تجزیه‌و‌تحلیل و بهبود بازده خط تولید با استفاده از شبیه‌سازی درصنعت قطعات خودرو

مقدمه و اهداف: توجه به تولید و افزایش بهره‌وری صنایع می‌تواند ضمن تسریع در رشد و توسعه صنعتی، این روند را در مسیری اصولی و پایدار هدایت کند. ارزیابی بازده تولید و تلاش برای بهبود آن نقش کلیدی در پیشرفت و توسعه صنایع ایفا می‌کند. در این پژوهش، رویکردی نوآورانه برای ارزیابی و بهبود بازده تولید یک خط تولید ارائه شده است که از شبیه‌سازی به عنوان ابزار اصلی استفاده می‌کند. این رویکرد همچنین به بازمهندسی فرآیندهای خط تولید می‌پردازد. اهداف اصلی این تحقیق شامل شناسایی گلوگاه‌های موجود در فرآیند تولید، تحلیل مدت‌زمان چرخه تولید، ارزیابی ظرفیت بافرهای سیستم در بازه‌های زمانی مشخص، و تعیین ظرفیت بهینه منابع مورد نیاز کارخانه است.روش: این مقاله به بررسی و مدل‌سازی یک خط تولید تمام اتوماتیک می‌پردازد و چارچوبی نظام‌مند بر پایه شبیه‌سازی گسسته پیشامد ارائه می‌دهد. فرآیند مدل‌سازی در دو مرحله انجام شده است: در مرحله اول، مدل‌سازی بدون در نظر گرفتن فعالیت‌های دوباره‌کاری و جداسازی صورت گرفته، و در مرحله دوم این جزئیات به مدل اضافه شده‌اند. در این مرحله، داده‌های واقعی جمع‌آوری‌شده از مطالعه موردی در مدل اعمال شده‌اند. برای اطمینان از صحت مدل طراحی‌شده، منطق فرآیند مدل‌سازی به‌صورت مداوم ارزیابی شده و نتایج مدل با داده‌های واقعی سیستم مقایسه شده‌اند. پس از شناسایی عوامل کاهش‌دهنده بازده خط تولید، چهار سناریوی پیشنهادی برای بهبود بازده خط تولید طراحی و در مدل شبیه‌سازی مورد بررسی قرار گرفته‌اند. همچنین، تحلیل حساسیت سناریوها و ارزیابی اثرات آن‌ها با استفاده از قابلیت‌های نرم‌افزار ارنا انجام شده است.یافته‌ها: نتایج نشان می‌دهد که اضافه کردن جزئیاتی مانند زمان استراحت اپراتورها و زمان‌های خرابی به مدل، که موجب واقعی‌تر شدن شبیه‌سازی می‌شود، بازده خط تولید را از 80 درصد به 57 درصد کاهش داده است. همچنین، فعالیت‌های دوباره‌کاری و جداسازی نقش قابل‌توجهی در کاهش بازده ایفا کرده‌اند. در مدل بهینه، چهار سناریوی بهبود مورد بررسی قرار گرفت. در سناریوی اول، تغییر ظرفیت منابع مربوط به فعالیت‌های اصلی در یک مدل ترکیبی مورد ارزیابی قرار گرفت. این تغییرات به کاهش چشمگیر زمان انتظار موجودیت‌ها در صف فعالیت‌ها و همچنین کاهش زمان فرآیند منجر شد. در سناریوی دوم، با کاهش درصد قطعاتی که به دوباره‌کاری و جداسازی نیاز دارند، بازده خط تولید به‌طور قابل‌توجهی افزایش یافت. سناریوی سوم با هدف کمینه‌سازی زمان فرآیند از طریق تعیین مقادیر بهینه متغیرهای کنترلی تدوین شد و درنهایت، سناریوی چهارم با تمرکز بر بیشینه‌سازی بازده از طریق تعیین ظرفیت بهینه منابع انجام شد. در تمامی سناریوها، مشخص شد که افزایش تعداد منابع در فعالیت‌هایی که به‌عنوان گلوگاه شناسایی شده‌اند، با ترکیب‌های منطقی و بهینه، موجب افزایش بازده فرآیند می‌شود. علاوه بر این، تحلیل حساسیت مدل نشان داد که نتایج سناریوهای بهبود با واقعیت سیستم هم‌راستا بوده و قابلیت اجرا دارند. نتیجه‌گیری: یافته‌ها نشان دادند که استفاده از روش شبیه‌سازی گسسته پیشامد می‌تواند ابزاری موثر برای مدیران باشد تا بدون تحمل هزینه‌های جبران‌ناپذیر، تصمیمات آگاهانه‌تری در زمینه بهبود بازده تولید اتخاذ کنند. نتایج این تحقیق همچنین همخوانی قابل‌توجهی با پژوهش‌های پیشین دارد که از شبیه‌سازی گسسته پیشامد برای بهینه‌سازی فرآیندهای مختلف سازمانی استفاده کرده‌اند و تاثیر مثبت این رویکرد را بر بهبود عملکرد فرآیندها تایید می‌کنند.

analyzing and improving production line efficiency using simulation in the auto parts industry

introduction: paying attention to the production and productivity of industries can accelerate industrial growth and development while guiding it on a correct and sustainable path. evaluating production efficiency and striving to improve it play a crucial role in the progress and advancement of industries. this study proposes an innovative approach to evaluate and improve the efficiency of a production line using simulation as the primary tool and also addresses the reengineering of production line processes. the main objectives of this research include identifying bottlenecks in the production process, analyzing production cycle times, evaluating buffer capacities within specified time intervals, and determining the optimal resource capacities required in the factory. methods: this research examines and models a fully automated production line and provides a systematic framework based on discrete-event simulation. the modeling process was conducted in two stages. in the first stage, rework and separation activities were excluded from consideration, while in the second stage, these details were incorporated into the model. in this phase, real data collected from a case study were applied to the model. to ensure the accuracy of the designed model, the logic of the modeled process was continuously reviewed, and the model's outputs were compared with actual system data. after identifying the factors contributing to reduced production line efficiency, four improvement scenarios were proposed and analyzed using the simulation model. arena software was utilized to evaluate the scenarios and conduct sensitivity analyses.results and discussion: the results reveal that incorporating details such as operator break times and downtimes into the simulation model—bringing it closer to reality—reduced the production line efficiency from 80% to 57%. rework and separation activities also significantly impacted the efficiency. four improvement scenarios were designed and evaluated within the optimized model. in the first scenario, changes in resource capacities related to the main processes were thoroughly examined, leading to a significant reduction in waiting times in process queues and overall process duration. in the second scenario, reducing the percentage of parts sent to rework and separation resulted in a considerable improvement in production efficiency. the third scenario focused on minimizing process time by determining optimal control variable values, while the fourth scenario aimed to maximize efficiency by optimizing resource capacities. in all scenarios, increasing resources at bottleneck activities, through logical and balanced combinations, significantly enhanced process efficiency. sensitivity analysis confirmed the practical applicability of the improvement scenarios in real-world conditions.conclusion: the findings indicate that discrete-event simulation is an effective tool for managers, enabling them to make informed decisions about improving production efficiency without incurring irreversible costs. additionally, the results align closely with prior studies that have utilized discrete-event simulation to optimize various organizational processes, further confirming the positive impact of this approach on improving process performance.