Geautomatiseerde Sequentiebepaling van Lijnomstellingen met Setup-Matrixoptimalisatie

Op productielijnen waar meerdere producten draaien, varieert de omsteltijd tussen producten afhankelijk van het product waar u vanaf wisselt en het product waarnaar u wisselt. Wisselen van Product A naar Product B kan 30 minuten duren, maar wisselen van B naar A kan 60 minuten duren vanwege verschillende reinigings- of afstellingseisen. Deze asymmetrische omsteltijden creëren een optimalisatiekans die de meeste fabrikanten missen.

Een setup-matrix legt deze paarsgewijze omsteltijden vast en AI gebruikt hem om de productiesequentie te vinden die de totale omsteltijd minimaliseert over alle voor een periode geplande producten.

De Setup-Matrix

Een setup-matrix is een tabel waar elke rij het product is waarvan u afwisselt en elke kolom het product is waarnaar u overstapt. De cel bevat de omsteltijd voor die specifieke overgang. Voor een lijn die 20 producten draait, is dit een 20x20-matrix met 380 potentieel verschillende omsteltijden (exclusief de diagonaal waar geen omstelling nodig is).

Deze tijden variëren om goede redenen. Wisselen van een donkergekleurd product naar een lichtgekleurd product vereist meer reiniging dan andersom. Wisselen van een klein onderdeel naar een groot onderdeel vereist andere mal-aanpassingen dan andersom. Sommige productparen delen gereedschap, waardoor de omstelling minimaal is, terwijl andere volledige gereedschapswisselingen vereisen.

Hoe AI de Beste Volgorde Vindt

Het vinden van de volgorde die de totale omsteltijd minimaliseert is een variant van het Travelling Salesman Problem, dat computationeel moeilijk is voor grote aantallen producten. AI-optimalisatiealgoritmen vinden snel oplossingen die bijna optimaal zijn met technieken zoals genetische algoritmen, simulated annealing en mierenkolonie-optimalisatie.

De AI houdt niet alleen rekening met de omsteltijden, maar ook met productiebeperkingen. Leverdata vereisen dat bepaalde producten vóór een specifiek tijdstip worden geproduceerd. Partijgroottes bepalen hoeveel eenheden van elk product worden geproduceerd vóór de volgende omstelling. Apparatuurbeschikbaarheid en onderhoudsvensters beperken wanneer bepaalde sequenties haalbaar zijn.

Leren van Werkelijke Gegevens

Setup-matrices op basis van engineerschattingen zijn vaak onnauwkeurig. AI-systemen verbeteren de matrix door werkelijke omsteltijden te analyseren die tijdens de productie zijn vastgelegd. Ze ontdekken dat bepaalde overgangen consistent langer duren dan geschat, wellicht omdat de mal-aanpassing lastiger is dan verwacht, en werken de matrix dienovereenkomstig bij.

Ze identificeren ook kansen voor omstelverbetering. Overgangen die onevenredig lang zijn ten opzichte van vergelijkbare overgangen kunnen baat hebben bij gerichte SMED-verbeteringsinspanningen (Single Minute Exchange of Die). De AI identificeert deze kansen en kwantificeert de tijdwinst van verbetering.

Campagneplanning

Voor sommige productielijnen vermindert het groeperen van vergelijkbare producten in campagnes de totale omstelling verder. De AI identificeert productclusters die opzetkenmerken delen en plant ze in blokken. Binnen elk blok wordt de volgorde geoptimaliseerd voor minimale omstelling. Tussen blokken vindt een grote omstelling plaats. De AI vindt de blokgroottes en sequenties die de totale omsteltijd minimaliseren en tegelijkertijd voldoen aan leveringseisen.

Bezoek voor meer informatie over AI-planning in de productie de FirmAdapt-pagina voor productieanalyse.