توسعه مدل d-optimal دومرحله‌ای به‌منظور انتخاب ترکیب اجزای سیستم‌های تولید انعطاف‌پذیر

هدف: سیستم تولید انعطاف‌پذیر fms، از ایستگاه‌های تولیدی‌ای شکل گرفته است که با سیستمی خودکار به یکدیگر متصل شده‌اند و توسط یک کامپیوتر مرکزی کنترل می‌شوند. هدف اصلی مقاله، بهینه‌سازی انتخاب اجزا و ترکیبات تجهیزات با حداقل آزمایش و بیشترین دقت نتایج در این سیستم است که می‌تواند در کاهش هزینه‌ها، بهبود فرایندها و افزایش بازده تولید تاثیر بسزایی داشته باشد. مطالعه موردی این پژوهش صنعت الکترونیک است. در این صنعت فرایندهای تولیدی بسیار پیچیده است و استفاده از اتوماسیون ضرورت دارد. در واقع انتخاب بهترین ترکیب از تجهیزات پیشرفته و اتوماتیک برای دستیابی به انعطاف‌پذیری سیستم تولیدی، مسئلۀ بسیار مهمی برای مدیران خط است تا بتوانند پاسخ‌گویی به سفارش‌های مشتریان به‌موقع پاسخ دهند. این در حالی است که مسئله در دسته h2c قرار دارد و می‌بایست ترکیب بهینه‌ای از تجهیزات انتخاب شود.روش: در این پژوهش برای دستیابی به بهترین ترکیب از تجهیزات، از روش d-optimal دو مرحله‌ای استفاده شده است. برای محاسبۀ شاخص‌های تولید به‌ازای ترکیبات تجهیزات مورد استفاده در وضعیت فعلی خط تولید و سایر ترکیبات، شبیه‌سازی گسسته صورت می‌گیرد. طبق نتایج محاسبه شده برای شاخص‌ها و روش وزن‌دهی، سطح پاسخ «y» مربوط به آزمایش‌ها محاسبه می‌شود. هر یک از نتایج به‌دست‌آمده، ورودی یک آزمایش در طرح d-optimal است. آزمایش‌ها بر اساس سطح اتوماسیون تجهیزات دسته‌بندی می‌شوند و به‌دلیل نزدیک‌بودن سطح پاسخ آن‌ها، فقط برای هر دسته از آن‌ها شبیه‌سازی صورت می‌گیرد تا با آزمایش‌ها نتایج دقیق‌تر و هزینه کمتر شود. در مرحلۀ اول طرح، کلیۀ ترکیبات از تجهیزات بررسی می‌شود و در مرحلۀ دوم طرح، برای کلیۀ حالات دسته‌بندی منتخب از مرحلۀ اول، شبیه‌سازی صورت می‌گیرد و با توجه به سطح پاسخ به‌دست‌آمده از آن‌ها، طرح بررسی می‌شود.یافته‌ها: در مرحلۀ اول، کلیۀ حالات از سطح اتوماسیون تجهیزات دسته‌بندی و از هر دسته، یک نمونه انتخاب شد؛ سپس کلیۀ حالات ترکیبات از اجزای fms و تجهیزات اتوماتیک بررسی شد. بر اساس محاسبات صورت گرفته، سطح پاسخ بهترین ترکیب در این مرحله 14733.09 به‌دست آمد و با بررسی دقیق جزئیات، سطح پاسخ‌های این دسته و کلیۀ حالات آن در مرحلۀ دوم، مقدار سطح پاسخ برای بهترین حالت برابر با 151317.88 به‌دست آمد. بر این اساس می‌توان نتیجه گرفت که میزان استفادۀ بهینه از تجهیزات اتوماتیک 92.8 درصد است. بر این اساس، فهرستی از بهترین ترکیب تجهیزات انتخاب شده پیشنهاد شده است؛ سپس بهره‌وری خط در بهترین حالت از ترکیبات تجهیزاتی که مشخص شد با حالت دوم محاسبه شده از ترکیبات بهینه و وضع موجود خط مقایسه شده است.نتیجه‌گیری: طبق نتایج به‌دست‌آمده از طراحی آزمایش‌ها، استفادۀ صرف از تجهیزات کاملاً اتوماتیک، کارایی سیستم‌های تولیدی را افزایش نمی‌دهد؛ بلکه برآورد میزان اتوماسیون در خطوط مونتاژ نیز به محاسبات بسیار دقیق نیاز دارد.

designing a two-stage d-optimal approach for selecting components of flexible manufacturing systems

objectiveflexible manufacturing systems (fms) are integrated workstations that utilize computer-controlled equipment components for production. these systems are managed by a central computer, which significantly enhances the efficiency and productivity of the production process. accordingly, a case study is conducted on an fms electrical manufacturing system with complex manufacturing processes, where automation on the production line is crucial. selecting the optimal number of advanced equipment is a challenging and vital issue for managers aiming to boost productivity and efficiently fulfill customer orders. it is a hard-to-change model, and replacing equipment incurs substantial costs. methodsthis study employs the two-stage d-optimal method to optimize the combination of fms elements and equipment. the d-optimal response level input is derived from discrete-event simulation results. depending on the conditions, various fms equipment is allocated to each process. each simulation result for element combinations serves as input for the experimental design. additionally, the response level (y) of experiments from various fms indexes is calculated using a weighting method. to reduce the number of experiments and increase data accuracy in a case study with hard-to-change parameters, all combinations are categorized based on the number of automated and manual equipment. the two stages of the d-optimal design are defined as follows: in the first stage, all combinations within these categories are investigated. in the second stage, the optimized combination from the first stage is analyzed to determine the best configuration. experiments in the top category from the first stage are simulated and further evaluated in the second stage of the d-optimal method. resultsin the first phase, all advanced production equipment and fms elements were considered. after selecting the best-calculated “y” value, which was 147,133.09 in this category, another d-optimal design was optimized in the second phase to determine the best combination. this combination yielded a “y” value of 151,317.88, representing an improvement over the best category in the first phase of the d-optimal design. consequently, the optimized combination from the first phase was further refined. the results from the developed d-optimal method and the second phase indicate that the optimal combination of equipment involves using automated and fms equipment for approximately 92.8% of the total components. finally, a list of recommended fms equipment is provided, and its productivity is compared with the productivity at the current level and a higher degree of automation for this production line. conclusionin summary, the results of the experimental design show that using advanced production systems does not necessarily improve system efficiency, and determining optimal combinations requires accurate calculations.