Моделирование в производственных системах - Simulation in manufacturing systems - Wikipedia

Моделирование в производственных системах это использование программного обеспечения для создания компьютерных моделей производственных систем с целью их анализа и получения важной информации. Она была признана второй по популярности наукой об управлении среди руководителей производства.[1][2] Однако его использование было ограничено из-за сложности некоторых пакетов программного обеспечения, а также из-за недостаточной подготовки некоторых пользователей в области вероятности и статистики.

Этот метод представляет собой ценный инструмент, используемый инженерами при оценке эффекта капиталовложений в оборудование и физические объекты, такие как фабрики, склады и распределительные центры. Моделирование может использоваться для прогнозирования производительности существующей или планируемой системы и для сравнения альтернативных решений конкретной проектной проблемы.[3]

Цели

Самая важная цель моделирования на производстве - понимание изменения всей системы из-за некоторых локальных изменений. Легко понять разницу, вызванную изменениями в локальной системе, но очень сложно или невозможно оценить влияние этого изменения на всю систему. Моделирование дает нам некоторую оценку этого воздействия. Меры, которые могут быть получены с помощью имитационного анализа:

  • Количество произведенных деталей за единицу времени
  • Время нахождения в системе по частям
  • Время нахождения деталей в очереди
  • Время, затраченное на транспортировку из одного места в другое
  • В срок доставки произведены
  • Создание инвентаря
  • Инвентарь в процессе
  • Процент использования машин и рабочих.
Использование моделирования в производстве

Некоторые другие преимущества включают Производство точно в срок, расчет оптимальных требуемых ресурсов, проверка предложенной логики работы для управления системой и данные, собранные во время моделирования, которые могут быть использованы в другом месте.

Ниже приведен пример: на производственном предприятии одна машина обрабатывает 100 деталей за 10 часов, но деталей, поступающих в машину за 10 часов, составляет 150. Таким образом, происходит накопление запасов. Этот инвентарь можно уменьшить, время от времени используя другую машину. Таким образом, мы понимаем сокращение накопления местных запасов. Но теперь эта машина производит 150 деталей за 10 часов, которые могут не быть обработаны на следующей машине, и поэтому мы только что переместили производственные запасы с одной машины на другую, не оказывая никакого влияния на общее производство.

Моделирование используется для решения некоторых проблем на производстве, а именно: в мастерской, чтобы увидеть способность системы соответствовать требованиям, иметь оптимальный запас для покрытия отказов машины.[4]

Методы

В прошлом инструменты моделирования производства классифицировались как языки или симуляторы.[4] Языки были очень гибкими инструментами, но довольно сложными для использования менеджерами и отнимали слишком много времени. Симуляторы были более удобными для пользователя, но они поставлялись с довольно жесткими шаблонами, которые недостаточно хорошо адаптировались к быстро меняющимся технологиям производства. В настоящее время доступно программное обеспечение, которое сочетает в себе гибкость и удобство использования обоих, но все же некоторые авторы сообщают, что использование этого моделирования для проектирования и оптимизации производственных процессов относительно невелико.[3][5]

Одним из наиболее часто используемых проектировщиков производственных систем методов является дискретное моделирование событий.[6] Этот тип моделирования позволяет оценить производительность системы путем статистического и вероятностного воспроизведения взаимодействий всех ее компонентов в течение определенного периода времени. В некоторых случаях моделирование производственных систем требует непрерывного моделирования.[7] Это случаи, когда состояния системы постоянно меняются, как, например, при движении жидкостей на нефтеперерабатывающих или химических заводах. Поскольку непрерывное моделирование не может быть смоделировано с помощью цифровых компьютеров, оно выполняется небольшими дискретными шагами. Это полезная функция, поскольку во многих случаях необходимо комбинировать как непрерывное, так и дискретное моделирование. Это называется гибридным моделированием.[8] что необходимо во многих отраслях промышленности, например, в пищевой.[3]

Основа для оценки различных инструментов моделирования производства была разработана Бенедеттини и Тьяджоно (2009).[3] с использованием ISO 9241 определение юзабилити: «степень, в которой продукт может использоваться определенными пользователями для достижения определенных целей с эффективностью, действенностью и удовлетворенностью в определенном контексте использования». Эта структура рассматривала эффективность, результативность и удовлетворенность пользователей в качестве трех следующих основных критериев эффективности:

Критерий эффективностиАтрибуты юзабилити
ЭффективностьТочность: расширение, при котором качество вывода соответствует цели.
ЭффективностьВремя: сколько времени требуется пользователям для выполнения задач с помощью продукта.
Умственные усилия: умственные ресурсы, которые пользователи должны тратить на взаимодействие с продуктом.
Удовлетворенность пользователейПростота использования: общее отношение к продукту
Особое отношение: особое отношение к инструменту или восприятие взаимодействия с ним.

Ниже приводится список популярных методов моделирования:[9]

  1. Дискретное моделирование событий (DES)
  2. Системная динамика (SD)
  3. Агентное моделирование (ПРО)
  4. Интеллектуальное моделирование: основано на интеграции методов моделирования и искусственного интеллекта (AI)
  5. Сеть Петри
  6. Моделирование Монте-Карло (MCS)
  7. Виртуальное моделирование: позволяет пользователю моделировать систему в трехмерной иммерсивной среде.
  8. Гибридные методы: сочетание различных методов моделирования.

Приложения

Количество статей, рассмотренных Jahangirian et al. (2010) по заявке

Ниже приводится список распространенных применений моделирования в производстве:[9]

Число на рисункеЗаявлениеТип моделирования обычно используетсяОписание
1Балансировка сборочного конвейераDESПроектирование и балансировка сборочных линий
2Планирование мощностиDES, SD, Монте-Карло, сеть ПетриНеопределенность из-за изменения уровней мощности, увеличения текущих ресурсов, улучшения текущих операций для увеличения мощности
3Сотовое производствоВиртуальное моделированиеСравнение планирования и составления расписания в CM, сравнение формирования альтернативных ячеек
4Управление транспортировкойDES, ABS, сеть ПетриДоставка готовой продукции из распределительных центров или заводов, маршрутизация транспортных средств, логистика, управление движением, ценообразование при перегрузках
5Расположение объектаГибридные методыРазмещение объектов для минимизации затрат
6ПрогнозированиеSDСравнение разных моделей прогнозирования
7Управление запасамиDES, Монте-КарлоСтоимость хранения, уровни запасов, пополнение, определение размеров партий
8ВовремяDESДизайн канбан-систем
9Технологический процесс-производствоDES, SD, ABS, Монте-Карло, Петри-нет, ГибридУлучшение процесса, проблемы с запуском, проблемы с оборудованием, проектирование нового объекта, измерение производительности
10Технологический инжиниринг-сервисDES, SD, распределенное моделированиеНовые технологии, планирование

правила, емкость, макет, анализ узких мест, измерение производительности

11Планирование производства и

управление запасами

DES, ABS, распределенный, гибридныйСтраховой запас, размер партии, узкие места, правила прогнозирования и календарного планирования
12Распределение ресурсовDESВыделение оборудования для улучшения технологических процессов, сырья для заводов, выбор ресурсов
13ПланированиеDESПроизводительность, надежность доставки, последовательность заданий, планирование производства, минимизация времени простоя, спрос, выпуск заказа
14Система управления цепями поставокDES, SD, ABS, моделирование игр, сеть Петри, распределеннаяНестабильность в цепочке поставок, системах инвентаризации / распределения
15Управление качествомDES, SDОбеспечение качества и контроль качества, качество поставщиков, постоянное совершенствование, полное управление качеством, бережливый подход

Рекомендации

  1. ^ Rasmussen, J.J .; Джордж, Т. (1978). «Спустя 25 лет: опрос выпускников исследовательских программ, Университет Кейс Вестерн Резерв». Интерфейсы. 8 (3): 48–52. Дои:10.1287 / inte.8.3.48.
  2. ^ Lane, Michael S .; Mansour, Ali H .; Харпелл, Джон Л. (1993-04-01). «Методы исследования операций: продольный обзор 1973–1988». Интерфейсы. 23 (2): 63–68. Дои:10.1287 / inte.23.2.63. ISSN  0092-2102.
  3. ^ а б c d Бенедеттини, Орнелла; Тьяджоно, Бенни (13 августа 2008 г.). «На пути к усовершенствованному инструменту для облегчения имитационного моделирования сложных производственных систем». Международный журнал передовых производственных технологий. 43 (1–2): 191–199. Дои:10.1007 / s00170-008-1686-z. ISSN  0268-3768. S2CID  110079763.
  4. ^ а б Веласко, Энио Э. (1 января 1994 г.). «Моделирование производственных систем». Международный журнал непрерывного инженерного образования и обучения на протяжении всей жизни. 4 (1–2): 80–92. Дои:10.1504 / IJCEELL.1994.030292 (неактивно 01.09.2020). ISSN  1560-4624.CS1 maint: DOI неактивен по состоянию на сентябрь 2020 г. (связь)
  5. ^ Ларс Холст; Гуннар Болмшё (01.10.2001). «Моделирование интеграции в разработке производственных систем: исследование японской промышленности». Промышленный менеджмент и системы данных. 101 (7): 339–356. Дои:10.1108 / EUM0000000005822. ISSN  0263-5577.
  6. ^ Детти, Ричард Б.; Йинглинг, Джон К. (1 января 2000 г.). «Количественная оценка преимуществ перехода на бережливое производство с помощью дискретного моделирования событий: тематическое исследование». Международный журнал производственных исследований. 38 (2): 429–445. Дои:10.1080/002075400189509. ISSN  0020-7543. S2CID  110084616.
  7. ^ Робинсон, Стюарт (22.09.2014). Моделирование: практика разработки и использования моделей. Пэлгрейв Макмиллан. ISBN  9781137328038.
  8. ^ Venkateswaran, J .; *, Ю.-Дж. Сын (15.10.2005). «Гибридная системная динамика - архитектура на основе моделирования дискретных событий для иерархического планирования производства». Международный журнал производственных исследований. 43 (20): 4397–4429. CiteSeerX  10.1.1.535.7314. Дои:10.1080/00207540500142472. ISSN  0020-7543. S2CID  17204231.CS1 maint: числовые имена: список авторов (связь)
  9. ^ а б Джахангириан, Мохсен; Эльдаби, Тиллал; Насир, Аиша; Stergioulas, Lampros K .; Янг, Терри (16.05.2010). «Моделирование в производстве и бизнесе: обзор». Европейский журнал операционных исследований. 203 (1): 1–13. Дои:10.1016 / j.ejor.2009.06.004.