Лот расщепления в магазин стохастического потока и условий работы магазина

РЕЗЮМЕ

В последние годы многие фирмы осуществляют производство малых размеров много. Лот расщепления перерывов крупные заказы на более мелкие много передачи и дает возможность перемещать части более быстро через процесс производства. Эта статья распространяется детерминированных исследований, исследуя различные расщепления много политики как стохастический магазин работу и стохастические настройки магазин поток, используя показатели среднего течения времени, а стандартное отклонение потока времени. Использование компьютерного моделирования эксперимента мы обнаружили, что в стохастической динамической работы магазинов, количество расколов много важнее, чем точный вид расщепления. Однако, когда дело оптимальных размеров определяются для каждого сценария, мы обнаружили несколько случаев, когда осуществление небольшой первоначальный раскол, который называется "флаг", могут обеспечить заметного улучшения производительности в потоке времени. Интересно, что подавляющее большинство предыдущих исследований показывает, что методы, отличные от равных много расщепления обычно улучшает makespan производительности. Более ранних исследований, однако, была создана в статическом, детерминированной окружающей среды магазин потока. Таким образом, наши результаты представляют практический интерес, поскольку они показывают, что конкретный метод расщепления много важно лишь небольшой набор реалистичных средах при выборе соответствующего числа распадается, как правило, более важным ..

Предметные области: Работа Магазин Scheduling, Лот расщепления, машина планирования и последовательности, технологического проектирования и моделирования.

ВВЕДЕНИЕ

В последнее время в ряде работ были опубликованы на тему много расщепления, который иногда называют "много потоков." В духе "точно в срок" подход, много перерывов расщепление крупных заказов на более мелкие много передачи и дает возможность перемещать части более быстро через процесс производства. Хотя подавляющее большинство этой предыдущие исследования показали, что методы, отличные от равных много расщепления обычно улучшить makespan производительность этих исследований была создана в статическом, детерминированной окружающей среды магазин потока и не обратился к эффективности много расщепления в более типичных условиях, характеризующихся беспорядочных потоков и высокий уровень дисперсии. В данной работе мы расширяем детерминированных исследования, изучая различные стратегии расщепления много как стохастический магазин работу и стохастические настройки магазин потока с использованием показатели среднего течения времени, а стандартное отклонение потока времени.

Недавно мы столкнулись с подхода много расщепление на две средних производственных предприятий-1 является производитель комплексных материалов цепи и другие сборки печатных плат. В обоих случаях производители также оценки изменений в ряд технологических факторов. Хотя предыдущие исследования в много расщепления при условии пролить некоторый свет на проблему для детерминированных, статические задачи для потока магазинах, мы обнаружили, что не уделяется должного внимания как порядок должен быть разделен в стохастической среде процесса, особенно один с запутанными маршрутов и с несколькими типы заданий, как показано на работу магазинов. Как Дудек, Panwalkar, и Смит [4] указывают, реальных ситуациях магазин потока обычно являются динамическими, а не статичный, и есть сомнительные ценности потока магазин исследования, если оно может быть связано с практической настройки.

Это исследование расширяет предыдущие много литературы по расщеплению с настройками, которые могут быть найдены в промышленности. В отличие от большинства предыдущих исследований, наш магазин среды стохастических и динамичным. В отличие от результатов детерминированного исследования в этой области, наши результаты показывают, что в таких стохастических средах, особая форма много расщепление мало что меняет, хотя выбор числа расколов важна.

Есть много способов, чтобы разделить, чтобы расколы могут быть равны или не равны, при этом число расколов от одного до числа единиц в порядке. Таким образом, мы рассмотрим различные виды грунта расщепления в стохастической среде для двух крайних потоков условия доминирования, поток магазины и мастерские, а также для различных уровней времени переналадки, время работы дисперсии, работа размер и магазин нагрузки. В отличие от предыдущих исследований в этой области, мы варьировать размер работу, чтобы мы могли изучить лучшие сочетания работы и размера передачи пакета. Изучается положение закрытого цеха работу, где у нас есть ограниченное количество продуктов, которые могут быть произведены в лотов определяется руководством. "Закрытого цеха" представляет работы известных производственной среды в промышленной практике в качестве серийного производства. В типичных повторяющихся производственной среды, фиксированной ассортимента продукции будет производиться на основе учета, в зависимости от фактических потребностей и прогнозы, в кратко-и среднесрочного планирования. См. Вагнера и Рагац [18] для более подробного обсуждения открытым или закрытая магазины работу.

Мы выполняем наши цели исследования в два этапа. Во-первых, мы рассматриваем много расщепления формах, что было показано, что оптимальным для детерминированных магазинов потока (Кропп и Smunt [13]). Мы делаем это, чтобы определить, если эти формы много расщепления может также повысить производительность в стохастических сценариев и в средах с запутанными потока господства и оценить различия, если таковые имеются, между различными формами. Во-вторых, проверить эффект увеличения числа расколов в целях лучшего понимания соотношения между сократить время поток предложил дальнейшее дробление и усложнение работы слежения, вызванных этим большее число расколов в цехе. Из-за сложного характера этого исследования проблемы, мы используем методологию компьютерного моделирования для изучения вышеуказанных вопросов.

Наши результаты дают руководителям возможность лучше понять, какие формы расщепления много лучше всего в широком диапазоне реалистичных сценариев. Мы обнаружили, что различия между формами уменьшить с повышенной изменчивости и производственных мощностей в течение магазинах и во всех сценариях работы магазина. Тем не менее, мы определяем одну форму, равной расстается со "флаг" (RL4F), которые чаще лучшей форме, когда такие различия существуют. Наши эксперименты продолжит проверку благо много расщепление широкого спектра операционных систем, независимо от конкретной формы используются. Все много форм разделения мы рассматривали как сокращение среднего течения времени (MFT) и стандартное отклонение потока времени (SDFT).

В оставшейся части этого статья организована следующим образом. В следующем разделе мы рассмотрим соответствующую литературу. Далее мы опишем модель исследований, факторы, мы различны, и по рассматриваемым параметрам. Затем мы описываем как эксперименты с целью установить влияние расщепления много форм и представить результаты и опыт, который проверяет влияние числа расколов. Наши выводы и применения результатов последующих. Наконец, мы обобщаем этот документ и предложить дальнейшие исследования.

Обзор литературы

Мы не знаем, что исследование сравнивает различные виды грунта расщепления в стохастических средах. Кармаркара, Kekre и Kekre [11], а Кармаркара, Kekre, Kekre и Фримен [12] использовать как имитационная модель магазина работу и Q-лотов, аналитические процедуры, основанные на теории массового обслуживания, для изучения воздействия грунта размеры на поток раз. Другие авторы считают отношения между калибровкой много, и работа потока раза (Szendrovits [15], и Сантос Magazine [14], а Добсон, Кармаркара и Раммел [3]). Тем не менее, ни один из этих документов сравнить различные расщепления много форм в стохастической среде, как мы сделали в этом документе.

Эти документы, которые считаются разными формами разделения много сделали это при детерминированных условиях. Могилы и Кострива [7] получены выражения для оптимального количества sublots в условиях постоянного спроса, идентичные номера машинного производства, а также равные размеры отгрузочной. Бейкер и Пайк [2], Триетш [16], а Триетш и Бейкер [17] разработаны алгоритмы для минимизации makespan одного задания в течение магазин, с неравными размерами отгрузочной допускается. Бейкер [1) предложил геометрическую форму расщепления много, что хорошо работает в детерминированных магазинов потока. Наконец, Кропп и Smunt [13], разработанной как оптимальный и эвристических процедур для сведения к минимуму или makespan или средним течением времени на одну вакансию в потоке магазин. Они предложили использовать равные sublots размера, когда раз машина установки были небольшими и "флаг" эвристический иметь дело с ситуациями, в которых установка раз были большими. С флагом эвристические, первый отгрузочной имеет наименьший возможный размер от нуля и все другие sublots равны по размеру. В их детерминированных испытаний они обнаружили, что эти эвристические подходы отличную производительность по сравнению с оптимальной процедуры.

Три более тесно связаны документы были направлены явно на много расщепления в стохастических средах. Джейкобс и Брэгга [10] использования имитационной модели для изучения количество грунта расколы и результирующий поток раз в стохастической магазин работу. Они были среди первых, кто использовал понятие повторяющихся участков, рабочих мест, в которых может быть разбита на несколько партий или передачи sublots. Использование повторяющихся много подход, когда работа заканчивается центра обработки на отгрузочной, приоритет отдается другому отгрузочной партии того же продукта. Таким образом, число установок снижается, повышая тем самым эффективный потенциал системы и снижение потока времени. Джейкобс и Брэгг показал, что повторное много действительно может существенно сократить среднее течение раз, но они не считают других методов, чем равные расколов. В другой своей статье, что изучал много расщепления в стохастических магазин работу, Хэнкок [9] рассмотрен простой расщепления много эвристических и нашел его для улучшения работы по своевременности три различные стратегии маршрутизации он испытал. Его доклад рассматривается только одна партия расщепления форме и сосредоточены главным образом на воздействие маршрутизации стратегий. Последние работы в стохастической области окружающей среды, Вагнера и Рагац [18], ориентированная на открытый вопрос магазин работу, то есть, где каждое рабочее место считается пользовательский порядок.

В этой задаче, использование повторяющихся много диспетчерского правило, не предлагают никакой выгоды в сокращение времени установки так как каждая работа уникальна. Много преимуществ в результате расщепления возможность перекрытия операций. Они показывают, что в открытых цехов работу установка срока ориентированных диспетчерских правил, если они используются в сочетании с расщеплением много, можно улучшить производительность должной мере, как день опоздания ..

МОДЕЛЬ

Как уже упоминалось во введении, мы приняли MFT является нашим основным показателем эффективности и SDFT в качестве вторичного меры, для оценки различных эвристических расщепления много. Точнее, мы оцениваем в долгосрочной перспективе средняя течения времени для магазина в стационарной. То есть, мы предполагаем, что магазин находится в эксплуатации в течение длительного времени, так что стационарное состояние достигается. Мы измеряем время потока для выполнения конкретной работы, как раз между его освобождения в магазин и его завершения. Обратите внимание, что много расщепления по сути, работу не считается завершенным, пока все sublots были закончены. Формально, мы можем выразить MFT как математическое ожидание (стохастических) T стационарного flowtime для любой работы, прибывающих в системе в стационарных и T определяется по формуле: где S является тип магазина, М много Метод расщепления использовали, U представляет собой процесс использования, SU является соотношение установки времени обработки, CV-коэффициент вариации для обработки, JS является размер работы, ИНТЕР является характер работы interarrival, andepsilonis нулевой средней величины. Цель заключается в том, чтобы свести к минимуму MFT = E [T] в отношении М. Наш второй ОДР измерения производительности может быть так же, как выразил SDFT = Var [T].

Это не позволило оценить MFT, как ожидаемое значение T в (1) в замкнутой форме. Следовательно, он должен быть оценен на основе моделирования. Имитационная модель была реализована в II.5 SIMSCRIPT. Мы использовали эту программного обеспечения для моделирования в первую очередь из-за его гибкость и способность реализовывать сложные эвристики планирования. Примеры материальных потоков для наших двух структур магазин показаны на рисунках 1 и 2. В нашей модели, входящие рабочие места разделены на более мелкие передачи пакетов, которые затем самостоятельно, проходящих через их поставленной задачи маршрутизации. Использование повторяющихся последовательностей множество правил (RL), передачи партии того же типа работу в качестве текущей установки на машину всегда Следующим будет обработан. Если не передавать пакет с текущей установки машины в машину очереди, то первый пришел, первый обслужен правило (ПСС) используется для секвенирования. Использование ПСС в качестве вторичного отправки норма соответствует Джейкобс и эксперимент Брэгга. Другие вторичные диспетчерских правил, таких, как кратчайшего времени работы (СОТ), могут быть включены в RL подход к попытке дальнейшего сокращения MFT и улучшить обслуживание клиентов мер уровне, например, опоздания и опоздания. Обсуждается влияние SOT, как правило среднего отправки в следующем разделе ..

Эксперимент подход

Мы провели две серии экспериментов на модели. Первое было определить влияние различных форм много расщепления на выполнение MFT и могут рассматриваться как продолжение работы Кропп и Smunt [13]. Мы протестировали формы, которые были либо оптимальное или хорошо зарекомендовал себя в детерминированных условиях. Сравнение наших результатов с их поможет определить влияние случайности на производительность их формы и измерения надежности их результатов. Второй серии экспериментов сосредоточены на число равных расколов. Результаты этих экспериментов будут представлены в следующих двух разделах. Факторов и их уровней, используемых в этом эксперименте, обобщены в таблице 1. Опытно-конструкторских был полный факторный с 6912 (6x2x2x6x4x3x4) сочетания факторов настройки.

Лот форм расщепления

Мы классифицировали формы много расщепление на три категории: (1) равной расщепляется (RL3E), (2) равные распадается предшествовал раскол флаг (RL4F) и (3) неравные расщепляется (RLU1, RLU2, RLU3) (см. Таблицу 2 ). В Кропп и Smunt [13] было показано, что для детерминированных магазинов потока, флаг эвристический (1, что первоначально посылает пакет единицы через систему) стремится к хорошо работать, если время наладки являются высокими. Этот результат объясняется тем, что вклад настройках flowtime снижается за счет перекрытия с обработкой следующих сериях. Таким образом, дублирование обработки был продлен до установки, а также последующих партий провел меньше времени в очереди, дожидаясь установки. В Кропп и исследования Smunt [13], оптимальная распадается после флаг часто оказались почти равными. Как наладки к нулю, однако, оптимальная стратегия расщепления много требуется, чтобы все много расколов быть одинакового размера, без предыдущего раскола флаг. Мы выбрали RLU1, RLU2 и RLU3 для проверки надежности дистрибутивов много расщепления, так как эти неравные формы аналогичны тем, которые нашли оптимальное в ряде случаев проверен Кропп и Smunt [13].

Поток Доминирование

Наш следующий экспериментальный фактор потока доминирующим положением, уровни, на две крайности магазин потока и работу магазина. Мы образцу нашей работы магазина имеют ту же структуру, как Джейкобс и Брэгга [10], то есть с 10 отделов, каждый из которых одной машине, а также 10 типов заданий (см. Рисунок 2). В общем, мы использовали настройки параметров аналогичных тем, которые используются в работе [10]. Каждое задание типа имели равные шансы шанс прибывающих в систему и требуется пять департаментов для завершения их обработки. Каждый отдел был использован в равной степени (нет долгосрочной узких мест на любом компьютере) и первой или последней операции на любую работу равное число раз. Сценарий потока цех пять одной машины департаментов и 10 типов заданий (см. Рисунок 1). Каждое задание типа была той же последовательности, в течение пяти департаментах, и отличается от других типов заданий в силу требуется изменить установки машины с одной работы в другую. 5 отдел потока магазин был использован для того, чтобы иметь одинаковое число задач в последовательности маршрутизации для каждого задания в обоих параметров. Interarrival номера были скорректированы с учетом дают одинаковые способы использования в сценарии работы магазина.

Шаблоны работы Прибытие

Вакансии прибыл в системе имеются либо детерминированных или стохастических interarrival раз (INTER). Детерминированных interarrival раз были использованы для того, чтобы имитировать устойчивый выпуск работы в цехе. Обратите внимание, что хотя рабочие места прибыл в системе на регулярной схеме, тип продукта связано с работы был выбран случайным использованием равномерного распределения. Стохастических сценарий время interarrival приближается состояние, в котором трудно поддерживать устойчивый выпуск продукции в цехе, возможно, из-за высокой стоимости проведения инвентаризации и динамичной среде спроса. Стохастический раз interarrival были гамма распространяется с коэффициент вариации 0,50. Это вызвало отчетливо бессистемное работу прибывших с умеренной степенью изменчивости. Приказы были освобождены в магазин, как пришли.

Размеры среднего работы

Каждое поступающее задание имеет размер (число единиц), которые различаются равномерно по 67% от среднего размера работе (JS). Шесть уровней среднего размера работы были выбраны в диапазоне от 75 до 225 с шагом 30, чтобы представить типичные размеры много повторяющихся условий производства партии. Interarrival раз были увеличены на основе относительной со средним размером работу в целях поддержания необходимого уровня три процесса утилизации. Эти шесть уровней были выбраны, поскольку они представляют собой значения как правило, используются в ходе предыдущих исследований и на практике для серийного производства. Обратите внимание, что три трещины, размер передачи партии составляет всего 25 единиц и выше, 75.

Операция Время Разница

Мы использовали разница время работы, как наши суррогат системы разница, как это часто в симуляции работы магазинов. Переменные Время работы были смоделированы с помощью гамма-распределение с коэффициентом вариации (CV) уровня, установленного эксперимента. Эмпирические исследования задачи распределения времени (например, [5]) показывают, что такие дистрибутивы, как правило, один вид транспорта и перекос вправо, в результате чего гамма соответствующее распределение.

Трудно предсказать, априори какой эффект будет иметь изменчивости (хотя магазин низких потока разница должна вести себя аналогично детерминированных магазин потока). Мы протестировали четыре уровнях функционирования время коэффициент вариации (табл. 1, начиная от почти детерминированных (CV = 0,01) до очень высокой (CV = 1,50)). На основе эмпирических данных (например, Дадли [5]), CV =. поэтому, вероятно, ближе к фактической Время работы задачи. Тем не менее, Есть ситуации, в которых высокая CV может быть целесообразно: ненадежных машин много поломок машины, чрезмерное количество переделок и т.д.

Магазин нагрузки

Магазин нагрузка, определяемая путем обработки процент использования (U), может быть важным фактором влияния форм много расщепления. Высоко перегруженных магазинов могут быть улучшены за счет увеличения количества перекрывающихся обработки индуцированных много расщепления. С другой стороны, с высоким заторов существует возможность того, что увеличился поток время для некоторых рабочих мест будет увеличиваться за счет "растрепанные" раскол не задерживаются в очереди. Обратите внимание, что общий уровень использования магазин будет больше, чем уровень переработки использования за счет эффекта времени переналадки.

Мы варьировали среднее время операции задачи в целях получения различных уровнях магазин нагрузки. Внутри каждого уровня использования, среднее время операции задачи были одинаковыми в каждом отделе, чтобы иметь сбалансированный магазина (например, чтобы избежать долгосрочного bottlenecking). Уровень этого фактора были созданы, соответственно, на 0,0456, 0,0576, 0,0696 и часов на единицу для достижения трех различных сценариев процесса использования 57%, 72% и 87% соответственно. Крайние уровни находятся в диапазоне от 15% от обработки использования 72% используемых Джейкобс и Брэгга [10]. Мы протестировали эти объемы использования, поскольку мы предполагаем, что магазин нагрузка влияет на производительность различных форм разделения много. Мы заверил, что общий уровень использования никогда не превышало 100% в любом из наших экспериментов.

Установка Times

После повторных правило множество обладает потенциалом для снижения MFT за счет уменьшения установок, доля времени переналадки на обработку время становится актуальным. Мы использовали четыре уровня этой установки отношения (SI) в наших экспериментах: 0,1, 0,5, 1,0 и 1,5. Путем увеличения или уменьшения уровня настройки соотношения общего использования также увеличена или уменьшена и составляет примерно от 60% до 95% в наших экспериментах. Наблюдается отношение установки времени к общему времени обработки (включая установку) колебалась от 22% до 57% за работу, в среднем.

Показатели эффективности

Наша основная мера спектакль среднего течения времени (MFT), а не makespan, который используется в большинстве предыдущих исследований, детерминированный. Хотя makespan является подходящим критерием для статических сценариев, MFT является более подходящим показатель деятельности в динамичной среде. Еще одной мерой, представляющих интерес для исследований такого типа является средний объем работы, в процессе инвентаризации (WIP), особенно в свете недавних сосредоточиться на производстве в сторону снижения уровня WIP. Тем не менее, в стационарных, MFT будет пропорциональна WIP по формуле Литтла (см. [8]). Таким образом, результаты MFT будет перевести на сопоставимые результаты WIP. В контексте данного исследования, этот факт означает, что много расщепления формы, которые снижают MFT будет также уменьшить WIP пропорционально и, следовательно, мы можем рассматривать только MFT. Эта связь была подтверждена в наших опытах моделирования. Мы также вычисляется стандартное отклонение потока времени (SDE, Т) в качестве меры изменчивости flowtime. Мы не мера сроки выполнения заказов, поскольку мы в основном связаны с повторяющимися условий производства, в котором мы предполагаем, что наиболее производства "на склад". Кроме того, flowtime производительности является более обобщенным мерой, поскольку любые сроки механизм установления может быть связано с диспетчерскими правилами.

По нашим оценкам MFT и SDFT для каждой экспериментальной обстановке на первый "разогрев" Система 10000 часов работы, а затем части сбора данных о перспективе. Земельные выход для нескольких комбинаций факторов настройки, в том числе с высшим обработки использования, коэффициент вариации и время установки для обработки соотношение времени, отметил, что 10000 часов переходных наблюдения было достаточно для каждого сценария, в стационарном состоянии. Поток раз были затем собраны в блоки по 5000 часов, разделенных периодами 1000 часов, при этом сбор данных. Таким образом, при повторных наблюдений были востребованы, в результате средства блока были приняты в качестве аргументов. Эта процедура похожа на разнесенных партии означает (см. Фокс, Голдсман, а Суэйн [6]). Мы убедились в том, что не было никакого существенного сериальной корреляции в блоке средства путем проведения отставали регрессионный анализ этих средств.

ВЛИЯНИЕ LOT ФОРМА ПРЕРЫВАНИЕ

В этом разделе мы представляем наши эксперименты, чтобы проверить различные формы разделения много. Во-первых, мы опишем, опытно-конструкторских, а затем представить результаты дисперсионного анализа и сравнения нескольких тестов для форм много расщепления.

Результаты ANOVA

Мы провели три различных Анализ Разница (ANOVA), чтобы проверить значение основного и эффекты взаимодействия на различных факторов на среднее время поток (MFT), а стандартное отклонение потока времени (SDFT). ANOVAs проводились на основные последствия только для основной и 2-способ взаимодействия, а главное, двусторонний и трехходовый взаимодействий. Мы обнаружили, что путем добавления двух направлениях взаимодействия в ANOVA, R2s для MFT и SDFT увеличилась приблизительно с 0,76 до 0,95. Дополнительные объяснения отклонения от дальнейшего Помимо трех направлениях взаимодействия было незначительным, однако, добавив лишь 0,02 до 0,03 на R2s. Для краткости мы покажем ANOVAs с двухсторонним взаимодействия для обеих MFT и SDFT в таблицах 3 и 4. К2 0,95 для MFT и SDFT показывает достаточно хороший подходят модели, а также, что основные эффекты и взаимодействия, объясняет разницу.

Все основные и двустороннего взаимодействия эффекты являются значительными на. OS уровне или выше, за исключением много форме разделения х установки взаимодействия для обеих MFT и SDFT и для установки времени работы х разница взаимодействия SDFT. Возвращаясь к нашей деятельности в модели (1), мы можем видеть из обеих таблиц ANOVA, что фактор процессе использования, U, обеспечивает наибольший вклад объяснить дисперсию. Два фактора, которые обеспечивают как минимум вклад, работа размер, JS, и многое форме разделения, М. Хотя мы видим, что форма много расщепления имеет значительное влияние и другие факторы, в значительно большей производительности объяснить. Поэтому, для того, чтобы лучше понять последствия форм много расщепления, мы предлагаем более подробные статистические сопоставления различных эффектов взаимодействия с помощью нескольких тестов сравнения.

Несколько тестов Сравнение

Большое число несколько тестов сравнения доступных для определения того, существуют значительные различия между фактором уровнях. Мы провели два широко используется несколько F тесты, Дункан и Ryan-Einot-Габриэль-Уэлш испытаний, по нашим данным на различных уровнях взаимодействия. Мы обнаружили, что результаты этих двух тестов сравнения были почти идентичны в определении, где эффекты взаимодействия носят существенный характер. Для краткости приведем только результаты испытаний Дункан в таблицах с 5 по 8. Мы показываем результаты эффекты взаимодействия со времени операции и время установки отдельно. Мы также отдельные результаты для детерминированной и стохастической interarrival раз. Обратите внимание, что показатели показано в следующих таблицах для работы размера с низким MFT для каждого магазина / форма / Использование комбинации.

MFT-операции Время Разница

Таблицы 5 и 6 показывают многочисленные сравнения для MFT меры для взаимодействия с операцией Разница времени. Как видно из таблицы 5, с детерминированной interarrival раз каждый из 6 форм много расщепления существенно отличаются друг от друга (на уровне 0,05), в среду, когда поток магазин CV = 0,01 и обработки уровнем использования времени 57 %. RL4F явно лучше с MFT на 21,7, менее чем вдвое меньше, чем RLO и по крайней мере 15% ниже, чем MFT любой другой форме разделения Лота. Эти результаты проверки результатов, полученных Кропп и Smunt [13] в том, что они ясно показывают превосходные характеристики "флаг" эвристический потока магазинов работе с маленькой разница в любом ввода номера и времени работы. Дальнейшее изучение Таблица 5, однако, показывает, что для потока магазин, статистические различия в форме RL4F рассеять как процент использования или CV увеличивается. Хотя RL4F выполняет значительно лучше в потоке магазин даже для высших использовании ресурсов до тех пор, как CV = 0,01, он работает лучше в работу магазин только для использования низких уровне 57%.

Дальнейшее рассмотрение Таблица 5 показывает, что RL4F дает лучшие MFT в 22 из 24 магазин / CV / настройки применения. Тем не менее, по словам Дункана тесты, RL4F существенно отличается от других форм лишь в 4 случаях, три из которых имеют CV =. 01, почти детерминированных промежуток времени. Когда CV умеренно, но реалистичные (например, 0,50), RL4F значительно лучше, чем другие формы только для низкого уровня использования в flowshop. Для работы магазина, RL4F дает наименьшее MFT во всех, кроме одной настройки, хотя разница имеет значение лишь для низких CV и низким показателем использования.

Таблица 5 также демонстрирует превосходство всех форм много расщепления более нет деления (RLO). Не только RLO значительно выше УФНС в 23 из 24 параметров, но величина различий между RLO и наихудших форм много расщепления были существенно, как правило, гораздо больше, чем различия между разными формами разделения много.

Таблица 6, стохастические раз interarrival дальнейшее иллюстрирует пагубное влияние дисперсии на превосходстве "флаг" эвристики. RL4F как правило, остается статистически лучше, чем другие формы потока магазин настройки с CV = 0,01, а для всех других сценариев в потоке магазин и для всех сценариев работы магазина это не сильно отличается от других форм разделения много. Как и в случае детерминированных раз interarrival, RLO значительно хуже, чем со всеми формами много расщепления, в данном случае, по всем фактором настройки.

MFT-StepUp время

Таблицы 7 и 8 показывают многочисленные сравнения для MFT меры для взаимодействия с установки времени. Заметим, что при interarrival раз являются детерминированными (табл. 7), RL4F выполняет статистически лучше для более широкого набора сценариев. Интересно, что RL4F лучше всего подходит для установки всех отношения для потока магазине, когда использование была низкой. RL4F также выполняет лучше для всех установки отношения более 0,10 для работы магазина, еще раз, когда использование является низким. Для среднего и высокого уровня использования, RL4F существенно не отличается от других форм разделения много в любом магазине или поток работы магазина. С учетом дополнительной разница вызвана стохастического раз interarrival (табл. 8), нет никаких признаков того флага эвристический выполнения любой лучше, чем другие формы расщепления много.

Как и в случае сравнения между CV в таблицах S и 6, всех форм много расщепления выполнить значительно лучше, чем RLO. Кроме того, величина улучшение по сравнению с RLO в наихудшей форме разделения много гораздо больше, чем какие-либо различия между формами много расщепления.

SDFT

Стандартная мера отклонения потока времени (SDFT) также может быть хорошим показателем производительности системы, поскольку она представляет собой последовательность производства, и, таким образом, возможность точно предсказать завершения задания. Таблица 9 показывает многочисленные сравнения для SDFT меры для установки времени взаимодействия с детерминированной раз interarrival. Другие сценарии, показали аналогичные результаты, мы приведем лишь один этот таблицу SDFT результаты для краткости.

Как и ожидалось, SDFT выше, в работе магазинов, чем в магазинах потока при одинаковых настройках фактор. Немного удивительно, что SDFT ведет себя аналогично MFT на каждом из участков, есть существенное и значительное снижение SDFT от RLO в наихудшей форме разделения много. Совершенствование больше в течение магазин (30-50%), чем работа магазина (20-30%). Различия между формами много расщепления намного меньше и в основном статистически незначимым по тесту Дункана. В отличие от использования кратчайшего времени обработки диспетчерских правило (без расщепления много), мы видим, что много разделение само по себе снижает как MFT и SDFT.

Среднее Диспетчерская правил

Во всех наших сценариев, главная диспетчерская правило, на каждой workcenter повторяются много. В приведенном выше экспериментах мы использовали ПСС, как правило, когда среднее повторных много не ссылаться. Тем не менее, другие вторичные нормы могут быть рассмотрены. Например, в кратчайшие время работы (СОТ), как известно, свести к минимуму MFT в некоторых случаях. Мы исследовали влияние SOT в качестве вторичного критерия CV = 0,50, SU = 0,50, и показать результаты в таблицах 10 и 11.

Отметим, что, как ожидается, SOT снижает MFT для RLO как поток магазины и мастерские. Тем не менее, его влияние в много расщепления является минимальным. Только в течение магазин с высоким использования сделал SOT существенно снизить минимально возможное MFT. Во многих других случаях, особенно в работе магазина, MFT фактически возросла, когда SOT была использована в качестве вторичного отправки правила. Уведомление также, что в любом случае, много расщепления само по себе представили более улучшений в MFT, чем при использовании SOT без расщепления. Таким образом, магазин в настоящее время используется много повторяющихся, но не много расщепления (RLO) получили бы больше пользы, используя какой-либо участка расщепления формы, чем изменить правила ПСС в SOT в качестве вторичного критерия диспетчерской.

Обратите внимание, что результаты, представленные Вагнера и Рагац [18] несколько иным, чем у нас в том, что они свидетельствуют о SOT всегда дает возможность значительно снизить MFT, чем РСР. Мы подозреваем, что ни тот факт, что все работы являются уникальными в своей имитационной модели (открытый цех работы) или что они позволили широкий спектр задач в рамках раз работа будет причин SOT доминируют ПСС в своем исследовании. В нашем эксперименте в закрытом магазине работу, мы испытали различные уровни использования и настройки раза с тем чтобы продемонстрировать условия, в которых ПСС или SOT будет обеспечивать лучшую производительность в MFT повторных условий производства партии.

Обсуждение

Предыдущие результаты решения наших целей этого исследования. Как было указано в другом месте ([2], [9] и [13]), много расщепления может уменьшить MFT в детерминированных и стохастических сред потока магазин с использованием перекрывающихся обработки изделий из той же работы. Тем не менее, различия между разными формами много расщепление уменьшается, как окружающая среда движется дальше от детерминированной магазин потока. Единственная работа, магазин сценариев, в которых какие-либо существенные различия были очень низкими обработки использовании ресурсов умеренных уровней установки, и детерминированным interarrival раз, в других сценариях точный метод, используемый как представляется, не имеет значения.

Результаты схожи в сценариях потока магазин, хотя RL, 4F до сих пор выполняет также при высоких уровнях использования. Однако, как параметры потока магазин подошли более реалистичным уровням резюме, это преимущество исчезает. Очевидно, что расширение выводы относительно много расщепления политики, которые хорошо в детерминированных настройки к более реалистичному стохастических ситуациях, не может быть оправданным. В то время как расщепление много еще благотворное влияние на MFT в стохастической среде, точный метод, используемый вопросов в сравнительно небольшое подмножество сценариев. Количество расколов может наиболее важны в стохастических средах. В следующем разделе мы опишем эксперименты, которые определяют влияние дальнейшего разделения участка на flowtime производительности.

ВЛИЯНИЕ число равных распадается

Мы ожидали, что последствия увеличения числа передачи партии будут более драматичными для более высоких уровней установки соотношения высших уровнях обработки использования, а также более высокий уровень изменчивости (CV). Мы Ожидается также, что номер перевода партии становится очень большой, поэтому ожидается передача размер пакета подходов 1, пагубные последствия много расщепления появится в работу магазина. Предположительно, с большим количеством маленьких расщепляется в работе магазина, и нет доминирующего потока для координации последовательности, существует высокая вероятность, что хотя бы один отставший приедет на машине с "неправильными" настройки и получить отложено из-за повторяющихся много рабочих против этого малые партии. Как мы увидим, однако, эта задержка не кажется произойти.

Эксперимент

Используя ту же имитационной модели, и мы побежали серии экспериментов вариации числа равных расколов. За исключением участка расщепления форме сейчас "RLnE", где "N", это число равное распадается, остальные параметры идентичны экспериментов выше, в котором мы изучали много форм расщепления. Количество расколов был запущен с 1 (RLO), 2, 4, 8, 16, 32, 48 и 64. Из-за длительного времени требуется компьютер, особенно в 32-64 случаях раскол, и с результатами, полученными в предыдущем разделе в виду, мы только рассматривается как разновидность других параметров. Мы использовали высокий, средний и низкий уровни обработки использования как прежде (57%, 72% и 87%) и CV уровня 0,01, 0,5 и 1,0, соответственно. Мы зафиксировали средний размер входящих рабочих мест на 75 единиц, с тем чтобы большее число расколов, приведет к передаче партии размеры около 1. Фактор установки соотношение сохранилось на 1,00 для всех экспериментов.

Результаты

Результаты по количеству CV х распадается взаимодействия показаны на рисунке 3 для обработки уровня использования 57%, 72% и 87%. Мы показываем только до 16 равных распадается с MFT остался почти постоянной на 32-64 расколов. Существует огромная разница в потоке магазин результатов между низкими CV (0.01) и выше резюме. За почти детерминированных CV (0,01), MFT существенно ниже, для всех количество расколов. Вместе с тем в работе магазина, MFT сходится для всех уровней CV, как количество расколов увеличивается. Кроме того, наибольшее снижение в MFT за счет дополнительного расщепления происходит в ситуации высокой CV для магазина потока и работу магазина. Как поток магазин использования возрастает до 87%, разница между магазин низких CV потока и магазины более высокого CV поток еще более драматичным, предполагая, что много расщепления более ценным в течение магазины с высокой переменной среды.

Во всех сценариях, было значительное улучшение в MFT за много расщепления. Тем не менее, дополнительные преимущества много расщепления стала незначительной после первых нескольких расколов. Например, для работы магазина с использованием 72% и CV (1,0), отколовшимися от 1 до 2 много много MFT снизилась на 22%, отколовшимися от 3:58 снизился МФО на 14% больше, и отколовшимися от 7:56 снизился MFT на 8% больше. Только в течение магазин с 87% использования и выше 2 CV уровнях ли какие-либо заметного улучшения между 8 и 16 расколов. Как уже упоминалось выше, увеличение числа расколов еще выше в результате практически не в дальнейшем совершенствовании. Сумма улучшения увеличивается с более активным использованием и с большей изменчивости (CV выше). Общая прибыль от расщепления много больше, в потоке магазинов, чем работы магазинов. Интересно также отметить, что в MFT для работы магазинов, как правило, сходятся с повышенным расщепления много, тогда как в течение магазинов они остались отдельные для каждого уровня CV.

ВЫВОДЫ

Доминирование потока. В отличие от предыдущих исследований, мы обнаружили, что форма разделения редко много вопросов, в ситуациях, с большей вероятностью можно найти в практике. Мы нашли, что расщепление флаг много работал формы обычно хорошо в среде магазин течения, когда изменчивость на низких и средних уровнях, и система не очень перегружена. С другой стороны, для чисто случайных работу цеха, значительные различия между формами много расщепление не существует, за исключением низкой утилизации / случай малой дисперсией. Рассмотрим управленческие последствия в работе магазина, который развивается в более линейный ориентированного потока (возможно, из-за созревания продукта или стандартизации). Пока существует явное преобладание потоков, использование форм неравного разделения много предложений мало пользы через равные расколов. Когда-то это явное преобладание потока, изменчивость, дорожные пробки, и время наладки следует рассматривать как определить, если Есть возможности усовершенствования из-за неравного разделения форм много. В этих условиях, наши результаты показывают, что использование флага эвристический как правило, лучше всего улучшить MFT.

Детерминированные / статический против Стохастические / Динамический Настройки. Наши результаты показывают, существует большое расхождение между упорядоченного мира детерминированных, статические модели магазин потока и хаотический мир стохастических, динамических магазин потоков и моделей работы магазина. Поскольку многие производственные мощности обработки в пакетном режиме, напоминают последних более, чем первый, много расщепления формы, которые хорошо работают только в детерминированных настройки следует использовать с осторожностью. Как мы уже показали, такие формы, как флаг эвристические, который хорошо зарекомендовал себя в детерминированных магазин потока, по-видимому, мало или вообще не преимущество, когда есть даже в умеренных количествах, изменчивости и заторов.

JIT / Вопросы канбан. Современные взгляды производства, под влиянием некоторых японских компаний, адвокат меньше лотов, сокращение инвентаря, использование "тянуть" системы и связанные с ним производство пусковых механизмах, таких как канбан. Наши результаты по количеству расколов показывают, что, возможно, многие из преимуществ такой системы может быть просто за счет уменьшения размеров много. Если расщепление заказы на небольшие партии передачи снижает среднего течения времени, как указано выше, то WIP будет соответственно сокращен также. Обратите внимание, что в нашей модели мы использовали классический "толчок" системы пакетной обработки, но смогли сократить поток времени в значительной степени путем расщепления. Кроме того, это хорошо зарекомендовали себя в течение как магазины и мастерские. Как Zipkin [19) указывает на то, применение Just-в-Time (JIT) методы могут быть про - lematic в число реальных условиях. Таким образом, фирмы, которые не могут легко реализовать многие аспекты JIT, в том числе использование канбан, могут обнаружить, что большая часть выгод времени может быть достигнуто через много расщепления в одиночку. Очевидно, что приведенные выше замечания носят умозрительный характер, так как мы явно не проверен ряд важных вопросов, JIT в данном исследовании.

Когда Лот расщепления не выгодно. Лот расщепления не всегда выгодно. Одним из следствий многих мелких партий в магазине в том, что расходы на обработку материала может значительно усилится. Кроме того, вероятность получения партии сложилась работы магазина резко возрастает с количеством таких партий в магазине. Таким образом, объект, который осуществляется много расщепления бы целесообразно, чтобы рационализировать их расположение, маршрутизации и механизмов контроля, а также убедиться, что их возможности перевалки грузов являются достаточно гибкими для обработки полученной нагрузки. С другой стороны, поток магазин уже имеет формат, в котором сочетается с маршрутизацией его частей. Следовательно, много расщепления может быть более желательным, чем поток магазины работу магазинов.

В том же духе, наличие незначительных установок может также противодействовать потенциальные выгоды много расщепления. В этом случае, мы считаем незначительными установки будет один, связанных с обработкой какого-либо нового пакета на машине, даже если она того же типа. С более распадается, влияние таких установок на MFT будет расти. Однако, Вагнера и "Рагац открытой" магазин ([18]) каждая работа уникальна, при этом всегда понести установки. С Вагнером и Рагац продемонстрировали улучшение производительности системы за счет расщепления много открытых магазинов, выгоды от расщепления много действительно может быть стойким, даже в условиях незначительных настроек.

Аннотация и проведения дальнейших исследований

Мы тщательно протестированы различные виды грунта расщепления в закрытом магазине работы и условий потока магазин с различным уровнем наладки, обработки временной изменчивости, переработки использования, работа размера и типа магазина. Почти в каждом случае, много расщепления существенно улучшить как MFT и SDFT более не много расщепления. Мы также обнаружили, что в среду удаляется от детерминированной магазин потока, неодинаковое влияние форм много расщепление уменьшается, и нет практически никакой разницы во всех местах работы магазина. Поскольку количество расколов увеличивается, MFT стремится держать улучшается, но с уменьшением прибыли. Повторяющихся правило много, и много расщепления появляются работать вместе, дополняя друг друга. Преимущества много расщепления в среду мы рассмотрели (стохастические, магазин рабочих мест и потоков магазин) может быть даже больше, чем в простых детерминированных, условий потока магазин изученных ранее. Лот расщепления таким образом, представляет собой относительно простой способ получить некоторые преимущества меньших партий в соответствии с классической системе толчок-прежнему работает на большинстве предприятий серийное производство без необходимости коренным образом изменить процедуры. Как уже говорилось выше, повышение среднего течения времени идет рука об руку со снижением WIP, другая практика, в настоящее время выступает за ..

Наши первоначальные испытания ограниченного числа машин в один отдел, но это имитационная модель может быть легко изменена, чтобы несколько машин в отделе. Мы планируем протестировать эту среду в будущих исследованиях, так как мы предполагаем, что множество повторяющихся правило будет имитировать сотовой условий производства, учитывая достаточное количество, как машины в отделе. После повторных правило много сканирует очередь заданий, ожидающих использовать машину в отдел 1, которые могут быть обработаны, не требуя установки, наличие нескольких, как машины должны вызывать преданность машин для аналогичных профессий.

Хотя мы обнаружили, что увеличение числа равных распадается не ухудшаются, MFT производительность, количество ситуаций, в которых MFT увеличится более распадается можно представить. Мы обсудили некоторые вопросы, связанные с макета, небольшие установки, и погрузочно-разгрузочного выше. В некоторые настройки могут действительно быть оптимальное количество расколов, которые минимизировали бы MFT, и в других странах, размер передачи партии 1 мая будет оптимальной.

Наконец, у нас есть только рассмотрел потока магазины и магазины чистой работы, которые являются крайними случаями потока господства. Было бы интересно выяснить, как наши результаты будут меняться в промежуточных случаях потока господства (например, между потоком магазины и магазины чистой работы). Мы оставляем изучение этих важных вопросов, которые в дальнейшем изучении. [В редакцию: 24 июня 1994. Принято редколлегией: 6 декабря 1995.]

* Авторы выражают благодарность Кеннет Бейкер, Ф. Роберт Джейкобс, Алекс Zhang, и Павел Zipkin их обзоры ранее проект этого документа и за их ценные замечания. Это исследование было поддержано Бэбкок Высшая школа менеджмента, Университета Вейк Форест, научных исследований Программа стипендий и грантов Начало исследований в Высшей морской школы. Эта поддержка благодарностью авторами.

Ссылки

[1] Бейкер, K.R. Элементы последовательности и сроков (пересмотренное издание). Колледж Дартмут, NH, 1995.

[2] Бейкер, K.R.,

[3] Добсон Г. Кармаркара, США,

[4] Дудек, контр-адмирал, Panwalkar, S.S.,

[5) Дадли, Н. А. рабочего времени дистрибутивов. Международный журнал по производству исследований, 1963, 2 (2) ,137-144.

[6] Фокс, B., Голдсман, Д.,

[7] Грейвс, Верховный суд,

[8] Валовой Д.,

[9] Хэнкок, T.M. Воздействие много расщепления при различных стратегий маршрутизации. Международный журнал операций

[10] Джейкобс, F.R.,,

[11] Кармаркара, США, Kekre, S.,

[12] Кармаркара, США, Kekre, S., Kekre, S.,

[13] Кропп, причальная тумба,

[14] Сантос, C.,

[15] Szendrovits, A.Z. Производство время цикла для определения многоступенчатой экономической модели массового производства. Управление науки, 1975, 22 (3), 298-308.

[16] Триетш, Д. много эффективных передачи размеров процедуры для пакетной обработки на нескольких машинах. В рабочем документе, морской школы, 1987.

[17] Триетш Д.,

[18] Вагнер, Б.,

[19] Zipkin, тел. Ли необходимость производства JIT революции? Harvard Business Review, 1991, 69 (1), 40-48.

Тимоти Л. Smunt является Бэбкок исследований профессор и доцент управления на Бэбкок Высшей школы менеджмента Университета Вейк Форест. Он получил закладная управления промышленностью в Университете Пердью, MBA в Университете Миссури-Сент-Луис, и DBA из Университета Индианы. Д-р Smunt опубликовала широко в производственной технологии, оценки, планирования операций, сотовые производство и обучение анализа. Его статьи опубликованы в ряде журналов, в том числе исследование операций, менеджмент, журнал операционного менеджмента, Институт промышленной Сделки инженерия, Decision Sciences и интерфейсы. Он является старшим членом IE и является активным членом Института Decision Sciences, сообщает и APICS, где он также является сертифицированным членом в области производства и управления запасами (CPFIM).

Арнольд Buss в настоящее время операций Департамента исследований Высшей морской школы. Он получил Британская академия в психологии из Университета Рутгерса, магистр естественных наук в инженерных системах из Университета штата Аризона, и доктора наук исследования операций в Корнельском университете. Его статьи опубликованы в области исследования операций, ИМО Сделки, математических проблем в области инженерии, производства и оперативного управления, а журнал ветра и промышленной аэродинамики. В дополнение к своей работе в много расщепления, он занимается исследованиями в области стохастических сетей PERT, управление узких мест и моделирования радиолокационных систем. Он является членом сообщает, IIE, и Poms.

Дин H. Кропп является заместителем декана и профессор Дан Broida операций и управления производством на Джона М. Олина школа бизнеса, Университет Вашингтона в Сент-Луисе, штат Миссури. Его учение, исследовательской и консультационной деятельности в области планирования производства и управления запасами, завод местоположения, качества управления и производства стратегии. Его статьи опубликованы в многочисленных журналах, в том числе Управление науки, решение наук, Институт международного образования сделки, а также журнал по управлению операциями. Значительная часть его исследований были рассмотрены пути повышения эффективности планирования производства в условиях быстро меняющейся окружающей среде.