Завод полуфабрикатов: Полуфабрикаты в России — Производители на Продукт.ру

Торговля

Бухгалтерия 1 и 2

требуется

Калькуляция 1 и 2

Выбрать для производства/торговли

Комментарий

Услуги

Не выбирать для Услуги

4. Нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Завод

Выберите из раскрывающегося списка.

Сохран. местоположение

Выберите из выпадающего списка.

Торговая организация

Выберите из выпадающего списка.

Канал распределения

Выберите из выпадающего списка.

Склад №

Выберите из выпадающего списка. Не использовать в сервисах.

5. Нажмите Enter.

Сначала материалы создаются на заводе первичной заготовки/производства. Для просмотра списков материалов выполните транзакцию MM60 или путь по меню Логистика  Управление материальными потоками  Основные записи материалов  Прочее  Список материалов.

Основные данные 1. На вкладке Основные данные 1 введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Описание

Базовая единица измерения

Группа материала

Комментарий

Выберите дискретную единицу измерения, чтобы избежать проблем на следующих шагах. Выберите соответствующую группу материалов.

Старый номер материала

не обязательно

Изд. иерархия

Не используется для служб.

Лаборатория/Офис

Подразделение

введите соответствующее подразделение

GenItemCatGroup Вес брутто

Единица веса

Вес нетто

2. Нажмите Enter.

3. На вкладке Основные данные 2 нажмите Enter.

Для иерархии продуктов используйте раскрывающийся инструмент выбора. На каждом уровне щелкните один раз соответствующий уровень, затем выберите «Следующий уровень». Когда вы дойдете до нужного конца, нажмите кнопку «Выбрать».

Классификация (Требуется только для материалов, подлежащих управлению партиями) 1. На вкладке представления Классификация на экране Классификация введите следующие значения и нажмите Ввод. Имя поля

Значения FIFO

Значения Срок действия

Тип класса

Выберите из раскрывающегося списка.

Класс

Выберите из выпадающего списка.

2. Выберите вкладку «Продажи: организация продаж 1» или выберите «Перейти к следующему экрану» (F8).

Назначьте только один класс в зависимости от того, как вы хотите управлять основной записью материала.

Данные о продажах 1. О продажах: продажи орг. 1, введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Завод-поставщик

введите основной завод для исходящих поставок

Налоговая классификация

для налогооблагаемого

2. На вкладке Продажи: организация продаж 2 введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Группа статистики материалов

Выберите из раскрывающегося списка.

Группа назначения счета

Выберите из выпадающего списка.

Группа категорий товаров

Выберите из выпадающего списка.

3. На вкладке Продажи: Общие/завод введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Проверка доступности

Выберите из раскрывающегося списка.

Пер. Grp

выберите соответствующую транспортную группу

LoadingGrp

выберите соответствующую группу погрузки

Центр прибыли

Для центра прибыли используйте раскрывающийся инструмент выбора.

SerialNoProfiles

Use for Services

4. На вкладке Текст продаж введите текст, который должен отображаться в торговых документах для этого материала. 5. Выберите вкладку Экспорт внешней торговли.

6. На вкладке Экспорт внешней торговли введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Код связи/импорта Страна происхождения Регион происхождения

Данные о внешней торговле требуются только в том случае, если вы хотите продавать материал в других странах (экспорт) 7. Выберите Закупки вкладка

Данные о закупках 1. На вкладке «Закупки» введите следующие значения и нажмите «Ввод». Имя поля

Действие пользователя и значения

Комментарий

Группа закупок

введите номер группы закупок

2. На экране текста заказа на закупку введите текст, который должен отображаться в закупочных документах для этого материала. 3. Выберите вкладку MRP1.

Данные ППМ 1. На вкладке ППМ1 введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Тип ППМ

PD

ППМ

Контролер ППМ

Введите номер ППМ (зависит от завода) Аналогично группе закупок

Размер партии

EX 90. следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Тип заготовки

E или X

зависит от сценария

Специальная заготовка

для основного завода 40 при перемещении материала с другого завода см. также специальные инструкции ниже

зависит от установки / зависит от сценария

Prod. Магазин Местонахождение

заводское

Место хранения для EP

в зависимости от завода

Собственное производство

в зависимости от сценария

Ключ плановой маржи

Выберите из раскрывающегося списка.

Группа выбора запасов

зависит от сценария

Запланированное время поставки

зависит от сценария

3. На вкладке MRP3 введите следующие значения и нажмите Enter. Имя поля

Действия пользователя и значения

Комментарий

Группа стратегий

40 или 10

выберите подходящую группу стратегий в зависимости от условий вашего бизнеса

Режим потребления

см. специальные инструкции ниже в прошлое MRP будет использовать прогнозируемые потребности

для конкретного сценария

Fwd потребление на

ввести количество дней в будущем MRP будет потреблять прогнозируемые потребности

зависит от сценария

4. На вкладке MRP4 введите следующие значения и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Индивид./колл.

, 1, 2

Определяет, как контролируются зависимые потребности

Серийное производство

зависит от сценария

Профиль REM

Описание

зависит от сценария. Назначайте профиль только в том случае, если вы выбрали флаг Серийное производство

5. Нажмите Enter.

В этом разделе вы можете найти дополнительную информацию о том, как поддерживать специальный ключ заготовки и как поддерживать режим потребления. Внешние материалы: 

Тип закупок () x



Внешние закупки () 20

Материалы субконтракта: 

Тип закупок () F



Специальное закупки () 30

Переночные материалы::

. 

Вид закупки () F



Специальная заготовка () 40 или соответствующая запись для передачи завода

Фантомная сборка 

Тип закупки () E



Фантомная сборка () 50

Данные планирования работы 1. На вкладке Планирование работы введите следующие значения и нажмите Enter. Имя поля

User action and values ​​

Comment

Production scheduler

scenario-specific

Production Scheduling Profile

scenario-specific

Underdelivery tolerance

scenario-specific

Overdelivery tolerance

scenario-specific

Lot- размер независимый Время собственного производства

количество дней для собственного производства

Серийный номер profile

General / Storage Data 1. Выберите закладку Plant data/stor.1. Если ваш материал подлежит пакетному управлению, выберите Организационные уровни. (Если ваш материал не подлежит пакетному управлению, вы можете перейти к шагу 4). 2. На экране Организационные уровни удалите любое значение в поле ввода Завод и нажмите Enter. Поля находятся на уровне клиента, а не на уровне завода. 3. Введите следующие значения: Имя поля

Описание

Управление партиями

Действие пользователя и значения

Комментарий

Установить индикатор

Устанавливается только в том случае, если ваш материал подлежит управлению партиями D (дни)

Требуется только в том случае, если материал подлежит управлению партиями со стратегией поиска срока годности

Мин. Рем. Срок годности

Минимальный оставшийся срок годности

Введите минимальный оставшийся срок годности

Требуется только в том случае, если материал подлежит управлению партиями со стратегией поиска срока годности

Общий срок годности

Введите общий срок годности

Требуется только в том случае, если материал подлежит управлению партиями со стратегией поиска срока годности стратегия поиска срока годности

Условия хранения

10 или 20

Используйте значение 10 для услуг.

4. Нажмите Enter. 5. Выберите заводские данные/хранилище. 2 и нажмите Enter.

Данные склада 1. Выберите вкладку Управление складом 1 и нажмите Enter. Все необходимые данные по умолчанию отображаются в представлении хранилища.

Учетные данные 1. На вкладке Учет 1 введите следующие данные и нажмите Enter. Имя поля

Действие пользователя и значения

Комментарий

Единица цены Управление ценой Стандартная цена/Скользящая цена Класс оценки

Выберите из раскрывающегося списка.

2. Выберите вкладку Учет 2 и нажмите Enter.

Значения для единицы цены, класса оценки и управления ценой по умолчанию отображаются в представлении. Вы можете изменить единицу цены и контроль над ценой, если это необходимо для ваших данных.

Данные калькуляции Предпосылки Для поля SpecProcurem Costing, если стандартная стоимость должна быть скопирована из того же материала на другом заводе, а значение в поле Special Procurem не было введено в MRP2, а затем введите соответствующее значение здесь. 1. На вкладке Costing 1 введите следующие данные и нажмите Enter. Имя поля

Действие пользователя и значения

Происхождение материала

установите флажок

Со структурой количества

установите флажок

SpecProcurem Costing

Клавиша отклонения 2. На вкладке Costing 2 нажмите Enter. 3. Отобразится диалоговое окно «Последние достигнутые данные». 4. Выберите Да, чтобы сохранить.

Результат Создан полуфабрикат.

Комментарий

Склад готовой продукции: определение — Interlake Mecalux

26 ноября 2021 г.

Склад готовой продукции — это помещение, предназначенное для хранения продукции, сошедшей с производственных линий и готовой к продаже или распространению.

Роль этих типов складов в цепочке поставок имеет решающее значение , поскольку они оказывают непосредственное влияние на удовлетворенность клиентов. Нет смысла оптимизировать управление сырьем и производственными процессами, если в итоге складу готовой продукции не хватает эффективности.

Как правило, эти объекты расположены рядом с производственными линиями, где сырье перерабатывается в полуфабрикаты и готовую продукцию.

На этих складах могут храниться готовые продукты, готовые к распределению, классифицированные по SKU, маршруту доставки и конечному потребителю, или продукты, которые будут использоваться для подготовки заказов.

Склад готовой продукции: определение и характеристики

Как правило, склады готовой продукции — это объекты, которые управляют паллетами с небольшим количеством SKU и высоким оборотом. Эти объекты обычно служат буферами для хранения, поскольку в них временно размещаются товары до тех пор, пока они не будут доставлены конечному покупателю.

При настройке макета склада готовой продукции наиболее распространенными решениями для хранения являются те, которые максимально увеличивают пространство, например, компактные системы хранения. В эту категорию входят въезжающие сквозные стеллажи для поддонов и системы стеллажей с выталкиванием назад, хотя система Pallet Shuttle обеспечивает большую вместимость и маневренность.

Паллетный шаттл включает в себя моторизованный шаттл , который перемещает поддоны внутри стеллажа, оптимизируя операции и сохраняя продукты на их местах с удивительной скоростью. Кроме того, это решение высокой плотности эффективно организует продукты: каждому каналу назначается отдельный SKU.

Другой вариант — хранить заказы, относящиеся к определенному маршруту перевозки, в том же канале. Так обстоит дело со складом Nestlé в Аргентине, предназначенным для размещения всей продукции, произведенной на его заводе в Вилья-Нуэва. «Нам нужно было восстановить складские мощности без необходимости строить еще одно здание, и мы также не хотели прибегать к внешним складам», — говорит Клаудио Мармо, менеджер по развитию Nestlé Argentina. Компания оборудовала свой логистический комплекс полуавтоматической системой Pallet Shuttle, решением, которое обеспечило возможность хранения 2668 поддонов и упростило вход и выход 500 поддонов в день.

Еще одной особенностью складов готовой продукции является использование автоматизированных систем хранения и поиска (AS/RS) . Повышенная скорость, повышенная безопасность и лучшее использование пространства — вот лишь некоторые из причин, по которым все больше и больше компаний инвестируют в AS/RS.

Из всех AS/RS две выделяются своей эффективностью: система мини-загрузки и автоматизированный шаттл для поддонов.

(AS/RS для ящиков) предназначены для хранения мелкой готовой продукции, используемой для подготовки заказов. Это автоматизированное решение позволяет максимально эффективно использовать пространство, ускоряет перемещение ящиков и облегчает сбор заказов . Многонациональная компания Continental пожинает плоды этого решения на своем предприятии в Мексике, где хранятся запасные части и аксессуары для автомобилей. Компания выбрала эту систему хранения, которая обеспечивает очень высокий приток и отток товаров, облегчая подготовку большого количества заказов.

Для хранения полных поддонов с готовой продукцией одним из наиболее распространенных решений является автоматизированный паллетный шаттл с краном-штабелером или транспортными тележками. Это одна из самых эффективных компактных систем хранения на рынке, так как она гарантирует очень высокие потоки входящей и исходящей продукции. Логистический оператор Луис Симоэс установил автоматизированную систему транспортировки поддонов с перегрузочными вагонами в своем центре в Гвадалахаре, Испания, для организации готовых заказов для распределения . Благодаря автоматизации бизнес поддерживает непрерывные притоки и оттоки.

Вообще говоря, планировка склада готовой продукции должна обеспечивать маневренность, высокую скорость оборота и точный контроль продукции, чтобы товары доставлялись конечному потребителю в наилучших условиях.

Программное обеспечение для управления готовой продукцией

Склад готовой продукции должен осуществлять строгий складской контроль для обеспечения максимальной безопасности при хранении и отправке товаров. С этой целью лучше всего реализовать система управления складом (WMS) для организации товаров по номеру партии, сроку годности и маршруту транспортировки, среди прочих переменных.

WMS поддерживает непрерывную двустороннюю связь с системой ERP (планирование ресурсов предприятия) и MES (система управления производством) для отслеживания местоположения продуктов. Благодаря этой интеграции система управления складом точно знает, когда товары поступят с производства.

Чтобы сократить время, необходимое для погрузки и разгрузки готовой продукции на грузовики и с них, компании также могут установить такие программы, как модуль программного обеспечения для доставки грузов несколькими перевозчиками от Interlake Mecalux. Эта система соединяет склад с различными транспортными агентствами для оптимизации процессов упаковки, маркировки и распределения заказов.

Эту технологию могут использовать компании всех секторов. Одним из примеров является La Ruche Logistique, поставщик логистических услуг, специализирующийся на электронной коммерции. Компания установила программное обеспечение Multi Carrier Shipping на своем предприятии во Франции, чтобы улучшить процесс упаковки и распределения заказов. С помощью программного обеспечения для управления складом La Ruche Logistique увеличила количество заказов со 150 до 500 в день, которые распределяются и доставляются за считанные часы. «Благодаря Multi-Carrier Shipping, Easy WMS связывается напрямую с нашим перевозчиком, чтобы информировать его о заказах, подлежащих распределению», — говорит менеджер La Ruche Logistique Томас Ларерон. «В результате мы стали продуктивнее, быстрее готовим и распределяем заказы и больше не допускаем ошибок».

Склад готовой продукции: союзник производственного центра

Склад готовой продукции с гибкими, безошибочными операциями является активом для цепочки поставок любой компании. Эти типы объектов сконфигурированы таким образом, чтобы готовая продукция всегда была доступна в случае необходимости, а заказы обрабатывались и отправлялись в кратчайшие сроки .

Поэтому все больше компаний внедряют AS/RS для хранения и отправки готовой продукции. В Interlake Mecalux мы специализируемся на персонализированных AS/RS, которые оптимизируют пропускную способность складов готовой продукции. Не стесняйтесь обращаться к нам. Один из наших опытных консультантов предложит вам лучшее решение для обеспечения максимальной эффективности логистики.

Связанные статьи

• Консолидация заказов для упрощения доставки

• Консолидация и деконсолидация кросс-докинга: что это такое?

• Управление складскими площадями и эффект электронной коммерции

• Wi-Fi на складе: еще один столп логистики

• Картирование потока создания ценности (VSM): как определить неэффективность на складе

• Товары народного потребления: все о логистике FMCG

Анализ производительности производственной линии в производственной структуре MTS/MTO: подход теории массового обслуживания

1. Введение

Баланс спроса и предложения был одним из наиболее важных вопросов в производственных компаниях в последние десятилетия. Производственные компании ищут подход к управлению запасами и поставками, который может получить максимальную выгоду от инвестиций в сырье, незавершенное производство и запасы готовой продукции (Donath, 2002). Как обсуждалось Wu & Olson (2008) и Wang (2009), хранение готовой продукции, отложенные заказы, дефицит и утилизация устаревших и просроченных продуктов являются наиболее распространенными затратами на запасы в производственной системе.

Многие из вышеупомянутых затрат на запасы связаны с использованием стратегии МТС, когда компания производит готовую продукцию на основе своего прогноза рыночного спроса. Наиболее важной особенностью стратегии MTS является получение более высоких показателей удовлетворенности заказами по сравнению с другой стратегией, производством на заказ (MTO). Стратегия MTS предлагает меньшую возможность настройки, но менее дорогие продукты по сравнению со стратегией MTO. С другой стороны, такие проблемы, как более высокая средняя задержка заказа, более высокое среднее время отклика и установка срока выполнения, рассматриваются как проблемы производственных систем MTO. Эти системы предлагают более дорогие продукты из-за большего разнообразия пользовательских настроек (Soman et al., 2004).

Исследуемая система пытается объединить стратегии производства на склад (MTS) и производства на заказ (MTO), чтобы извлечь выгоду из обеих производственных систем. Эта идея развивается путем применения точки проникновения заказа (OPP) на производственных линиях. Основная идея использования такой точки в производственных системах чаще всего затрагивается в научных статьях в области управления цепочками поставок. Эта точка определяется как точка цепочки поставок, где каждый продукт предназначен для конкретного заказа известного клиента (Olhager, 2003). Чтобы подчеркнуть, что этот момент напрямую связан с заказом клиента, некоторые исследователи рассматривали его как точку разделения заказа клиента (CODP). Использование OPP в производственных линиях показано на рисунке 1.

Рисунок 1
Различные стратегии доставки продуктов связаны с различными точками проникновения заказов (OPP). Пунктирные линии изображают производственную деятельность, управляемую прогнозами, тогда как прямые линии изображают деятельность, ориентированную на заказы клиентов (Olhager, 2003).

В последние десятилетия позиционирование OPP широко изучается как сложная проблема в управлении цепочками поставок. Тем не менее, рассмотрение этой концепции в производственных системах для сравнения различных производственных стратегий (MTS/MTO) еще не получило широкого изучения. В связи с этим, выполнив поиск в «scholar.google.com», чтобы найти статью со словами «Производство» и «Точка проникновения заказа» в названии, мы не можем найти ни одной статьи. По лучшим сведениям авторов (занимающихся исследованиями в этой области около 10 лет), наиболее близким исследованием является глава книги Süer & Lobo (2011), где они рассматривали гибридные стратегии в клеточных системах. В их исследовании сравнивались подключенные и отключенные сотовые системы на примере компании-производителя медицинского оборудования и моделировались различные сценарии для сравнения двух компаний-производителей сотовой связи.

Целью данной статьи является показать, как производственные компании могут применять OPP для получения выгод от стратегий MTS и MTO в соответствии с различными стоимостными параметрами производственных линий. Кроме того, использование концепций теории массового обслуживания для моделирования изучаемой проблемы помогает учитывать внешние факторы, такие как нетерпеливые клиенты и неопределенность поступления спроса, которые могут повлиять на показатели производительности системы, помимо внутренних факторов, таких как производительность и затраты, связанные с запасами. В реальной производственной среде возможно, что компания хочет расширить производственную линию после определенной станции и иметь больше линий настройки для повышения удовлетворенности клиентов. Эта идея множественной линии индивидуальной настройки также изучается в этом исследовании.

Остальная часть статьи организована следующим образом. Соответствующая литература по различным применениям OPP как в научных кругах, так и в промышленности рассмотрена в Разделе 2. Раздел 3 посвящен описанию фокуса этого исследования и определению обозначений для моделирования проблемы. Раздел 4 формулирует задачу и представляет метод решения. Численный пример с обширным анализом чувствительности представлен в Разделе 5, а Раздел 6 завершает исследование и обсуждает будущие пути исследования.

2. Обзор литературы

За последние два десятилетия разработка новых производственных стратегий, таких как производство MTS/MTO, привлекла большое внимание исследователей для устранения несоответствия между реальным рыночным спросом и прогнозируемым спросом. Точка дифференциации между стратегиями MTO и MTS известна в литературе как точка проникновения заказа (OPP) (Olhager, 2003), и определение OPP стало важным стратегическим решением в цепочках поставок и производственных системах в соответствии с его возможностями для сокращения управления запасами. расходы. Терминология точки развязки (DP) (Шарман, 1984) и Точка разделения заказов клиентов (CODP) (Hoekstra & Romme, 1992) отмечены в литературе для той же концепции.

Согласно Herer et al. (2002), OPP отличает часть производственной системы, отвечающую требованиям клиентов, от части стратегического планирования. Со стратегической точки зрения есть два фактора, обнадеживающих использование OPP в конечных процессах производственной линии: сокращение времени выполнения заказа и повышение эффективности производства. В таблице 1 представлены преимущества и недостатки смещения ОПП ближе к концу производственной линии:

Таблица 1

Стратегические вопросы, причины и негативные последствия смещения ОПП вперед (Olhager, 2003).

С другой стороны, основная причина перемещения OPP в сторону основных процессов производственной линии заключается в том, чтобы получить больше информации о спецификациях заказов клиентов в период производства, что расширяет возможности настройки и сокращает объем работы. -в процессе. В таблице 2 представлены преимущества и недостатки переноса OPP на первые машины производственной линии.

Таблица 2

Стратегические вопросы, причины и негативные последствия смещения ОПП назад (Olhager, 2003).

Концепция использования гибридного производства помимо чистого MTO в задаче планирования разработана Wu et al. (2008) для поддержания высокой загрузки машин. В их исследовании был предложен метод планирования для гибридной производственной системы с характеристиками машинного обучения. Целью представленной модели является достижение высокой пропускной способности для продуктов МТС и высокой своевременности доставки для продуктов МТО.

Недавнее исследование, проведенное Olhager & Prajogo (2012), сравнило фирмы, производящие продукцию на заказ и на складе, путем изучения данных 216 австралийских производственных компаний. Показано, что системы MTO оказывают определенное влияние на интеграцию поставщиков для повышения эффективности бизнеса, но это не относится к рационализации поставщиков и методам бережливого производства.

Концепции теории массового обслуживания применяются для нахождения OPP в исследовании Teimoury et al. (2012) . Они рассмотрели многопродуктовую производственную систему MTS/MTO, которая имеет вероятностное распределение как для прибытия клиентов, так и для производства полуфабрикатов. Чжан и др. (2013) использовали теорию очередей для динамического объединения операций MTS и MTO. В их модели подмножество машин динамически переключается между двумя стратегиями. Они количественно оценили показатели производительности системы, разработав аналитическую формулу. Этот подход минимизирует общие затраты на систему с учетом ограничений, связанных с удовлетворенностью клиентов.

Проблема анализа производительности в производственных системах MTS/MTO изучается Almehdawe & Jewkes (2013) . Это исследование больше посвящено стоимости запасов, включая политику пополнения запасов и группового заказа.

В таблице 3 представлено краткое введение в последние исследования OPP в различных аспектах систем производства и обслуживания:

Таблица 3

Некоторые из OPP опубликовали статьи с 2008 по 2016 год.

Точка зрения настоящего исследования аналогична точке зрения Teimoury et al. (2012), где авторы использовали матричный геометрический метод очередей (MGM) для поиска OPP в двухэтапной цепочке поставок. Математические модели в литературе по производству MTS/MTO обычно пытаются найти оптимальный баланс между уровнями удовлетворенности клиентов и стоимостью запасов, но, насколько известно авторам, простои системы и многочисленные линии настройки в литературе еще не изучались.

3. Описание проблемы

Следующие обозначения используются для описания проблемы и математического моделирования:

Переменные решения:

θ Процент завершения продукции на первых g станциях

T Количество производственных линий после ОПП

g Количество станций до OPP

Параметры:

λ Скорость поступления заявок в систему

м Количество станций в производственной линии

μ Производительность линии с одной машиной на каждой станции

S Буферная емкость для хранения полуфабрикатов

V(θ) За единицу стоимости θ % готового полуфабриката

DD Средняя дата выполнения заказа конкретного клиента

α Скорость наладки на машину при использовании производства MTO

τ Постоянная доля общей задержки выполнения заказа клиента

CK Себестоимость хранения полуфабриката

CH Холдинговая стоимость готовой продукции (Произведено на чистом МТС)

CLO Стоимость потери одного клиента (из-за уклонения или отказа)

CB Стоимость невыполненных заказов при отсутствии полуфабриката в буфере для удовлетворения заказов

CD Стоимость выполнения заказа после срока его исполнения

КИ Стоимость простаивающих машин в очереди МТО

CT Стоимость строительства новой линии индивидуализации после буфера полуфабрикатов

Рассмотрим производственную линию с m станциями, где заказы клиентов поступают на линию в соответствии с распределением Пуассона со скоростью λ . Время производства линии с одним станком на каждом участке (m станков) предполагается экспоненциально распределенным с параметром µ (обозначения выбраны такие же, как и во многих статьях в литературе по назначению) (Jewkes & Alfa, 2009). В стратегии MTS нет времени на настройку машин, поскольку они работают в обычном режиме, и никаких изменений не требуется. Если машина назначена для настройки полуфабриката, для каждого продукта будет одинаковое время настройки со скоростью α на каждой машине (все времена обработки и настройки подчиняются экспоненциальному распределению). Предполагается, что ограничений по сырью нет. Производитель предпочитает выпускать полуфабрикаты, которые производятся на первых g станциях (g Точнее говоря, линия сбалансирована и нет необходимости иметь буфер на каждой станции.

Согласно приведенным выше объяснениям, время, необходимое для изготовления полуфабриката на основе конкретного спроса, подчиняется экспоненциальному распределению со средним значением 1/(μ/(1−θ))+1/(α/(m−g) ), который не зависит от существующих клиентов в системе, а время, необходимое для изготовления полуфабриката на основе MTS, подчиняется экспоненциальному распределению со средним значением 1/(μ/(1−θ)) . Следуя той же логике, производство полуфабрикатов на первых g машинах подчиняется экспоненциальному распределению со средним значением 1/(μ/θ) . Примечательно, что θ относится к совокупному проценту завершения продукта на первых g машинах. Мы также используем значение на единицу функции V(θ), введенное Jewkes & Alfa (2009).). Эта функция является возрастающей функцией θ, которая используется для получения затрат на хранение запасов.

Примечательно, что настройка полуфабрикатов может быть выполнена на T производственных линиях после OPP. Точнее говоря, чтобы увеличить скорость обслуживания при завершении полуфабрикатов и сократить время ожидания, завод-изготовитель может возобновить производство после OPP с более чем одной производственной линией, что является переменной решения в текущем исследовании. Затраты на строительство новой линии являются убывающей функцией θ, поскольку при увеличении θ более высокий процент продукции завершается до ОПП, а количество оставшихся перерабатывающих станций уменьшается. Логично, что для строительства меньшего количества станций нужны меньшие инвестиции.

Клиенты этой производственной линии имеют характеристики нетерпеливых клиентов, в том числе упирающихся и отказывающихся. По прибытии в очередь клиент может обнаружить n клиентов, уже стоящих в очереди (включая обслуживаемого в данный момент). Прибывший клиент может принять решение войти в очередь с вероятностью Pn или не входить в очередь с вероятностью ( 1−Pn ) (что в теории массового обслуживания называется отказом). Согласно Бхату (2008), Pn можно получить следующим образом:

Pn = {1 n = 0, e — n/(μ/(1 — θ))) 1≤n≤n — 1,0 n = n (1)

Клиенты, находящиеся в очереди, могут проявить нетерпение и выбежать из очереди, не будучи обслуженными (что в теории массового обслуживания называется отказом от обслуживания). Это время ожидания подчиняется экспоненциальному распределению со средним значением 1/β (Teimoury et al., 2012). Из-за независимости решения клиентов и принципов экспоненциального распределения делается вывод, что средний уровень отказов в текущей системе равен nβ (где n — количество клиентов в системе).

Целью является достижение следующих целей по двум сценариям: 1- Получение наилучшего места для буфера полуфабрикатов (OPP). 2- Сравнение стоимости производства MTS/MTO и производства MTS/MTO плюс MTS, когда в системе нет конкретного заказа. 3- Нахождение оптимального количества строк настройки после места ОПП.

3.1. Сценарий 1

В первом сценарии полуфабрикаты производятся первыми g машинами (g Клиенты входят в систему со скоростью λ. Эта стратегия приводит к простоям, но достигается экономия с точки зрения устранения инвестиций в запасы готовой продукции и затрат на ее хранение. Мы можем рассчитать общую стоимость системы и найти оптимальное значение g. Это значение показывает нам, куда поставить буфер полуфабрикатов. Систему производства первого сценария можно показать на рисунке 2.

Рисунок 2
Чистая производственная система «Производство на складе/Производство на заказ» (MTS = «Производство на складе»; MTO = «Производство на заказ».

3.2. Сценарий 2

Во втором сценарии мы используем как МТС, так и МТО для комплектации полуфабрикатов. При отсутствии клиента в системе полуфабрикаты комплектуются по стратегии МТС, а готовая продукция отправляется на склад. Но когда поступает заказ на настройку, полуфабрикат назначается этому заказу, и после завершения текущего задания MTS на каждой машине это задание MTO начинает выполнять полуфабрикат. Производственная система второго сценария может быть показана на рисунке 3.

Рисунок 3
Производственная система «Изготовление на склад»/«Изготовление на заказ» со стратегиями завершения «Производство на склад» и «Изготовление на заказ» после точки проникновения заказа (MTS = «Производство на склад»; MTO = «Производство на заказ»).

Существует большое различие между двумя сценариями, когда полуфабрикаты присутствуют в системе, но нет клиента, который мог бы получить обслуживание. Здесь конфликт между стоимостью простоя и стоимостью запасов должен быть уравновешен выбором одного из вышеперечисленных сценариев. В Разделе 4 основные части формулировки проблемы и подхода к решению представлены только для первого сценария, чтобы избежать лишнего текста. Также объясняются некоторые важные вопросы второго сценария.

4. Формулировка проблемы и показатели производительности системы

Чтобы получить стоимость работы по каждому сценарию, необходимо найти показатели устойчивого состояния системы. Поскольку поступление заказов и получение полуфабрикатов носит вероятностный характер, для моделирования системы используется двумерная очередь.

4.1. Диаграммы переходов состояний и балансовые уравнения

Система состоит из вероятностного поступления клиентов и полуфабрикатов, поэтому каждое из этих поступлений может создать очередь на производственной линии. Такая система может быть смоделирована квазимарковским процессом рождения и смерти с состояниями (n,k). Если n — количество клиентов в системе, из которых один обслуживается в данный момент, а k — количество полуфабрикатов, имеющихся в системе, можно рассмотреть цепь Маркова {(n,k), 0≤n≤ N, 0≤k≤S} для представления возможных состояний существующих продуктов и клиентов в системе.

Чтобы смоделировать долгосрочные затраты текущей производственной линии, необходимо получить вероятности установившихся состояний π(n,k) для обоих сценариев. В соответствии с двумерным характером очереди мы используем матричный геометрический метод (MGM) и уравнения баланса очереди, чтобы найти устойчивые вероятности состояний продукта-покупателя в производственной линии (Neuts, 1981). Из-за основы MGM нам нужно определить образующую матрицу для представленной цепи Маркова следующим образом:

Q = [B0 A0C1 B1 A1 ⋱ ⋱ ⋱ CN -1 BN -1 AN -1 CN BN] (2)

В этой матрице AN, BN и CN являются квадратными матрицами с порядок S+ 1 . Эти матрицы представлены в Приложении A для получения дополнительных пояснений. An отображает скорость увеличения одного клиента в производственной линии, Bn (n≠0) отображает скорость, с которой количество клиентов остается на том же уровне (ни один заказ не поступает и не выходит), а Cn обозначает скорость уменьшения одного клиента в производственной линии. производственная линия. Наконец, B0 обозначает скорость увеличения количества клиентов с нуля до одного.

Каждый стационарный вектор вероятности π для постоянного значения k может быть определен как π=[π0,π1,…,πN], где πn вычисляется как ∑n=0Nπn=1 и πQ=0 . πn=[π(n,0),π(n,1),…,π(n,S)] — вектор-строка размера 1×(S+1), где π(n,k) — устойчивая вероятность состояния, в котором на производственной линии имеется n покупателей и k полуфабрикатов. В каждом сценарии выводятся уравнения баланса, и, решив уравнение πQ=0, мы можем найти вероятности установившегося состояния и следующие показатели производительности системы. Используя все вышеизложенное, можно изобразить диаграмму стационарного состояния первого сценария, как показано на рисунке 4.

Рисунок 4
Диаграмма скоростей переходов состояний первого сценария.

Где а – скорость превращения полуфабрикатов в готовую продукцию, равная Tμαα(1−θ)+μ(м−г) . Соответствующие уравнения баланса на рисунке 3 приведены в уравнениях с 3 по 11:

(Pnλ+µθ)π(n,k)=βπ(n+1,k)+Tµαα(1−θ)+µ(m−g)π(n+1,k+1)                       =n=               0(3)

(Pnλ+µθ)π(n,k)=βπ(n+1,k)+Tµαα(1−θ)+µ(m−g)π(n+1,k+1)+µθπ(n,k −1)              n=0, 1≤k≤S−1(4)

Pnλπ (n, k) = βπ (n+1, k)+μθπ (n, k — 1) n = 0, k = s (5)

(Pnλ+nβ+µθ)π(n,k)=(n+1)βπ(n+1,k)+Tµαα(1−θ)+µ(m−g)π(n+1,k+1 )+Pn — 1λπ (n — 1, K) 1≤n≤n — 1, k = 0 (6)

(Pnλ+nβ+Tµαα(1−θ)+µ(m−g)+µθ)π(n,k)=(n+1)βπ(n+1,k)+Tµαα(1−θ)+µ (m — g) π (n+1, k+1)+pn — 1λπ (n — 1, k)+μθπ (n, k — 1) 1 ≤n — 1, 1≤k≤s —1 (7)

(Pnλ+nβ+Tµαα(1−θ)+µ(m−g))π(n,k)=(n+1)βπ(n+1,k)+Pn−1λπ(n−1,k) +μθπ (n, k — 1) 1≤n≤n — 1, k = s (8)

(nβ+μθ) π (n, k) = pn — 1λπ (n — 1, k) n = n, k = 0 (9)

(nβ+Tµαα(1−θ)+µ(m−g)+µθ)π(n,k)=Pn−1λπ(n−1,k)+µθπ(n,k−1)                      1=N ≤k≤S−1(10)

(nβ+tμαα (1 — θ)+μ (m — g)) π (n, k) = pn — 1λπ (n — 1, k)+μθπ (n, k — 1) n = n, k = s (11)

Согласно всей предыдущей информации, диаграмма устойчивого состояния второго сценария изображена на рисунке 5.

Рисунок 5
Диаграмма скорости перехода состояний второго сценария.

Где а – скорость превращения полуфабрикатов в готовую продукцию, равная Tμαα(1−θ)+μ(м−г) . Мы можем использовать те же уравнения баланса, что и в сценарии 1, для сценария 2, но уравнения 3–5 имеют некоторые изменения в связи с дополнительными объемами производства МТС. Мы можем использовать уравнения с 12 по 14 для расчета вероятностей установившихся состояний, когда n=0.

(Pnλ+µθ)π(n,k)=βπ(n+1,k)+Tµαα(1−θ)+µ(m−g)π(n+1,k+1)+Tµ1−θπ(n ,k+1)                     n=0, k=0(12)

(Pnλ+µθ+Tµ1−θ)π(n,k)=βπ(n+1,k)+Tµαα(1−θ)+µ(m−g)π(n+1,k+1)+µθπ (n, k — 1)+tμ1 — θπ (n, k+1) n = 0, 1≤k≤s — 1 (13)

(Pnλ+tμ1 — θ) π (n, k) = βπ (n+1, k)+μθπ (n, k — 1) n = 0, k = s (14)

путем решения уравнений баланса очереди, можно найти вероятность простоя системы, а также вероятность состояний, что в системе ожидаются клиенты, а полуфабриката в буфере нет. С помощью этих вероятностей мы можем определить целевую функцию, основанную на затратах, которая включает стоимость простаивающих машин, наличие запасов и задержку выполнения заказа.

4.2. Показатели оценки производительности

Чтобы построить модели оптимизации для двух изучаемых сценариев, нам необходимо вывести некоторые показатели производительности производственной линии с учетом вероятностей устойчивого состояния. В таблице 4 показаны применяемые показатели производительности в модели оптимизации.

Таблица 4

Показатели производительности производственной линии.

Примечательно, что при отсутствии заказчика в системе по второму сценарию один из полуфабрикатов поступает на линию доработки на базе МТС и после изготовления этого изделия, если заказчик с конкретным заказом вошел в систему, линия начинает производить на МТО. Таким образом, при расчете E(H) вероятности устойчивого состояния умножаются на k=1.

4.3. Модель первого сценария

Для построения математических моделей в этом исследовании подход Jewkes & Alfa (2009) и Teimoury et al. (2012). Целевая функция основана на определенных затратах системы. Общая стоимость системы должна быть минимизирована с учетом эксплуатационных ограничений системы. Математическая формулировка Сценария 1 выглядит следующим образом:

Min(θ,T)=CKV(θ)E(K)+CLOE(LO)+CD(E(W)−DD)+CIT(m−g)E(I)+CBE(B)+CTT(24 )

Тема:

α(1−θ)+µ(m−g)Tµα≥τE(W)(25)

0<θ<1(26)

T=1, 2, 3, …(27)

Целевая функция 24 минимизирует суммарную стоимость хранения полуфабрикатов в буфере, стоимость потерянных клиентов, стоимость задержки выполнения заказов клиентов, стоимость простоя для Т-линии, стоимость невыполненных заказов и стоимость создания Т-линий по индивидуальному заказу. Ограничение 25 обозначает уровень обслуживания продукта, при котором ожидаемое время адаптации α(1−θ)+μ(m−g)Tμα должно быть больше или равно части τ ожидаемого времени выполнения заказа. Ограничения 26 и 27 обозначают диапазон переменных модели. Применение метода перебора для поиска всех возможных значений представленной модели позволяет нам узнать тенденцию затрат производственной линии и найти лучшее место для размещения буфера полуфабрикатов. Также можно найти оптимальное количество производственных линий по индивидуальному заказу, которые будут встроены в систему. Значения целевой функции в ответ на различные значения переменных решения используются для сравнения производительности первого сценария и второго сценария.

4.4. Модель второго Сценария

Математическая формулировка Сценария 2 выглядит следующим образом:

Min(θ,T)=CKV(θ)E(K)+CLOE(LO)+CD(E(W)−DD)+CHTE(H)+CBE(B)+CTT(28)

при условии:

α(1−θ)+µ(m−g)Tµα≥τE(W)(29)

0<θ<1(30)

T=1, 2, 3, …(31)

Целевая функция 28 минимизирует суммарную стоимость хранения полуфабрикатов в буфере, стоимость потерянных клиентов, стоимость задержки выполнения заказов клиентов, стоимость удержания выполненных заказов продукты МТС, стоимость невыполненных заказов и стоимость создания производственных линий по индивидуальному заказу. Ограничение 29обозначает уровень обслуживания продукта, при котором ожидаемое время настройки α(1−θ)+μ(m−g)Tμα должно быть больше или равно части τ ожидаемого времени выполнения заказа. Ограничения 30 и 31 обозначают диапазон переменных модели.

В разделе 5 представлен численный пример, иллюстрирующий применимость представленных моделей, и выполнен обширный анализ чувствительности, чтобы понять, как система ведет себя в зависимости от различных значений параметров.

5. Численный пример

Чтобы представить применимость представленной модели и метода решения, в этом разделе представлен численный пример с анализом параметров. Рассмотрим производственную линию с m=5 станциями, на каждой из которых обрабатывается 20 % готовой продукции. Вся производственная линия с одним станком на каждой станции изготавливает свою продукцию на основе экспоненциального распределения с параметром µ=1. Клиенты этой производственной линии входят в систему по распределению Пуассона со скоростью λ=0,9..

Линейный руководитель хочет выбрать стратегию производства «Полное МТО», «Полное МТС» и «МТС/МТО» в соответствии со сценариями, представленными в разделе 4. По стоимостным параметрам системы желательно найти место для буфера полуфабрикатов (нахождение θ как OPP) и количество производственных линий, которые можно добавить в качестве линий настройки продукта для повышения уровня обслуживания системы (нахождение T). Система позволяет находиться в очереди максимум N=10 клиентов (включая обслуживаемого), а мест для буферизации полуфабрикатов всего S=4. Клиенты системы нетерпеливы и могут войти в систему с вероятностью Pn, представленной Бхатом (2008), и после входа могут отказаться от обслуживания в соответствии с экспоненциальным распределением с параметром β = 0,2.

Для каждой машины существует время настройки, если она хочет настроить продукт в соответствии с конкретным заказом, который подчиняется экспоненциальному распределению с параметром α=40 . У клиентов системы срок выполнения составляет DD=0,1 единицы времени, а за отсроченную настройку продукта предусмотрен штраф в размере CD=5, который является вознаграждением, если продукт будет завершен раньше срока. Клиенты так чувствительны к тому, что в очереди нет полуфабриката для кастомизации, но есть возможность отложить заказ стоимостью CB=20. Если клиент предпочитает не получать услугу с линии, когда в буфере нет полуфабриката, стоимость потери клиента будет равна CLO=6. Кроме того, буферизация полуфабрикатов на линии имеет стоимость СК=0,5 за штуку в единицу времени.

Как обсуждалось в презентации модели, для каждого сценария существуют определенные затраты. Стоимость простоя каждой машины в сценарии 1 составляет CI=0,5, а стоимость хранения готовой продукции в сценарии 2 равна CH=0,5. Для системы существует постоянная доля задержки завершения, которая выбрана равной τ = 0,04 в соответствии с потребностями клиентов и рыночными характеристиками.

Логично предположить, что стоимость хранения полуфабрикатов связана с процентом готовности продукта (Jewkes & Alfa, 2009).), поэтому стоимость продукта следует уравнению V (θ) = θ% для каждого полуфабриката. Стоимость строительства новой линии после буфера полуфабрикатов также является убывающей функцией завершения производства. Мы можем использовать формат функции a*(1−bV(θ)) в качестве убывающей функции θ, а для текущей производственной линии стоимость строительства составляет CT=0,2*(1-(0,7*V(θ))) . Примечательно, что доступное пространство строки может быть использовано только для построения 5 строк настройки после места OPP ( Tmax = 5 ).

Результаты решения этого численного примера с помощью MATLAB 7 представлены в Таблице 5 . Как видно из таблицы 5, представленная модель хорошо работает для рассматриваемой производственной линии. В этом примере мы также хотим рассмотреть варианты Full MTO и Full MTS помимо производственной стратегии MTS/MTO, которая равна θ=0% для Full MTO и θ=100% для Full MTS. Поскольку наша формулировка не работает для значений θ, равных 0% и 100%, здесь θ=1% считается для расчета общей стоимости стратегии Full MTO, а θ=99% используется для расчета общей стоимости стратегии Full MTS. Примечательно, что единственное ограничение нашей модели привело к тому, что некоторые из наших решений вышли за пределы допустимого пространства решений, что показано NS в таблице 5.

Таблица 5

Результаты числового примера.

Каждое значение T имеет оптимальную общую стоимость, которая показана курсивным подчеркнутым шрифтом, а лучший ответ для каждого сценария показан жирным шрифтом в Таблице 5. Например, во втором сценарии производство на основе стратегии MTS/MTO для T = 5 является оптимальным (общая стоимость = 4,46) при условии, что на первой станции мы производим только 20% продукта. Но это не общий оптимальный случай для T = 5, и мы можем принять полную стратегию MTO с более низкой себестоимостью производства 4,38.

В таблице 5 показан оптимальный процент завершения каждого полуфабриката с количеством линий завершения продукта после OPP. Как видно из первого сценария, две линии комплектации продукта — лучший вариант, исходя из значения функции затрат. Если мы рассмотрим две линии завершения после OPP, лучший процент завершения продукта до OPP составляет 60%, что означает размещение OPP после третьей станции. Следуя вышеупомянутому условию, принятие производственной стратегии MTS/MTO с двумя линиями завершения и производством 60% готовой продукции имеет стоимость 4,56 денежной единицы в устойчивом состоянии, что ниже, чем стратегии Full MTO и Full MTS из-за характеристик клиента и рынка. .

В первом сценарии общая стоимость и процент выполнения являются выпуклыми по T . Причину первоначального снижения общих затрат в T можно объяснить повышением уровня обслуживания клиентов. За счет увеличения T с одного до двух увеличится скорость кастомизации полуфабрикатов, а это уменьшит затраты на задержки выполнения заказов и недозаказы, которые произошли из-за более низкой скорости выполнения продуктов. Но когда мы увеличиваем T с двух до трех, мы видим, что общая стоимость системы увеличивается.

Следует отметить, что даже в этом случае уровень обслуживания снижает затраты за счет повышения скорости настройки, но создание новой линии завершения имеет свою стоимость, которая была представлена ​​формулой убывания θ . В случае перехода от двух линий кастомизации к трем линиям кастомизации связанные с этим затраты на создание новой производственной линии превышают сокращение затрат на обслуживание клиентов. Итак, мы видим, что общая стоимость системы начинает увеличиваться при создании более двух линий настройки продукта.

Поведение θ также становится выпуклым при увеличении T . Логично, что с увеличением T скорость настройки становится быстрее, и система предпочитает выполнять больший объем работы в той части системы, которая работает с большей скоростью. Таким образом, когда T увеличивается с одного до двух, производственная линия предпочитает выполнять меньше работы до OPP, когда доступна только одна линия, и выполнять больший объем выпуска продукции после OPP, когда доступны две линии.

Но при более быстрых линиях клиенты получают более быстрое обслуживание, а время простоя системы в очереди увеличивается. Это причина того, что общая стоимость увеличивается, когда Т увеличивается с двух до трех. Точнее говоря, когда в системе есть три линии настройки продукта, выполнение заказов клиентов выполняется очень быстро, и машины в трех линиях будут простаивать очень много. Из-за компромисса между преимуществами более быстрого завершения работы над продуктом и затратами на большее время простоя выпуклое поведение θ относительно T является разумным.

Как показано на рисунке 6, минимальная стоимость второго сценария относится к производственной линии с тремя линиями комплектации после OPP и производящей 40% полуфабрикатов. Более точно, место OPP во втором сценарии находится после второй станции, а оставшийся процесс выполняется в трех строках, каждая из которых имеет три станции. Согласно потребительским и рыночным характеристикам стоимость оптимального ответа во втором сценарии составляет 3,85 в устойчивом состоянии. Сравнивая затраты двух предложенных сценариев для этой производственной линии, показано, что второй сценарий имеет меньшую себестоимость и лучше для системы производить готовую продукцию МТС, когда в системе нет покупателя, и нести затраты на хранение готовой продукции. вместо того, чтобы нести расходы на простаивающие машины.

Рисунок 6
Производственная линия, относящаяся ко второму сценарию в числовом примере (MTS = Make to Stock; MTO = Make to Order).

Во втором сценарии поведение общих затрат по отношению к увеличению T такое же, как и в первом сценарии, и его можно объяснить той же логикой. Но поведение θ при увеличении T не такое, как в первом сценарии. Во втором сценарии у системы нет простоев, и когда система опустеет от клиентов, она начнет производить на базе МТС. Таким образом, поскольку большее количество линий позволяет системе иметь более высокую производительность, система предпочитает выполнять меньше работы с низкой скоростью и больший объем работы с более высокой скоростью. Здесь нет превентивного фактора, такого как простаивающие машины, которые налагают затраты на систему, и θ уменьшается по мере того, как T получает более высокие значения.

В этом разделе анализируется поведение некоторых других систем при различных значениях системных параметров, чтобы лучше показать применимость модели и прояснить концепцию. Более того, логичное поведение показателей производительности системы можно рассматривать как справедливость представленных расчетов и предложенной модели.

5.1. Колебания общей стоимости в зависимости от колебаний λ

Основное правило теории массового обслуживания состоит в том, чтобы считать скорость прибытия требований меньшей, чем скорость обслуживания системы, чтобы сделать систему стабильной; иначе очередь будет длинной и длинной до бесконечности. В текущем исследовании нет необходимости рассматривать такое правило из-за того, что наша система имеет конечную очередь, а также скорость обслуживания системы больше µ из-за нескольких строк настройки. Чтобы проанализировать поведение стоимости системы в зависимости от различных значений коэффициента поступления клиентов, численный пример выполняется для различных значений λ от 0,1 до 0,7 с шагом 0,2 в значении λ.

По сходимости полной стоимости системы при увеличении λ дальше 0,7 не продвинулись. Но, как мы отметили, здесь мы можем даже рассматривать значения λ больше 1. Поведение затрат производственной линии по сценарию 1 представлено на рисунке 7 для возможных значений T и θ=60%.

Рисунок 7
Общая стоимость по сравнению с различными значениями T и λ.

Как видно на рисунке 7, для значений λ больше 0,1 наблюдается выпуклое поведение для общей стоимости, которое подробно объясняется в решении текущего примера. Но для λ=0,1 мы видим прямую тенденцию к увеличению общей стоимости. Поскольку доля скорости поступления клиентов в скорость обслуживания системы увеличивается, логично, что производственная линия нуждается в более высокой скорости обслуживания для повышения уровня обслуживания. В случае λ=0,1 доля скорости прибытия клиентов в скорость обслуживания системы очень мала, поэтому затраты на строительство еще одной линии и увеличение значения простоя машины будут больше, чем выгода от удовлетворенности клиентов, которую можно получить за счет 2 и более строк персонализации. В результате можно сделать вывод, что линия может обслуживать клиентов всего за одну линию настройки и наименьшую стоимость при λ=0,1. Для более высоких значений λ необходимо добавить еще одну строку настройки.

Другой важной тенденцией является более высокая общая стоимость при более низких значениях λ при больших значениях T. Как видно, общая стоимость системы для T=5 и λ=0,1 составляет 6,97, а общая стоимость системы для T=5 и λ=0,7 равна 6,78. Такое поведение можно объяснить тем же компромиссом между уровнем обслуживания и стоимостью строительства новых линий. Иметь 5 линий настройки для системы с λ=0,1 невыгодно, поэтому мы видим, что большее количество линий настройки имеет меньшую стоимость за счет более эффективного использования их мощности. Примечательно, что с увеличением T разница между общей стоимостью производственной линии с λ=0,1 и λ=0,7 становится все больше и больше.

5.2. Показатели производительности системы в сравнении с колебаниями μ

Поскольку скорость прибытия клиентов оказывает определенное влияние на стоимость системы и ее производительность, изменение производительности также может повлиять на производительность системы. Здесь производительность μ изменяется, чтобы иметь лучшее представление о колебаниях производительности системы по сравнению с различными значениями производительности μ . Различные показатели производительности в зависимости от μ представлены в виде графика на рис. 8 8d.

Рисунок 8
Показатели производительности системы по сравнению с μ .

На рис. 8а представлена ​​тенденция увеличения количества полуфабрикатов по сравнению с увеличением μ. Действительно, увеличение μ означает большее количество произведенных продуктов, и эта проблема приводит к большему поступлению полуфабрикатов в буфер OPP. Это более высокое заполнение буфера проявляется в большем количестве полуфабрикатов в устойчивом состоянии. Ожидаемое количество невыполненных заказов имеет тенденцию к снижению по сравнению с увеличением μ, что показано на рисунке 8b. Эта тенденция к снижению может быть объяснена той же логикой тренда полуфабрикатов. Когда у нас выше вход продуктов в буфер, количество прибывших клиентов, которые сталкиваются с пустым буфером, уменьшается. Таким образом, уменьшение ожидаемых невыполненных заказов является логичным результатом по сравнению с более высокими значениями μ.

Изменения ожидаемого времени выполнения заказов и скорости потери клиентов показаны на рисунках 8 8d. При увеличении производительности заказы клиентов выполняются быстрее, а длина очереди сокращается, что приводит к сокращению времени ожидания и выполнения заказа. Длина очереди напрямую используется в формулах расчета коэффициента потери клиентов. В результате, снижение скорости потери клиентов по сравнению с увеличением μ является разумной тенденцией.

5.3. Влияние разного количества строк настройки T на показатели производительности системы

Поскольку производительность системы и скорость прибытия клиентов влияют на производительность системы, количество производственных линий после OPP также может влиять на производительность системы, изменяя важные характеристики системы. Изменения показателей производительности системы в зависимости от количества линий настройки продукта показаны на рисунках 9-9d.

Рисунок 9
Показатели производительности системы по сравнению с T .

Анализ показателей производительности системы по сравнению с T аналогичен анализу системы по сравнению с μ-флуктуациями, поскольку наиболее важным эффектом увеличения T является более высокая степень персонализации продукта. Благодаря этим дополнительным линиям настройки полуфабрикаты изготавливаются быстрее, и меньшее количество полуфабрикатов будет доступно в буфере. Поскольку уровень полуфабрикатов в буфере уменьшается, логично, что больше клиентов будут сталкиваться с пустым буфером, поэтому количество невыполненных заказов увеличивается в устойчивом состоянии.

Такое поведение системы при увеличении T показано на рисунках 9 9b. Кроме того, очевидно, что при большем количестве строк настройки заказы клиентов удовлетворяются быстрее. Эта более высокая скорость приводит к сокращению очереди клиентов и снижению уровня потери клиентов в устойчивом состоянии. Эти факты показаны на рисунках 9-9d.

6. Выводы

В этой статье разработана модель, показывающая применение производства на складе (MTS)/производства на заказ (MTO) в производственной линии для получения преимуществ как от стратегий MTS, так и от MTO. Модель способна находить точку проникновения заказа (OPP) в производственной линии, которая является буфером полуфабрикатов в производственной системе. Как и во многих реальных производственных системах, производственные процессы и прибытие клиентов носят стохастический характер, и клиенты могут не войти в систему из-за длинной очереди или покинуть систему из-за длительного времени ожидания.

Разработана двумерная модель организации очередей для получения показателей производительности в двух разных сценариях. Основное различие между двумя сценариями заключается в использовании станций настройки, где система может только настраивать полуфабрикаты на основе конкретных заказов клиентов или настраивать полуфабрикаты на основе как заказов клиентов, так и прогноза. Целевая функция является стоимостной и позволяет руководителю производственной линии найти оптимальное место ОПП, оптимальное количество линий настройки после ОПП и наилучший сценарий настройки полуфабрикатов.

Применимость представленной модели и сценариев показана на числовом примере, а наблюдения показывают выпуклость общей стоимости с точки зрения процента завершения продукта и количества строк настройки после OPP. Кроме того, показано, что увеличение производительности приводит к более высокому ожидаемому количеству полуфабрикатов в буфере, меньшему ожидаемому количеству невыполненных заказов, меньшему ожидаемому времени выполнения заказа и меньшему уровню потери клиентов. Наблюдение за поведением системы за счет увеличения количества строк настройки после OPP показывает снижение ожидаемого количества полуфабрикатов в буфере, увеличение ожидаемого количества невыполненных заказов, сокращение ожидаемого времени выполнения заказа и коэффициент потери клиентов.

В данном исследовании рассматривается экспоненциальное время между прибытием клиентов и получением полуфабрикатов. В качестве возможности будущих исследований можно рассмотреть другие применимые распределения для моделирования этой проблемы. Применение теории нечеткости — еще один интересный способ изучения неопределенного поведения клиентов и производственной линии в изучаемой системе. Кроме того, в будущих исследованиях можно изучить влияние некоторых других характеристик рынка, таких как конкурирующие компании или продукты-заменители, на OPP или требуемую производительность.

Ссылки

Almehdawe, E., & Jewkes, E. (2013). Анализ производительности и оптимизация гибридных производственных систем в рамках политики пакетного заказа. Международный журнал экономики производства, 144(1), 200-208. http://dx.doi.org/10.1016/j.ijpe.2013.02.005.

Бхат, ООН (2008). Введение в теорию массового обслуживания: моделирование и анализ в приложениях. Бостон: Биркхаузер. http://dx.doi.org/10.1007/978-0-8176-4725-4.

Донат, Б. (2002). Справочник IOMA по логистике и управлению запасами. США: Джон Вили и сыновья.

Галеххондаби И., Сормаз Д. и Векман Г. (2016). Множественные точки развязки заказов клиентов в гибридной производственной цепочке MTS/MTO с неопределенностью спроса в двух последовательных эшелонах. OPSEARCH, 53(4), 976-997. http://dx.doi.org/10.1007/s12597-016-0265-6.

Херер, Ю. Т., Цур, М., и Юкесан, Э. (2002). Перевалка: новое средство инвентаризации для обеспечения гибкости цепочки поставок. Международный журнал экономики производства, 80(3), 201-212. http://dx.doi.org/10.1016/S0925-5273(02)00254-2.

Хекстра, С., и Ромм, Дж. (1992). Интегральные логистические структуры: формирование клиентоориентированного товаропотока. Лондон: Макгроу-Хилл.

Джьюкс, Э. М., и Альфа, А. С. (2009). Модель очереди отсроченной дифференциации продукта. Европейский журнал оперативных исследований, 199(3), 734-743. http://dx.doi.org/10.1016/j.ejor.2008.08.001.

Калантари, М., Раббани, М., и Эбадиан, М. (2011). Система поддержки принятия/отклонения заказов в гибридных производственных системах МТС/МТО. Прикладное математическое моделирование, 35 (3), 1363-1377. http://dx.doi.org/10.1016/j.apm.2010.090,015.

Лю, В., Ян, Ю., Сюй, Х., Лю, X., Ван, Ю., и Лян, З. (2014). Модель планирования времени цепочки поставок логистических услуг на основе точки разделения заказа клиента: перспектива с точки зрения постоянного времени работы услуги. Журнал «Научный мир», 2014, 1–22. PM: 24715818.

Neuts, MF (1981). Матрично-геометрические решения в стохастических моделях: алгоритмический подход. Балтимор: Издательство Университета Джона Хопкинса.

Олхагер, Дж., и Праджого, Д.И. (2012). Влияние инициатив по улучшению производства и цепочки поставок: обзор, сравнивающий фирмы, производящие продукцию на заказ и продукцию на складе. Омега, 40(2), 159-165. http://dx.doi.org/10.1016/j.omega.2011.05.001.

Олхагер, Дж. (2003). Стратегическое позиционирование точки проникновения заказа. Международный журнал экономики производства, 85 (3), 319-329. http://dx.doi.org/10.1016/S0925-5273(03)00119-1.

Рафией, Х., и Раббани, М. (2011). Разделение заказа и определение точки проникновения заказа в гибридном контексте производства на складе/производстве на заказ. Компьютеры и промышленная инженерия, 61 (3), 550-560. http://dx.doi.org/10.1016/j.cie.2011.04.010.

Шарда, Б., и Акия, Н. (2012). Выбор политик изготовления на склад и отсрочки для различных продуктов на химическом заводе: тематическое исследование с использованием моделирования дискретных событий. Международный журнал экономики производства, 136 (1), 161-171. http://dx.doi.org/10.1016/j.ijpe.2011.10.001.

Шарман, Г. (1984). Новое открытие логистики. Harvard Business Review, 62(5), 71-80.

Шидпур, Х., Да Кунья, К., и Бернард, А. (2014). Анализ позиционирования точки разделения заказов одного и нескольких клиентов на основе ценности клиента: многоцелевой подход. Procedia CIRP, 17, 669-674. http://dx.doi.org/10.1016/j.procir.2014.01.102.

Соман, К.А., ван Донк, Д.П., и Галман, Г. (2004). Комбинированное производство на заказ и производство на складе в системе производства продуктов питания. Международный журнал экономики производства, 90(2), 223-235. http://dx.doi.org/10.1016/S0925-5273(02)00376-6.

Зюер, Г. А., и Лобо, Р. (2011). Сравнение подключенных и отключенных сотовых систем: тематическое исследование. В В. Модрак, Р. Судхакара Пандиан (ред.), Исследования в области управления операциями и сотовых производственных систем: инновационные методы и подходы. Херши: IGI Global.

Сун, X.Ю., Цзи, П., Сун, Л. Ю., и Ван, Ю.Л. (2008). Размещение нескольких точек развязки в сети питания. Международный журнал экономики производства, 113(2), 943-956. http://dx.doi.org/10.1016/j.ijpe.2007.11.012.

Теймури, Э., Модаррес, М., Хондаби, И.Г., и Фатхи, М. (2012). Очередь подход для принятия решений о точке проникновения заказа в многозвенных цепях поставок. Международный журнал передовых производственных технологий, 63 (1-4), 359-371. http://dx.doi.org/10.1007/s00170-012-3913-х.

Ван, Дж. Л. (2009). Применение теории нечетких множеств в цепочке поставок к моделям управления запасами — анализ системы DRP. Экспертные системы с приложениями, 36(5), 9229-9239. http://dx.doi.org/10.1016/j.eswa.2008.12.047.

Ву, Д., и Олсон, Д.Л. (2008). Риск цепочки поставок, моделирование и выбор поставщика. Международный журнал экономики производства, 114 (2), 646-655. http://dx.doi.org/10.1016/j.ijpe.2008.02.013.

Ву, М. К., Цзян, Дж. Х., и Чанг, В. Дж. (2008). Планирование гибридной полупроводниковой фабрики MTO/MTS с функциями машинного назначения. Международный журнал экономики производства, 112(1), 416-426. http://dx.doi.org/10.1016/j.ijpe.2007.04.008.

Чжан З.Г., Ким И., Спрингер М., Цай Г. и Ю Ю. (2013). Динамическое объединение операций производства на склад и на заказ. Международный журнал экономики производства, 144(1), 44-56. http://dx.doi.org/10.1016/j.ijpe.2013.01.012.

Приложение A

Матричный геометрический метод, открытая формула.

Bn = [Bn0,0 Bn0,1 Bn1,1 Bn1,2 ⋱ ⋱ Bn S — 1, S — 1 Bn S — 1, S Bn S, S] (A.1)

Bn k, k = { — (μθ+pnλ) 0≤k≤s — 1 — pnλ k = sbn k, k+1 = μθ 0≤k≤s — 1} n = 0 (a.2)

Bn k, k = { — (μθ+pnλ+nβ) k = 0− (μθ+pnλ+nβ+tμαα (1 — θ)+μ (m — g)) 1≤k≤s — 1 (pnλ+ nβ+tμαα (1 — θ)+μ (m — g)) k = sbn k, k+1 = μθ 0≤k≤s — 1} 1≤n≤n — 1 (A.3)

Bn k, k = { — (μθ+nβ) k = 0− (μθ+nβ+tμαα (1 — θ)+μ (m — g)) 1≤k≤s — 1 (nβ+tμαα (1- θ)+μ (m — g)) k = sbn k, k+1 = μθ 0≤k≤s — 1} n = n (a.4)

An=PnλIk×k,      0≤n≤N−1(A.5)

Cn = [nβ tμαα (1 -θ)+μ (m — g) nβ ⋱ ⋱ ⋱ tμαα (1 — θ)+μ (m — g) nβ tμαα (1 — θ)+μ (m — g) nβ], 1≤n≤N(A. 6)

Примечания

Как цитировать эту статью: Галеххондаби, И., и Суер, Г. (2018). Анализ производительности производственной линии в рамках производства MTS/MTO: подход теории массового обслуживания. Производство, 28, е20180024. https://doi.org/10.1590/0103-6513.20180024.

Примечания автора

*[email protected]

полуфабрикаты — французский перевод – Linguee