Nem tudja véletlenül, hogy mennyit fogunk termelni?

Nagyon sok olyan felhasználónk van, ahol manuális szerelés történik a sorokon… ilyenkor a szimuláció igazán nagy segítséget nyújthat… miért is? Ugyebár az egyszeri gyártástervező mit csinál, amikor sort tervez? Megnézni a legmagasabb taktidejű állomás idejét, elosztja vele a műszakban rendelkezésre álló időt, és ezzel megkapja a sor kapacitását, azt, hogy mennyit fog gyártani a sor. Szuper, és ezzel itt vége is lehetne ennek a cikknek, ha…

… a valóság nem más lenne. Gondoljunk csak bele, attól, hogy egy állomás taktideje 45 másodperc, az azt is jelenti, hogy a dolgozó néha 35, néha 50 másodperc alatt készíti el a munkáját, mert ugyebár anyaghiány, leesett a csavar, stb. No már most, ha két ilyen állomás mondjuk egymás mögött egyszerre produkál a tervezettnél nagyobb taktidőt, és esetleg még ezt sikerül többször egymás után megcsinálni, akkor olyan késést hozhatnak össze, amit már normálisan lehet, hogy nem tud ledolgozni a sor. Az ilyen “emberi” tényezők elemzésére is nagyon hasznos a szimuláció, a Plant Simulation.

Használjuk a Sequential Sampler komponenst, ahol megadjuk, hogy a termelt darabszámot vizsgálja, és azt mondja meg, hogy a különböző tényezők figyelembe vételével hány darabot fogunk legyártani többszöri futtatást vizsgálva.

Az első videóban fix taktidővel három állomás van egymás mögött, és azok gyártását futtatjuk le egy napra. A kapott darabszám megegyezik az elméletileg kiszámolt 640 darabbal.

A második esetben mindhárom állomáson egy időtartományt adtunk meg taktidőként, először véletlen számot generálunk a két szám között, a második esetben pedig normál eloszlással vizsgáljuk meg a darabszámot. A kapott értékek: [616, 629] és [597, 615]… huhh… ez azért izgalmas. Szóval, ha belevesszük az emberi tényezővel egy kis instabilitást a folyamatba, akkor már lehet, hogy közel 10%-kal kevesebbet gyártunk? Az elméletinél ugyebár többet nem fogunk gyártani, szóval minél reálisabb a modell, annál inkább romlik a helyzet 🙁

A harmadik esetben megadtunk rendelkezésreállást (meghibásodást) is a munkahelyekre. Ugyebár ezek is véletlenszerűen (valamilyen eloszlás szerint) történnek. Meg is van a hatásuk, a várható darabszám [509, 583] tartományba esik, vagyis jó esetben az elméletinél csak 10%-kal, de rossz esetben az elméletinél kb. 20%-kal kevesebbet gyártunk… Durva…

A negyedik esetben puffereket illesztettünk be az állomások közé, azért, hogy tompítsuk a zavarok hatását. Attól függően, hogy a puffer mérete mekkora (1, 2 vagy 4 alkatrész tárolására alkalmas), jól látható, hogy sikerült növelni a darabszámot a zavarok (meghibásodások, idő eloszlások) hatásának csökkentésével. Sőt a megfelelő puffermérettel jó esetben akár már az elméletihez nagyon közeli darabszámot is tudunk hozni.

Lássuk az eredményeket táblázatosan összefoglalva, miközben nem felejtjük el, hogy az elméleti darabszám 640 darab volt.

lean

Hát remélem, hogy ez a kis példa tanulságos volt… én most elmentem Stuttgartba a Plant Simulation Worldwide User konferenciára, majd jelentkezem onnan is hírekkel, újdonságokkal 😉

 

You may also like...

Leave a Reply