera ledtider, vilket gör det möjligt för företag att erbjuda konkurrenskraftiga, tillförlitliga leveranslöften. I smink-till-order miljöer är detta särskilt viktigt.

Matematisk modellering av inställningstider i flödesbutikschemaläggning

För att optimera en flödesbutik med inställningar måste problemet formaliseras matematiskt. Den klassiska flödesbutiksmodellen förutsätter behandlingstider bara. Med installationstider blir modellen mer komplex, särskilt när inställningarna är sekvensberoende.

Sequence-Dependent Setup Times (SDST)

I en SDST flödesbutik beror installationstiden på ett maskinarbete precis avslutat och nästa jobb som ska bearbetas. Detta kan representeras av en matris ]S där element ]]]s]]] ij]] är installationstiden då jobb ] föregår jobb ]]

Mixed-Integer Linear Programming (MILP) Modeller

MILP-formuleringar för flödesbutiksplanering med inställningar använder binära variabler för att representera arbetssekvenser och kontinuerliga variabler för start- och sluttider. Begränsningar hävdar att varje jobb behandlas en gång, att maskiner bearbetar jobb i samma ordning (permutationsflödesbutik), och att en inställning på en maskin inträffar innan ett jobb börjar. Objektiva funktioner minimerar vanligtvis makepan eller total tardiness. Kommersiella lösare som CPLEX eller Gurobi kan hantera måttliga problem, men för stora industriella instanser är heuristiska.

Optimering Algoritmer redovisning för inställningstider

Med tanke på komplexiteten har forskare och utövare utvecklat många algoritmer - från exakt till ungefär - för att lösa flödesbutiksplanering med inställningar.

Johnsons regelförlängningar

För tvåmaskinsflödesbutiken utan inställningar ger Johnsons regel en optimal sekvens. Förlängningar som innehåller små inställningar finns, men de är begränsade. Ett tillvägagångssätt behandlar inställningstider som en del av bearbetningstider eller använder modifierade rankningsregler. För större flödesbutiker gäller Johnsons regel sällan direkt.

NEH Heuristic med Setup Considerations

NEH heuristic är en av de mest effektiva konstruktiva metoderna för permutation flöde butik schemaläggning. Det börjar med att sortera jobb genom total bearbetningstid, sedan sätter jobb en efter en i den bästa positionen. För att redogöra för insättningskostnader, beräknas införandet kostnaden med den totala tiden (bearbetning + installation) för varje partiell sekvens. Variants of NEH som anser att sekvensberoende inställningar har visat sig producera högkvalitativa lösningar snabbt.

Metaheuristik: Genetiska algoritmer och simulerad annealing

Metaheuristik används ofta för stora SDST flöde butiksproblem. En genetisk algoritm koder jobbsekvenser som kromosomer och använder crossover och mutationsoperatörer för att utforska lösningsutrymmet. Fitnessfunktionen beräknar makepan inklusive installationstider. Simulerad förtätning iterativt stör sekvensen och accepterar bättre lösningar, plus några värre att undvika lokal optima. Partikel swarm optimization och tabu search är också vanliga. Dessa metoder kan hantera hundratals jobb och maskiner och producera nära-optimala scheman.

Strategier för att minimera inställningstider

Utöver optimering är minskningen av den fysiska installationstiden en kraftfull spak. Kortare inställningar gör schemaläggningen enklare och förbättrar butikens flexibilitet.

SMED (Single-Minute Exchange of Die)

Utvecklat av Shigeo Shingo för Toyota, SMED syftar till att minska installationstider till under tio minuter. Det skiljer mellan intern inställning (utförs medan maskinen är stoppad) och ]] extern inställning ]] (done medan maskinen körs) omvandlar interna steg till externa, strömlinjeformar kvarvarande steg och standardiserar procedurer.

Job Grouping och cellulär tillverkning

Gruppering av jobb genom likheter i verktyg, material eller process minskar behovet av stora förändringar. I cellulär tillverkning arrangeras maskiner i celler som är dedikerade till familjer av delar. Inom en cell är installationer mellan familjemedlemmar minimala. Detta tillvägagångssätt, i kombination med schemaläggning som behandlar hela familjer tillsammans, minskar dramatiskt den totala installationstiden.

Automatisering och standardisering

Automatiserade verktygsväxlare, snabba förändringar och programmerbara maskinkontroller minskar mänsklig inblandning och installationslängd. Standardiserade arbetsinstruktioner och operatörsutbildning säkerställer konsistens. Dataförvärvssystem kan spåra installationstider och markera områden för förbättring.

Fallstudie: Minska inställningstider i en bildelar tillverkare

En billeverantör av motorkomponenter drev en flödesbutik med fem CNC-maskiner. Setup-tider var sekvensberoende, i genomsnitt 25 minuter per övergång. Analys visade att inställningar stod för 35% av den totala övergångstiden. Företaget genomförde SMED, omvandlar 60% av interna installationssteg till extern (t.ex. förinställande verktyg, förinställande offsets). De grupperade också genomsnittliga jobb med materialkvalitet och försänkningskrav.

Slutsats

Inställningstider är en avgörande faktor i flödesbutiksplanering optimering. De påverkar makepan, kostnader, ledtider och kundnöjdhet. Tillverkare måste först mäta och förstå sina inställningsmönster - speciellt sekvensberoenden - då tillämpa lämpliga matematiska modeller och optimeringsalgoritmer för att schemalägga effektivt. Kombinerat med fysiska reduktionstekniker som SMED, gruppering och automatisering kan företag uppnå betydande vinster i genomströmning och responsivitet.