SIMULATION OF THE PRODUCTION PROCESS


Cite item

Full Text

Abstract

The article analyzes the “Production” business process of a woodworking plant to build a simulation model based on it. This direction of the enterprise requires analysis in order to predict the lead time of production, increase the output per unit of time, as well as increase the equipment usage value. For each process, random variables are allocated. A simulation model was built in the AnyLogic modeling environment using the Enterprise Library. An optimization experiment with a developed enterprise model made it possible to study the behavior of the model under given conditions. On the basis of the conducted simulation, the “weak” points of the enterprise were identified, due to which the lead time increases and the number of products decreases. It is conclusion, it is advisable to introduce quality control of products at the exit of each production phase (peeling and drying, pressing, processing), which will reduce the percentage of low-quality products at the exit of the process.

Full Text

Введение В настоящее время при исследовании процес- сов и производственных систем довольно широко применяется имитационное моделирование [1]. Оно позволяет имитировать поведение системы во времени, поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны. Объектом исследования является дерево- обрабатывающий завод, а именно бизнес-процесс «Производство продукции». Требуется постро- ить имитационную модель предприятия, произ- водственный процесс которого состоит из трех взаимосвязанных фаз (подпроцессов) [2]. Цель имитационного моделирования - про- гнозирование времени выполнения производства продукции, что позволяет увеличить выпуск про- дукции в единицу времени, а также повысить ко- эффициент использования оборудования. Анализ бизнес-процесса Одним из основных бизнес-процессов дерево- обрабатывающего предприятия является процесс «Производство продукции» (см. рисунок 1) [3]. Это направление предприятия требует анализа с целью прогнозирования времени выполнения производства продукции, увеличения выпуска продукции в единицу времени, а также повыше- ния значения использования оборудования. Для каждого процесса выделены случайные величи- ны (СВ). Бизнес-процесс начинается с поступления заявки. Время между этими заявками случай- но (СВ1), так как время появления следующего клиента предсказать достаточно сложно. Каждый новый клиент попадает в отдел продаж, где со- вместно с работниками предприятия выясняют- ся требования клиента. Если стороны находят взаимовыгодные условия, то составляется дого- вор, содержащий данные о заказе, который затем передается в плановый отдел. Если же условия выполнения заказа клиента не устраивают, он по- кидает предприятие необслуженным. Здесь слу- чайна длительность оформления заказа (СВ2), так как в зависимости от индивидуальных усло- вий оно может сильно варьироваться. Далее плановым отделом выполняется плани- рование используемых ресурсов и производствен- ных мощностей, составляется производственный план. Случайная величина процесса - длитель- ность планирования производства (СВ3). Далее, используя производственный план, начальник производства распределяет работу по цехам [4]. После принятия распределенной работы на- чальник участка приемки подготавливает сырье и материалы для производства. Длительность процесса подготовки сырья яв- ляется случайной величиной (СВ4). На этом эта- пе необходимо также учитывать случайную вели- чину количества нехватки сырья или материалов (СВ5). Здесь возможно увеличение длительности выполнения заказа, поскольку необходимо затра- чивать дополнительное время на закупку. Готовое сырье и материалы отправляются в цех № 1 на лущение и сушку (первая фаза произ- водственного процесса). Здесь необходимо учи- тывать две случайные величины: неисправность оборудования в цехе (СВ6) и длительность техно- логического процесса (СВ7). «Infokommunikacionnye tehnologii» 2020, Vol. 18, No. 4, pp. 489-493 Рисунок 1. Бизнес-процесс «Производство продукции» Рисунок 2. Реализация алгоритма в среде AnyLogic Рисунок 3. Структура времени выполнения заказа на предприятии После сушки готовые блоки без проверки на качество отправляются в цех № 2 на прессование (вторая фаза производственного процесса). Слу- чайные величины подпроцесса: длительность прессования (СВ8) и загруженность цеха (СВ9). Прессованный шпон отправляют в цех № 3 (третья фаза производственного процесса) на ме- ханическую обработку. Длительность обработки является случайной величиной (СВ10). Затем начальником цехов осуществляется контроль качества продукции. Если продукция не проходит контроль, ее возвращают обратно на этап подготовки сырья. На проверку продукции затрачивается значи- тельное время, появляется случайная величина длительности проверки продукции (СВ11), а так- же количества присутствия брака (СВ12). В свою очередь, продукция, прошедшая кон- троль, отправляется в отдел фасовки на упаковку, а затем он отправляет всю продукцию на склад, где ее принимает отдел снабжения (случайная величина - длительность сдачи на склад (СВ13). Заказ считается выполненным. Алгоритм исследуемого процесса можно представить в виде блок-схемы, содержащей типовые функциональные объекты библиотеки AnyLogic [5]. Реализация разработанного алго- ритма модели с помощью объектов встроенной библиотеки Enterprise Library осуществляется путем запуска модели (см. рисунок 2). На основании проведенного моделирования процесса производства продукции можно сде- лать вывод, что большую проблему в процессе создают три поочередно работающих производ- ственных цеха: цех № 1 - лущение и сушка, цех № 2 - прессование и цех № 3 - обработка, ко- торые затормаживают процесс производства (см. рисунок 3). Разработка рекомендаций по повышению эффективности бизнес-процесса Оптимизационный эксперимент с разрабо- танной моделью предприятия позволяет изучить поведение модели при заданных условиях или улучшить производительность модели, найдя варианты решения проблемы, при которых дости- гается наилучший результат работы модели. Для этого используется возможность оптимизации модели AnyLogic. Оптимизация модели AnyLogic заключается в автоматическом последовательном выполне- нии нескольких прогонов модели с различными вариантами наилучших условий. Руководством предприятия рассматривается вариант повыше- ния качества деятельности предприятия при ус- ловии, что на каждом цехе после изготовления деталей должен проводиться контроль качества, а только потом заготовки будут отправляться в другой цех. Любые дефекты, выявленные в процессе про- изводства на этапе контроля качества, безуслов- но, являются огромными потерями, которые при- водят к дополнительным затратам на доработку или утилизацию брака. Исходя из этого, наглядно можно увидеть, что при постановке на выходе каждой производственной фазы контроля качества время выполнения заказа снижается, увеличивается количество качественной выпускаемой продукции. В качестве рекомендаций по повышению эф- фективности бизнес-процесса предлагается оп- тимально организовать производство с учетом транспортировок, сокращая расстояния любых перевозок. Поскольку данное производственное предприятие сталкивается с необходимостью пе- ремещения продукции между операциями, каж- дый процесс перемещения требует затрат времени, электроэнергии, топлива и других ресурсов.
×

About the authors

E. I Gorozhanina

Povolzhskiy State University of Telecommunications and Informatics

Email: zhdanova63@gmail.com
Samara, Russian Federation

E. A Gorobets

Povolzhskiy State University of Telecommunications and Informatics

Email: liza.gorobets@mail.ru
Samara, Russian Federation

References

  1. Новые информационные технологии: подготовка кадров и обучение персонала. Ч. 2. Имитационное моделирование и управление бизнес-процессами в инфокоммуникациях / Э.М. Димов [и др.]. Самара: СамНЦ РАН, 2008. 350 с
  2. Димов Э.М., Богданова Е.А. Имитационное моделирование бизнес-процессов компании: методическое пособие к курсовой работе для студентов специальности 080801 (прикладная информатика в экономике). Самара: ПГАТИ, 2007. 31 с
  3. Горожанина Е.И., Горобец Е.А. Анализ результатов имитационного моделирования производственного процесса // Татищевские чтения: актуальные проблемы науки и практики: материалы XVII Международной науч.-практ. конф. Тольятти. 2020. Т. 3. С. 28-30
  4. Димов Э.М., Павлова Н.И. Изучение законов распределения случайных величин на основе обработки статистических данных на персональных ЭВМ: методическое руководство. Самара: СГЭА, 1995. 34 с
  5. Гмурман В.Е. Теория вероятностей и математическая статистика: учебное пособие для вузов. М.: Высшая школа, 2000. 479 с
  6. Дубровин А.С., Семенов М.Е. Имитационное моделирование случайных факторов: методические указания к практическим занятиям по курсу «Имитационное моделирование экономических процессов». Воронеж, 2005. 32 с
  7. Строгалев В.П., Толкачева И.О. Имитационное моделирование. М.: МГТУ им. Баумана, 2008. 67 с
  8. Лоу А., Кельтон В. Имитационное моделирование и анализ. СПб.: Питер, 2004. 848 с
  9. Рыжиков Ю.И. Имитационное моделирование. Теория и технологии. М.: Альтекс-А, 2004. 384 с
  10. Горожанина Е.И., Горобец Е.А. Имитационное моделирование производственного процесса // XXVII Российская научная конференция профессорско-преподавательского состава, научных сотрудников и аспирантов. Самара. 2020. С. 237-238

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2020 Gorozhanina E.I., Gorobets E.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies