Abstrakt
Tento článek experimentuje s aplikací různých heuristických přístupů na problém skutečného uspořádání zařízení ve společnosti vyrábějící nábytek. Všechny modely jsou porovnávány pomocí AHP, kde se využívá řada zajímavých parametrů. Experiment ukazuje, že přístupy k modelování formálního rozvržení mohou být efektivně využívány skutečnými problémy, kterým čelí průmysl, což vede k významným zlepšením.
1. ÚVOD
Nábytkářský průmysl zažívá velmi konkurenční éru jako mnoho jiných, a proto se snaží najít způsoby, jak snížit výrobní náklady, zlepšit kvalitu atd. V rámci programu zvyšování produktivity ve výrobní společnosti zde nazvané (The Company = TC) jsme provedli projekt optimalizace návrhu uspořádání výrobní linky v dílně této společnosti s cílem překonat současné problémy přisuzované neefektivnímu uspořádání. Bylo rozhodnuto použít řadu technik modelování rozložení pro vytvoření téměř optimálního rozložení založeného na formálních metodách, které se v praxi používají jen zřídka. Používané techniky modelování jsou teorie grafů, blokový plán, CRAFT, optimální sekvence a genetický algoritmus. Tato rozložení byla poté vyhodnocena a porovnána pomocí 3 kritérií, jmenovitě Celková plocha, Průtok * Vzdálenost a Procento přilehlosti. Celková plocha se vztahuje k ploše, kterou zabírá výrobní linka pro každý vyvinutý model. Flow * Dist vypočítá součet produktů toku a vzdálenosti mezi každými 2 zařízeními. Procento sousedství vypočítá procento zařízení, která splňují požadavek sousedství.
Výběr nejlepšího rozvržení byl také proveden formálně pomocí
Definice problému uspořádání závodu je najít nejlepší uspořádání fyzických zařízení pro zajištění efektivního provozu (Hassan a Hogg, 1991). Uspořádání ovlivňuje náklady na manipulaci s materiálem, dodací lhůtu a průchodnost. Ovlivňuje tedy celkovou produktivitu a efektivitu závodu. Podle Tompkinse a Whitea (1984) se design zařízení vyskytoval po celou zaznamenanou historii a skutečně městská zařízení, která byla navržena a postavena, jsou popsána ve starověku.
* Odpovídající autor
dějiny Řecka a Římské říše. Mezi první, kteří se tímto problémem zabývali, patří Armour a Buffa a kol. (1964). Zdá se, že v 50. letech 20. století bylo publikováno jen málo prací. Francis a White (1974) byli prvními, kdo shromáždili a aktualizovali raný výzkum v této oblasti. Pozdější výzkum byl aktualizován dvěma studiemi - první od Domschkeho a Drexla (1985) a druhou od Francise a kol. (1992). Hassan a Hogg (1991) uvádějí rozsáhlou studii o typu dat potřebných v problému uspořádání stroje. Data o uspořádání stroje jsou posuzována v hierarchii; v závislosti na tom, jak podrobné je uspořádání navrženo. Pokud je potřeba pouze najít relativní uspořádání strojů, postačují data představující číslo stroje a jejich vztahy mezi toky. Pokud je však potřeba podrobné uspořádání, je zapotřebí více dat. Při hledání dat mohou nastat určité potíže, zejména v nových výrobních závodech, kde data ještě nejsou k dispozici. Při vývoji uspořádání moderních a automatizovaných zařízení nelze požadovaná data získat z historických dat nebo z podobných zařízení, protože nemusí existovat. Jako způsob, jak dosáhnout optimálního řešení problému uspořádání zařízení, bylo navrženo matematické modelování. Od prvního matematického modelu vyvinutého Koopmansem a Beckmannem (1957) jakožto kvadratického přiřazovacího problému se zájem o tuto oblast značně zvýšil. To otevřelo výzkumníkovi nové a zajímavé pole. Při hledání řešení problému uspořádání zařízení se vědci pustili do vývoje matematických modelů. Houshyar a White (1993) se na problém uspořádání dívali jako na...
Zelená a
2. MODELOVACÍ PŘÍSTUPY
Modely jsou kategorizovány podle jejich povahy, předpokladů a cílů. 1. obecný přístup systematického plánování rozvržení, vyvinutý Muthorem (1955), je stále užitečným schématem, zvláště pokud je podporován jinými přístupy a asistován počítačem. Konstrukční přístupy, například Hassan a Hogg (1991), vytvářejí rozvržení od nuly, zatímco například Improvement Methods, Bozer, Meller a Erlebacher (1994) se pokoušejí upravit stávající rozvržení pro lepší výsledky. Optimalizační metody a také heuristiku pro rozložení podle dobře dokumentuje Heragu (2007).
Různé techniky modelování použité v této práci jsou teorie grafů, CRAFT, optimální sekvence, BLOCPLAN a genetický algoritmus. Níže jsou vysvětleny parametry, které vyžaduje každý algoritmus, aby mohl modelovat totéž.
Teorie grafů
Teorie grafů (Foulds a Robinson, 1976; Giffin a kol., 1984; Kim a Kim, 1985; a Leung, 1992)
Tento článek používá 2 různé druhy přístupů k modelování případové studie. 1. přístup je
Pomocí CRAFT
CRAFT (technika počítačového relativního přidělování zařízení) používá k vytvoření rozvržení párovou výměnu (Buffa et al., 1964; Hicks a Lowan, 1976). CRAFT nezkoumá všechny možné párové výměny před vytvořením vylepšeného rozvržení. Vstupní data zahrnují rozměry budovy a zařízení, tok materiálu nebo četnost cest mezi dvojicemi zařízení a náklady na jednotku nákladu na jednotku vzdálenosti. Součin toku (f) a vzdálenosti (d) poskytuje náklady na přesun materiálu mezi 2 zařízeními. Snížení nákladů je pak vypočítáno na základě příspěvku na manipulaci s materiálem před a po výměně.
Optimální sekvence
Metoda řešení začíná libovolným sekvenčním uspořádáním a snaží se jej vylepšit výměnou 2 oddělení za sebou (Heragu, 1997). V každém kroku metoda počítá změny průtok*vzdálenost pro všechny možné přepínače 2 oddělení a vybírá nejúčinnější pár. 2 oddělení se vymění a metoda se opakuje. Proces se zastaví, když žádný přepínač nevede ke snížení nákladů. Vstupem potřebným pro generování rozvržení pomocí optimální posloupnosti jsou zejména rozměry budovy a zařízení, tok materiálu nebo frekvence cest mezi dvojicemi zařízení a náklady na jednotku nákladu na jednotku vzdálenosti.
Pomocí BLOCPLAN
BLOCPLAN je interaktivní program používaný k vývoji a vylepšení jednopodlažního i vícepodlažního uspořádání (Green and
vygenerovat několik rozložení bloků a jejich míru zdatnosti. Uživatel si může vybrat relativní řešení na základě okolností.
Genetický algoritmus
Existuje mnoho způsobů, jak formulovat zařízení Problémy s rozložením pomocí genetických algoritmů (GA). Banerjee, Zhou a Montreuil (1997) aplikovali GA na rozložení buněk. Rozřezání stromové struktury bylo poprvé navrženo Ottenem (1) jako způsob reprezentace třídy rozložení. Tento přístup byl později použit mnoha autory včetně Tam a Chan (1982), kteří jej použili k vyřešení problému nerovného rozvržení plochy s geometrickými omezeními. Algoritmus GA použitý v této práci byl vyvinut Shayanem a Chittilappillim (1995) založený na slicování stromových struktur (STC). Kóduje stromově strukturované rozvržení kandidátů do speciální struktury 2004-rozměrných chromozomů, která ukazuje relativní umístění každého zařízení v řezném stromu. K dispozici jsou speciální schémata pro manipulaci s chromozomem při operacích GA (Tam a Li, 2). V Shayan a byla také zavedena nová operace „klonování“.
3. EXPERIMENTACE PROSTŘEDNICTVÍM PŘÍPADOVÉ STUDIE
Aby se otestoval výkon výše popsaných metod, byly všechny použity na skutečný případový scénář ve výrobě nábytku. Společnost vyrábí 9 různých stylů židlí, 2-sedáků a
Každý produkt prochází 11 operacemi, které začínají v zařízení 1 – oblast řezání a končí v zařízení 11 – oblast sešroubování. Každou z finálních sestav lze rozdělit na podsestavy pojmenované stejně. Tyto podsestavy se setkávají u šroubu
Díky tomu nedochází k sekvenčnímu toku materiálů, což vede k nedokončené výrobě. Interakce mezi zařízeními lze určit pomocí subjektivních i objektivních měřítek. Hlavním vstupem požadovaným pro vývojové diagramy je poptávka, množství vyrobených materiálů a množství materiálu, které proudí mezi jednotlivými stroji. Tok materiálu se vypočítá na základě množství toku materiálu putujícího za 10 měsíců * Měrná jednotka, která je znázorněna na obrázku 2. Obrázek 3 ukazuje plochu každého oddělení použitého v případové studii. Obrázek 4 ukazuje aktuální rozložení případové studie.

Obrázek 1 Schéma sestavy pro případovou studii

Obrázek 2 Tok materiálu pro případovou studii.

Obrázek 3 Číslo odpovídající oddělení

Obrázek 4 Současné uspořádání nábytkářské společnosti a rozměry jednotlivých oddělení použitých při modelování případové studie
4. APLIKACE MODELOVACÍCH PŘÍSTUPŮ
Zde jsou různé přístupy modelování popsané v části 2 aplikovány na případovou studii za účelem vytvoření alternativních rozložení pro srovnání.
4.1 Použití teorie grafů
Tabulka 1 ukazuje srovnání výsledků pomocí 2 různých přístupů teorie grafů, a to Fouldsovy a Robinsonovy metody a metody Wheels and Rims. Tabulka 1 jasně ukazuje, že Fouldsova a Robinsonova metoda jsou lepší z obou výsledků. Výsledky Fouldsovy a Robinsonovy metody jsou podrobně vysvětleny na obrázcích
Tabulka 1: Tabulka znázorňující srovnání 2 různých použitých metod teorie grafů.


Obrázek 5 Graf sousednosti výsledků případové studie pomocí metody Foulds a Robinson.

Obrázek 6 Vylepšené rozvržení po použití teorie grafů (Fouldsova a Robinsonova metoda)

Obrázek 7 Průtok * Tabulka vyhodnocení vzdálenosti pro případovou studii využívající teorii grafů (Fouldsova a Robinsonova metoda)
4.2 Používání CRAFT
Zadají se vstupní data pro CRAFT a 1. se spočítají počáteční náklady na aktuální layout. Tyto náklady lze snížit pomocí párového srovnání, jak je znázorněno na obrázcích 8,9.

Obrázek 8 Počáteční náklady na aktuální rozložení pomocí CRAFT

Obrázek 9 Výměna krok za krokem pomocí CRAFT
Výsledky získané pomocí CRAFT jsou uvedeny v tabulce 2. Na základě výše uvedených výpočtů lze nakreslit nové a vylepšené uspořádání, které je znázorněno na obrázku 10
Tabulka 2: Tabulka ukazující výsledky


Obrázek 10 Vylepšené rozvržení vytvořené pomocí CRAFT
4.3 Algoritmus optimální sekvence
Vstupní data jsou stejná jako u CRAFT s tím rozdílem, že následují jinou sadu párových porovnání. Tabulka 3 ukazuje výsledky získané z vylepšeného rozvržení. Obrázek 11 ukazuje vylepšené rozvržení pomocí Optimum Sequence.
Tabulka 3 Tabulka znázorňující výsledky pomocí CRAFT


4.4 Použití BLOCPLAN
Diagram vývojové matice byl převeden na diagram REL, jak je znázorněno na obrázku 12 s následujícími parametry:

Obrázek 12 Graf REL pro případovou studii

Tabulka 4 ukazuje výsledky s použitím různých druhů přístupu. Jak je vidět, BLOCPLAN využívající automatické vyhledávání vykazoval lepší výsledky než použití konstrukčního algoritmu.

Obrázek 13 Vylepšené rozložení automatického vyhledávání

Tabulka 4 Míry pro rozvržení BLOCPLAN
4.5 Použití genetického algoritmu
Nejlepší řešení nalezené algoritmem je znázorněno na obrázku 14. Toto je pak převedeno do rozložení na obrázku 15 pro běžné srovnání s jinými modely.

Obrázek 14 Rozvržení vytvořené genetickým algoritmem

Obrázek 15 Převod rozložení na obrázku 14
Tabulka 5 ukazuje výsledky s použitím genetického algoritmu.

Tabulka 5 Tabulka ukazující výsledky s použitím genetického algoritmu
5. POROVNÁNÍ VÝSLEDKŮ EXPERIMENTACE AHP
Tabulka 6 shrnuje výsledky získané ze všech technik modelování oproti aktuálnímu rozvržení pro srovnání. Sekce nejlepšího rozvržení bude vytvořena na základě 3 faktorů, jmenovitě Celková plocha (Minimze), Průtok * Vzdálenost (Maximalizovat) a procento sousedství (Maximalizovat). Hlavním cílem je snížit WIP a organizovat systematický tok materiálů. V důsledku toho je nejdůležitějším parametrem matice průtoku * vzdálenosti.

Tabulka 6 Souhrn výsledků s použitím všech modelovacích technik versus výsledky aktuálního rozvržení
Tabulka 7 ukazuje mix hodnocení alternativních rozložení na základě různých faktorů. Například rozložení 1 má špatnou hodnost v oblasti a F*D, zatímco je nejlepší v sousedství. Tato kombinace ztěžuje výběr jednoho z ostatních. Vyzýváme k použití formální techniky, AHP, implementované softwarem Expert Choice.

Tabulka 7 Pořadí různých alternativ s ohledem na cíle
AHP porovnává relativní důležitost každé dvojice dětí s ohledem na rodiče. Jakmile je porovnání párů dokončeno, přístup syntetizuje výsledky pomocí některých matematických modelů k určení celkového pořadí. Obrázek 16 ukazuje pořadí dosažených výsledků ze všech algoritmů s ohledem na cíl nejlepší volby řešení.

Obrázek 16 Syntéza s ohledem na cíl
Nejlepšího řešení je dosaženo pomocí BLOCPLAN (Automated Search) následovaného teorií grafů pomocí Fouldsovy a Robinsonovy metody a poté genetickým algoritmem. Ostatní řešení jsou mnohem horší. Všimněte si, že vzhledem k inherentní subjektivitě není žebříček absolutním ukazatelem lepšího výběru, spíše je to doporučení, které může uživatel bavit, aby vyhovovalo jeho potřebám.
Jako zvolené řešení navrhujeme rozložení generované pomocí BLOCPLAN s využitím automatického vyhledávání. Když bylo rozhodnuto, byla provedena analýza citlivosti, aby se zajistilo, že výběr je robustní. Pokud to čas dovolí, mělo by to být provedeno pro další blízké alternativy před provedením výběru.
6. ZÁVĚRY
Cílem tohoto článku bylo pomocí různých modelovacích technik vybrat nejlepší uspořádání pro nábytkářskou společnost. Nejlepší rozložení vygeneroval BLOCPLAN pomocí automatického vyhledávání, jak je znázorněno na obrázku 17.

Obrázek 17 Nejlepší rozvržení využívající přístupy modelování
Tabulka 9 ukazuje vylepšení navrženého řešení oproti současnému uspořádání. Všimněte si, že rozvržení zobrazuje bloky a jejich relativní umístění. Je třeba uplatnit praktická omezení, aby vyhovovala všem potřebám. Potom lze naplánovat další detaily každého bloku, v případě potřeby stejným způsobem.

Tabulka 9: Vylepšení oproti aktuálnímu rozvržení pomocí technik modelování
Výsledek byl pro společnost, která neměla žádné znalosti o vědeckých přístupech, celkem uspokojivý.



