🚗 ഓട്ടോമോട്ടീവ് അസംബ്ലി ലൈൻ ലൈവ് മോഡൽ

അടിസ്ഥാനം — സംഖ്യകൾക്ക് പിന്നിലെ മോഡൽ

സിമുലേറ്റർ ഉപയോഗിക്കുന്ന ഓരോ ബന്ധവും അതിന്റെ ഉറവിടം സഹിതം. അനുമാനങ്ങളായി അടയാളപ്പെടുത്തിയ സ്ഥിരാങ്കങ്ങൾ ഉദാഹരണത്തിനുള്ള കാലിബ്രേഷനുകളാണ്.

OEE ലഭ്യത, പ്രകടനം, ഗുണനിലവാരം എന്നിവയെ ഗുണിക്കുന്നു, ബോട്ടിൽനെക്കിൽ അളക്കുന്നു; ഇത് ആദർശ സൈക്കിൾ സമയം × നല്ല യൂണിറ്റുകൾ ÷ ആസൂത്രിത സമയത്തിന് തുല്യമാണ്.

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]ഗുണനഫലം അനുയോജ്യ സൈക്കിൾ സമയം × നല്ല യൂണിറ്റുകൾ ÷ ആസൂത്രിത സമയം എന്നതിന് തുല്യമാകുന്നത് ബോട്ടിൽനെക്കിന്റെ ഔട്ട്പുട്ട് ലൈനിന്റെ ഔട്ട്പുട്ടിന് തുല്യമായിരിക്കുമ്പോൾ മാത്രമാണ്; സ്റ്റേഷൻ 3-നും ലൈനിന്റെ അറ്റത്തിനും ഇടയിൽ ഇപ്പോഴും ഉള്ള യൂണിറ്റുകൾ ചെറിയ വ്യത്യാസം വരുത്തുന്നു.

അടുത്ത ബഫറിൽ സ്ഥലമുണ്ടെങ്കിൽ മാത്രമേ (ഇല്ലെങ്കിൽ ബ്ലോക്ക് ആയി) ഒരു സ്റ്റേഷൻ അതിന്റെ യൂണിറ്റ് കൈമാറൂ, മുമ്പത്തെ ബഫറിൽ യൂണിറ്റുണ്ടെങ്കിൽ മാത്രമേ (ഇല്ലെങ്കിൽ പട്ടിണി) തുടങ്ങൂ.

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

ലൈനിന് അതിന്റെ ഏറ്റവും മന്ദഗതിയിലുള്ള സ്റ്റേഷനെക്കാൾ വേഗത്തിൽ ഒരിക്കലും ഓടാനാവില്ല; ടാക്റ്റ് സമയം ലഭ്യമായ സമയത്തെ ഡിമാൻഡ് കൊണ്ട് ഹരിച്ചതാണ്.

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

വേഗ സമ്മർദ്ദം: ലൈൻ അതിന്റെ ഉപകരണങ്ങളുടെയും ഓപ്പറേറ്റർമാരുടെയും പരിധിയിലേക്ക് (റേറ്റ് ചെയ്ത വേഗതയുടെ 105 %) അടുക്കുമ്പോൾ വേഗത മൂലമുള്ള നഷ്ടങ്ങൾ പരിധിയില്ലാതെ വളരുന്നു.

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 %)അനുമാനം: സൈക്കിൾ സമയങ്ങൾ, തകരാർ-അറ്റകുറ്റപ്പണി സമയങ്ങൾ, ഡിഫെക്റ്റ്, വ്യാജ നിർത്തൽ നിരക്കുകൾ, വേഗ-സമ്മർദ്ദ നിയമം, ടീം വലിപ്പങ്ങൾ എന്നിവ ചിത്രീകരണ മൂല്യങ്ങളാണ്, ഒരു യഥാർത്ഥ പ്ലാന്റിൽ നിന്നുള്ള ഡാറ്റയല്ല.

സ്റ്റേഷനുകൾ പ്രവർത്തിക്കുമ്പോൾ മാത്രമേ തകരാറിലാകൂ, ലൈൻ പരിധിയോട് അടുക്കുന്തോറും കൂടുതൽ തവണ; രണ്ടാമത്തെ ടെക്നീഷ്യൻ ചേരുമ്പോൾ അറ്റകുറ്റപ്പണി സമയം കുറയുന്നു.

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]അനുമാനം: സൈക്കിൾ സമയങ്ങൾ, തകരാർ-അറ്റകുറ്റപ്പണി സമയങ്ങൾ, ഡിഫെക്റ്റ്, വ്യാജ നിർത്തൽ നിരക്കുകൾ, വേഗ-സമ്മർദ്ദ നിയമം, ടീം വലിപ്പങ്ങൾ എന്നിവ ചിത്രീകരണ മൂല്യങ്ങളാണ്, ഒരു യഥാർത്ഥ പ്ലാന്റിൽ നിന്നുള്ള ഡാറ്റയല്ല.

വേഗത കൂടുമ്പോൾ ബ്രേക്ക്ഡൗണുകളേക്കാൾ കൂടുതൽ കുത്തനെ ഡിഫെക്റ്റുകൾ ഉയരുന്നു. ആൻഡൺ ഉപയോഗിച്ചാൽ മിക്ക ഡിഫെക്റ്റുകളും സ്റ്റേഷനിൽ തന്നെ പിടിച്ച് പരിഹരിക്കപ്പെടും, ചെറിയ നിർത്തലുകളുടെ (ചിലത് വ്യാജ അലാറങ്ങൾ) വിലയിൽ; അല്ലാത്തപക്ഷം ലൈനിന്റെ അറ്റത്തുള്ള പരിശോധന ചിലത് പിടിക്കും, ബാക്കി രക്ഷപ്പെടും.

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]അനുമാനം: സൈക്കിൾ സമയങ്ങൾ, തകരാർ-അറ്റകുറ്റപ്പണി സമയങ്ങൾ, ഡിഫെക്റ്റ്, വ്യാജ നിർത്തൽ നിരക്കുകൾ, വേഗ-സമ്മർദ്ദ നിയമം, ടീം വലിപ്പങ്ങൾ എന്നിവ ചിത്രീകരണ മൂല്യങ്ങളാണ്, ഒരു യഥാർത്ഥ പ്ലാന്റിൽ നിന്നുള്ള ഡാറ്റയല്ല.

ലിറ്റിൽ നിയമം: ലൈനിലൂടെയുള്ള ശരാശരി സമയം പ്രോസസ്സിലുള്ള ജോലിയെ ത്രൂപുട്ട് കൊണ്ട് ഹരിച്ചതിന് തുല്യമാണ്.

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

മോഡൽ ഉപയോഗിക്കുന്ന മറ്റ് പ്രവർത്തന സ്ഥിരാങ്കങ്ങൾ.

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 minഅനുമാനം: സൈക്കിൾ സമയങ്ങൾ, തകരാർ-അറ്റകുറ്റപ്പണി സമയങ്ങൾ, ഡിഫെക്റ്റ്, വ്യാജ നിർത്തൽ നിരക്കുകൾ, വേഗ-സമ്മർദ്ദ നിയമം, ടീം വലിപ്പങ്ങൾ എന്നിവ ചിത്രീകരണ മൂല്യങ്ങളാണ്, ഒരു യഥാർത്ഥ പ്ലാന്റിൽ നിന്നുള്ള ഡാറ്റയല്ല.

ക്രമരാഹിത്യം: സീഡ് ഉള്ള mulberry32 ജനറേറ്റർ; ഉപയോഗിക്കുന്ന വിതരണങ്ങൾ — യൂണിഫോം, എക്സ്പോണൻഷ്യൽ (ഇൻവേഴ്സ് CDF), നോർമൽ (Box–Muller), പോയിസൺ (Knuth). സീഡ് കാണിക്കുകയും പങ്കിടാൻ കഴിയുകയും ചെയ്യും.

ഉറവിടങ്ങൾ

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