Setup Matrisi Optimizasyonu Kullanarak Otomatik Üretim Hattı Geçiş Sıralaması

Birden fazla ürün çalıştıran üretim hatlarında, ürünler arası geçiş süresi hangi üründen değiştirdiğinize ve hangi ürüne geçtiğinize bağlı olarak değişir. Ürün A'dan Ürün B'ye geçiş 30 dakika sürebilir, ancak B'den A'ya geçiş farklı temizlik veya ayar gereksinimleri nedeniyle 60 dakika sürebilir. Bu asimetrik geçiş süreleri, çoğu üreticinin kaçırdığı bir optimizasyon fırsatı yaratır.

Bir setup matrisi bu ikili geçiş sürelerini yakalar ve yapay zeka, bir dönem için programlanan tüm ürünler arasında toplam geçiş süresini en aza indiren üretim sırasını bulmak için bunu kullanır.

Setup Matrisi

Setup matrisi, her satırın değiştirdiğiniz ürün ve her sütunun geçtiğiniz ürün olduğu bir tablodur. Hücre, o spesifik geçiş için geçiş süresini içerir. 20 ürün çalıştıran bir hat için bu, geçiş gerekmediği için diyagonal hariç 380 potansiyel olarak farklı geçiş süresine sahip 20x20'lik bir matristir.

Bu süreler iyi nedenlerle değişir. Koyu renkli bir üründen açık renkli bir ürüne geçiş, tersinden daha fazla temizlik gerektirir. Küçük bir parçadan büyük bir parçaya geçiş, tersinden farklı sabitleme ayarları gerektirir. Bazı ürün çiftleri takım paylaşır ve geçişi minimum yaparken, diğerleri tam takım değişiklikleri gerektirir.

Yapay Zeka En İyi Sırayı Nasıl Bulur

Toplam geçiş süresini en aza indiren sırayı bulmak, çok sayıda ürün için hesaplama açısından zor olan Gezgin Satıcı Probleminin bir varyantıdır. Yapay zeka optimizasyon algoritmaları genetik algoritmalar, simüle edilmiş tavlama ve karınca koloni optimizasyonu gibi teknikler kullanarak hızlı bir şekilde optimuma yakın çözümler bulur.

Yapay zeka yalnızca geçiş sürelerini değil, üretim kısıtlamalarını da dikkate alır. Teslim tarihleri belirli ürünlerin belirli bir süreden önce üretilmesini gerektirir. Parti boyutları, bir sonraki geçişten önce her üründen kaç birim üretildiğini belirler. Ekipman kullanılabilirliği ve bakım pencereleri belirli sıraların ne zaman uygulanabilir olduğunu kısıtlar.

Gerçek Verilerden Öğrenme

Mühendislik tahminlerine dayalı setup matrisleri genellikle yanlıştır. Yapay zeka sistemleri üretim sırasında kaydedilen gerçek geçiş sürelerini analiz ederek matrisi iyileştirir. Belirli geçişlerin tahmin edilenden tutarlı şekilde daha uzun sürdüğünü, belki de sabitleme ayarının beklenenden daha zor olduğu için, keşfeder ve matrisi buna göre günceller.

Ayrıca geçiş iyileştirme fırsatlarını da belirlerler. Benzer geçişlere kıyasla orantısız uzun olan geçişler, hedeflenmiş SMED (Tek Dakika Kalıp Değişimi) iyileştirme çabalarından yararlanabilir. Yapay zeka bu fırsatları belirler ve iyileştirmeden zaman tasarrufunu nicelleştirir.

Kampanya Programlama

Bazı üretim hatları için benzer ürünleri kampanyalara gruplamak toplam geçişi daha da azaltır. Yapay zeka kurulum özelliklerini paylaşan ürün kümelerini belirler ve onları bloklar halinde programlar. Her blok içinde, sıra minimum geçiş için optimize edilir. Bloklar arasında büyük bir geçiş gerçekleşir. Yapay zeka, teslimat gereksinimlerini karşılarken toplam geçiş süresini en aza indiren blok boyutlarını ve sıralarını bulur.

Üretimde yapay zeka programlama hakkında daha fazla bilgi için FirmAdapt üretim analiz sayfasını ziyaret edin.