Jeg vil vise, hvordan man kan optimere et transportørsystem med en kombination af matematisk modellering og diskret hændelsessimulering (DES). Dette er en tilføjelse til det rige udvalg af transportbåndsoptimeringseksempler, der er tilgængelige i industrien. Men som jeg vil forklare i denne artikel, fører arbejdsgangen og proceduren foreslået af mig til væsentligt bedre resultater ved meget lavere indsats.
Simulering letter den sædvanlige optimeringstilgang
Det er en almindelig misforståelse, at komplekse transportsystemer (altid) kræver (kun) simulering. Dette er ikke korrekt. Som jeg vil forklare i denne artikel, anbefaler jeg i stedet at anvende en todelt tilgang, der først optimerer routingforhold og derefter implementerer layout og matematisk afledte routingregler i en dynamisk simulering. Ikke desto mindre er det stadig den konventionelle tilgang at bruge simuleringsmodellering med diskret hændelse til at teste transportørkoncepter og -layouts.
Her er nogle eksempler på simple modeller, herunder eksempler på simple transportbånd. Tænk på disse simple eksempler i et mere komplekst scenarie, dvs. et mere komplekst transportbåndslayout:
Andre værktøjer, der er populære til transportbåndsimuleringer (udover AnyLogic) er simio, AutoMOD, Plant Simulation, FlexSim og så videre. Du kan endda modellere transportørsystemer på et højere abstraktionsniveau, med mindre visualisering, ved at bruge f.eks. simmer i R. For en omfattende dokumentation om “simmer” se venligst den linkede artikel nedenfor.
Den konventionelle tilgang består i at implementere det foreslåede transportørlayout i et simuleringsmiljø. Dernæst indstilles udstyret i overensstemmelse med tekniske specifikationer. Derefter anvendes simuleringseksperimenter iterativt. I løbet af disse iterationer søger simulationsanalytikeren f.eks. at bestemme layoutoptimeringer, men også routingoptimeringer – hvor det er relevant.
Illustrerer kompleksiteten af transportørsystemer
Overvej f.eks. transportbåndslayoutet, der er illustreret i figuren nedenfor. Layoutet illustreret i nedenstående figur omfatter ind- og udløb, fra leveringsprocesser til efterfølgende montage- og/eller slutbehandlingsstationer. Layoutet omfatter endvidere strømme til og fra bufferområder.
Materialestrømmen ændrer sig dynamisk, afhængigt af det overordnede produktionsprogram og masterplan. På tidspunkter overstiger tilgangen af specifikke delfamilier eller batchnumre udstrømningen, f.eks. når der produceres på lager natten over. I sådanne situationer bruges bufferområderne til at lægge dele væk. På andre tidspunkter kan de leverede produktionsprocesser være fremstillingsdelfamilier, der i øjeblikket ikke sendes eller forarbejdes i downstream-processerne (outflow). Dele, hvis de er tilgængelige, plukkes derefter fra bufferen og leveres nedstrøms derfra.
Materialestrømmen kan åbenbart hurtigt blive kompleks. Ruteregler og ruteforhold kan bruges til at bestemme, hvilke dele der skal flyde langs hvilket segment af transportørsystemet. Dette kan beskrives i en matematisk model, hvor objektivfunktionen er den samlede systemgennemstrømning for en eller flere delfamilier. Transportørkapaciteten, især pladespillernes kapacitet, er begrænsningerne for denne matematiske model. Modellen kan derefter optimere over routing-forhold, dvs. når de officielt er defineret som relevante optimeringsvariable.
Optimeringsværktøjer til routing af transportbåndssystem
Der findes forskellige værktøjer til optimering af transportbåndsruter. Et kommercielt værktøj er ikke nødvendigvis påkrævet. Til mindre transportsystemer kan et gratis værktøj bruges. Eller, hvis du har Excel installeret, kan du bruge Excel og Excel Solver til mindre applikationer.
Nedenfor er en liste over nogle artikler, der dækker nogle andre gratis optimeringsværktøjer, som jeg eller andre SCDA-medlemmer allerede har introduceret på denne blog.
- Link: Brug af løsere til optimering i Python
- Link: Optimering med JuMP og GLPK i Julia
- Link: Optimering og modellering i Python
- Link: Lineær optimering med PuLP i Python
Jeg vil dække Excel Solver til routingoptimering i et separat blogindlæg på denne blog.
Proceduremodel for optimering af transportbåndssystem
Som illustration og opsummering af de fleste af mine kommentarer fra oven oprettede jeg en workflow-figur til at beskrive min transportørsystemoptimeringsproceduremodel. Du kan se det nedenfor.
Først udarbejdes et layoutkoncept. Dette vil involvere nogle statiske beregninger, ballpark-tal og tommelfingerregel-estimater. Layoutet er normalt udarbejdet, mens tilgængeligheden af data er knap. Dette trin skal sikre gennemførligheden af den samlede produktionsproces.
Når det første udkast er lavet, skal udstyret konfigureres. Layoutet fortæller, hvor transportører og drejeskiver etc. skal placeres. Men hvilken slags transportør? Hvilken slags kørsel? Svar på denne type spørgsmål vil påvirke udstyrsspecifikationer, f.eks. med hensyn til transportørhastighed og acceleration. Når kinematiske data er angivet for transportudstyret, kan der udføres en statisk kapacitetsberegning. For eksempel, hvis en transportør har en længde på 1 m, og dens hastighed er 1 m/s, kan den, når den kører i konstant fuld hastighed, transportere 3600 dele i timen.
Statisk beregnede kapaciteter videresendes derefter til et matematisk program, hvor udstyrskapaciteter modelleres som optimeringsbegrænsninger. Routing-forhold, som forklaret tidligere i artiklen, er de relevante optimeringsvariable. Det matematiske program vil søge at optimere et defineret mål, f.eks. total systemgennemstrømning. Som følge heraf vil løseren efter at have fuldført dette trin have defineret routing-forhold ved hvert routingpunkt i transportørsystemet – for det tilhørende produktionsscenarie.
Den matematiske model kan allerede føre til en re-design beslutning. Re-design påvirker muligvis kun udstyrskonfigurationen. Men det kan også betyde, at selve layoutet skal laves om.
Det sidste trin er en dynamisk simuleringsmodel . En model af denne art tager højde for dynamiske systemafhængigheder, som blev forsømt af det matematiske program.
Afsluttende bemærkninger om optimering af transportbåndssystem
At springe direkte til simuleringsmodellering er ikke nødvendigvis den rigtige tilgang, når man optimerer et transportørsystem. Det kan være mere effektivt at anvende matematisk modellering først. Simuleringsmodellering skal lette den sidste fase af optimering af transportbåndssystem.
Industriingeniør som gerne beskæftiger sig med optimering, simulation og matematisk modellering i R, SQL, VBA og Python
Leave a Reply