Lini perakitan otomotif Model langsung

Anda menjalankan satu shift pada segmen lini perakitan akhir kendaraan: lima stasiun berurutan dengan jalur buffer kecil di antaranya. Setiap penghentian beriak naik dan turun di lini, setiap cacat entah diperbaiki di stasiun atau terbawa ke hilir, dan shift punya rencana produksi untuk dicapai.

Apa yang akan Anda pelajari

Simulator

Waktu 0 mnt
OEE 0,0% · Output vs rencana 100,0% · Work in process 13 · Cacat lolos 0 · S1 Bekerja, S2 Bekerja, S3 Bekerja, S4 Bekerja, S5 BekerjaS1▶S2▶S3 ★▶S4▶S5▶3/33/31/31/3⚙ Throughput 50,0 · Laju vs takt 100% · Lead time melewati lini 16 mntOEE 0,0 % = ketersediaan 100,0 × performa 0,0 × kualitas 100,0📋 0 / 0 (100,0%) · ⚑ 0🔧 Unit menunggu di bengkel perbaikan 0 · ⚠ Cacat lolos 0
  • Bekerja
  • Kelaparan (tak ada unit)
  • Terblokir (tak ada ruang di hilir)
  • Rusak
  • Penghentian andon
  • Unit di jalur buffer

Kontrol

Persen dari kecepatan terukur. Siklus lebih cepat menaikkan output — dan juga laju kerusakan dan cacat.

Jumlah unit yang dapat ditampung tiap jalur antar stasiun. Lebih besar memisahkan gangguan, tetapi menambah work in process.

Tiap teknisi memperbaiki satu stasiun; bottleneck dilayani lebih dulu, teknisi kedua mempercepat perbaikan.

Operator menghentikan stasiunnya untuk memperbaiki cacat di tempat. Ini mengorbankan waktu operasi — termasuk pemberhentian karena kelainan yang ternyata bukan masalah — tetapi mencegah cacat terus berjalan.

Tim tiga orang memperbaiki unit yang tertangkap pada uji akhir lini selama satu jam, sehingga dapat dikirim.

Indikator

OEE
0,0%
kritis
Output vs rencana
100,0%
normal
Cacat lolos
0
normal
Work in process
13
normal
Ketersediaan100,0 %
Performa0,0 %
Tingkat kualitas100,0 %
Laju vs takt100 %
Throughput50,0 JPH
Unit di depan (+) / di belakang (−) rencana0
Lead time melewati lini16 min
Unit menunggu di bengkel perbaikan0
Jam kerja per unit0,00 h
Stasiun mati0
Bottleneck menganggur (kelaparan atau terblokir)0,0 %

Tren

OEE: — %100,00,0

Skenario krisis

Level 1 · Lindungi bottleneck dari henti di hulu

Rencana: 50 unit per jam untuk setengah shift empat jam. Stasiun 3 adalah bottleneck lini dan hanya satu teknisi pemeliharaan yang bertugas. Bagian pemeliharaan melaporkan bahwa komponen aus di stasiun 2 — tepat di depan bottleneck — harus diganti pada menit ke-35: pekerjaan 40 menit untuk satu teknisi.

  • Keluaran ≥ 101 % dari rencana di akhir setengah shift
  • Bottleneck menganggur ≤ 7 % dari waktu
  • Work in process rata-rata ≤ 18 unit

Level 2 · Penyimpangan kualitas di stasiun trim

Rencana: 52 unit per jam untuk setengah shift empat jam, dan sepuluh unit dari shift sebelumnya masih menunggu di area perbaikan. Dua puluh menit kemudian, masalah pengikatan muncul di stasiun 4: sekitar satu dari delapan unit keluar dengan cacat. Pengujian akhir lini menangkap sebagian besar — tidak semuanya.

  • Paling banyak 1 cacat lolos ke pelanggan
  • Keluaran ≥ 104 % dari rencana di akhir (unit tunggakan yang diperbaiki dihitung)
  • Paling banyak 3 unit tersisa di bengkel perbaikan
  • Work in process rata-rata ≤ 16 unit

Level 3 · Lonjakan permintaan

Lini telah berjalan pada kecepatan 80 % untuk rencana 47 unit per jam. Dua puluh menit setelah setengah shift dimulai, bagian penjualan menaikkan rencana menjadi 56 unit per jam — takt time turun dari sekitar 1,28 menjadi 1,07 menit, dan bottleneck tidak sanggup mengimbangi pada 80 %. Lembur tidak diizinkan.

  • Keluaran ≥ 102 % dari rencana setelah dua jam
  • Keluaran ≥ 103 % dari rencana di akhir setengah shift
  • Paling banyak 1 cacat lolos ke pelanggan
  • Work in process rata-rata ≤ 20 unit

Dasar — model di balik angka

Setiap hubungan yang dipakai simulator, beserta sumbernya. Konstanta yang ditandai sebagai asumsi adalah kalibrasi ilustratif.

OEE mengalikan ketersediaan, performa, dan kualitas, diukur pada bottleneck; sama dengan waktu siklus ideal × unit baik ÷ waktu terencana.
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]Hasil kali tersebut sama dengan waktu siklus ideal × unit baik ÷ waktu terencana hanya selama keluaran bottleneck sama dengan keluaran lini; unit yang masih berada di antara stasiun 3 dan ujung lini membuat sedikit perbedaan.
Sebuah stasiun meneruskan unitnya hanya jika buffer berikutnya punya ruang (jika tidak, ia terblokir) dan mulai hanya jika buffer sebelumnya punya unit (jika tidak, ia kelaparan).
station i: cycle = c_i / v; moves on iff buffer_i < K (else blocked); starts iff buffer_{i−1} > 0 (else starved)[3][4]
Lini tidak pernah bisa berjalan lebih cepat dari stasiun paling lambat; takt time adalah waktu tersedia dibagi permintaan.
r_line ≤ r_b = v / max_i c_i; takt = available time / demand = 60 / plan [min/unit][5][7]
Stres kecepatan: kerugian yang didorong oleh kecepatan tumbuh tanpa batas saat lini mendekati batas peralatan dan operatornya (105 % dari kecepatan nominal).
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 %)Asumsi: waktu siklus, waktu kerusakan dan perbaikan, laju cacat dan henti palsu, hukum stres kecepatan, serta ukuran tim adalah nilai ilustrasi, bukan data dari pabrik nyata.
Stasiun rusak hanya saat bekerja, semakin sering semakin dekat lini berjalan ke batasnya; waktu perbaikan menyusut ketika teknisi kedua bergabung.
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]Asumsi: waktu siklus, waktu kerusakan dan perbaikan, laju cacat dan henti palsu, hukum stres kecepatan, serta ukuran tim adalah nilai ilustrasi, bukan data dari pabrik nyata.
Cacat naik lebih tajam lagi terhadap kecepatan dibandingkan kerusakan. Dengan andon sebagian besar cacat tertangkap dan diperbaiki di stasiun, dengan biaya berhenti singkat (sebagian merupakan alarm palsu); jika tidak, pengujian akhir lini menangkap sebagian dan sisanya lolos.
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]Asumsi: waktu siklus, waktu kerusakan dan perbaikan, laju cacat dan henti palsu, hukum stres kecepatan, serta ukuran tim adalah nilai ilustrasi, bukan data dari pabrik nyata.
Hukum Little: waktu rata-rata melewati lini sama dengan work in process dibagi throughput.
lead time W = WIP / throughput (L = λW)[6][5]
Konstanta operasi lain yang dipakai model.
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 minAsumsi: waktu siklus, waktu kerusakan dan perbaikan, laju cacat dan henti palsu, hukum stres kecepatan, serta ukuran tim adalah nilai ilustrasi, bukan data dari pabrik nyata.

Keacakan: generator mulberry32 ber-seed; distribusi yang dipakai — seragam, eksponensial (CDF invers), normal (Box–Muller), Poisson (Knuth). Seed ditampilkan dan dapat dibagikan.

Sumber

  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

Siapa yang melakukan ini sebagai profesi

Model edukasi — bukan untuk keputusan operasional. Situs nyata mengkalibrasi setiap konstanta sesuai peralatan dan data mereka sendiri.