A jelen kor termelési rendszereit jelentős terhelésingadozások és bizonytalanságok közepette kell eredményorientáltan működtetni. A velük szemben támasztott technológiai kihívásokon túl rendkívül összetett termékvariáns elvárásoknak is meg kell felelniük, továbbá a vevői igények alapján az egyedi termékek tömeggyártására – mass customization – kell berendezkedniük.

Az elmúlt évek válsága is nagy valószínűséggel egy korszakváltás kezdetét jelzi, amikor jó néhány korábban bevált paradigmáról le kell majd mondani, és számos, ma nagyon jelentős szerepet játszó technológia innovációja is sürgetővé válik.

A változó piacok ellen a termékek növekvő egyediségével próbálnak a vállalatok ellenhatást gyakorolni. Az innovációkat mind rövidebb időközökben integrálják a termékekbe, és dobják piacra. Az életciklus rövidülését az alábbi szempontok is alátámasztják:

A 25%-kal, márkánként nyolc modellre megnövekedett kínálatspektrum mellett a járműgyártásban a modellciklusok az elmúlt húsz évben körülbelül négy évre rövidültek.

A 80-as évek végén a Mercedes gyártócsoportjánál 0,9 új termékbevezetés jutott egy évre, ez jelenleg átlagosan évi 2,5 termékbevezetésre emelkedett.

Az innovációt és technikai fejlesztést piaci versenyelőnyként értékelik. A járműgenerációk ehhez kapcsolódó gyors cseréje az új termékbevezetések gyakoriságának növekedéséhez vezet a járműiparban.

Az OEM-ek (Original Equipment Manufacturer) saját gyártásának aránya 2015-ig tovább fog csökkenni a mostani 35%-ról 20%-ra. Ez a járműipar további strukturális átalakulásához vezet.

A rövidebb termék-életciklusból, a növekvő variánsok számából fakadó jelentős komplexitásbővülés a termelő rendszerek számára jelentős kihívást eredményez a rugalmasság és a termelékenység területén (Ackermann, 2007; Erdélyi, 2009; Spearman – Hopp, 2008; Näser, 2007).

A termék-előállítási folyamat lehatárolása

A termék-előállítási folyamat magas szintű megközelítése magában foglalja a terméktervezést, folyamatfejlesztést, gyártervezést, kapacitásmenedzsmentet, termékelosztást, termelésütemezést, minőségbiztosítást, munkaerő-szervezést, eszközkarbantartást, stratégiai tervezést, ellátásilánc-menedzsmentet, üzemek közötti koordinációt ugyanúgy, ahogy a részletes megközelítés a közvetlen termelési funkciókat, amilyenek például a vágás, hengerelés vagy szerelés. A két megközelítés közötti középút kompromisszumát az értékteremtő folyamatnézet jelenti. Az értékteremtő folyamat fogalma az erőforrások alkalmazására vonatkozik a termék vagy szolgáltatás előállítása érdekében.

Az értékteremtési folyamat irányítása, koordinációja a termelő vállalatok esetében külön funkcióként szerepel az alábbi nevek alatt például: termelésirányítás, gyártástervezés, üzemszervezés (industrial engineering). Ezen területek többek között az alábbi tevékenységek elvégzéséért is felelősek: termelésütemezés, készletgazdálkodás, minőségbiztosítás, munkaerő-ütemezés, anyaggazdálkodás, eszközgazdálkodás, kapacitástervezés, valamint minden, ami elősegíti a termék előállítását. Az értékalkotási folyamatszemlélet az üzemen belüli anyagáramlási folyamatra koncentrál (Tempelmeier – Günther, 2005; Schuh, 2003; Ackermann, 2010).

Termelési struktúrák

Az értékteremtési folyamatszemlélet eltekint a teljes részletességtől a termékek és folyamataik leírásakor, a termelő környezetek ennek ellenére nagyban különböznek a folyamatstruktúrájukat tekintve, amely leírja az anyag áramlását az üzemen belül. Robert Hayes és Steven Wheelwright folyamatstruktúrájuk alapján a termelési rendszereket négy kategóriába sorolják, amelyeket a következőképpen lehet összegezni (Spearman – Hopp, 2008):

• Műhelyszerű gyártás: kis mennyiségek termelése jellemző, az üzemen belüli bejárási utak nagyban eltérnek. Kevert anyagáram jellemzi, az átállások rendszeresek.

• Szakaszolt gyártósor: kötegelt termelés zajlik korlátozott számú azonosítható útvonalon az üzemben. Az egyes állomások az útvonalon nincsenek taktolt anyagmozgató rendszerrel összekötve, köztük készletek halmozhatók fel.

• Folyamatos gyártósor: ez a klasszikus mozgó szerelősor, amely Henry Ford által vált híressé. A termék szerelése kötött útvonalon zajlik, ahol az egyes állomások taktolt anyagmozgató rendszerrel vannak összekötve.

• Folyamatos áramlású folyamatok: ömlesztett termékek automatikusan áramlanak végig egy rögzített útvonalon.

A termelési folyamatok lényegesen különböznek akkor, ha nagyon sokféle terméket gyártunk egyedi igények alapján, és akkor, ha ugyanazt a terméket nagy tömegben készítjük hosszú időszakon keresztül. Az, hogy egy termékből mekkora mennyiség gyártása tekinthető egyedinek, illetve tömegesnek, függ a termék gyártási idejétől is. A gyártott mennyiségnek az igénybe vett kapacitáshoz viszonyított relatív nagyságát nevezzük a gyártás tömegszerűségének. A termék tömegszerűségi foka szerint négy kategóriába sorolható:

• Egyedi gyártás: ritkábban jelenik meg a termék a termelőrendszerben, mint amennyi idő egyetlen darab elkészítéséhez szükséges, tehát a termék nincs mindig jelen a termelőrendszerben.

• Kis- és középsorozat-gyártás: gyakrabban jelenik meg a termék a termelőrendszerben, mint amennyi idő egyetlen darab elkészítéséhez szükséges, tehát a termék mindig jelen van a rendszerben, de még egyetlen erőforrást sem foglal le teljesen.

• Nagysorozatgyártás: gyakrabban jelenik meg a termék a termelőrendszerben, mint amennyi idő az elkészítéséhez szükséges, tehát a termék mindig jelen van a termelőrendszerben, és van egyetlen (esetleg néhány) olyan erőforrás, amelyet a termék mindig lefoglal.

• Tömeggyártás: valamennyi erőforrás specializálódik egyetlen termék gyártására. Minden erőforrás állandóan egyetlen terméket gyárt, továbbá a nagyobb mennyiség, valamint a jobb kapacitáskihasználás érdekében az egyes tevékenységeket párhuzamosan több erőforráson is végzik.

Nagysorozat- és tömeggyártás esetén a folyamatos gyártósor a legalkalmasabb termelési forma, melyet más néven flow shop rendszerként is jelöl az irodalom (Spearman – Hopp, 2008; Alicke, 2005; Schuh – Eversheim, 2010; Gundry – Bonney, 1976; Sahni – Gonzales, 1978; Gupta, 1971; Potts – Osman, 1989; Martorell et al., 2010). A kutatómunka ezzel a termelési környezettel foglalkozott.

A flow shop jellemzése

A flow shop termelési környezet feladatai közül a szakirodalomban az ütemezési probléma az egyik legelterjedtebb. A flow shop ütemezési probléma esetén n feladatot, munkát (1;…; n) kell elvégezni m gépen (1;…;m). Az egyes gépeken elvégzendő feladatok műveleti idejét jelölje Ʈk;j, ahol k = (1;…;m) és j = (1;…; n), ezek az időértékek rögzítettek, előre ismertek és nem negatívak. Ennek a problémakörnek az általánosan elfogadott feltételezései a következők (Shagafian – Hejazi, 2005; Maroto – Ruiz et al., 2005; Ionnau et al., 2009):

• Minden egyes feladatot egyidejűleg kizárólag csak egy gépen lehet végrehajtani.

• Minden egyes gép egyidejűleg csak egy feladaton dolgozhat.

• A végrehajtás megszakítása nem engedélyezett.

• Minden feladat független egymástól, és rendelkezésre állnak a végrehajtásra a 0 időpillanatban.

• A feladatok beállítási ideje a gépeken elhanyagolható, így figyelmen kívül hagyható.

• A gépek folyamatosan rendelkezésre állnak.

• A folyamat közbeni tárolás engedélyezett. Ha a feladat által következőként igénybe veendő gép még nem áll rendelkezésre, akkor a feladat várakozhat, és a géphez tartozó várakozó sorhoz csatlakozik.

A problémakör célja, hogy találjunk egy olyan sorrendet a feladatok számára a gépeken, amely az adott kritériumok szerint optimalizált. Az irodalomban a leggyakoribb kritérium a teljes átfutási idő (C_max) minimalizálása.

Bár a flow shop ütemezési probléma, optimumig megoldható polinom időben m = 2 esetén. Általában (n!)^m ütemezési lehetőséget kell figyelembe venni (Maroto – Ruiz, 2005). A szakirodalomban a probléma továbbkorlátozott. A feladatok nem előzhetik meg egymást, azaz a munkák végrehajtási sorrendje azonos az összes gépen. Ezt a feladatkört permutációs flow shop problémaként ismerik, és F/permu/C_max-ként jelölik, továbbiakban PFSP. Ebben az esetben „csak” n! ütemezési lehetőséget kell vizsgálni.

A digitális gyár fogalma

A digitális gyár koncepciókat, digitális eszközöket bocsát rendelkezésre a tervezéshez, modellezéshez és szimulációhoz. A digitális gyár egyik legfontosabb központi eleme egy közös adatbázis az összes alkalmazás, továbbá a valós üzemmel történő integráció számára. A digitális gyár e két komponens révén jóval több, mint pusztán az egyes tervezési eszközök összessége.

A „digitális gyár” fogalmát a 4499. számú VDI-irányelv az alábbiak szerint definiálja: „A digitális gyár egy felső szintű fogalom, amely a digitális modellek, eljárások és eszközök – többek között a szimuláció és a 3D-vizualizáció – átfogó hálózata, melyeket egy átjárható adatmenedzsment integrál. Célja a valós gyárban a termékkel kapcsolatos összes jelentős struktúra, folyamat és erőforrás teljes mértékű tervezése, értékelése és folyamatos javítása.”

A digitális gyár technológiája lehetővé teszi, hogy a virtuálisan létrehozott gyárban a termékeket, folyamatokat és berendezéseket modellekkel leképezzük, és a tervezett termelést a számítógépen virtuálisan úgy javítsuk, hogy a valós gyár számára egy megérett, messzemenőkig hibamentes termelési folyamat álljon rendelkezésre.

A digitális gyár eljárásai és eszközei a termékfejlesztés és termeléstervezés meglehetősen komplett digitális tervezését valósítják meg a konstrukciótól a technológiai szimuláción át egészen a virtuális felfutásig és üzemeltetésig egy teljesen integrált adatmenedzsment segítségével. A folyamatok korai párhuzamosításával a fejlesztési és üzembe helyezési idők jelentősen csökkenthetőek. A digitális gyár fókusza manapság a termeléstervezésre és a folyamatok integrációjára esik, amik a termék és a termelés létrejöttéhez, működéséhez szükségesek (Kühn, 2006; Schmidt, 2002; Pfeiffer, 2007; VDA, 2008; VW KAK, 2009; Mátyási – Szilvási-Nagy, 2003; graphIT Kft., 2010; Siemens PLM, 2010).

A szimuláció fogalma és folyamata

A szimuláció a digitális gyár egyik központi technológiája. A gyártási rendszerek és termelési folyamatok szimulációja hatékony segítséget nyújt a termelő rendszerek felmérésében, elemzésében, tervezésében és programozásában. A szimuláció fogalmát a 3633-as VDI-irányelv az alábbiak szerint definiálja: „A szimuláció egy rendszer dinamikus folyamatának leképezése egy kísérletezésre alkalmas modell segítségével, melynek alkalmazásával a valóságba átültethető következtetések vonhatóak le. Tágabb értelmezésben a szimuláció fogalma alatt egy szimulációs modellel végrehajtott célzott kísérlet előkészítését, végrehajtását és kiértékelését értjük.”

A rövid termelési átfutási idő elvárás a termelést érintő mindennemű anyagáramlás esetében, és rendkívül gondos tervezést és irányítást igényel. A mindenkori termelési feladatnak egyrészt késlekedés nélkül, pontosan kell rendelkezésre állnia a megmunkálás helyén, másrészt a termelésben a készleteknek lehetőség szerint alacsony szintűnek kell maradniuk, a kis tőkelekötés melletti gyors reakcióképesség és rövid átfutási idők érdekében. Biztosítani kell továbbá, hogy részegységek zavara nagyobb területeket, vagy akár az egész termelést ne érinthesse.

A modern, rugalmas termelőüzemek – a nagyszámú és eltérő célmeghatározással és a különböző területek közötti számos összefüggéssel – komplexitása miatt nem elegendő a kvázi statikus termelési folyamattervezés. Az algoritmizálható eljárásokat csak viszonylag korlátozott feladatok esetében lehet a gyakorlatban alkalmazni. A diszkrét, eseményorientált szimuláció (dinamikus szimuláció) modern, nagyteljesítményű eszközei hatékonyan képesek a termelési és anyagáramlási folyamatok tervezését és üzemeltetését támogatni.

A dinamikus szimuláció alkalmazásának céljai közé tartozhatnak az alábbi feladatok:

• Gyári layout dinamikus vizsgálata és optimalizációja,

• Meglévő vagy jövőbeni termelési rendszerek teljesítményének optimalizálása,

• Termelési koncepció korai dinamikus vizsgálata,

• Szűk keresztmetszetek meghatározása a termelésben és anyagáramlásban,

• Tárolási és átfutási idők csökkentése,

• Gyártósor és az időtervezés javítása,

• Gyártási változatok elemzése, validálása és optimalizálása,

• Termelő erőforrások kihasználtságának maximálása,

• Puffer kiterheltség dinamikus vizsgálata.

Széles körű analízisekkel és statisztikákkal tesztelhetőek az elemzendő termelési és anyagáramlási feladatok, hogy még a termeléstervezés korai szakaszában gyors, megbízható döntések születhessenek (Banks, 1998; Kühn, 2006; Pfeiffer, 2007; Siemens PLM, 2010; Sivakumar – Chong, 2003; Suhl – Günther, 2005; Ruohola et al., 2003).

A kiválasztott optimalizálási módszerek implementálására és a kísérleti futtatások végrehajtására, a termelési folyamatok modellezésére és időben dinamikus szimulációjára a Plant Simulation programcsomag szolgált. A szimulációs modellépítés és a dinamikus szimuláció, viselkedéselemzés a legkorszerűbb tervezési eljárás a termeléstervezés területén. A szimuláció alkalmazását a termeléstervezésben az 1. ábra ismerteti. Ebben az eseményvezérelt és teljesen objektumorientált környezetben építettem fel az elméleti és ipari termelési struktúra modelljét, majd elvégeztem az optimalizálási eljárások programozási implementációját. A szimulációs futtatások során rögzített eredmények kiértékelése minősítette a kutatás során elemzett megoldási eljárásokat.

Gyártási sorrendtervezés a tömeggyártásban

A korábban ismertetett gyártósori környezetben a felrakási sorrend tervezése egyike a gyakran vizsgált és elemzett célfüggvényeknek. A feladatot egyazon infrastruktúrán kötött sorrendben végighaladó számos különböző műveleti idővel rendelkező termék egymást követő sorrendjének meghatározása jelenti. A leggyakrabban vizsgált célérték a teljes átfutási idő, angolul makespan. A számos eltérő szerelési és/vagy megmunkálási lépést igénylő termék esetében a termelési struktúrán torlódások és üresjáratok lépnek fel, amelyek negatívan hatnak a teljes átfutási időre. A probléma összetettségét és a szükséges megoldási eljárások komplexitását az okozza, hogy az érintett termékek műveleti idejeinek eltérésein túl az adott vizsgált felrakási program termékösszetétele is meghatározó a megoldás során, mivel a gyakorlatban rendszeresen előfordul, hogy nem a teljes termékpaletta szerepel egy adott termelési programban, hanem annak a vevői igények alapján meghatározott, tetszőlegesnek tekinthető szűkebb kombinációja. Ebből ered a termeléstervezés számára az ismétlendő feladat, hogy az igények alapján összeállított termékmixre vonatkozóan a megfelelő sorrendet meghatározza. A vizsgált problémakör n! megoldási lehetőséget jelent, amelynek leszámolással történő megoldása a gyakorlatban előforduló feladatméretek mellett a mai fejlett informatikai technológia mellett sem lehetséges elfogadható időtartamon belül. A probléma megoldási eljárásainak elemzéséhez feladatkészletek szükségesek.

Tesztkészletek a sorrendtervezési problémára

A PFSP-feladat vizsgálatához szükségesek olyan feladatkészletek, amelyek az ismertetett problémakörnek megfelelő tulajdonsággal bírnak. A megoldási eljárások teljesítőképességének elemzése érdekében több, eltérő nehézségű és méretű feladatspecifikációra van szükség. A kutatás során a fejlesztett és elemzett megoldási módszerek elméleti tesztkészleteken és valós ipari probléma alapján létrehozott problémakörön kerültek elemzésre.

Elméleti tesztkészlet • Az irodalomkutatás alapján számos szerző a Taillard-féle (Taillard, 1993) tesztkészletet alkalmazza az eljárások vizsgálatára. A széles körben hivatkozott és alkalmazott feladatkészlet több nagyságrendű problémát ölel fel, amely az ötgépes rendszertől a húszgépes rendszerig terjed. A gépeken minimálisan húsz, maximálisan ötszáz egymástól különböző feladatot lehet végrehajtani. Az előre definiált készletben minden gépszám-feladatméret kombinációhoz tíz különböző műveleti időmátrix

tartozik. A vizsgálataim során minden egyes gép-feladat kombináció esetén kiértékelésre kerültek a hozzá tartozó műveleti időmátrixok által definiált problémák. Az elméleti feladatkészlet kiértékeléséhez a specifikáció által tartalmazott eddig elért legjobb eredmények szolgáltak összehasonlítási alapul. A fejlesztett és elemzett eljárások által elért átfutási idő eredmények és a készlet által tartalmazott eddigi legjobb érték alapján kerül meghatározásra a relatív százalékos eltérés minősítő jellemző (RPD), melyet az (1) egyenlet ismertet. Az eljárások kiértékelése során, az általuk igénybe vett szükséges futtatási idő is figyelembe vételre került.
 

Ipari tesztkészlet • A kutatás során az elméleti feladatkészlet mellett valós ipari termelési környezet alapján definiált feladaton is elemzésre kerültek a vizsgált megoldási eljárások. Az ipari környezet alapján létrehozott termelőrendszer ötvenhét gépet tartalmaz, melyeken negyven, illetve kétszázhuszonhét különálló elemet tartalmazó felrakási programot kell végrehajtani.

A feladat specifikációja valós műveleti időkre támaszkodik. Az elemzések eredményeinek összehasonlítási alapját a kiinduló felrakási program által nyújtott átfutási idő képezi, a relatív százalékos eltérés minősítő jellemző erre a bázisértékre alapozottan került meghatározásra, számítási módját a (2) egyenlet ismerteti. Az elméleti és az ipari feladatkészletek jellemzését az 1. táblázat tartalmazza.

Az elemzések végrehajtására szolgáló
dinamikus szimulációs modellek

A PFSP-probléma elemzésére a Plant Simulation szimulációs szoftver szolgált. A program diszkrét, eseményvezérelt és objektumorientált környezete lehetővé teszi rendkívül bonyolult termelési rendszerek modellezését és időbeni dinamikus viselkedésének elemzését. A szimulációs környezet előnye, hogy hatékonyan építhető fel tetszőleges termelési struktúra, elemezhetőek eltérő üzemállapotok, a valós rendszer akadályozása nélkül tesztelhetőek a tervezett változtatások.

A modellezés során az ismertetett tesztfeladatok alapján létrehozásra kerültek az elméleti és ipari feladatok végrehajtására alkalmas termelési szimulációs modellek. Az irodalomkutatás alapján kiválasztott megoldási eljárások implementációját követően került sor a termelési modellek dinamikus szimulációs futtatására, amelyekkel a vizsgált célfüggvény-értékek meghatározásra kerültek.

A szimulációs futtatások gépi ideje a termelési struktúra összetettségétől és az optimalizáláshoz alkalmazott eljárás lépésszámától jelentős mértékben függ.

Elméleti feladatkészlet szimulációs modellje

Az elméleti feladatkészlet modellezése során három, gépszám tekintetében eltérő modellváltozat készült. A modellek a gépszámnak megfelelő leképezett munkahellyel rendelkeznek. A munkahelyek konfigurálási lehetősége biztosítja, hogy a meghatározott elvégzendő feladatszámhoz tartozó műveleti idők termékfüggően beállíthatóak legyenek (2. ábra). A különböző termékekhez tartozó műveletiidő-konfiguráció közvetlenül a szimulációs futtatás indulása előtt kerül beállításra a felhasználói vagy az automata programozott konfiguráció választása alapján. A modell felépítése és a beállítási mód létrehozásakor figyelembevételre került, hogy a feladatok különböző méretűek lehetnek. A felhasználói feladat és adatkészlet választást a 3. és a 4. ábra ismerteti. Az elméleti feladatkészlet ismertetése során említett gép-feladatszám kombináció kiválasztása, továbbá az adott konfigurációhoz tartozó tesztadatállomány megadása történik ezekben a lépésekben.

Az automatikus programozott konfiguráció-választás az optimalizáló eljárások futtatása során kapott szerepet. Ez a megoldás tette lehetővé a megoldási algoritmusok kötegelt futtatását a teljes tesztfeladatkészleten. A futtatási eljárás során egy adott tesztfeladathoz tartozó összes adatkészlet kiértékelése történik felhasználói beavatkozás nélkül. A program indítása előtti konfiguráció során a konkrét feladattípust, az adott gépszám esetében lehetséges munkaszámot szükséges megadni. A szimulációs modell a kiválasztott algoritmusnak megfelelő lépéseket hajtja végre futtatás közben, majd egy adatkészlet kiértékelésével végezve, újrakonfigurálja a gyártósor modelljét az új adatkészletnek megfelelően, és újrakezdi az optimalizációs lépéssort. A folyamat addig ismétlődik, míg a rendelkezésre álló adatkészletek kiértékelése megtörténik. A szimulációs modellben a futtatások során létrejövő eredmények tárolásra kerülnek, így biztosítva az utólagos kiértékelést.

Ipari feladat szimulációs modellje

Az ipari termelési rendszer esetében egy modellstruktúra épült fel, amely tartalmazza a termelési probléma ötvenhét munkaállomását. A munkaállomások konfigurációja ebben az esetben is biztosítja a változó összetételű és mennyiségű termelési program, valamint a hozzá tartozó műveleti idők kezelését. A modell képes az ipari feladatokra jellemző kötegelt termelési program feldolgozására, továbbá a programsoronként egy db/termék termelési feladat kezelésére is. A felrakási probléma megoldására implementált eljárások fejlesztése az ipari modell jellemzőinek figyelembe vételével került végrehajtásra.

Megoldási módszerek
a gyártási sorrendtervezésben

A szakirodalomban ismertetett megoldási módszerek közül a legpontosabb, rekonstruálható és implementálható, továbbá a gyakorlatban kivitelezhető eljárások kerültek kiválasztásra további elemzés és fejlesztés céljából. A kutatómunka során az alábbi megoldási algoritmusok vizsgálatára került sor:

• Genetikus algoritmus: egyike a legismertebb evolúciós eljárásoknak, rekombinációs operátorainak beállítási lehetősége feladatorientált hangolást tesz lehetővé.

• NEH-heurisztika: „réginek” mondható eljárás, de bizonyítottan és összehasonlíthatóan nagyon pontos eredményt ad.

• IGA-módszer: a NEH-eljáráshoz hasonlóan konstruktív heurisztika; konstruktív és destruktív fázisai mellett lokális keresési műveleti szakaszt is tartalmaz, iteratívan közelítve az optimális megoldáshoz.

A megoldási módszerekkel elért eredmények

A létrehozott szimulációs optimalizáló eszközökkel végrehajtásra került a kiválasztott tesztkészletek elemzése. A vizsgálat az eljárások optimalizációs teljesítőképességét, illetve a futási időigényüket analizálta. A PFSP-tesztkészleteken végrehajtott analízis a TGA-eszközt úgy tekintette, mint a jelenleg elérhető technológiai state of the art-ot, a további módszerek teljesítményét ennek optimalizált referenciaeredményeihez hasonlította.

A TGA-eljárás beálláshoz szükséges számítási időigénye képezte az időbeli teljesítmény referenciaértékét, illetve az általa elért optimalizált átfutási idő eredmény szolgált az eszközök pontossági tulajdonságainak összehasonlítási alapjául.

A tesztkészleteken végrehajtott futtatások eredményeként meghatározásra kerültek az adott gép-munkaszám kombinációhoz tartozó átfutási idő teljesítmények. A készletek minden egyes kombinációhoz tíz különböző műveleti időállománnyal rendelkeznek, az egy műveleti időállomány alapján meghatározott átfutási idő teljesítményt jelölje: RPD_Heur(M;J), ahol M a gépek száma, J a munkák számát, míg a Heur az aktuális optimalizáló eszközt jelöli. Ezen eredmények alapján meghatározható az egy (M; J) párhoz tartozó átlagos átfutási idő teljesítmény, jelölje: RPD_Heur(M;J)

A meghatározott RPD_Heur(M;J) értékek segítségével kerültek meghatározásra az egyes szimulációs optimalizáló eszközöket összehasonlító indikátorértékek, melynek számítási módja:

Az indikátorértékek alapján az egy optimalizációs eszközre vonatkozóan átlagos indikátorérték állapítható meg:IndHeur. Az eljárásokkal végzett analízisek eredményei alapján az ismertetett számítási módon meghatározásra kerültek a megoldási módszereket jellemző indikátorértékek. A kutatás során rendelkezésre álló informatikai eszközök a rendkívül nagyméretű feladatok esetében nem tették lehetővé a teljeskörű elemzés végrehajtását.

A kidolgozott szempontrendszer megadja, hogy adott célokkal rendelkező feladat megoldására melyik algoritmust célszerű választani.

A kis és közepes méretű minták futtatási eredményeit összegzi a 2. táblázat. Az eredmények alapján megállapítható, hogy:

• a pontosság elsőrendűsége esetén az IGA-eljárás alkalmazása a célszerű;

• a számítási időigény tekintetében a NEH-eljárás ajánlott;

• mindkét szempont tekintetében az újonnan fejlesztett PNEH-eljárás kiegyensúlyozott teljesítményt nyújt.

A futási idő alapján történő választás az ipari gyakorlatban előforduló rövid – sok esetben tíz perces – időtartam alatti döntéshozatal esetében kap kizárólagos szerepet. A nagyobb időigényű eljárások pontosabb eredményt nyújtanak, létjogosultságuk a hosszabb távú heti termelési programok összeállításában van. A számítógépes hardvereszközök fokozatos teljesítménynövekedése lehetővé teszi a jelenleg hosszabb időigényű megoldási eljárások napi szintű alkalmazássá válását.

Kisméretű feladatok esetében a tesztkészlet alapján megállapított eredményeket a 3. táblázat ismerteti. A feladatok méretére jellemző, hogy öt, tíz, húsz gépből álló rendszerek mintegy húsz különböző terméket gyártanak a vizsgált időintervallumban. A táblázat eredményei a pontossági indikátorok és a számítási időigény indikátorok mérőszámösszegeinek átlagértékét mutatják. Az elemzés alapján megállapítható, hogy a specifikus feladatok esetében a két szempont együttes figyelembe vételével az újonnan fejlesztett PNEH-eljárás biztosítja a legjobb eredményt.

Összefoglalás

A termelő rendszerek összetettségük tekintetében rendkívül bonyolultak, a működtetésüket meghatározó célparamétereik változatosak és sok esetben ellentmondóak is lehetnek. Teljesítőképességük a velük szemben támasztott elvárások alapján kerül meghatározásra. A termelésben az erőforrások kiegyenlített és folyamatos terhelése, az alapanyagok, félkész és késztermékek készleteinek alacsony szinten tartása fontos szempontok, amelyek meghatározóak egy vállalat által elérhető profit érdekében. A termékelőállítási folyamat célrendszere gyakran egymásnak ellentmondó paramétereket is tartalmaz, amelyek fontossági sorrendje a vállalati célok, illetve a gazdasági helyzet átalakulása következtében gyorsan változhat. A termeléstervezés és -irányítás feladata, hogy az elvárásoknak és célparamétereknek a lehető legjobban megfelelő termelőrendszer-működést biztosítson. A tervezési folyamatnak a gyártandó termékek mennyiségi és sorrendiségi kérdésein túl az erőforrások, az eszközök, a kapacitások, az anyaggazdálkodás feltételeit is figyelembe kell vennie. A termeléstervezés jellemzően kis időközökben vagy akár folyamatosan ismétlődő tevékenység, komplex célrendszere a termelőrendszer céldimenzióiban bekövetkező változások függvényében módosul. A tervezési folyamatnak képesnek kell lennie a célrendszerben bekövetkező változások gyors és hatékony megválaszolására, ehhez szükséges eljárásokkal és tervezési eszközökkel kell rendelkeznie.

Ipari rendszerek dinamikus vizsgálatában a termelésszimuláció kiemelt fontosságú. Az optimalizáló eszközök ipari környezetben történő alkalmazása az elméleti tesztkészlet és az ipari feladatok eredményeit, a futtatási időket figyelembe véve szimulációs eszközön belül és azon kívül végrehajtott optimalizációval is megvalósítható. A kutatási munkám a szimulációval támogatott PFSP-termelésoptimalizáció megoldására szolgáló eljárások fejlesztésén túl feladat- és célorientált eszközválasztást támogató eredményt is létrehozott.
A kutatás eredményei alapján végrehajtott optimalizálással elérhető kihozatalnövekedés az ipari gyakorlat visszajelzése szerint 2–10% között mozog.

A kutatómunka számára további fejlesztési terület az összetett célfüggvényű termelési rendszerek szimulációval támogatott optimalizációja, valamint az elvégzett vizsgálatok alapján a termékfajtánkénti mennyiségek, eljárások teljesítőképességét befolyásoló hatások vizsgálata lehet.

A szimuláción kívül végrehajtott optimalizáció az elérhető eredményjavulás, és jóval gyorsabb lefutáson túl lehetőséget nyit a többprocesszoros informatikai eszközök kihasználására.
 

Kulcsszavak: flow shop, szimuláció, ütemezés
 

IRODALOM

Ackermann, Jörg (2007): Modellierung, Planung und Ge-staltung der Logistikstrukturen kompetenzzellenbasierter Netze, Wissenschaftliche Schriftenreihe Heft 59. September. Institut für Betriebswissenschaften und Fabriksysteme,

Ackermann, Jörg (2010): Werkstätten- und Produktions-systemprojektierung. Institut für Betriebswissenschaften und Fabriksysteme, TU Chemnitz
Alicke, Knut (2005): Planung und Betrieb von Logistiknetzwerken Springer Verlag

Banks, Jerry (ed.) (1998): Simulation Handbook. John Wiley and Sons Inc.

Erdélyi Ferenc (2009): A globális válság néhány technológiai vonatkozása. Gépgyártás. 3, 13–21.

graphIT Kft. (2010): Digitális gyártás. Budapest

Gundry, S. – Bonney, M. (1976): Solutions to the Constrained Flow Shop Sequencing Problem. Operational Research Quarterly. 27, 869–883.

Gupta, J. N. (1971): A Functional Heuristic Algorithm for the Flow Shop Scheduling Problem. Operational Research Quarterly. 22, 39–47.

Ioannou, G. – Zobolas, G. I. – Tarantilis, C.D. (2009): Mini-mizing Makespan in Permutation Flow Shop Scheduling Problems Using a Hybrid Metaheuristik Algorithm. Computers Operations Research. 36, 1249–1267.

Kühn, W. (2006): Digitale Fabrik, Fabriksimulation für Produktionsplaner. Carl Hanser Verlag

Maroto, C. – Ruiz, R. (2005): A Comprehensive Review and Evaluation of Permutation Flowshop Heuristics. EJOR. 165, 479–494.

Martorell, X.T. – Ribas, I. – Companys, R. (2010): Comparing Three-step Heuristics for the Permutation Flow Shop Problem. Computers Operations Research. 37, 2062–2070.

Mátyási Gy. – Szilvási-Nagy M. (2003): Analysis of stl Files. Mathematical and Computer Modelling. 38, 945–960.

Näser, P. (2007): Methode zur Entwicklung und kontinuierlichen Verbesserung des Anlaufmanagements komplexer Montagesysteme, Wissenschaftliche Schriftenreihe Heft 56. Juni. Institut für Betriebswissenschaften und Fabriksysteme

Pfeiffer András (2007): Új módszerek a termeléstervezési és -irányítási döntések támogatására. PhD-értekezés, Budapesti Műszaki és Gazdaságtudományi Egyetem, Budapest

Potts, C. – Osman, I. (1989): Simulated Annealing for Per-mutation Flow Shop Scheduling. OMEGA. 17, 551–557.

Ruohola, T. – Mattila, I. – Lehtonen, J. M. – Appelqvist, P. (2003): Simulation Based Finite Scheduling at Albany International. Proceedings of the 2003 Winter Simulation Conference.

Sahni, S. – Gonzales, T. (1978): Flowshop and Jobshop Schedules: Complexity and Approximation. Operation Research. 20, 36–52.

Schmidt, K. (2002): Methodik zur integrierten Grobplanung von Abläufen und Strukturen mit digitalen Fabrikmodellen. PhD Thesis. Rheinisch-Westfälischen Technischen Hochschule, Aachen

Schuh, G. (2003): Produktionsplanung und -steuerung, Grundlagen, Gestaltung und Konzepte. Springer Verlag

Schuh, G. – Eversheim, W. (2010): Produktion und Management. Betriebshütte, Springer Verlag.

Shagafian, S. – Hejazi, S. R. (2005): Flowshop-scheduling Problems with Makespan Criterion: A Review. International Journal of Production Research. 43, 2895–2929.

Siemens PLM (2010): Product Lifecycle Management Conference.

Sivakumar, A. I. – Chong, Ch. S. (2003): Simulation-based Scheduling Using Two-pass Approach. Proceedings of the 2003 Winter Simulation Conference.

Spearman, Mark L. – Hopp, W. J. (2008): Factory Physics. McGraw Hill.

Suhl, L. – Günther, H.-O. – Mattfeld, D. C. (2005): Supply Chain Management und Logistik, Optimierung, Simulation, Decision Support. Physica Verlag

Taillard, E. (1993): Benchmarks for Basic Scheduling Problems. European Journal of Operational Research. 64, 278–285.

Tempelmeier, H. – Günther, H.-O. (2005): Produktion und Logistik. Springer Verlag

VDA – Verband der Automobilindustrie, Ausführungsanweisung Ablaufsimulation in der Automobil- und Automobilzulieferindustrie. (2008) VDA UAG Ablaufsimulation

VW KAK – VW Konzern-Arbeitskreis Digitale Fabrik. (2009) Digitale Fabrik, Firmenintern.