Bilmonteringslinje Levende modell

Du leder ett skift på en del av en sluttmonteringslinje for biler: fem stasjoner i serie med små bufferbaner mellom dem. Hvert stopp forplanter seg opp og ned linjen, hver feil rettes enten på stasjonen eller følger med videre, og skiftet har en produksjonsplan å nå.

Dette lærer du

Simulator

Tid 0 min
OEE 0,0% · Produksjon mot plan 100,0% · Varer i arbeid 13 · Feil som slapp gjennom 0 · S1 Arbeider, S2 Arbeider, S3 Arbeider, S4 Arbeider, S5 ArbeiderS1▶S2▶S3 ★▶S4▶S5▶3/33/31/31/3⚙ Gjennomstrømning 50,0 · Tempo mot taktid 100% · Ledetid gjennom linjen 16 minOEE 0,0 % = tilgjengelighet 100,0 × ytelse 0,0 × kvalitet 100,0📋 0 / 0 (100,0%) · ⚑ 0🔧 Enheter som venter på reparasjonsplassen 0 · ⚠ Feil som slapp gjennom 0
  • Arbeider
  • Sultet (ingen enhet)
  • Blokkert (ingen plass videre)
  • Havarert
  • Andon-stopp
  • Enhet i en bufferbane

Kontroller

Prosent av nominell hastighet. Raskere sykluser gir mer produksjon – og flere havarier og feil.

Antall enheter hver bane mellom stasjonene kan romme. Mer kobler stopp fra hverandre, men gir mer varer i arbeid.

Hver tekniker reparerer én stasjon; flaskehalsen betjenes først, en andre tekniker gjør reparasjonen raskere.

Operatørene stopper stasjonen sin for å rette en feil på stedet. Det koster oppetid — også stopp for avvik som viser seg å være ingenting — men hindrer at feil går videre.

Et lag på tre reparerer enheter som ble fanget i sluttesten i én time, slik at de kan sendes ut.

Indikatorer

OEE
0,0%
kritisk
Produksjon mot plan
100,0%
normal
Feil som slapp gjennom
0
normal
Varer i arbeid
13
normal
Tilgjengelighet100,0 %
Ytelse0,0 %
Kvalitetsrate100,0 %
Tempo mot taktid100 %
Gjennomstrømning50,0 JPH
Enheter foran (+) / bak (−) plan0
Ledetid gjennom linjen16 min
Enheter som venter på reparasjonsplassen0
Arbeidstimer per enhet0,00 h
Stasjoner nede0
Flaskehals ledig (sultet eller blokkert)0,0 %

Trend

OEE: — %100,00,0

Krisescenarioer

Nivå 1 · Beskytt flaskehalsen gjennom et stopp oppstrøms

Plan: 50 enheter per time i et halvt skift på fire timer. Stasjon 3 er linjens flaskehals, og bare én vedlikeholdstekniker er på skift. Vedlikehold melder at en slitt del på stasjon 2 — rett foran flaskehalsen — må byttes ved minutt 35: en jobb på 40 minutter for én tekniker.

  • Produksjon ≥ 101 % av plan ved slutten av halvskiftet
  • Flaskehals ledig ≤ 7 % av tiden
  • Gjennomsnittlig arbeid i prosess ≤ 18 enheter

Nivå 2 · Kvalitetsavvik på kledningsstasjonen

Plan: 52 enheter per time i et halvt skift på fire timer, og ti enheter fra forrige skift venter fortsatt i reparasjonsbåsen. Tjue minutter ut oppstår et festeproblem på stasjon 4: omtrent én av åtte enheter forlater den med en feil. Sluttesten fanger de fleste av dem — ikke alle.

  • Høyst 1 feil slipper ut til kunden
  • Produksjon ≥ 104 % av plan ved slutten (reparerte enheter fra restansen teller med)
  • Høyst 3 enheter igjen på reparasjonsplassen
  • Gjennomsnittlig arbeid i prosess ≤ 16 enheter

Nivå 3 · Etterspørselstopp

Linjen har gått på 80 % hastighet for en plan på 47 enheter per time. Tjue minutter ut i halvskiftet øker salg planen til 56 enheter per time — taktiden faller fra omtrent 1,28 til 1,07 minutter, og flaskehalsen henger ikke med på 80 %. Overtid er ikke tillatt.

  • Produksjon ≥ 102 % av plan etter to timer
  • Produksjon ≥ 103 % av plan ved slutten av halvskiftet
  • Høyst 1 feil slipper gjennom til kunden
  • Gjennomsnittlig varer i arbeid ≤ 20 enheter

Grunnlag — modellen bak tallene

Hver sammenheng simulatoren bruker, med kilde. Konstanter merket som antakelser er illustrative kalibreringer.

OEE multipliserer tilgjengelighet, ytelse og kvalitet, målt ved flaskehalsen; den er lik ideell syklustid × gode enheter ÷ planlagt tid.
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]Produktet er lik ideell syklustid × gode enheter ÷ planlagt tid bare så lenge flaskehalsens produksjon er lik linjens produksjon; enheter som fortsatt er mellom stasjon 3 og slutten av linjen gjør en liten forskjell.
En stasjon sender enheten videre bare hvis neste buffer har plass (ellers er den blokkert) og starter bare hvis forrige buffer har en enhet (ellers er den sultet).
station i: cycle = c_i / v; moves on iff buffer_i < K (else blocked); starts iff buffer_{i−1} > 0 (else starved)[3][4]
Linjen kan aldri gå raskere enn sin tregeste stasjon; taktid er tilgjengelig tid delt på etterspørselen.
r_line ≤ r_b = v / max_i c_i; takt = available time / demand = 60 / plan [min/unit][5][7]
Hastighetsstress: tap drevet av hastighet vokser uten grense når linjen nærmer seg grensen for utstyret og operatørene (105 % av nominell hastighet).
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 %)Forutsetning: syklustider, feil- og reparasjonstider, rater for feil og falske stopp, loven for hastighetsstress og lagstørrelser er illustrative verdier, ikke data fra en reell fabrikk.
Stasjonene bryter bare sammen mens de arbeider, oftere jo nærmere grensen linjen kjører; reparasjonstiden krymper når en andre tekniker kommer til.
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]Forutsetning: syklustider, feil- og reparasjonstider, rater for feil og falske stopp, loven for hastighetsstress og lagstørrelser er illustrative verdier, ikke data fra en reell fabrikk.
Feil øker enda brattere med hastigheten enn driftsstans. Med andon blir de fleste feil fanget og rettet ved stasjonen, til prisen av korte stopp (noen av dem falske alarmer); ellers fanger sluttesten noen, og resten slipper gjennom.
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]Forutsetning: syklustider, feil- og reparasjonstider, rater for feil og falske stopp, loven for hastighetsstress og lagstørrelser er illustrative verdier, ikke data fra en reell fabrikk.
Littles lov: gjennomsnittlig tid gjennom linjen er lik varer i arbeid delt på gjennomstrømning.
lead time W = WIP / throughput (L = λW)[6][5]
Andre driftskonstanter brukt i modellen.
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 minForutsetning: syklustider, feil- og reparasjonstider, rater for feil og falske stopp, loven for hastighetsstress og lagstørrelser er illustrative verdier, ikke data fra en reell fabrikk.

Tilfeldighet: en seedet mulberry32-generator; fordelinger som brukes — uniform, eksponentiell (invers CDF), normal (Box–Muller), Poisson (Knuth). Seeden vises og kan deles.

Kilder

  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

Hvem gjør dette som yrke

Pedagogisk modell — ikke for operative beslutninger. Reelle anlegg kalibrerer hver konstant mot eget utstyr og egne data.