Monteringslinje för bilar Levande modell

Du driver ett skift på en sektion av en slutmonteringslinje för fordon: fem stationer i serie med små bufferfiler emellan. Varje stopp sprider sig upp och ner längs linjen, varje fel åtgärdas antingen vid stationen eller färdas vidare, och skiftet har en produktionsplan att nå.

Vad du kommer att lära dig

Simulator

Tid 0 min
OEE 0,0% · Produktion mot plan 100,0% · Pågående arbete 13 · Felaktiga enheter som slapp igenom 0 · S1 Arbetar, S2 Arbetar, S3 Arbetar, S4 Arbetar, S5 ArbetarS1▶S2▶S3 ★▶S4▶S5▶3/33/31/31/3⚙ Genomströmning 50,0 · Takt mot takttid 100% · Ledtid genom linjen 16 minOEE 0,0 % = tillgänglighet 100,0 × prestanda 0,0 × kvalitet 100,0📋 0 / 0 (100,0%) · ⚑ 0🔧 Enheter som väntar i reparationsverkstaden 0 · ⚠ Felaktiga enheter som slapp igenom 0
  • Arbetar
  • Utsvulten (ingen enhet)
  • Blockerad (ingen plats nedströms)
  • Haveri
  • Andon-stopp
  • Enhet i en bufferfil

Reglage

Procent av märkhastigheten. Snabbare cykler ger mer produktion – och fler haverier och fel.

Antal enheter varje fil mellan stationerna rymmer. Mer frikopplar stopp men ger mer pågående arbete.

Varje tekniker reparerar en station; flaskhalsen tas först, och en andra tekniker gör en reparation snabbare.

Operatörerna stoppar sin station för att åtgärda ett fel på stället. Det kostar drifttid – även stopp för avvikelser som visar sig vara ingenting – men hindrar felen från att gå vidare.

Ett team på tre reparerar i en timme enheter som fångats i slutprovet, så att de kan levereras.

Indikatorer

OEE
0,0%
kritisk
Produktion mot plan
100,0%
normal
Felaktiga enheter som slapp igenom
0
normal
Pågående arbete
13
normal
Tillgänglighet100,0 %
Prestanda0,0 %
Kvalitetsgrad100,0 %
Takt mot takttid100 %
Genomströmning50,0 JPH
Enheter före (+) / efter (−) plan0
Ledtid genom linjen16 min
Enheter som väntar i reparationsverkstaden0
Arbetstimmar per enhet0,00 h
Stationer ur drift0
Flaskhals overksam (utsvulten eller blockerad)0,0 %

Trend

OEE: — %100,00,0

Krisscenarier

Nivå 1 · Skydda flaskhalsen vid ett stopp uppströms

Plan: 50 enheter per timme under ett fyra timmars halvskift. Station 3 är linjens flaskhals och bara en underhållstekniker är i tjänst. Underhållet rapporterar att en sliten del på station 2 – precis framför flaskhalsen – måste bytas ut vid minut 35: ett 40-minutersjobb för en tekniker.

  • Produktion ≥ 101 % av planen vid halvskiftets slut
  • Flaskhalsen står stilla ≤ 7 % av tiden
  • Genomsnittligt pågående arbete ≤ 18 enheter

Nivå 2 · Kvalitetsavvikelse vid inredningsstationen

Plan: 52 enheter per timme under ett fyra timmars halvskift, och tio enheter från förra skiftet väntar fortfarande i reparationsplatsen. Tjugo minuter in uppstår ett fästproblem vid station 4: ungefär en enhet av åtta lämnar den med ett fel. Slutprovet fångar de flesta av dem – inte alla.

  • Högst 1 fel slinker igenom till kunden
  • Produktion ≥ 104 % av planen vid slutet (reparerade enheter ur kön räknas)
  • Högst 3 enheter kvar i reparationsverkstaden
  • Genomsnittligt pågående arbete ≤ 16 enheter

Nivå 3 · Efterfrågetopp

Linjen har gått på 80 % hastighet för en plan på 47 enheter per timme. Tjugo minuter in i halvskiftet höjer försäljningen planen till 56 enheter per timme – takttiden sjunker från cirka 1,28 till 1,07 minuter, och flaskhalsen hänger inte med på 80 %. Övertid är inte tillåten.

  • Produktion ≥ 102 % av planen efter två timmar
  • Produktion ≥ 103 % av planen vid halvskiftets slut
  • Högst 1 fel slipper igenom till kunden
  • Genomsnittligt pågående arbete ≤ 20 enheter

Underlag – modellen bakom siffrorna

Varje samband simulatorn använder, med källa. Konstanter markerade som antaganden är illustrativa kalibreringar.

OEE multiplicerar tillgänglighet, prestanda och kvalitet, mätt i flaskhalsen; det är lika med ideal cykeltid × godkända enheter ÷ planerad 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]Produkten är lika med ideal cykeltid × godkända enheter ÷ planerad tid bara så länge flaskhalsens produktion är lika med linjens produktion; enheter som fortfarande befinner sig mellan station 3 och linjens slut gör en liten skillnad.
En station för sin enhet vidare bara om nästa buffert har plats (annars är den blockerad) och startar bara om föregående buffert har en enhet (annars är den utsvulten).
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 aldrig gå snabbare än sin långsammaste station; takttiden är den tillgängliga tiden delad med efterfrågan.
r_line ≤ r_b = v / max_i c_i; takt = available time / demand = 60 / plan [min/unit][5][7]
Hastighetsstress: förluster som drivs av hastighet växer obegränsat när linjen närmar sig gränsen för sin utrustning och sina operatörer (105 % av märkhastigheten).
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 %)Antagande: cykeltider, haveri- och reparationstider, felfrekvenser och andelen falska stopp, hastighetsstresslagen och teamstorlekar är illustrativa värden, inte data från en verklig fabrik.
Stationer havererar bara medan de arbetar, oftare ju närmare sin gräns linjen går; reparationstiden kortas när en andra tekniker hjälper till.
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]Antagande: cykeltider, haveri- och reparationstider, felfrekvenser och andelen falska stopp, hastighetsstresslagen och teamstorlekar är illustrativa värden, inte data från en verklig fabrik.
Fel ökar ännu brantare med hastigheten än haverier. Med andon fångas de flesta fel och åtgärdas vid stationen, till priset av korta stopp (en del är falsklarm); annars fångar slutprovet några och resten slinker igenom.
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]Antagande: cykeltider, haveri- och reparationstider, felfrekvenser och andelen falska stopp, hastighetsstresslagen och teamstorlekar är illustrativa värden, inte data från en verklig fabrik.
Littles lag: genomsnittlig tid genom linjen är lika med pågående arbete delat med genomströmning.
lead time W = WIP / throughput (L = λW)[6][5]
Övriga driftkonstanter som modellen använder.
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 minAntagande: cykeltider, haveri- och reparationstider, felfrekvenser och andelen falska stopp, hastighetsstresslagen och teamstorlekar är illustrativa värden, inte data från en verklig fabrik.

Slumpmässighet: en seedad mulberry32-generator; fördelningar som används – likformig, exponentiell (invers CDF), normal (Box–Muller), Poisson (Knuth). Seeden visas och kan delas.

Källor

  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

Vem arbetar med det här

Pedagogisk modell – inte för operativa beslut. Verkliga anläggningar kalibrerar varje konstant efter sin egen utrustning och sina egna data.