🚗 خط مونتاژ خودرو مدل زنده

مبنا — مدل پشت اعداد

هر رابطه‌ای که شبیه‌ساز به کار می‌برد، با منبعش. ثابت‌هایی که به‌عنوان فرض علامت خورده‌اند کالیبراسیون‌های نمونه‌ای‌اند.

OEE حاصل‌ضرب دسترس‌پذیری، عملکرد و کیفیت است که در گلوگاه اندازه‌گیری می‌شود؛ برابر است با زمان چرخه ایده‌آل × قطعه‌های سالم ÷ زمان برنامه‌ریزی‌شده.

OEE = A × P × Q; A = (T_plan − T_stop)/T_plan, P = CT_ideal · N_bn / (T_plan − T_stop), Q = N_first-pass / N_out; OEE = CT_ideal · N_good / T_plan when N_bn = N_out[1][2]این حاصل‌ضرب فقط وقتی برابر زمان چرخه ایده‌آل × قطعات سالم ÷ زمان برنامه‌ریزی‌شده است که خروجی گلوگاه با خروجی خط برابر باشد؛ قطعاتی که هنوز بین ایستگاه 3 و پایان خط هستند اختلاف کوچکی ایجاد می‌کنند.

یک ایستگاه قطعه را فقط وقتی جلو می‌دهد که بافر بعدی جا داشته باشد (وگرنه مسدود می‌شود) و فقط وقتی شروع می‌کند که بافر قبلی قطعه داشته باشد (وگرنه گرسنه می‌ماند).

station i: cycle = c_i / v; moves on iff buffer_i < K (else blocked); starts iff buffer_{i−1} > 0 (else starved)[3][4]

خط هرگز نمی‌تواند سریع‌تر از کندترین ایستگاهش کار کند؛ زمان تاکت برابر است با زمان در دسترس تقسیم بر تقاضا.

r_line ≤ r_b = v / max_i c_i; takt = available time / demand = 60 / plan [min/unit][5][7]

تنش سرعت: تلفات ناشی از سرعت هرچه خط به حد تجهیزات و اپراتورها (105 % سرعت نامی) نزدیک‌تر شود، بی‌کران افزایش می‌یابند.

σ_n(v) = ((1.05 − 0.85) / (1.05 − v))^n (σ = 1 at 85 %; σ_1: 2× at 95 %, 4× at 100 %; σ_2: 4× at 95 %, 16× at 100 %)فرض: زمان‌های چرخه، زمان‌های خرابی و تعمیر، نرخ عیب و توقف کاذب، قانون تنش سرعت و اندازه تیم‌ها مقادیر نمایشی هستند و داده‌های یک کارخانه واقعی نیستند.

ایستگاه‌ها فقط هنگام کار خراب می‌شوند و هرچه خط به حد خود نزدیک‌تر کار کند بیشتر؛ وقتی تکنسین دوم می‌پیوندد زمان تعمیر کوتاه می‌شود.

P(fail in Δt) = 1 − exp(−λ_i · t_work), λ_i = σ_1(v) / MTBF_i; repair work ~ Erlang-3(mean MTTR_i), done at rate 1 + 0.6·(n−1), n ≤ 2[4][1]فرض: زمان‌های چرخه، زمان‌های خرابی و تعمیر، نرخ عیب و توقف کاذب، قانون تنش سرعت و اندازه تیم‌ها مقادیر نمایشی هستند و داده‌های یک کارخانه واقعی نیستند.

عیب‌ها با سرعت حتی تندتر از خرابی‌ها بالا می‌روند. با آندون، بیشتر عیب‌ها در همان ایستگاه گرفته و رفع می‌شوند، به بهای توقف‌های کوتاه (که بعضی‌شان هشدار کاذب‌اند)؛ در غیر این صورت، آزمون پایان خط بخشی را می‌گیرد و بقیه فرار می‌کنند.

p_i = p0_i · σ_2(v) (+0.12 excursion at S4); andon: detect 90 %, stop 1.5 min, fix; false stops 0.3 % · σ_2(v) per unit and station; end-of-line test catches 70 %[7][1]فرض: زمان‌های چرخه، زمان‌های خرابی و تعمیر، نرخ عیب و توقف کاذب، قانون تنش سرعت و اندازه تیم‌ها مقادیر نمایشی هستند و داده‌های یک کارخانه واقعی نیستند.

قانون لیتل: میانگین زمان عبور از خط برابر است با کار در جریان تقسیم بر نرخ خروجی.

lead time W = WIP / throughput (L = λW)[6][5]

سایر ثابت‌های عملیاتی مورد استفاده در مدل.

cycle c = 0.62/0.64/0.90/0.75/0.72 min at rated speed (S3 = bottleneck) · MTBF 120/100/200/110/150 min of work, MTTR 4/4/3/4/3 min at 85 % speed · S2 part replacement 40 technician-min · p0 = 0.15/0.15/0.2/0.2/0.05 % per unit · excursion contained after 3 andon pulls or 15 units caught at test · rework 4 min/unit, team of 3 for 1 h per call · 40 line operators · moving averages over 30 minفرض: زمان‌های چرخه، زمان‌های خرابی و تعمیر، نرخ عیب و توقف کاذب، قانون تنش سرعت و اندازه تیم‌ها مقادیر نمایشی هستند و داده‌های یک کارخانه واقعی نیستند.

تصادفی‌بودن: یک مولد mulberry32 با seed؛ توزیع‌های به‌کاررفته — یکنواخت، نمایی (وارون CDF)، نرمال (Box–Muller)، پواسون (Knuth). seed نمایش داده می‌شود و قابل اشتراک است.

منابع

1. S. Nakajima — Introduction to TPM: Total Productive Maintenance (OEE = availability × performance × quality; six big losses) — Productivity Press, 1988
2. ISO 22400-2:2014 — Automation systems and integration — KPIs for manufacturing operations management — Part 2: Definitions and descriptions (availability, effectiveness, quality ratio, OEE index) — ISO, 2014
3. J. A. Buzacott, J. G. Shanthikumar — Stochastic Models of Manufacturing Systems (flow lines with finite buffers, blocking, starvation) — Prentice Hall, 1993
4. Y. Dallery, S. B. Gershwin — Manufacturing flow line systems: a review of models and analytical results (operation-dependent failures, blocking after service) — Queueing Systems 12, 1992
5. W. J. Hopp, M. L. Spearman — Factory Physics, 3rd ed. (bottleneck rate, variability buffering, Little’s law) — Waveland Press, 2011
6. J. D. C. Little — A Proof for the Queuing Formula L = λW — Operations Research 9(3), 1961
7. T. Ohno — Toyota Production System: Beyond Large-Scale Production (jidoka, stopping the line on abnormalities, takt) — Productivity Press, 1988