| | |Menu główne

Funkcje

Typowe funkcje wykorzystywane w symulacjach realizowanych z wykorzystaniem programu ProModel:

  • Assembly Lines – produkcja realizowana w planowanych marszrutach z wykorzystaniem dostępnych zasobów zakładu
  • Job Shops – realizacja zleceń produkcyjnych na podstawie aktualnych zamówień
  • Transfer Lines – produkcja w zautomatyzowanym systemie maszyn i urządzeń transportu technologicznego
  • JIT and KANBAN – metoda zarządzania procesem produkcyjno-magazynowym, mająca na celu redukcję pracy w toku i poziomu zapasów
  • Flexible Manufacturing Systems – elastyczny system produkcji, umożliwiający dostosowanie przepływu materiałów i wykorzystania maszyn do zmian zleceń produkcyjnych
  • Supply Chain Logistics – wydajna sieć transportu, magazynowania i inwentaryzacji
  • Six Sigma – pozyskiwanie i analiza danych w celu identyfikacji błędów jeszcze przed ich wystąpieniem, co umożliwia osiągnięcia wysokiej jakości produktu i ograniczenia kosztów produkcji.

ProModel postrzega system produkcyjny jako układ miejsc przetwarzania, takich jak maszyny i stacje robocze, w których wykonywane są czynności zgodnie z logiką działań technologicznych, realizujących proces wytwarzania. System ProModel, obejmuje również analizą ścieżki przepływu jednostek i zasobów oraz komponenty pomocnicze modelu, takie jak operatorzy i sprzęt do przenoszenia i transportu materiałów.

Po zidentyfikowaniu celów biznesowych symulacji, należy określić warunki i sposób przeprowadzenia badania. Nie ma ścisłych zasad i procedur badania symulacyjnego, jednak ogólnie przyjmuje się wytyczne i zalecenia opisane w literaturze (Shannon, 1975; Gordon, 1978; Law, 1991):

  1. Planowanie badania
  2. Definiowanie systemu
  3. Budowanie modelu
  4. Obliczenia i symulacje
  5. Analiza danych
  6. Raport wyników.

Planowanie badania

Do przykładowych celów w planowaniu badania symulacyjnego możemy zaliczyć:

  • Analiza wydajności – ocena systemu pracującego w określonych warunkach wg. kryteriów wykorzystania zasobów, przepustowości, czasu oczekiwania, itp.
  • Analiza pojemności – identyfikacja maksymalnej wydajności i produkcyjności systemu
  • Analiza możliwości – jak zmiany w zakresie np. zasobów, przepływu materiałów, zwiększenia siły roboczej, wpływają na oczekiwaną wydajność, czas oczekiwania, itp.
  • Badanie porównawcze – ocena wariantów i konfiguracji modelu
  • Analiza wrażliwości – które zmienne i parametry mają największy, i jaki wpływ na jedną lub więcej miar wydajności systemu
  • Badanie optymalizacji – szukaniekombinacji wartości dla danego zestawu zmiennych, umożliwiających osiągnięcie określonych celów wydajności
  • Analiza decyzji/odpowiedzi – jakie są relacje między wartościami jednej lub więcej zmiennych do reakcji systemu
  • Analiza ograniczeń – identyfikowanie ograniczenia i „wąskich gardeł” oraz czynników umożliwiających ich zmniejszenie lub wyeliminowanie
  • Skuteczność komunikacji – jakie zmienne i reprezentacje graficzne można wykorzystać do najefektywniejszego zobrazowania dynamicznego zachowania lub działania systemu.

Definiowanie systemu

Mając jasno określone cele i dobrze zorganizowany plan badania, należy szczegółowo zdefiniować model reprezentujący poddany symulacji proces produkcyjny. Zbieranie i weryfikowanie informacji, często nieskorelowanych danych, które mają istotny wpływ na jakość projektowanego modelu, jest utrudnione bez postepowania zgodnie z wypracowanymi wcześniej metodami, do których możemy zaliczyć:

  • identyfikowanie związków przyczynowo skutkowych – prawidłowo zidentyfikowane przyczyny lub warunki wykonywanych działań, np. rozróżnienie przestojów spowodowanych awarią sprzętu od planowanych przestojów na przerwę
  • szukanie czynników kluczowych – wyodrębnienie w zbiorze zbieranych danych, czynników mających zasadniczy i pomijanie tych, które mają niewielki wpływ na wydajność systemu, np. działanie operatora, który jest dedykowany do konkretnego zadania, a tym samym nigdy nie jest przyczyną opóźnień w obsłudze lub znikome czasy przenoszenia, mogą być bezpiecznie zignorowane
  • rozpoznać czynności zależne od czasu i warunków – uwzględnić czynności, których wykonanie zajmuje przewidywalną ilość czasu oraz czynności, które można wykonać, gdy spełnione są określone warunki w systemie
  • koncentracja na czynnikach determinujących system – uwzględniać kluczowe związki przyczynowo skutkowe i ignorować przypadkowe zdarzenia, np. nie przejmujemy się charakterem wykonywanej czynności, a jedynie jej wpływem na wykorzystanie zasobów i opóźnienie przepływu podmiotów
  • zmienne wejściowe i informacje zwrotne – zmienne wejściowe definiują model i sposób działania systemu, np. czasy aktywności, sekwencje routingu itp. Informacje zwrotne w postaci zmiennych powstałych w wyniku symulacji, opisują, w jaki sposób system reaguje na dany zestaw zmiennych wejściowych, np. praca w toku, czasy bezczynności, wykorzystanie zasobów itp.

Budowanie modelu

Celem budowania modelu jest zapewnienie poprawnej reprezentacji działania zdefiniowanego procesu produkcyjnego. Poprawnie zdefiniowany model zapewnia w wyniku walidacji, uzyskanie odpowiedniej reprezentacji danych statystycznych i graficznych, niezbędnych do spełnienia celów badania. Ważną cechą symulacji jest możliwość zastosowania strategii progresywnego udoskonalania, uzupełniania dodatkowymi danymi w kolejnych etapach prowadzenia badań. Uzyskujemy w ten sposób modele skalowalne, możliwe do szybszych obliczeń w poszczególnych etapach i wariantach symulacji.

Obliczenia i symulacje

Symulacja umożliwia w odniesieniu do podstaw teoretycznych, weryfikować zasady i kryteria projektowania lub strategie zarządzania procesami, dążąc do poprawy ich jakości. Na podstawie wyników symulacji, projektant wyciąga wnioski dotyczące koncepcji, hipotez i warunków, stanowiących podstawę projektu. W eksperymencie symulacyjnym istnieją zmienne wejściowe definiujące model, które są niezależne i mogą być modyfikowane lub zmieniane, co powoduje reakcję systemu na zależne złożone grupy skorelowanych parametrów, zwracających informacje opisujące efektywność systemu.

Analiza danych

Analiza wyników umożliwia wielowariantowe wnioskowanie dotyczące rzeczywistego systemu. Ponieważ wyniki eksperymentu symulacyjnego są losowe, należy zachować szczególną ostrożność podczas ich interpretacji, stosując ocenę danych wyjściowych w ujęciu statystycznym. Końcowym etapem w procedurze symulacyjnej jest sformułowanie na podstawie analizy wyników, rekomendacji usprawnień w rzeczywistym systemie. Zalecenia te powinny być poparte wynikami obliczeń, stanowiącymi podstawę do podjęcia świadomej decyzję w zakresie modyfikacji procesu i poprawy jego jakości. Dokumentacja wykorzystanych danych, opracowanych modeli i przeprowadzonych eksperymentów, powinna być włączona jako część końcowego raportu z symulacji.

Raport wyników

Końcowym etapem w procedurze symulacyjnej jest sformułowanie na podstawie analizy wyników, rekomendacji usprawnień w rzeczywistym systemie. Zalecenia te powinny być poparte wynikami obliczeń, stanowiącymi podstawę do podjęcia świadomej decyzję w zakresie modyfikacji procesu i poprawy jego jakości. Dokumentacja wykorzystanych danych, opracowanych modeli i przeprowadzonych eksperymentów, powinna być włączona jako część końcowego raportu z symulacji.

Zamknij