تجزیه و تحلیل و بهبود بازده خط تولید با استفاده از شبیه سازی درصنعت قطعات خودرو (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه و اهداف: توجه به تولید و افزایش بهره وری صنایع می تواند ضمن تسریع در رشد و توسعه صنعتی، این روند را در مسیری اصولی و پایدار هدایت کند. ارزیابی بازده تولید و تلاش برای بهبود آن نقش کلیدی در پیشرفت و توسعه صنایع ایفا می کند. در این پژوهش، رویکردی نوآورانه برای ارزیابی و بهبود بازده تولید یک خط تولید ارائه شده است که از شبیه سازی به عنوان ابزار اصلی استفاده می کند. این رویکرد همچنین به بازمهندسی فرآیندهای خط تولید می پردازد. اهداف اصلی این تحقیق شامل شناسایی گلوگاه های موجود در فرآیند تولید، تحلیل مدت زمان چرخه تولید، ارزیابی ظرفیت بافرهای سیستم در بازه های زمانی مشخص، و تعیین ظرفیت بهینه منابع مورد نیاز کارخانه است. روش: این مقاله به بررسی و مدل سازی یک خط تولید تمام اتوماتیک می پردازد و چارچوبی نظام مند بر پایه شبیه سازی گسسته پیشامد ارائه می دهد. فرآیند مدل سازی در دو مرحله انجام شده است: در مرحله اول، مدل سازی بدون در نظر گرفتن فعالیت های دوباره کاری و جداسازی صورت گرفته، و در مرحله دوم این جزئیات به مدل اضافه شده اند. در این مرحله، داده های واقعی جمع آوری شده از مطالعه موردی در مدل اعمال شده اند. برای اطمینان از صحت مدل طراحی شده، منطق فرآیند مدل سازی به صورت مداوم ارزیابی شده و نتایج مدل با داده های واقعی سیستم مقایسه شده اند. پس از شناسایی عوامل کاهش دهنده بازده خط تولید، چهار سناریوی پیشنهادی برای بهبود بازده خط تولید طراحی و در مدل شبیه سازی مورد بررسی قرار گرفته اند. همچنین، تحلیل حساسیت سناریوها و ارزیابی اثرات آن ها با استفاده از قابلیت های نرم افزار ارنا انجام شده است. یافته ها: نتایج نشان می دهد که اضافه کردن جزئیاتی مانند زمان استراحت اپراتورها و زمان های خرابی به مدل، که موجب واقعی تر شدن شبیه سازی می شود، بازده خط تولید را از 80 درصد به 57 درصد کاهش داده است. همچنین، فعالیت های دوباره کاری و جداسازی نقش قابل توجهی در کاهش بازده ایفا کرده اند. در مدل بهینه، چهار سناریوی بهبود مورد بررسی قرار گرفت. در سناریوی اول، تغییر ظرفیت منابع مربوط به فعالیت های اصلی در یک مدل ترکیبی مورد ارزیابی قرار گرفت. این تغییرات به کاهش چشمگیر زمان انتظار موجودیت ها در صف فعالیت ها و همچنین کاهش زمان فرآیند منجر شد. در سناریوی دوم، با کاهش درصد قطعاتی که به دوباره کاری و جداسازی نیاز دارند، بازده خط تولید به طور قابل توجهی افزایش یافت. سناریوی سوم با هدف کمینه سازی زمان فرآیند از طریق تعیین مقادیر بهینه متغیرهای کنترلی تدوین شد و درنهایت، سناریوی چهارم با تمرکز بر بیشینه سازی بازده از طریق تعیین ظرفیت بهینه منابع انجام شد. در تمامی سناریوها، مشخص شد که افزایش تعداد منابع در فعالیت هایی که به عنوان گلوگاه شناسایی شده اند، با ترکیب های منطقی و بهینه، موجب افزایش بازده فرآیند می شود. علاوه بر این، تحلیل حساسیت مدل نشان داد که نتایج سناریوهای بهبود با واقعیت سیستم هم راستا بوده و قابلیت اجرا دارند. نتیجه گیری: یافته ها نشان دادند که استفاده از روش شبیه سازی گسسته پیشامد می تواند ابزاری مؤثر برای مدیران باشد تا بدون تحمل هزینه های جبران ناپذیر، تصمیمات آگاهانه تری در زمینه بهبود بازده تولید اتخاذ کنند. نتایج این تحقیق همچنین همخوانی قابل توجهی با پژوهش های پیشین دارد که از شبیه سازی گسسته پیشامد برای بهینه سازی فرآیندهای مختلف سازمانی استفاده کرده اند و تأثیر مثبت این رویکرد را بر بهبود عملکرد فرآیندها تأیید می کنند.Analyzing and Improving Production Line Efficiency Using Simulation in the Auto Parts Industry
Introduction: Paying attention to the production and productivity of industries can accelerate industrial growth and development while guiding it on a correct and sustainable path. Evaluating production efficiency and striving to improve it play a crucial role in the progress and advancement of industries. This study proposes an innovative approach to evaluate and improve the efficiency of a production line using simulation as the primary tool and also addresses the reengineering of production line processes. The main objectives of this research include identifying bottlenecks in the production process, analyzing production cycle times, evaluating buffer capacities within specified time intervals, and determining the optimal resource capacities required in the factory.
Methods: This research examines and models a fully automated production line and provides a systematic framework based on discrete-event simulation. The modeling process was conducted in two stages. In the first stage, rework and separation activities were excluded from consideration, while in the second stage, these details were incorporated into the model. In this phase, real data collected from a case study were applied to the model. To ensure the accuracy of the designed model, the logic of the modeled process was continuously reviewed, and the model's outputs were compared with actual system data. After identifying the factors contributing to reduced production line efficiency, four improvement scenarios were proposed and analyzed using the simulation model. Arena software was utilized to evaluate the scenarios and conduct sensitivity analyses.
Results and discussion: The results reveal that incorporating details such as operator break times and downtimes into the simulation model—bringing it closer to reality—reduced the production line efficiency from 80% to 57%. Rework and separation activities also significantly impacted the efficiency. Four improvement scenarios were designed and evaluated within the optimized model. In the first scenario, changes in resource capacities related to the main processes were thoroughly examined, leading to a significant reduction in waiting times in process queues and overall process duration. In the second scenario, reducing the percentage of parts sent to rework and separation resulted in a considerable improvement in production efficiency. The third scenario focused on minimizing process time by determining optimal control variable values, while the fourth scenario aimed to maximize efficiency by optimizing resource capacities. In all scenarios, increasing resources at bottleneck activities, through logical and balanced combinations, significantly enhanced process efficiency. Sensitivity analysis confirmed the practical applicability of the improvement scenarios in real-world conditions.
Conclusion: The findings indicate that discrete-event simulation is an effective tool for managers, enabling them to make informed decisions about improving production efficiency without incurring irreversible costs. Additionally, the results align closely with prior studies that have utilized discrete-event simulation to optimize various organizational processes, further confirming the positive impact of this approach on improving process performance.
تبلیغات
