بهینه‌سازی یک سیستم تولید سلولی پویا با در نظرگرفتن خرابی ماشین‌آلات، همراه با پایش توالی دوره‌های عملیات

هدف: چرخه کوتاه عمر محصول، الگوهای پیش‌بینی‌ناپذیر تقاضا و کاهش روزافزون زمان عرضه به بازار، باعث شده است که شرکت‏های تولیدی تحت فشار قرار گیرند. به همین منظور، شرکت‏های تولیدی برای رویارویی با سناریوهای پیچیده تولید، به پیاده‌سازی سیستم‌های تولید سلولی (cms) روی آورده‌اند که کاهش هزینه‌‌های تولید، افزایش انعطا‌ف‌پذیری و پاسخ سریع به تقاضای بازار را به همراه دارد. سیستم تولید سلولی، یکی از فلسفه‌های فناوری گروهی است که با تقسیم یک سیستم بزرگ به چندین زیرسیستم کوچک، کنترل و مدیریت سیستم تولید را تسهیل می‌کند. اولین موضوع در طراحی یک سیستم سلولی، گروه‌بندی ماشین‌ها برای تولید خانواده‌ای از قطعات در سلول‏های تولیدی است که از آن با عنوان تشکیل سلول یاد می‌شود. در واقع با ایجاد سلول‏های کارآمد، کارایی ماشین‌های درون سلولی (فرایند درون سلولی) به حداکثر و انتقال قطعات از یک سلول به سلول دیگر (فرایند بین سلولی) به حداقل می‌رسد. مسئله دوم، مسئله چیدمان گروهی، یعنی فاصله سلول‏ها در کارگاه از یکدیگر (چیدمان بین سلولی) و چیدمان ماشین‌ها در داخل سلول‏ها (چیدمان درون سلولی) است. گروه‌بندی بهینه ماشین‌ها در سلول‏ها، قرارگیری کارآمد سلول‏ها در کنار یکدیگر و همچنین، ماشین‌های داخل سلول‏ها، بر هزینه‌های حرکات درون‌سلولی و حرکات بین‌سلولی قطعات تاثیر می‌گذارد. در یک سیستم تولید سلولی استاتیک، تقاضا در تمام دوره‌ها ثابت در نظر گرفته می‌شود؛ ولی با پیشرفت تکنولوژی، محیط یک صنعت با تلاطم در انواع محصولات و تقاضا مواجه است. برای غلبه بر این مسائل، در پژوهش حاضر یک سیستم تولید سلولی پویا معرفی شده است که سلول‏های بهینه را در هر دوره با توجه به شرایط تقاضا جایابی می‌کند. با توجه به اهمیت آنچه بیان شد، این مطالعه به‌طور هم‏زمان به حل مسئله یک سیستم تولید سلولی پویا (dcms) با ماشین‌های غیرقابل اعتماد و مسئله برنامه‌ریزی تولید و چیدمان بین‌سلولی می‌پردازد. تابع هدف مدل پیشنهادی، به‌دنبال حداقل‌کردن هزینه‌های جابه‌جایی درون و بین‌سلولی، پیکربندی مجدد، خرابی ماشین‌آلات، تولید قطعه، نگهداری قطعه در انبار و سفارش معوق قطعه در دوره‌های تولیدی است.روش: در ابتدا، یک مدل ریاضی برنامه‌ریزی غیرخطی عدد صحیح مختلط، برای مسئله مدنظر ارائه و سپس خطی‌سازی شد. مدل ریاضی پیشنهادی با یک مطالعه موردی در نرم‌افزار  gams با سالور gurobi اعتبارسنجی شد و در ادامه، به تاثیر جابه‌جایی ماشین‌آلات بین دوره‌ها و تحلیل حساسیت پارامتر میانگین زمان بین دو خرابی پرداخته شد.یافته‌ها: انعطاف‌پذیری در مسیریابی، مکان‌یابی بهینه سلول‏ها و گروه‌بندی بهینه ماشین‌آلات، به کاهش هزینه‌های تولید منجر شد. همچنین با جابه‌جایی دو ماشین m1 و m3 هزینه تولید به میزان 353,870 تومان بهبود پیدا کرد.نتیجه‌گیری: پیکربندی مجدد سلول‏های ماشین در دوره‌ جدید، هزینه تولید را بهبود می‌دهد. مدل پیشنهادی، مدل انعطاف‌پذیر در مسیریابی تولید قطعه است. تحلیل حساسیت mtbf نشان داد که تعداد خرابی‌ها بر عملکرد سیستم تاثیر دارد.

optimization of a dynamic cellular manufacturing system considering machine breakdowns along with sequence monitoring of operation periods

objective short product life cycles, unpredictable demand patterns, and ever-decreasing time-to-market have put manufacturing companies under pressure. to face all complex production scenarios, these companies tend to the implementation of cellular manufacturing systems (cms) to reduce production costs, increase flexibility, and respond quickly to market demands. the cellular manufacturing system facilitates the control and management of the production system by dividing a large system into several small subsystems. the design of a cellular manufacturing system includes cell formation, group layout, group scheduling, and resource allocation. the first issue in designing a cellular system is the grouping of machines to produce a family of parts in production cells referred to as cell formation. the creation of efficient cells aims to achieve maximum performance of intracellular machines (intra-cellular processes) and minimize the transfer of parts from one cell to another (inter-cellular processes). the second problem is the problem of group layout, which includes the placement of cells in the workshop relative to each other (intercellular layout) and the layout of machines within the cells (intracellular layout). the optimal grouping of machines in cells, the efficient placement of cells relative to each other, as well as the machines inside cells affect the cost of intracellular movements and intercellular movements of parts. considering that in a static cellular manufacturing system, the demand is considered constant in all periods, however, due to the advancement of technology, the environment of an industry is faced with turbulence in the types of products and demand. to overcome these problems, a dynamic cellular manufacturing system was introduced, which forms optimal cells in each period according to the demand conditions and changes in product composition. this study addresses the simultaneous challenges of a dynamic cellular manufacturing system (dcms) with unreliable machines and production planning and intercellular layout problems. the proposed model seeks to minimize the costs of inter and intra-cellula movement, reconfiguration, machine breakdown, part production, keeping parts in the warehouse, and back-ordering parts in production cycles. methodsat first, a mixed integer nonlinear programming mathematical model for the considered problem was presented, next, linearized and validated with a case study in gams software with a gurobi solver. in the following, the impact of moving machines between periods and the sensitivity analysis of the mtbf parameter were discussed. resultsflexibility in routing, optimal location of cells, and optimal grouping of machines reduced production costs, and also by moving two machines m1 and m3, production costs improved by 353,870 tomans. conclusionthe reconfiguration of machine cells in the new period improves the cost of production and also the model is flexible in routing part production. in this study, mtbf sensitivity analysis showed that the number of failures affects the system’s performance.