فرمت فایل | word, pdf |
---|
شبیهسازی تجهیزات واحد تولیدی جهت پیش بینی وضعیت آینده (مطالعه موردی کارخانه آلومینیوم هزار کرمان)
چکیده
شبیهسازی یک فرآیند این امکان را فراهم میآورد که بدون صرف هزینه، امکان اعمال تغییرات فرآیندی مختلف در فرآیند موردنظر را ارزیابی نموده و آثار این تغییرات بر روی پارامترهای مختلف موجود سنجیده شود. امروزه یکی از معیارهای کلیدی در ارزیابی سیستمهای تولیدی، محاسبه شاخص اثربخشی کلی تجهیزات است. این شاخص، یک نوع معیار سنجش برای تعیین ارزشافزوده تولید از طریق محاسبه کارایی تجهیزات بر اساس عملکرد دستگاهها، درصد کیفیت محصولات و سرعت ماشینها است. این شاخص جامعترین شاخص دربرگیرنده تمامی جوانب مربوط به فرآیندهای تولیدی است. روش پژوهش شامل توسعه یک مدل شبیهسازی گسسته-پیشامد به منظور بررسی وضعیت آینده تجهیزات، برآورد شاخص اثربخشی کلی تجهیزات در شرایط تصادفی و نیز شناسایی نقاط گلوگاهی سیستم تولید است. برای این منظور از نرمافزار شبیهسازی ED که یک نرمافزار شی گرا برای مدلسازی، شبیهسازی و کنترل فرایندهای پویا است استفاده شد. مدل شبیهسازی گسسته-پیشامد پیشنهادی قادر به مدلسازی فرآیندهای ساخت و پردازش عملیات روی ماشینها در شرایط خرابی احتمالی ماشینها است. در تحقیق حاضر، در راستای افزايش توان توليد و کنترل بهينه فرآيند این پژوهش با هدف بررسی شبیهسازی تجهیزات واحد تولیدی جهت پیشبینی وضعیت آینده در کارخانه آلومینیوم هزار کرمان تولیدکننده انواع فویل آلومینیوم انجام گرفته است. اعتبارسنجی مدل شبیهسازی روی بخشی از کارخانه تولید فویل آلومینیوم (واحد اسپتیک) انجام شد. تجزيه و تحليل مدل شبیهسازی پيشنهادي و نتايج حاصل از محاسبات آماری نشان میدهد که ایستگاههای برش و سیلندر کاری به ترتیب دارای کمترین (17/7%) و بیشترین (97/99%) متوسط شاخص اثربخشی از دیدگاه معیار OEE هستند. میانگین کل شاخص اثربخشی در واحد اسپتیک نیز برابر با 24/36% است. این میزان متوسط شاخص اثربخشی کلی تجهیزات برای واحد اسپتیک وضعیت نامطلوب واحد اسپتیک را نشان میدهد. همچنین نتایج تحقیق نشان میدهد که ایستگاه سیلندرکاری ایستگاه گلوگاه خط تولید محسوب میشود و میبایست به منظور بهبود عملکرد سیستم، بر این ایستگاه تمرکز شود.
کلمات کلیدی:
شبیهسازی گسسته-پیشامد، سیستم تولیدی، اثربخشی کلی تجهیزات، پیشبینی وضعیت ماشینها
فهرست مطالب
1-3-مفاهیم گلوگاه در سیستم های تولیدی. 4
2-2-3-مزايا و معايب شبيه سازي كامپيوتري. 22
2-2-4-نرم افزار شبيهسازيED) ) 24
2-2-2-1-کاربردهای نرم افزار ED.. 25
2-2-4-2-خصوصیات و مشخصات بستة نرمافزاری (ED) 25
2-3-معرفی شاخص عملکرد کلی تجهیزات OEE. 27
2-4-محدودیتهای دسترسی به ماشین آلات.. 31
فصل سوم: بیان مسئله و مدلسازی
3-1-2-دلایل استفاده از رویکرد شبیهسازی و برتری آن. 43
3-1-3-گامها و اهداف توسعه مدل شبیهسازی. 44
3-3-1-شرح فرایند واحد اسپتیک.. 45
3-4-توسعه مدل شبیهسازی برای مسئله 52
3-4-1-فرضیات مدل شبیهسازی. 52
3-4-2-نرم افزار شبیه سازی ED.. 52
3-4-3-جزئیات مدل شبیهسازی سیستم تولیدی. 53
3-4-3-1-بخش ورودی مواد اولیه (ورقه های خام) 55
3-4-5-اتم حمل و نقل (لیفتراک) 56
3-5-تحلیل اطلاعات ورودی مدل شبیهسازی. 60
3-5-3-توزیع احتمالی زمان پردازش و عملیات روی ماشینها 62
3-5-5-ضایعات تولید در هر مرحله 65
3-5-6-توزیع زمانهای خرابی ماشینها 66
3-6-معماری مدل برشبیهسازی واحد اسپتیک.. 67
فصل چهارم: نتایج و تحلیل یافته ها
4-2-تنظیمات بخش آزمایشها مدل شبیهسازی ED.. 71
4-3-1-نتایج آماری مربوط به شاخص OEE. 74
4-3-2-درصد اشتغال (بهرهوری) ماشینآلات.. 77
4-3-3-میزان تولید در واحد اسپتیک.. 78
4-3-4-تحلیل بافرهای بین ایستگاهی در مدل شبیهسازی. 78
4-4-اعتبارسنجی نتایج شبیهسازی. 86
4-4-1-مرحله 1: توسعه مدل با اعتبار بخشی بصری. 86
4-4-2-مرحله 2: بررسی تجربی فرضیات مدل. 86
4-4-3-مرحله 3: بررسی خروجیهای شبیهسازی. 87
فصل پنجم: جمعبندی و نتیجهگیری
5-2-دستاوردها و نوآوریهای تحقیق. 90
5-4-پيشنهادهای تحقیقات آتی. 91
پیوست الف-1: معرفي محصولات Enterprise Dynamics. 98
پیوست الف-2:مشخصات بستة هاي نرم افزارEnterprise Dynamics(ED) 100
پیوست ب1: خلاصهای از جزئیات و کدهای اتم های بخش کنترل موجودی (Q) 105
پیوست ب-2: خلاصهای از جزئیات و کدهای اتم های بخش توالی عملیات و توزیع قطعات.. 106
پیوست ب-3: خلاصهای از جزئیات و کدهای اتم های بخش کنترل جریان مواد و قطعات.. 107
پیوست ب-4: جزئیات و کدهای اتم های بخش برنامهریزی و زمانبندی تولید. 110
فهرست اشکال
شکل 1-1: معماری نرم افزار ED.. 27
شکل 1-2: زمانبندي تحت شرايط نگهداري و تعميرات و شکستهای تصادفي. 32
شکل 3-1: گامهای مبتنی بر شبیه سازی. 43
شکل 3-2-مراحل تولیدی در واحد اسپتيك.. 47
شکل 3-3: نمایی از فرآیند چاپ در واحد اسپتيك.. 47
شکل 3-4: نمایی از فرآیند اكسترود در واحد اسپتيك.. 48
شکل 3-5: نمایی از فرآیند برش در واحد اسپتيك.. 48
شکل 3-6: نمایی از فرآیند بسته بندي در واحد اسپتيك.. 49
شکل 3-7:مراحل تولیدی در واحد اسپتیک.. 50
شکل 3-8: چیدمان سیستم تولیدی و فرآیندها 51
شکل 3-9: كانالهاي بهم متصل شده (خروجی به ورودی) 55
شکل 3-10: مجموعه اجزا (اتم های) یگ ایستگاه خط تولید. 56
شکل 3-11: قابلیت های نمایشی اتم لیفتراک.. 57
شکل 3-12: ساختار مفهومی استفاده از اتم حمل و نقل در مدل ED.. 57
شکل 3-13: بخش سیستم حمل و نقل (لیفتراک) واحد اسپتیک.. 58
شکل 3-14: مدل شبیهسازی سیستم تولیدی واحد اسپتیک.. 59
شکل 3-15: نمودار هیستوگرام زمان عملیات چاپ.. 63
شکل 3-16: نمودار هیستوگرام زمان برش.. 64
شکل 3-17: جانمایی ماشینهای واحد اسپتیک.. 65
شکل 3-18: تنظیمات بخش مربوط به پارامترهای خرابی احتمالی تجهیزات واحد اسپتیک (ایستگاه سیلندرکاری) 66
شکل 3-19: معماری مدل شبیهسازی برای واحد اسپتیک.. 68
شکل 4-1: نرخ تولید در طول زمان. 73
شکل 4-2: صف فاصله اطمینان برای شاخص متوسط موجودی نیمه ساخته در طول زمان 73
شکل 4-3: میانگین شاخص OEE برای ماشینهای مختلف.. 75
شکل 4-4: انحراف استاندارد شاخص OEE برای ماشینهای مختلف.. 75
شکل 4-5: نمودار گانت پردازش عملیات روی ماشینها 76
شکل 4-6: نمودار توالی پردازش عملیات روی ماشینها 76
شکل 4-7: نمودار وضعیت لیفتراک (سیستم حمل و نقل) در واحد اسپتیک.. 77
شکل 4-9: انتخاب اتمهای مورد مطالعه برای ضبط اطلاعات و نمایش گراف.. 80
شکل 4-10: هیستوگرام زمان انتظار قبل از ایستگاه چاپ.. 81
شکل 4-11: هیستوگرام طول صف قبل از ایستگاه چاپ.. 81
شکل 4-12: هیستوگرام زمان انتظار قبل از ایستگاه اکسترود 82
شکل 4-13: هیستوگرام زمان انتظار قبل از ایستگاه برش.. 82
شکل 4-14: هیستوگرام زمان انتظار قبل از ایستگاه بسته بندی. 83
شکل 4-15: گرافهای وضعیت ایستگاه سیلندرکاری. 84
شکل 4-16: گرافهای وضعیت ایستگاه اکسترود 84
شکل 4-17: گرافهای وضعیت ایستگاه چاپ.. 84
شکل 4-18: گرافهای وضعیت ایستگاه بسته بندی. 85
شکل 4-19: گرافهای وضعیت ایستگاه برش.. 85
فهرست جداول
جدول 1-1: مشخصات نرم افزار ED.. 26
جدول 1-2: وضعیت های مختلف شاخص OEE. 29
جدول 1-3: انواع مختلف علل افت شاخص OEE. 30
جدول 3-1: خلاصه توابع توزیع زمانهای پردازش عملیات.. 62
جدول 3-2: ضایعات ورقه های کاغذ در مراحل مختلف.. 65
جدول 4-1: نتایج مربوط به شاخص اثربخشی کلی تجهیزات OEE در مدل شبیهسازی (با 95% اطمینان) 74
جدول 4-2: نتایج خروجی مربوط به درصد اشتغال (بهرهوری) ماشین اکسترود 78
جدول 4-3: نتایج خروجی مربوط به درصد اشتغال (بهرهوری) ماشین برش.. 78
جدول 4-4: نتایج خروجی مربوط به میزان تولید در واحد اسپتیک.. 78
جدول 4-5: محصولات نیم ساخته (بر حسب متر) در بین مراحل مختلف کاری در واحد اسپتیک 79
منابع فارسی
- کوچکی پور،ن. و بطحایی،س.م.ت.،1394، بهره برداري بهينه از انرژي در سيستم هاي توزيع با محوريت مديريت نگهداري و تعمير تجهيزات با استفاده از شبیه سازی،سی امین کنفرانس بین المللی برق،تهران
- زارع علی آبادی،ح.، قنبرپور،ف.،1394،شبیه سازی واحد تاپینگ پالایشگاه گاز خانگیران و انتگراسیون حرارتی واحد با استفاده از حرارت محصولات دیزل و نفت سفید در فرآیند،مجله فنی و مهندسی فناوریهای نوین در سیستم های انرژی،سال اول، شماره اول.
- پاکیزه،ح.، عطاریان شاندیز،م.، 1393، شبیهسازی، طراحی تجهیزات و برآورد اقتصادی فرایند تولید پلی وینیل کلرید،مجله مهندسي شيمي ايران، دوره13،شماره75.
- آزاده دل،ر.ع، منصف،ح.، دهقانی،ح.،1393، شبیهسازی تجهیزات پستهای فشار قوی برای مقابله با تهدیدات الکترومغناطیسی، بیست و نهمین کنفرانس بین المللی برق.
- سجادی،س.خ.، عظیمی،پ.،1393، بهینهسازی تعداد تجهیزات شعب بانک به کمک شبیهسازی و الگوریتم تبرید، پژوهش های مدیریت در ایران، دوره 18، شماره 4، زمستان 1393، صفحه 65-85.
- حسن نایبی،ع.، حسن نایبی،ا.، ساجدی نژاد،آ.،1392،شبیه سازی تجهیزات کارخانه به منظور پیش بینی وضعیت توقف تجهیزات (مطالعه موردی:سالن رنگ شرکت سایپا دیزل)، دهمین کنفرانس بین المللی مهندسی صنایع،انجمن مهندسی صنایع ایران.
- کلاهان،ف.، دوست پرست،م.،1391، تحليل و طراحي برنامه نت در سيستمهای توليد ايستگاهی بوسيله شبيه سازی،پایان نامه کارشناسی ارشد، گروه مهندسي مکانيک دانشگاه فردوسي مشهد.
- راعی،ح.، زارع علی آبادی،ح.، سرگلزایی،ج.،1390، طراحی و شبیه سازی واحد تولید اتانول آمین،پایان نامه کارشناسی ارشد، دانشکده مهندسی شیمی، دانشگاه آزاد اسلامی واحد شاهرود.
- سیف محدثی،ر.، صدیقی،س.، بهمنی،م.، ملاوانی،م.، مرزبان،ب.،1387، شبيهسازي و بررسي تاثير متغيرهاي عملياتي بر بازده و كيفيت محصولات در واحد كاهش گرانروي پالايشگاه تهران با استفاده از شبيه ساز پتروسيم، ماهنامه تخصصي،علمي- ، شماره15.
- اسماعیلیان،م.،1387، كاربرد شبيهسازي در مهندسي مجدد فرايند، rasekhoon.net/article/show
- شهریاری،د.، صادقی،م.ح.،تقی پور،م.، نجف آبادی،م.ر.،1385، مطالعه و بررسي شبيهسازي سيستمهاي انتقال بدنه خودرو درخطوط رنگ، دومین کنفرانس لجستیک و زنجیره تامین.
- حق نوبس،م.،آزاده،م.ع.، صادق نیک عمل،م.، رزمی،جعفر،1382،طراحی فراگیر سیستم اطلاعات و سیستم تولید به وسیله شبیه سازی، پایان نامه کارشناسی ارشد،مهندسی صنایع، دانشگاه تهران.
- تورنگ،ا.، اقدسی،م.،طارمی،ق.، مقبل،ع.، 1362،طراحی سیستم تولیدی تکنولوژی گروهی به کمک شبیهسازی، پایان نامه کارشناسی ارشد،مهندسی صنایع، دانشگاه تربیت مدرس.
منابع انگلیسی
- Kubat, C. and O. Uygun. HLA based distributed simulation model for integrated maintenance and production scheduling system in textile industry. in Proceedings of 3rd I* PROMS Virtual International Conference. 2007.
- Duffuaa, S. and A. Andijani, An Integrated Simulation Model for Manning Maintenance Shops. NCC1997.
- Ho, N.B., J.C. Tay, and E.M.-K. Lai, An effective architecture for learning and evolving flexible job-shop schedules. European Journal of Operational Research, 2007. 179(2): p. 316-333.
- Bris, R., E. Châtelet, and F. Yalaoui, New method to minimize the preventive maintenance cost of series–parallel systems. Reliability Engineering & System Safety, 2003. 82(3): p. 247-255.
- de Castro, H.F. and K.L. Cavalca, Maintenance resources optimization applied to a manufacturing system. Reliability Engineering & System Safety, 2006. 91(4): p. 413-420.
- Williams, E.J. and S. Sadakane. Simulation of a paint shop power and free line. in Proceedings of the 29th conference on Winter simulation. 1997. IEEE Computer Society.
- Chung, C.A., Simulation modeling handbook: a practical approach. 2003: CRC press.
- Lightsey, B., Systems engineering fundamentals. 2001, DTIC Document.
- Longo, F., M. Massei, and L. NICOLETTI, An application of modeling and simulation to support industrial plants design. International Journal of modeling, simulation, and scientific computing, 2012. 3(01): p. 1240001.
- Maria, A. Introduction to modeling and simulation. in Proceedings of the 29th conference on Winter simulation. 1997. IEEE Computer Society.
- Jiejuan, T., M. Dingyuan, and X. Dazhi, A genetic algorithm solution for a nuclear power plant risk–cost maintenance model. Nuclear engineering and design, 2004. 229(1): p. 81-89.
- Kemp, I.C., Pinch analysis and process integration: a user guide on process integration for the efficient use of energy. 2011: Butterworth-Heinemann.
- Muchiri, P. and L. Pintelon, Performance measurement using overall equipment effectiveness (OEE): literature review and practical application discussion. International Journal of Production Research, 2008. 46(13): p. 3517-3535.
- Ljungberg, Õ., Measurement of overall equipment effectiveness as a basis for TPM activities. International Journal of Operations & Production Management, 1998. 18(5): p. 495-507.
- Nachiappan, R. and N. Anantharaman, Evaluation of overall line effectiveness (OLE) in a continuous product line manufacturing system. Journal of Manufacturing Technology Management, 2006. 17(7): p. 987-1008.
- Muthiah, K. and S. Huang, Overall throughput effectiveness (OTE) metric for factory-level performance monitoring and bottleneck detection. International Journal of Production Research, 2007. 45(20): p. 4753-4769.
- Arturo Garza-Reyes, J., et al., Overall equipment effectiveness (OEE) and process capability (PC) measures: a relationship analysis. International Journal of Quality & Reliability Management, 2010. 27(1): p. 48-62.
- Allaoui, H. and A. Artiba, Integrating simulation and optimization to schedule a hybrid flow shop with maintenance constraints. Computers & Industrial Engineering, 2004. 47(4): p. 431-450.
- Gao, J., M. Gen, and L. Sun, Scheduling jobs and maintenances in flexible job shop with a hybrid genetic algorithm. Journal of Intelligent Manufacturing, 2006. 17(4): p. 493-507.
- Lee, C.-Y., Two-machine flowshop scheduling with availability constraints. European Journal of Operational Research, 1999. 114(2): p. 420-429.
- Gao, J., et al., A hybrid of genetic algorithm and bottleneck shifting for multiobjective flexible job shop scheduling problems. Computers & Industrial Engineering, 2007. 53(1): p. 149-162.
- Kubat, C. and O. Uygun. HLA based distributed simulation model for integrated maintenance and production scheduling system in textile industry. in Proceedings of 3rd I* PROMS Virtual International Conference. 2007.
- Duffuaa, S. and A. Andijani, An Integrated Simulation Model for Manning Maintenance Shops. NCC1997.
- Ho, N.B., J.C. Tay, and E.M.-K. Lai, An effective architecture for learning and evolving flexible job-shop schedules. European Journal of Operational Research, 2007. 179(2): p. 316-333.
- Bris, R., E. Châtelet, and F. Yalaoui, New method to minimize the preventive maintenance cost of series–parallel systems. Reliability Engineering & System Safety, 2003. 82(3): p. 247-255.
- de Castro, H.F. and K.L. Cavalca, Maintenance resources optimization applied to a manufacturing system. Reliability Engineering & System Safety, 2006. 91(4): p. 413-420.
- Williams, E.J. and S. Sadakane. Simulation of a paint shop power and free line. in Proceedings of the 29th conference on Winter simulation. 1997. IEEE Computer Society.
- Chung, C.A., Simulation modeling handbook: a practical approach. 2003: CRC press.
- Lightsey, B., Systems engineering fundamentals. 2001, DTIC Document.
- Longo, F., M. Massei, and L. NICOLETTI, An application of modeling and simulation to support industrial plants design. International Journal of modeling, simulation, and scientific computing, 2012. 3(01): p. 1240001.
- Maria, A. Introduction to modeling and simulation. in Proceedings of the 29th conference on Winter simulation. 1997. IEEE Computer Society.
- Jiejuan, T., M. Dingyuan, and X. Dazhi, A genetic algorithm solution for a nuclear power plant risk–cost maintenance model. Nuclear engineering and design, 2004. 229(1): p. 81-89.
- Kemp, I.C., Pinch analysis and process integration: a user guide on process integration for the efficient use of energy. 2011: Butterworth-Heinemann.
- Muchiri, P. and L. Pintelon, Performance measurement using overall equipment effectiveness (OEE): literature review and practical application discussion. International Journal of Production Research, 2008. 46(13): p. 3517-3535.
- Ljungberg, Õ., Measurement of overall equipment effectiveness as a basis for TPM activities. International Journal of Operations & Production Management, 1998. 18(5): p. 495-507.
- Nachiappan, R. and N. Anantharaman, Evaluation of overall line effectiveness (OLE) in a continuous product line manufacturing system. Journal of Manufacturing Technology Management, 2006. 17(7): p. 987-1008.
- Muthiah, K. and S. Huang, Overall throughput effectiveness (OTE) metric for factory-level performance monitoring and bottleneck detection. International Journal of Production Research, 2007. 45(20): p. 4753-4769.
- Arturo Garza-Reyes, J., et al., Overall equipment effectiveness (OEE) and process capability (PC) measures: a relationship analysis. International Journal of Quality & Reliability Management, 2010. 27(1): p. 48-62.
- Allaoui, H. and A. Artiba, Integrating simulation and optimization to schedule a hybrid flow shop with maintenance constraints. Computers & Industrial Engineering, 2004. 47(4): p. 431-450.
- Gao, J., M. Gen, and L. Sun, Scheduling jobs and maintenances in flexible job shop with a hybrid genetic algorithm. Journal of Intelligent Manufacturing, 2006. 17(4): p. 493-507.
- Lee, C.-Y., Two-machine flowshop scheduling with availability constraints. European Journal of Operational Research, 1999. 114(2): p. 420-429.
- Gao, J., et al., A hybrid of genetic algorithm and bottleneck shifting for multiobjective flexible job shop scheduling problems. Computers & Industrial Engineering, 2007. 53(1): p. 149-162.
- Zheng, G., et al., Simulation-based performance prediction for large parallel machines. International Journal of Parallel Programming, 2005. 33(2-3): p. 183-207.
- Xing, L.-N., Y.-W. Chen, and K.-W. Yang, Multi-objective flexible job shop schedule: Design and evaluation by simulation modeling. Applied Soft Computing, 2009. 9(1): p. 362-376.
- Mahdavi, I., B. Shirazi, and M. Solimanpur, Development of a simulation-based decision support system for controlling stochastic flexible job shop manufacturing systems. Simulation Modelling Practice and Theory, 2010. 18(6): p. 768-786.
- Huang, S.H., et al., Manufacturing productivity improvement using effectiveness metrics and simulation analysis. International Journal of Production Research, 2003. 41(3): p. 513-527.
- Zammori, F., M. Braglia, and M. Frosolini, Stochastic overall equipment effectiveness. International Journal of Production Research, 2011. 49(21): p. 6469-6490.
- Mahadevan, S., Automated simulation analysis of overall equipment effectiveness metrics. 2004, University of Cincinnati.
- Moon, S., et al. Simulation Modeling of Sewing Process for Evaluation of Production Schedule in Smart Factory. in 2016 International Conference on Industrial Engineering, Management Science and Application (ICIMSA). 2016. IEEE.
- Chen, J.C., et al. Simulation Modeling and Analysis of Line Length and Batch Size in Footwear Factory. in International Conference on Industrial Engineering and Operations Management. 2014.
- Zahraee, S.M., et al. Comparison of Different Scenarios Using Computer Simulation to Improve the Manufacturing System Productivity: Case Study. in Advanced Materials Research. 2014. Trans Tech Publ.
- Zupan, H. and N. Herakovic, Production line balancing with discrete event simulation: A case study. IFAC-PapersOnLine, 2015. 48(3): p. 2305-2311.
- Kelton, W.D. and A.M. Law, Simulation modeling and analysis. 2000: McGraw Hill Boston.
- Hullinger, D.R. Taylor enterprise dynamics. in Simulation Conference Proceedings, 1999 Winter. 1999. IEEE.
- Kelton, W.D., Simulation with ARENA.
محصولات مشابه
فرمت فایل | word, pdf |
---|---|
رشته | صنایع |
تعداد صفحات | 131 |