Symulacja w systemach produkcyjnych
Symulacja w systemach produkcyjnych to wykorzystanie oprogramowania do tworzenia modeli komputerowych systemów produkcyjnych, a więc do ich analizy i uzyskania w ten sposób ważnych informacji. Została rozpowszechniona jako druga najpopularniejsza nauka o zarządzaniu wśród kierowników produkcji. Jednak jego użycie zostało ograniczone ze względu na złożoność niektórych pakietów oprogramowania oraz brak przygotowania niektórych użytkowników w dziedzinie prawdopodobieństwa i statystyki.
Technika ta stanowi cenne narzędzie wykorzystywane przez inżynierów podczas oceny wpływu inwestycji kapitałowych w sprzęt i obiekty fizyczne, takie jak fabryki, magazyny i centra dystrybucyjne. Symulacji można użyć do przewidywania wydajności istniejącego lub planowanego systemu oraz do porównywania alternatywnych rozwiązań dla konkretnego problemu projektowego.
Cele
Najważniejszym celem symulacji w produkcji jest zrozumienie zmian zachodzących w całym systemie z powodu pewnych zmian lokalnych. Łatwo jest zrozumieć różnicę spowodowaną zmianami w systemie lokalnym, ale bardzo trudno lub wręcz niemożliwe jest oszacowanie wpływu tej zmiany na cały system. Symulacja daje nam pewną miarę tego wpływu. Miary, które można uzyskać za pomocą analizy symulacyjnej to:
- Części wyprodukowane w jednostce czasu
- Czas spędzony w systemie według części
- Czas spędzony przez części w kolejce
- Czas spędzony podczas transportu z jednego miejsca do drugiego
- Dostawy zrealizowane na czas
- Tworzenie inwentarza
- Inwentaryzacja w toku
- Procent wykorzystania maszyn i pracowników.
Niektóre inne korzyści obejmują produkcję just-in-time , obliczenie wymaganych optymalnych zasobów, walidację proponowanej logiki działania do sterowania systemem oraz dane zebrane podczas modelowania, które można wykorzystać w innym miejscu.
Oto przykład: w zakładzie produkcyjnym jedna maszyna przetwarza 100 części w ciągu 10 godzin, ale części docierające do maszyny w ciągu 10 godzin to 150. Tak więc następuje nagromadzenie zapasów. Zapasy te można zmniejszyć, okazjonalnie zatrudniając inną maszynę. W ten sposób rozumiemy zmniejszenie gromadzenia się lokalnych zapasów. Ale teraz ta maszyna produkuje 150 części w ciągu 10 godzin, które mogą nie zostać przetworzone przez następną maszynę, dlatego właśnie przesunęliśmy zapasy w toku z jednej maszyny na drugą bez wpływu na ogólną produkcję
Symulacja jest wykorzystywana do rozwiązania niektórych problemów w produkcji w następujący sposób: w warsztacie, aby zobaczyć zdolność systemu do spełnienia wymagań, aby mieć optymalne zapasy na wypadek awarii maszyny.
Metody
W przeszłości narzędzia do symulacji produkcji były klasyfikowane jako języki lub symulatory. Języki były bardzo elastycznymi narzędziami, ale dość skomplikowanymi w użyciu przez menedżerów i zbyt czasochłonnymi. Symulatory były bardziej przyjazne dla użytkownika, ale miały dość sztywne szablony, które nie dostosowywały się wystarczająco dobrze do szybko zmieniających się technik produkcji. Obecnie dostępne jest oprogramowanie, które łączy w sobie elastyczność i łatwość obsługi obu tych rozwiązań, jednak niektórzy autorzy twierdzą, że wykorzystanie tej symulacji do projektowania i optymalizacji procesów produkcyjnych jest stosunkowo niewielkie.
Jedną z najczęściej stosowanych technik przez projektantów systemów produkcyjnych jest symulacja zdarzeń dyskretnych . Ten rodzaj symulacji pozwala ocenić wydajność systemu poprzez statystyczne i probabilistyczne odtworzenie interakcji wszystkich jego elementów w określonym przedziale czasu. W niektórych przypadkach modelowanie systemów produkcyjnych wymaga ciągłego podejścia symulacyjnego. Są to przypadki, w których stany systemu zmieniają się w sposób ciągły, jak na przykład podczas ruchu cieczy w rafineriach ropy naftowej lub zakładach chemicznych. Ponieważ komputery cyfrowe nie mogą modelować ciągłej symulacji, odbywa się to poprzez wykonywanie małych dyskretnych kroków. Jest to użyteczna cecha, ponieważ istnieje wiele przypadków, w których trzeba połączyć symulację ciągłą i dyskretną. Nazywa się to symulacją hybrydową, która jest potrzebna w wielu gałęziach przemysłu, na przykład w przemyśle spożywczym.
Ramy do oceny różnych narzędzi do symulacji produkcji zostały opracowane przez Benedettini i Tjahjono (2009) przy użyciu definicji użyteczności ISO 9241 : „zakres, w jakim produkt może być używany przez określonych użytkowników do osiągnięcia określonych celów ze skutecznością, wydajnością i satysfakcją w określony kontekst użycia”. Ramy te uwzględniały skuteczność, wydajność i zadowolenie użytkownika jako trzy główne kryteria wydajności:
| Kryterium wydajności | Atrybuty użyteczności |
|---|---|
| Skuteczność | Dokładność: Zakres, w jakim jakość danych wyjściowych odpowiada celowi |
| Efektywność | Czas: ile czasu zajmuje użytkownikom wykonanie zadań z produktem |
| Wysiłek umysłowy: zasoby umysłowe, które użytkownicy muszą poświęcić na interakcję z produktem | |
| Zadowolenie użytkownika | Łatwość użycia: Ogólne nastawienie do produktu |
| Specyficzne postawy: Konkretne postawy wobec lub postrzeganie interakcji z narzędziem |
Poniżej znajduje się lista popularnych technik symulacji:
- Dyskretna symulacja zdarzeń (DES)
- Dynamika systemu (SD)
- Modelowanie agentowe (ABM)
- Inteligentna symulacja: oparta na integracji technik symulacji i sztucznej inteligencji (AI).
- Sieć Petriego
- Symulacja Monte Carlo (MCS)
- Wirtualna symulacja: umożliwia użytkownikowi modelowanie systemu w immersyjnym środowisku 3D
- Techniki hybrydowe: połączenie różnych technik symulacyjnych.
Aplikacje
Poniżej znajduje się lista typowych zastosowań symulacji w produkcji:
| Numer na rysunku | Aplikacja | Zwykle używany typ symulacji | Opis |
| 1 | Wyważanie linii montażowej | DES | Projektowanie i wyważanie linii montażowych |
| 2 | Planowanie wydajności | DES, SD, Monte Carlo, sieć Petriego | Niepewność związana ze zmieniającymi się poziomami zdolności produkcyjnych, zwiększaniem bieżących zasobów, ulepszaniem bieżących operacji w celu zwiększenia zdolności produkcyjnych |
| 3 | Produkcja komórkowa | Wirtualna symulacja | Porównanie planowania i harmonogramowania w CM, porównanie alternatywnego formowania komórek |
| 4 | Zarządzanie transportem | DES, ABS, sieć Petriego | Dostawa gotowych produktów z centrów dystrybucyjnych lub fabryk, wyznaczanie tras pojazdów, logistyka, zarządzanie ruchem, ustalanie opłat za zator |
| 5 | Lokalizacja obiektu | Techniki hybrydowe | Lokalizowanie obiektów w celu minimalizacji kosztów |
| 6 | Prognozowanie | SD | Porównanie różnych modeli prognostycznych |
| 7 | Zarządzanie zapasami | DES, Monte Carlo | Koszt utrzymania, poziomy zapasów, uzupełnianie zapasów, określanie wielkości partii |
| 8 | W samą porę | DES | Projektowanie systemów Kanban |
| 9 | Inżynieria procesowa-produkcja | DES, SD, ABS, Monte Carlo, sieć Petriego, hybryda | Doskonalenie procesów, problemy z rozruchem, problemy ze sprzętem, projektowanie nowego obiektu, pomiar wydajności |
| 10 | Inżynieria procesowa-serwis | DES, SD, Symulacja rozproszona | Nowe technologie, planowanie zasady, pojemność, układ, analiza wąskich gardeł, pomiar wydajności |
| 11 | Planowanie produkcji i kontrola ekwipunku |
DES, ABS, rozproszony, hybrydowy | Zapas bezpieczeństwa, wielkość partii, wąskie gardła, prognozowanie i zasady planowania |
| 12 | Alokacja zasobów | DES | Przydzielanie sprzętu w celu poprawy przepływów procesów, surowców do zakładów, wybór zasobów |
| 13 | Planowanie | DES | Przepustowość, niezawodność dostaw, sekwencjonowanie zadań, planowanie produkcji, minimalizacja przestojów, popyt, zwalnianie zamówień |
| 14 | Zarządzanie łańcuchem dostaw | DES, SD, ABS, gry symulacyjne, sieć Petriego, dystrybucja | Niestabilność w łańcuchu dostaw, systemach magazynowych/dystrybucyjnych |
| 15 | Zarządzanie jakością | DES, SD | Zapewnienie jakości i kontrola jakości, jakość dostawcy, ciągłe doskonalenie, kompleksowe zarządzanie jakością, podejście lean |