Flow Shop Scheduling'te Simülasyon Modeling'e Giriş

Akış mağazası planlama, üretim operasyonlarının temel taşıdır, iş istasyonlarının veya makinelerin bir dizi aracılığıyla nasıl iş akışını tahmin eder. Klasik bir akış mağazasında, her iş aynı yolu takip eder: makine 1'de başlar, makineye devam eder ve böylece tamamlanmaya kadar.Bu yaklaşımlar en uygun şekilde sıralanır ve iş akışını en aza indirmek için iş zamanlaması sağlar.

Simülasyon modelleme, üretim sisteminin dijital ikizini oluşturur, planlayıcıların binlerce senaryoyu riske atan bir sanal alanda test etmelerine izin verir. Statik optimizasyondan farklı olarak, rastgelelik ve karmaşık interziğe ilişkin simülasyon hesapları, daha sağlam programlara yol açan öngörüler sunmak.

Simülasyon Modelleme Nedir? Derin bir Bakış

Simülasyon modelleme, bir sistemin bilgisayar temelli bir gösterimi ve ardından çeşitli koşullar altında davranışını anlamak için bu temsille deney yapmaktır.Geçmiş mağaza zamanlaması bağlamında, model makine kapasiteleri, işlem zamanı dağıtımları, ayar süreleri, bakım programları, operatör kullanılabilirliği ve malzeme işleme mantığı gibi ayrıntıları içerir.

Üretimde yaygın olarak kullanılan birkaç simülasyon paradigması vardır:

  • [FONT:0)Discrete-event simülasyonu (DES)) - Akış dükkanları için en yaygın kullanılan yaklaşım. Sistem durumu, olaylar gerçekleştiği zaman ayrı noktalarda değişir (örneğin, bir makine, bir iş bir işleme gelir).
  • [FONT:0]Agent tabanlı simülasyon (ABS))[Döneticiler, makineler, işçiler) kurallara dayanan ajanlar olarak.
  • [FONT=0)Monte Carlo simülasyonu[[[Dönetici: 1) - Çoğu zaman, belirsiz parametrelerin olasılık dağılımı (örneğin, işleme süreleri) tekrar örnekleme olasılığı ile risk analizi için kullanılır.

Operasyon Araştırması ve Yönetim Bilimleri (INFORMS) için İnstitute for Operations Research and the Management Sciences (INFORMS)), simülasyon, endüstride en yaygın uygulanan OR yöntemlerinden biridir, milyarlarca dolar tasarruf için yıllık olarak belgelenen tasarruflar için, akış mağaza planlama, teorik en uyguniyet ve pratik fizibilite arasındaki boşlukları simülasyon.

Flow Shop Scheduling: Neden Geleneksel Yöntemler Kısa Süreli

Akış mağaza planlama sorunları, özellikle permutasyon akışı mağazası (Fm|prmu|Cmax), iki makineden daha fazlası için NP-hard, Johnson'ın iki makineli akış mağazaları için mükemmel bir çalışma, gerçek dünya örnekleri ve düzinelerce iş ve makine ile ilgili olarak, heuristics veya metaheuristics (e.g., genetik algoritmalar, tabu arama).

Statik zamanlamanın ortak pitfallları şunları içerir:

  • [FONT:0) Mevcut kullanılabilirliği görmezden gelir: İşleme süreleri operatör beceri, malzeme kalitesi veya ekipman aşınması nedeniyle dalgalanma gösterir. Kağıt üzerinde çalışan bir program alışveriş zemininde kırılır.
  • [FONT:0)Etmen bağımlılıklar: [Dönetici: [Döneticiler: [Döneticiler: 0) Makineler arasındaki farklar (örneğin, blok) basit Gantt grafikler tarafından tam olarak ele alınmaz.
  • [FONT:0)Reaktif planlama:[Dönetici:[Dönetici:0)))Dönetmelik:[Dönetici planlama:[Dönetici:[Dönetici:[Dönetici:0))))) Sürekli olarak, planlayıcılar genellikle altoptimal dizilerine yol açan ve kayıp verimlilik kaybına yol açar.

Simülasyon bu sınırlamaları doğrudan ele alır. İyi yapılandırılmış bir simülasyon modeli, sistemin değişkenliğe yanıtını taklit edebilir, test zamanlama sağlamlığı ve hatta gerçek zamanlı olarak analizler üretir.Bir sanal kumbox sağlayarak, simülasyon reaktif zamanlamadan daha proaktif sağlar.

Akış Dükkan Planlamasında Simülasyon Modellemenin Anahtar Faydaları

Avantajları önemli ve çok sayıda üretim performansı büyüklüğündedir. Aşağıda her bir özel örnekler ve mekanizmalar ile fayda sağlamaz.

Geliştirilmiş Karar - Görsel Analytics aracılığıyla

Simülasyon modelleri sadece sayılar değil dinamik görselleştirmeler - animasyon Gantt grafikler, kuyruk uzunluğu grafikler ve ısımaps'ı kullanın. Bu görünürlük, yöneticiler statik tablolardan nasıl elde edilebildiklerini sezgisel olarak kavramaya olanak sağlar (örneğin, en kısa işlem süresi, en erken tarih) örneğin, bir karar yapımcısı, Makine 3'ten Makine 5'e kadar makineden şişe kaymaları izleyebilir.

Bir tier-one otomotiv tedarikçisinden bir vaka çalışması, beş farklı sequencing kuralının% 40 oranında azaltıldığını gösterdi.() Herhangi birLogic vaka çalışması).

Risk Azaltılması ve Proaktif Problem Çözüldü

Simülasyonun en güçlü faydalarından biri, "ateş önleme"ye giden yol açma yeteneğidir. Planlayıcılar makinede 10 dakikalık gecikmenin kesintiye neden olacağını ortaya çıkarabilirler - makine hataları, kaliteli yeniden iş, yetersizlik - ve dalgalanan etkileri gözlemler. Bu yetenek “ateş önleme” haline gelir. Örneğin, makine 2'de 10 dakikalık bir gecikmenin son toplantıda cascade 45 dakikalık bir gecikmeye neden olabileceğini ortaya çıkarabilir.

Risk azaltması ayrıca sermaye yatırımlarına da uygulanır. Yeni bir makine satın almadan veya bir çizgi yeniden yapılandırın, simülasyon ortalama olarak yüzde 15-20 oranındaki etkisini tahmin edebilir.

Çevik Planlama için Artan Flexability

Pazarlar, ürün karışımı ve hacmindeki değişiklikler için hızlı yanıtlar talep eder. Simülasyon modelleri, yeni talep profilleri, makine özellikleri veya birkaç dakika içinde iş kısıtlamaları ile güncellenebilir - bu çeviklik üreticilerin uçta ne analizleri çalıştırmasına izin verir. Örneğin, bir müşteri büyük bir acele sipariş talep ederse, planlayıcılar mevcut taahhütlere etki gösterebilir ve yeni işi başka bir yere gecikmeden önce programa en iyi şekilde eklemeye yardımcı olabilir.

Flexability ayrıca kesintilerden sonra tekrarscheduling'u genişletmektedir. Simülasyona dayalı bir zamanlama sistemi, mevcut koşullar için hesapların yeni optimize edilmiş bir sıra oluşturabilir, negatif etkiyi azaltır. Bu, Endüstri 4.0 inisiyatiflerinde giderek daha fazla kabul edilen "dijital ikiz" zamanlamanın temelidir.

Kaynakların optimizasyonu (Makineler, Çalışma, Malzemeler)

Simülasyon modelleme, her kaynaktan en verimli kullanımlarını tanımlamaya yardımcı olur. Makine boş zaman analiz ederek, operatör iş yüklerini ve buffer stok seviyelerini test ederek, planlayıcıların zamanınızı% 30 oranında azaltabileceğini ortaya çıkarabilir. Örneğin, bir simülasyon üçüncü bir değişim operatörünün gereksiz olduğunu ortaya çıkarabilir çünkü şişenck makinesi her zaman iş için yıldızlanır.

Ayrıca, simülasyon malzeme işleme mantığını optimize edebilir. Bir akış mağazasında konveyörler veya AGVs ile bir akış mağazasında, model, işlem sırasında parçalara sadece işlem hacminin gerçekleşmesini sağlamak için farklı yönlendirme kuralları ve araç sayabilir. Sonuç, daha düşük envanter taşıma maliyetleri ve daha az stok-outs. a white paper fromurFLT:0).FlexSim

Onaylandım ve Zaman Güvenilirliği

Sonuçta, zamanlama hedefi, müşteriyi tarihler nedeniyle toplantı yaparken en üst düzeye çıkarmaktır. Simülasyon, bunu doğrudan tespit ve şişeleri azaltmak için sağlar. Üretim biliminde klasik bir bulgu, şişenck tarafından yönetilmekte; sadece kuyruk uzunluğu ile daha fazla çalışmayı zorlamaya çalışır. Simülasyon, şişeleri temizlemeyi ve test stratejilerini kolaylaştırır - kısıtlamada artan toplu boyutların yanı sıra geçici kapasite eklemek veya yeniden dengeleyici işleri eklemek gibi - tekrarlamak için daha fazla çalışmayı sağlar.

Yarı iletken bir ambalaj bitkisinden belgelenmiş bir durumda, simülasyon, bir FIFO tabanlı sistemden “bottleneck açlıktan kaçınma” sistemine kadar planlama politikasını yeniden tasarlamak için kullanılmıştır. Sonuç, ortalama döngüsünde %22 artış oldu ([DDD:0Gazete/T:0)

Flow Shop Scheduling'te Simülasyon için Uygulama Yöntemioloji

Simülasyon modellemesi, yapılandırılmış bir yaklaşım gerektirir. Aşağıda, ESFLT'den en iyi uygulamalara dayanan tipik adımlar şunlardır:0).Winter Simülasyon Konferansı).

Adım 1: Hedefleri ve Kapsam

Hangi belirli zamanlama sorularının cevaplarına ihtiyacı var? Örnekler: “Hangi ayrılık kuralı ortalama iş gecikmesini en aza indirir?” veya “Dördüncü paralel makineyi istasyon 4'te yönlendirmeli bir makine nasıl eklen?”

2. Adım: Data Collection and Access Modeling

Gather processing times (pazlar, sadece ortalamalar değil), makine güvenilirliği verileri (MTBF, MTTR), değişim programları ve iş varış modelleri. Stat gibi araçlar:Fit help fit distributions to Amp data. Poor girdi modellemesi ortak bir başarısızlık modudur - çöpte çöp, çöpte.

Adım 3: Simülasyon Modelini Oluşturun

Herhangi birLogic, FlexSim, Simio veya Arena gibi yazılım kullanın. Akış dükkanları için, varlık akışına, kuyruk mantığına ve kaynak kısıtlamalarına odaklanın.Politik verilere ilişkin çıktısını karşılaştırarak modeli uygulayın (örneğin, gerçek throughput veya döngü zamanı).

Adım 4: Deneyleme ve Senaryo Analizi

Farklı planlama politikaları test etmek için tasarım deneyleri (örneğin, FIFO, WSPT, EDD, CR), düzen değişiklikleri veya kapasite ekleri. faktör tasarımı veya simülasyon optimizasyonu gibi teknikleri kullanın.

Adım 5: Yorum Sonuçlar ve Uygulama

Çeviri simülasyonu, uygulanabilir kararlar haline gelir. Doküman varsayımları ve güven aralıkları. Sonra mağaza zemininde seçilmiş programı veya politikayı uygular, model tahminlere karşı gerçek performansı takip etmek için ideal olarak.

Flow Shop Scheduling için Popüler Simülasyon Yazılım

Doğru aracı seçmek bütçeye, karmaşıklığa ve ev içi uzmanlığına bağlıdır. İşte üç endüstri lideri:

  • [FONT:0) Herhangi birLogic:[Dönemli olay, ajan temelli ve sistem dinamikleri. karmaşık akış dükkanları birden çok ürün ailesi ile güçlü.
  • [FONT:0]FlexSim: [DFLT:1] Yüksek görsel 3D simülasyonu, işletme yöneticileri için sonuçları göstermek için mükemmel bir şekilde tasarlanmıştır. yerleşik optimizasyon ile akış mağazası için özel bir modül içerir.
  • [FONT:0)Simio: [Dönetici:[Dönetici:0) Risk bazlı planlama ile simülasyonu birleştirir. Standart üretim elemanlarını temsil eden "Simio" nesneler. ERP verileri ile bağlantı kurmak isteyen şirketler için iyi.

Daha küçük operasyonlar için, JaamSim veya SimPy gibi açık kaynak araçları düşük maliyetli bir giriş noktası sunar, ancak daha fazla programlama çaba gerektirir.

Meydanlar ve Sınırlar

Simülasyon güçlü olsa da, zorluk olmadan değildir. İlk olarak, model geliştirme zaman ve yetenekli personel gerektirir. A detailed flow store modeli, inşa etmek ve doğrulamak için hafta sürebilir.İkinci, veri kalitesi kritiktir - birçok bitki optimizasyon algoritmaları üzerinde güvenilir verilerden yoksundur (simülasyon-optimlama süresine göre), organizasyonel direniş, işçilere bir modelin belirli bir senaryoda ne olacağını söyler, ancak doğrudan en uygun programı sağlar.

Bu engellere rağmen, yatırımın geri dönüşü zorlayıcı. AETHFLT:0) Deloitte tarafından sigorta) üreticilerin ilk yıl içinde bir medyan ROI'sini kullanarak simülasyon raporunu kullandığını buldu.

Flow Shop Scheduling'deki Simülasyonun Geleceği

Simülasyon modelleme IoT sensörleri ve MES sistemlerindeki gerçek zamanlı verilerle birlikte, sürekli olarak güncellemek için “dijital ikizler”e yükselerek, akış mağazası zamanlaması, fiziksel alışverişle paralel olarak çalışacak, otomatik olarak zaman ayarlamalarını önerecektir.

Bulut tabanlı simülasyon platformları, küçük ve orta işletmelere erişilebilir olan teknolojiyi yapıyor. pahalı lisanslar yerine, şirketler talep üzerine paralel deneyler yapabilirler ve bu demokratikleşme üretim spektrumu boyunca kabul edilebilir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Simülasyon modelleme, bir tahmin oyunundan veriye dayalı, proaktif bir disipline dönüşerek, programları test etmek, şişeleri ortaya çıkarmak ve kaynak kullanımı optimize etmek, simülasyon, bir bitki yöneticisi, endüstriyel mühendisi veya tedarik zinciri planlamacınız, uzun vadeli rekabetçi avantajınızı entegre etmek için ölçülebilir bir ortam sağlamak için risksiz bir ortam sağlamak, bugün simülasyonu benimseyen üreticiler, akıllı, dayanıklı kaynak kullanımı için temel oluşturur.Eğer bir fabrika yöneticisi, endüstriyel mühendisi veya tedarik zinciri planlamacınız, uygulamanız için en iyi şekilde optimize edilir.