Gyártósori folyamatszimuláció – magasabb profit?

  • április 3, 2020
1024 536 eNet

A gyártási folyamatok jellemzően jól meghatározottak, ugyanakkor a gyártási időt jelentősen befolyásolja az alapanyag ellátásának folyamatossága. A gyártósor meghibásodása, javítási, átszerelési ideje és a kapcsolódó emberi munkavégzés is nehezíti a pontos ütemezést. Továbbá a gyártás szervesen integrált a szervezet operatív működésébe, így a kapcsolódó folyamatok mint a logisztika, minőségbiztosítás, raktározás és a megrendelésállomány-kezelés összetett hatásának révén a cégek számára nehézségeket jelenthet nemcsak a megfelelő szervezési, de a nagyobb beruházási döntések meghozatala is.

Cikkünkben többek között az alábbi kérdésekre keressük a választ:

  • Szükséges-e egy új gyártósor? Milyen kapacitással? Ténylegesen mennyivel fog növekedni a termelés?
  • Mik a gyártási folyamat szűk keresztmetszetei?
  • Hány főt optimális foglalkoztatni a megbetegedések, esetleges balesetek, tervezett szabadságolások mellett a gyártás folyamatos fenntartásához?
  • Mekkora megrendelésállományt bír el a termelés?
  • Hol kell beavatkozni az eredményesség növeléséhez?
A hasonló kérdések megválaszolására egyre szélesebb körben alkalmazott gyakorlat a folyamatok szimulációval történő támogatása. A gyártási kapacitás, a múltban történő meghibásodások, de még a kapcsolódó folyamatok is megfelelő részletezettséggel szétbonthatóak annak érdekében, hogy az elemi egységek működési rendszere már leírható legyen akár pontosan, akár statisztikai úton. A virtuális térben felépített gyártási folyamatok így megfelelően leírják a valóságot, illetve az egyes beavatkozási pontok, beruházási, optimalizálási döntések eredményei szabadon, megfelelő pontosság mellett vizsgálhatóak.

Az eNET Adatbányászati és inkubációs üzletágának célja ezért az volt, hogy létrehozzon egy olyan szimulációs szoftvert, amivel egy gyártósor fő és támogató folyamatainak időbeli alakulását és ennek vizualizált összehasonlítását el lehet végezni. Majd az elemzett eredmények alapján optimalizálást kezdeményezni és az eredményeket tárolni és megjeleníteni is lehet.

Az optimalizációs szoftvert megalkottuk és a fejlesztése folyamatosan zajlik.

Hogyan működik az optimalizációs szoftver?

Az ütemező szoftvert betöltve egy összefoglaló oldalt láthatunk, amely hasznos adatokat, statisztikákat tartalmaz a futtatott ütemezésről. Összehasonlítható két megoldási javaslat több átfutási időtípus szempontjából is, valamint az egyes erőforrások terheléséről, kihasználtságáról is átfogó információkat kapunk.

Lehetőség van egy ütemezési megoldásban a teljes és a feladatonként számított átlagos átfutási idők összehasonlítására, valamint többfajta megoldási módszer legjobbnak ítélt javaslatának összevetésére is.

Az ütemezés menüpontra kattintva a feltöltött ütemezési feladat részletes megoldása látható. A felület bal oldalán az egyes erőforrások jelennek meg típusonként csoportosítva. A különböző színek az elvégzendő feladatokat jelölik, a felső sávban található időszalagról pedig leolvasható az ütemezés.

Ebben a nézetben lehetőség van arra is, hogy egyes erőforrások kiesését (pl. működési hiba, avagy egy dolgozó megbetegedése) szimuláljuk. A bal oldali kapcsolók segítségével az erőforrásokat ki-be kapcsolhatjuk az ütemezési feladatból, és egy összehasonlítást kapunk a feladat átfutási idejének és a többi erőforrás leterheltségének változásáról is.

Az ütemező fő erőssége, hogy könnyedén megbirkózik akkora feladatokkal, amit „kézzel” megoldva egy nehezen átlátható ütemezést kapnánk.

Az algoritmusokról

A szoftver két típusú algoritmus (mohó és genetikus algoritmus) lefuttatására ad lehetőséget.

A mohó algoritmus használata gyors tervezésre, különböző szcenáriók gyors lefuttatására alkalmas. A lefutási időt csak nagyon kis mértékben befolyásolja a bemeneti adatok mennyisége és a gyártási folyamat komplexitásától függetlenül képes gyors eredményekkel szolgálni. Ez akkor előny, ha a tervezés koncepcionális szakaszában próbálkozni szeretnénk a lehetőségekkel, minél több változatot szeretnénk megfuttatni. Lehetőségünk van például a rendelkezésre álló erőforrások különböző szétosztásainak vizsgálatára, vagy annak tesztelésére, hogy egy ember munkájának a kiesése mekkora időbeli hátralékkal jár a teljes folyamatra nézve.

Ezzel szemben a genetikus algoritmussal a megkapott eredmények finomhangolása valósítható meg. A feldolgozási ideje hosszabb, viszont pontosabb eredményt ad, mint a mohó algoritmus. Ez akkor előny, ha már nagyjából fix elképzelésünk van arról, hogy mennyi erőforrás áll rendelkezésünkre a folyamat végrehajtásához és ezekkel szeretnénk a legjobb eredményt elérni.

Amennyiben optimalizációs szoftverünk értéket tud képviselni az Ön cége számára, várjuk megkeresését az info@enet.hu e-mail címen. Csapatunk örömmel nyújtja szolgáltatásunkat az Önök problémájának megoldására!

A webhely tartalmának megjelenítésekor cookie-kat használunk. Adatainak kezeléséről az alábbi Adatkezelési tájékoztatóban további információkat olvashat.