🚗 Ավտոմոբիլների հավաքման գիծ Կենդանի մոդել

Հիմք — թվերի հետևում գտնվող մոդելը

Սիմուլյատորի օգտագործած յուրաքանչյուր առնչություն՝ իր աղբյուրով։ Ենթադրություն նշված հաստատուններ պատկերավոր չափաբերումներ են։

OEE-ն բազմապատկում է հասանելիությունը, արդյունավետությունը և որակը՝ չափված նեղ տեղում. այն հավասար է իդեալական ցիկլի ժամանակ × լավ միավորներ ÷ պլանավորված ժամանակ։

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]Արտադրյալը հավասար է իդեալական ցիկլի ժամանակ × լավ միավորներ ÷ պլանավորված ժամանակ միայն այնքան ժամանակ, քանի դեռ նեղ տեղի արտադրանքը հավասար է գծի արտադրանքին. 3-րդ դիրքի և գծի վերջի միջև դեռ գտնվող միավորները փոքր տարբերություն են մտցնում։

Կայանը իր միավորը փոխանցում է միայն եթե հաջորդ բուֆերում տեղ կա (այլապես արգելափակված է) և սկսում է միայն եթե նախորդ բուֆերում միավոր կա (այլապես սովածացած է)։

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

Գիծը երբեք չի կարող աշխատել իր ամենադանդաղ կայանից արագ. տակտի ժամանակը հասանելի ժամանակն է՝ բաժանած պահանջարկի վրա։

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

Արագության սթրես՝ արագությամբ պայմանավորված կորուստները աճում են առանց սահմանի, երբ գիծը մոտենում է իր սարքավորումների և օպերատորների սահմանին (անվանական արագության 105 %)։

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 %)Ենթադրություն՝ ցիկլի ժամանակները, խափանման և վերանորոգման ժամանակները, թերությունների և կեղծ կանգառների մակարդակները, արագության սթրեսի օրենքը և թիմերի չափերը ցուցադրական արժեքներ են, ոչ թե իրական գործարանի տվյալներ։

Դիրքերը խափանվում են միայն աշխատելիս, այնքան ավելի հաճախ, որքան գիծը մոտ է աշխատում իր սահմանին. վերանորոգման ժամանակը կրճատվում է, երբ միանում է երկրորդ տեխնիկը։

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]Ենթադրություն՝ ցիկլի ժամանակները, խափանման և վերանորոգման ժամանակները, թերությունների և կեղծ կանգառների մակարդակները, արագության սթրեսի օրենքը և թիմերի չափերը ցուցադրական արժեքներ են, ոչ թե իրական գործարանի տվյալներ։

Թերությունները արագության հետ աճում են նույնիսկ ավելի կտրուկ, քան խափանումները։ Անդոնով թերությունների մեծ մասը բռնվում և շտկվում է դիրքում՝ կարճ կանգառների գնով (որոնցից մի քանիսը կեղծ տագնապներ են). հակառակ դեպքում գծի վերջի թեստը մի քանիսը բռնում է, իսկ մնացածը դուրս են սահում։

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]Ենթադրություն՝ ցիկլի ժամանակները, խափանման և վերանորոգման ժամանակները, թերությունների և կեղծ կանգառների մակարդակները, արագության սթրեսի օրենքը և թիմերի չափերը ցուցադրական արժեքներ են, ոչ թե իրական գործարանի տվյալներ։

Լիթլի օրենք. գծով միջին ժամանակը հավասար է ընթացքի մեջ գտնվող աշխատանքին՝ բաժանած թողունակության վրա։

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

Մոդելի օգտագործած այլ գործառնական հաստատուններ։

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 minԵնթադրություն՝ ցիկլի ժամանակները, խափանման և վերանորոգման ժամանակները, թերությունների և կեղծ կանգառների մակարդակները, արագության սթրեսի օրենքը և թիմերի չափերը ցուցադրական արժեքներ են, ոչ թե իրական գործարանի տվյալներ։

Պատահականություն՝ սերմով mulberry32 գեներատոր, օգտագործվող բաշխումներ՝ հավասարաչափ, էքսպոնենցիալ (հակադարձ CDF), նորմալ (Box–Muller), Պուասոն (Knuth)։ Սերմը ցուցադրվում է և կարող է կիսվել։

Աղբյուրներ

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