Проектирование макета линии по производству мебели

АБСТРАКТ НАЯ

В этой статье экспериментируется применение различных эвристических подходов к реальной проблеме планировки объекта в компании по производству мебели. Все модели сравниваются с использованием AHP, где используется ряд интересующих параметров. Эксперимент показывает, что формальные подходы моделирования планировки могут эффективно использоваться для решения реальных проблем, с которыми сталкиваются в промышленности, что приводит к значительным улучшениям.

1. ВВЕДЕНИЕ

Мебельная промышленность, как и многие другие, переживает эпоху высокой конкуренции, поэтому ей приходится искать методы снижения производственных затрат, улучшения качества и т. д. В рамках программы повышения производительности в производственной компании, именуемой здесь (Компания = TC), мы провели проект по оптимизации компоновки производственной линии в цехе этой компании, направленный на преодоление текущих проблем, связанных с неэффективной компоновкой. Было решено применить ряд методов моделирования компоновки для создания почти оптимальной компоновки на основе формальных методов, которые редко используются на практике. Используемые методы моделирования: теория графов, блочный план, CRAFT, оптимальная последовательность и генетический алгоритм. Затем эти компоновки оценивались и сравнивались с использованием 3 критериев, а именно: общая площадь, поток * расстояние и процент смежности. Общая площадь относится к площади, занимаемой производственной линией для каждой разработанной модели. Поток * расстояние вычисляет сумму произведений потока и расстояния между каждыми двумя объектами. Процент смежности вычисляет процент объектов, которые соответствуют требованию смежности.

Выбор лучшего макета также проводился формально с использованиеммногокритериальныйПодход к принятию решений AHP (Satty, 1980) с использованием программного обеспечения Expert Choice. Лучший макет сравнивался с существующим макетом для демонстрации улучшений, полученных с помощью формальных подходов к проектированию макета.

Определение проблемы планировки завода заключается в поиске наилучшего расположения физических объектов для обеспечения эффективной работы (Хасан и Хогг, 1991). Планировка влияет на стоимость обработки материалов, время выполнения заказа и пропускную способность. Следовательно, она влияет на общую производительность и эффективность завода. Согласно Томпкинсу и Уайту (1984), проектирование объектов существовало на протяжении всей записанной истории, и действительно, городские объекты, которые были спроектированы и построены, описаны в древних

* Автор-корреспондент

История Греции и Римской империи. Среди первых, кто изучал эту проблему, были Armour и Buffa et al. (1). Кажется, в 1964-х годах было опубликовано немного. Francis и White (1950) были первыми, кто собрал и обновил ранние исследования в этой области. Более поздние исследования были обновлены двумя исследованиями: первое из них было проведено Domschke и Drexl (1974), а второе — Francis et al. (1). Hassan и Hogg (2) сообщили о обширном исследовании типа данных, необходимых для решения проблемы компоновки машин. Данные о компоновке машин рассматриваются в иерархии; в зависимости от того, насколько подробно разработана компоновка. Когда компоновка требуется только для поиска относительного расположения машин, данных, представляющих номер машины и их потоковые отношения, достаточно. Однако, если требуется подробная компоновка, требуется больше данных. При поиске данных могут возникнуть некоторые трудности, особенно на новых производственных предприятиях, где данные еще не доступны. Когда макет разрабатывается для современных и автоматизированных объектов, требуемые данные не могут быть получены из исторических данных или из аналогичных объектов, поскольку они могут не существовать. Математическое моделирование было предложено как способ получения оптимального решения для проблемы макета объекта. С тех пор как первая математическая модель была разработана Купмансом и Бекманном (1) как квадратичная задача назначения, интерес к этой области значительно возрос. Это открыло новую и интересную область для исследователя. В поисках решения проблемы макета объекта исследователи занялись разработкой математических моделей. Хаушьяр и Уайт (1985) рассматривали проблему макета какцелочисленное программированиемодель, в то время как Розенблатт (1986) сформулировал проблему компоновки как модель динамического программирования. Палекар и др. (1992) имеют дело с неопределенностью, а Шан (1993) используетмногокритериальныйподход. С другой стороны, Льюнг (1992) представил формулировку теории графов.

Зеленый иАль-Хаким(1985) использовал GA для поиска семейства деталей, а также компоновки между ячейками. В своей формулировке он ограничил компоновку ячеек либо линейной однорядной, либо линейной двухрядной. Разработанный алгоритм больше ориентирован на компоновку системы ячеек или компоновку производственного цеха, чем на компоновку ячеек или компоновку машин. Фактическая компоновка машин внутри ячеек не рассматривалась. Банерджи и Чжоу (1995) сформулировали задачу оптимизации проектирования объектов дляодноконтурныймакет с использованием генетических алгоритмов. Разработанный алгоритм предназначен для макета систем ячеек и, следовательно, не учитывает макет машин внутри ячейки. Фу и Каку (1997) представили формулировку задачи макета завода для системы производства по частям, где целью является минимизация среднего объема незавершенного производства. Они смоделировали завод как открытую сеть очередей при ряде предположений. Задача сводится к задаче назначения очередей (QAP). Моделирование использовалось для минимизации средних затрат на обработку материалов и минимизации среднего объема незавершенного производства.

2. ПОДХОДЫ К МОДЕЛИРОВАНИЮ

Модели классифицируются в зависимости от их природы, предположений и целей. Первый общий подход к систематическому планированию компоновки, разработанный Мутором (1), по-прежнему является полезной схемой, особенно если он поддерживается другими подходами и компьютером. Конструктивные подходы, например, Хассан и Хогг (1955), создают компоновку с нуля, в то время как методы улучшения, например, Бозер, Меллер и Эрлебахер (1991), пытаются изменить существующую компоновку для получения лучших результатов. Методы оптимизации, а также эвристики для компоновки хорошо документированы Херагу (1994).Де-Альваренгаи Гомес (2000) обсуждаютметаэвристикаподход как способ преодоления NP-сложной природы оптимальных моделей.

Различные методы моделирования, используемые в этой работе, это Теория графов, CRAFT, Оптимальная последовательность, BLOCPLAN и Генетический алгоритм. Ниже объясняются параметры, которые требуются каждому алгоритму для моделирования одного и того же.

Теория графов

Теория графов (Фоулдс и Робинсон, 1976; Гиффин и др., 1984; Ким и Ким, 1985; и Леунг, 1992) применяетвес ребрамаксимальный планарный граф, в котором вершины (V) представляют объекты, а ребра (E) представляют смежности, а Kn обозначает полный граф из n вершин. При наличии взвешенного графа G задача размещения объектов заключается в поиске максимального взвешенного остоваподграфG' группы G, которая является плоской.

В этой статье используются 2 разных подхода к моделированию кейса. Первый подход — этоДельта-эдрметод Фулдса и Робинсона (1976). Метод включает простую вставку с начальным K4, а затем вершины вставляются одна за другой в соответствии с критерием выгоды. 2-й используемый подход — алгоритм расширения колеса (Грин иАль-Хаким,1985). Здесь начальный K4 получается путем выбора ребра с наибольшим w8 и последующего применения 2 последовательных вставок вершин в соответствии с критериями выгоды. Затем алгоритм переходит к процессу вставки, называемому процедурой расширения колеса. Колесо на n вершинах определяется как цикл на(N-1)вершин (называемых ободом), так что каждая вершина смежна с одной дополнительной вершиной (называемой ступицей). Пусть W — колесо со ступицей x. Выберите 2 вершины k и l, которые являются ободами этого цикла. Затем вершина из набора неиспользуемых вершин вставляется в это колесо в текущем частичномподграфтак что y является ступицей нового колеса W′, содержащего k, l и x в качестве своих ободов, и все обода в W теперь смежны с вершиной x или вершиной y. Вставляя каждую неиспользуемую вершину последовательно указанным выше способом, получаем конечный максимальный планарный подграф.

Использование КРАФТА

CRAFT (Computerized Relative Allocation of Facilities Technique) использует парный обмен для разработки макета (Buffa et al., 1964; Hicks and Lowan, 1976). CRAFT не рассматривает все возможные парные обмены перед созданием улучшенного макета. Входные данные включают размеры здания и объектов, поток материалов или частоту поездок между парами объектов и стоимость единицы груза на единицу расстояния. Произведение потока (f) и расстояния (d) дает стоимость перемещения материалов между двумя объектами. Затем снижение стоимости рассчитывается на основе вклада в стоимость обработки материалов до и после обмена.

Оптимальная последовательность

Метод решения начинается с произвольной последовательной компоновки и пытается улучшить ее путем переключения 2 отделов в последовательности (Heragu, 1997). На каждом шаге метод вычисляет изменения потока*расстояния для всех возможных переключений 2 отделов и выбирает наиболее эффективную пару. 2 отдела переключаются, и метод повторяется. Процесс останавливается, когда ни одно переключение не приводит к снижению стоимости. Входные данные, необходимые для создания компоновки с использованием оптимальной последовательности, в основном представляют собой размеры здания и объектов, поток материалов или частоту поездок между парами объектов и стоимость за единицу нагрузки на единицу расстояния.

Использование BLOCPLAN

BLOCPLAN — это интерактивная программа, используемая для разработки и улучшения как одноэтажных, так и многоэтажных планировок (зеленых и Аль-Хаким,1985). Это простая программа, которая генерирует хорошие начальные макеты благодаря своей гибкости, основанной на нескольких встроенных опциях. Она использует как количественные, так и качественные данные для

сгенерировать несколько макетов блоков и меру их пригодности. Пользователь может выбрать относительные решения на основе обстоятельств.

Генетический алгоритм

Существует множество способов формулирования проблем компоновки объектов с помощью генетических алгоритмов (ГА). Банерджи, Чжоу и Монтрей (1997) применили ГА к компоновке ячеек. Структура среза дерева была впервые предложена Оттеном (1) как способ представления класса компоновок. Этот подход позже использовался многими авторами, включая Тама и Чана (1982), которые использовали его для решения проблемы компоновки неравных площадей с геометрическими ограничениями. Алгоритм ГА, используемый в этой работе, был разработан Шаяном и Читтилаппилли (1995) на основе структур среза дерева (STC). Он кодирует древовидную структуру кандидата в специальную структуру из 2004-мерных хромосом, которая показывает относительное расположение каждого объекта в дереве среза. Доступны специальные схемы для манипулирования хромосомой в операциях ГА (Там и Ли, 2). Новая операция «клонирования» была также введена в Шаяне иАль-Хаким(1999). Выбранное решение через GA затем преобразуется в схему нарезки. Она начинается с одного начального блока, который содержит все объекты. По мере выполнения алгоритма построения схемы создаются новые разделы, и между вновь созданными блоками назначаются объекты, пока в каждом блоке не останется только один объект. При этом также вычисляются координаты каждого объекта. Прямолинейное расстояние между центроидами объектов используется для оценки пригодности соответствующей хромосомы. Когда GA завершается, процедура рисования берет на себя печать схемы с использованием сохраненных значений координат. Целевая функция имеет штрафной член, чтобы избежать узких срезов.

3. ЭКСПЕРИМЕНТИРОВАНИЕ С ПОМОЩЬЮ КОНКРЕТНОГО СИТУАЦИОННОГО ИССЛЕДОВАНИЯ

Для проверки эффективности методов, описанных ранее, все они были применены к реальному сценарию в производстве мебели. Компания производит 9 различных стилей стульев, двухместных и3-местныйсоответственно. Производство всех стилей следует одному и тому же набору операций, но включает в себя разное сырье. 5 деталей, а именно подушки сиденья, подушки спинки, подлокотники сиденья и спинки производятся внутри партии разных размеров, в разбросанных областях (отделах). Перемещение деталей создает такие проблемы, как незавершенное производство, недостающие детали, нехватка, перегруженность и неправильное размещение.

Каждое изделие проходит 11 операций, которые начинаются на объекте 1 – Зона резки и заканчиваются на объекте 11 – Зона сборки болтов. Каждая из конечных сборок может быть разбита на подсборки с одинаковыми названиями. Эти подсборки встречаются на участке сборки болтов.-ВверхОбъект для окончательной сборки. Каждый из подузлов начинает свою работу независимо, и все они проходят фиксированный набор операций, который показан в виде схемы сборки на рис. 1. Объекты текущей компоновки не размещены в соответствии с последовательностью операций.

Из-за этого нет последовательного потока материалов, что приводит к незавершенному производству. Взаимодействие между объектами можно определить с помощью субъективных и объективных показателей. Основными входными данными, необходимыми для схем потоков, являются спрос, количество произведенных материалов и количество материала, которое течет между каждой машиной. Поток материалов рассчитывается на основе объема потока материалов, перемещаемых за 10 месяцев * Единица измерения, которая показана на рисунке 2. На рисунке 3 показана площадь каждого отдела, используемого в исследовании случая. На рисунке 4 показана текущая схема исследования случая.

Рисунок 1. Схема сборки для примера

Рисунок 2. Поток материала для исследования случая.

Рисунок 3 Номер, соответствующий отделу

Рисунок 4. Текущая планировка мебельной компании и размеры каждого отдела, использованные при моделировании исследования.

4. ПРИМЕНЕНИЕ ПОДХОДОВ МОДЕЛИРОВАНИЯ

Здесь различные подходы к моделированию, обсуждавшиеся в разделе 2, применяются к исследованию случая для создания альтернативных макетов для сравнения.

4.1 Использование теории графов

Таблица 1 показывает сравнение результатов, полученных с использованием двух различных подходов теории графов, а именно метода Фулдса и Робинсона и метода Колес и Ободьев. Таблица 2 наглядно показывает, что метод Фулдса и Робинсона является лучшим из двух результатов. Результаты метода Фулдса и Робинсона подробно описаны на рисунках.5-7.

Таблица 1: Таблица, показывающая сравнение двух различных методов теории графов.

Рисунок 5. График смежности результатов исследования случая с использованием метода Фулдса и Робинсона.

Рисунок 6. Улучшенная компоновка после использования теории графов (метод Фулдса и Робинсона)

1-Резка,2- Шитье, 3- Наполнение бязи, 4- Крупный план, 5- Наполнение вставки подушки, 6- Раскрой поролона, Раскрой поролона, 7- Сборка рамки, 8- Приклеивание,9-ВеснаВверх,10-Обивка,11- Закрепите болты.

Рисунок 7. Диаграмма оценки потока * расстояния для исследования случая с использованием теории графов (метод Фулдса и Робинсона)

4.2 Использование КРАФТА

Вводятся входные данные для CRAFT и сначала рассчитывается начальная стоимость для текущего макета. Эту стоимость можно уменьшить с помощью парного сравнения, как показано на рисунках 1.

Рисунок 8 Первоначальная стоимость текущего макета с использованием CRAFT

Рисунок 9 Пошаговый обмен по CRAFT

Результаты, полученные CRAFT, показаны в Таблице 2. На основе приведенных выше расчетов можно построить новую и улучшенную схему, показанную на Рисунке 10.

Таблица 2: Таблица, показывающая результаты

Рисунок 10 Улучшенный макет, созданный CRAFT

4.3 Алгоритм оптимальной последовательности

Входные данные те же, что и для CRAFT, за исключением того, что они следуют другому набору парных сравнений. Таблица 3 показывает результаты, полученные из улучшенной компоновки. Рисунок 11 показывает улучшенную компоновку с использованием Optimum Sequence.

Таблица 3 Таблица, показывающая результаты с использованием CRAFT

Рисунок 11 Улучшенная компоновка после использования оптимальной последовательности

4.4 Использование BLOCPLAN

Диаграмма матрицы потоков была преобразована в диаграмму REL, как показано на рисунке 12, со следующими параметрами:

Рисунок 12. Диаграмма REL для примера

Таблица 4 показывает результаты с использованием различных подходов. Как видно, BLOCPLAN с использованием автоматизированного поиска показал лучшие результаты, чем при использовании алгоритма построения.

Рисунок 13 Улучшенный макет автоматизированного поиска

Таблица 4. Меры для макетов BLOCPLAN

4.5 Использование генетического алгоритма

Наилучшее решение, найденное алгоритмом, показано на рисунке 14. Затем оно преобразуется в макет, показанный на рисунке 15, для общего сравнения с другими моделями.

Рисунок 14. Макет, разработанный генетическим алгоритмом

Рисунок 15. Преобразование макета на рисунке 14.

В таблице 5 показаны результаты с использованием генетического алгоритма.

Таблица 5 Таблица, показывающая результаты с использованием генетического алгоритма

5. СРАВНЕНИЕ РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТОВ ПО AHP

Таблица 6 суммирует результаты, полученные с помощью всех методов моделирования по сравнению с текущей компоновкой для сравнения. Раздел лучшей компоновки будет сделан на основе 3 факторов, а именно: Общая площадь (Minimze), Поток * Расстояние (Maximize) и Процент смежности (Maximize). Основная цель - сократить WIP и организовать систематический поток материалов. В результате матрица поток * расстояние является наиболее важным параметром.

Таблица 6. Сводка результатов с использованием всех методов моделирования по сравнению с результатами текущей компоновки

Таблица 7 показывает смешанный рейтинг альтернативных макетов на основе различных факторов. Например, макет 1 имеет плохой рейтинг по площади и F*D, но является лучшим по смежности. Сочетание затрудняет выбор одного из них. Мы настоятельно рекомендуем использовать формальный метод, AHP, реализованный программным обеспечением Expert Choice.

Таблица 7. Ранжирование различных альтернатив по отношению к целям

AHP сравнивает относительную важность каждой пары потомков по отношению к родителю. После завершения сравнения пар подход синтезирует результаты с использованием некоторых математических моделей для определения общего рейтинга. На рисунке 16 показано ранжирование результатов, полученных всеми алгоритмами по отношению к цели решения наилучшего выбора.

Рисунок 16 Синтез относительно цели

Лучшее решение достигается с помощью BLOCPLAN (автоматизированный поиск), затем следует теория графов с использованием метода Фулдса и Робинсона, затем генетический алгоритм. Другие решения намного хуже. Обратите внимание, что из-за присущей субъективности ранжирование не является абсолютным указанием на лучший выбор, а скорее рекомендацией, которую пользователь может использовать в соответствии со своими потребностями.

Мы предлагаем макет, созданный с помощью BLOCPLAN с использованием Automated Search, в качестве выбранного решения. Когда это было решено, был проведен анализ чувствительности, чтобы убедиться, что выбор является надежным. Если позволяет время, это следует сделать для других близких альтернатив, прежде чем делать выбор.

6. ВЫВОДЫ

Целью данной статьи было использование различных методов моделирования для выбора наилучшего макета для мебельной компании. Лучший макет был сгенерирован BLOCPLAN с использованием автоматического поиска, как показано на рисунке 17.

Рисунок 17 Лучшая компоновка с использованием подходов моделирования

Таблица 9 показывает улучшения предлагаемого решения по сравнению с текущей компоновкой. Обратите внимание, что компоновка показывает блоки и их относительное расположение. Практические ограничения должны быть применены для удовлетворения всех потребностей. Затем можно спланировать дальнейшие детали каждого блока, если необходимо, тем же способом.

Таблица 9: Улучшения по сравнению с текущей компоновкой с использованием методов моделирования

Результат оказался вполне удовлетворительным для компании, не имевшей никаких знаний о научных подходах.

Как установить и использовать NcStudio для фрезерного станка с ЧПУ?

2015-12-14 Предыдущая

Как выбрать подходящую линию по производству панельной мебели?

2015-12-26 Следующая

Дальнейшее чтение

2021-08-31 3 Min Read

Что делает раскроечный станок с ЧПУ?

Раскроечный станок с ЧПУ используется для резки, фрезерования, сверления, пробивки отверстий и резьбы при изготовлении панельной мебели, корпусной мебели, предметов интерьера, деревянных колонок и деревянной кухонной утвари.

2019-11-11 3 Min Read

Зачем вам нужна интеллектуальная линия по производству панельной мебели?

Чтобы сэкономить деньги и повысить эффективность работы вашего предприятия по производству панельной мебели, необходима одна интеллектуальная линия по производству панельной мебели.

2019-08-10 2 Min Read

Как выбрать подходящую линию по производству панельной мебели?

При производстве панельной мебели необходим полностью автоматический раскроечный станок с ЧПУ. Как же выбрать правильную линию по производству панельной мебели?

2019-04-29 2 Min Read

Решения по производству панельной мебели от STYLECNC

Полностью автоматическая линия по производству панельной мебели — это наша новая разработка — фрезерный станок с ЧПУ с комбинированной функцией загрузки и выгрузки материала для изготовления корпусной мебели, которая широко используется в производстве домашней мебели и предметов декора, а также в производстве офисной и торговой мебели.

Проектирование макета линии по производству мебели с использованием формальных методов