Quero mostrar como você pode otimizar um sistema de transporte com uma combinação de modelagem matemática e simulação de eventos discretos (DES). Este é um acréscimo à rica variedade de exemplos de otimização de transportadores disponíveis na indústria. No entanto, como explicarei neste artigo, o fluxo de trabalho e o procedimento propostos por mim levam a resultados significativamente melhores com um esforço muito menor.
A simulação facilita a abordagem usual de otimização
É um equívoco comum que sistemas de transportadores complexos (sempre) requerem (apenas) simulação. Isso não está correto. Como explicarei neste artigo, recomendo aplicar uma abordagem dupla que primeiro otimiza as taxas de roteamento e depois implementa o layout e as regras de roteamento derivadas matematicamente em uma simulação dinâmica. No entanto, continua sendo a abordagem convencional usar modelagem de simulação de eventos discretos para testar conceitos e layouts de transportadores.
Aqui estão alguns exemplos de modelos simples, incluindo exemplos simples de transportadores. Pense nestes exemplos simples em um cenário mais complexo, ou seja, um layout de transportador mais complexo:
- Link: Simulação de transportador em AnyLogic
- Link: Simulação de KPI financeiro de componentes visuais
Outras ferramentas populares para simulações de transportadores (além do AnyLogic) são simio, AutoMOD, Plant Simulation, FlexSim e assim por diante. Você pode até mesmo modelar sistemas de transporte em um nível de abstração mais alto, com menos visualização, usando, por exemplo, ferver em R. Para obter uma documentação abrangente sobre “simmer”, consulte o artigo vinculado abaixo.
A abordagem convencional consiste em implementar o layout do transportador proposto em um ambiente de simulação. Em seguida, o equipamento é ajustado de acordo com as especificações técnicas. Em seguida, os experimentos de simulação são aplicados iterativamente. Durante essas iterações, o analista de simulação, por exemplo, procura determinar otimizações de layout, mas também otimizações de roteamento – quando aplicável.
Ilustrando a complexidade dos sistemas de transporte
Por exemplo, considere o layout do transportador ilustrado na figura abaixo. O layout ilustrado na figura abaixo compreende os fluxos de entrada e saída, desde os processos de fornecimento até as estações de montagem e/ou processamento final subsequentes. Além disso, o layout compreende fluxos de e para áreas de amortecimento.
O fluxo de material muda dinamicamente, sujeito ao programa geral de produção e ao cronograma mestre. Em determinados momentos, o fluxo de entrada de famílias de peças específicas ou números de lote excede o fluxo de saída, por exemplo, ao produzir em estoque durante a noite. Em tais situações, as áreas de amortecimento são usadas para guardar peças. Outras vezes, os processos de produção de fornecimento podem ser famílias de peças de fabricação que atualmente não são enviadas ou processadas nos processos a jusante (outflow). As peças, se disponíveis, são então retiradas do buffer e fornecidas a jusante de lá.
Evidentemente, o fluxo de material pode rapidamente se tornar complexo. Regras de roteamento e taxas de roteamento podem ser usadas para determinar quais peças devem fluir ao longo de qual segmento do sistema de transporte. Isso pode ser descrito em um modelo matemático, no qual a função objetivo é o rendimento total do sistema para uma ou várias famílias de peças. As capacidades dos transportadores, especialmente as capacidades das mesas giratórias, são as restrições a este modelo matemático. O modelo pode então otimizar as taxas de roteamento, ou seja, uma vez que tenham sido oficialmente definidas como variáveis de otimização relevantes.
Ferramentas de otimização para roteamentos de sistemas de transporte
Existem várias ferramentas para otimização de roteamento de transportadores. Uma ferramenta comercial não é necessariamente necessária. Para sistemas de transporte menores, uma ferramenta gratuita pode ser usada. Ou, se você tiver o Excel instalado, poderá usar o Excel e o Excel Solver para aplicativos menores.
Abaixo está uma lista de alguns artigos que cobrem algumas outras ferramentas de otimização gratuitas que eu ou outros membros do SCDA já apresentamos neste blog.
- Link: Usando solucionadores para otimização em Python
- Link: Otimização com JuMP e GLPK em Julia
- Link: Otimização e modelagem em Python
- Link: Otimização linear com PuLP em Python
Abordarei o Excel Solver para otimização de roteamento em uma postagem de blog separada neste blog.
Modelo de procedimento para otimização do sistema de transporte
Ilustrando e resumindo a maioria dos meus comentários acima, criei uma figura de fluxo de trabalho para descrever meu modelo de procedimento de otimização do sistema de transporte. Você pode ver abaixo.
Primeiro, é elaborado um conceito de layout. Isso envolverá alguns cálculos estáticos, números aproximados e estimativas práticas. O layout geralmente é elaborado enquanto a disponibilidade de dados é escassa. Esta etapa deve garantir a viabilidade de todo o processo de produção.
Feito o esboço inicial, o equipamento deve ser configurado. O layout indica onde os transportadores e as plataformas giratórias, etc., devem ser colocados. Mas que tipo de transportador? Que tipo de unidade? As respostas a esses tipos de perguntas afetarão as especificações do equipamento, por exemplo, em termos de velocidade e aceleração do transportador. Quando os dados cinemáticos foram especificados para o equipamento transportador, um cálculo de capacidade estática pode ser realizado. Por exemplo, se um transportador tem um comprimento de 1 m e sua velocidade é de 1 m/s, ele pode, operando em velocidade máxima constante, transportar 3600 peças por hora.
As capacidades calculadas estaticamente são então encaminhadas para um programa matemático no qual as capacidades dos equipamentos são modeladas como restrições de otimização. As taxas de roteamento, conforme explicado anteriormente no artigo, são as variáveis de otimização relevantes. O programa matemático procurará otimizar um objetivo definido, por exemplo, o rendimento total do sistema. Consequentemente, após concluir esta etapa, o solver terá definido as taxas de roteamento em cada ponto de roteamento no sistema de transporte – para o cenário de produção associado.
O modelo matemático já pode levar a uma decisão de reprojeto. O reprojeto pode afetar apenas a configuração do equipamento. Mas também pode significar que o layout em si precisa ser refeito.
A etapa final é um modelo de simulação dinâmica . Um modelo desse tipo leva em conta as interdependências dinâmicas do sistema que foram negligenciadas pelo programa matemático.
Observações finais sobre a otimização do sistema de transporte
Ir direto para a modelagem de simulação não é necessariamente a abordagem correta ao otimizar um sistema de transporte. Pode ser mais eficiente aplicar a modelagem matemática primeiro. A modelagem de simulação deve facilitar o estágio final de otimização do sistema de transporte.
Cientista de dados com foco em simulação, otimização e modelagem em R, SQL, VBA e Python
Leave a Reply