Optimeret maskinopsætningssekvens

Implementering af en optimeret maskinopsætningssekvens reducerer opsætningsomkostningerne og øger maskinens produktivitet. Det er et vigtigt aspekt af effektiv jobplanlægning og operationel produktionsplanlægning. Nogle virksomheder udleder således optimerede maskinopsætningssekvenser ved hjælp af deres ERP. Det er fantastisk, hvis ERP og stamdata understøtter dette. Andre produktionsplanlægningsteams kan tilføje, at de ikke rigtig har brug for et værktøj eller avanceret analyse til at bestemme den optimale opsætningssekvens, da de har husket opsætningssekvenserne for deres arbejdscentre. Men i denne artikel vender jeg mig mod en tredje gruppe af produktionsvirksomheder, som fx laver deres produktionsplanlægning i Excel, har et produktmix med høj variation eller muligvis kortvarige højfrekvente produktlivscyklusser i deres produktportefølje.

Brug Excel Solver til optimeret maskinopsætningssekvens

Den første tilgang, som en mindre producent kan tage, er at bruge Excel. Ved hjælp af Excel Solver er det muligt at implementere et matematisk program, der f.eks. definerer den optimale opsætningssekvens for en given maskine. Jeg har udviklet en skabelon til dette. Du kan finde den via linket nedenfor.

Link: Maskinopsætningssekvensering med Excel Solver

Excel Solver er tilgængelig i Excel. Det er som et tilføjelsesprogram, der allerede er inkluderet i Excel, men skal aktiveres eksplicit. Denne tilgang er fantastisk for virksomheder, der i øjeblikket laver al deres planlægning i Excel. Men hvis opsætningsmatrixen for den givne maskine eller arbejdscenter omfatter mere end 200 celler, vil Excel Solver ikke længere være i stand til at løse sekventeringsproblemet. Det skyldes, at Excel Solver kun kan håndtere op til 200 beslutningsvariable, altså optimeringsvariable.

En anden ulempe ved at bruge Excel til sekventering af job er, at det er svært at skalere applikationer på tværs af mange arbejdscentre med varierende produktgrupper, opsætningsmatricer og opsætningstider. For en virksomhed, der ikke i øjeblikket laver hele deres produktionsplanlægning i Excel, og som ikke planlægger at købe eller udvikle en tilpasset eller standardiseret ERP, er det derfor bedre at implementere maskinopsætningssekvensering i et Pytho-framework.

Du kan læse mere om Excel Solver her: https://www.solver.com/excel-solver-how-load-or-start-solver

Python til optimeret maskinopsætningssekvens

At bruge Python som et alternativ til Excel Solver er fantastisk for enhver lille virksomhed, der stadig er fleksibel med hensyn til deres planlægningsarbejdsgang. Det betyder, at virksomheden i øjeblikket ikke er begrænset af at bruge Excel eller noget specifikt ERP-system. Hvis virksomheden (f.eks. en nystartet virksomhed) ikke ønsker at bruge ERP-systemer, så kan Python være en fantastisk måde at implementere et skalerbart planlægnings-workflow med utallige arbejdscentre, routings og produkter eller produktgrupper pr. opsætningsmatrix og maskine.

Det er meget nemmere at implementere en automatiseret planlægningsarbejdsgang for et stort sæt af forskellige arbejdscentre med forskellige opsætningsmatricer (produkter, dele, delfamilier og produktgrupper) ved hjælp af Python (sammenlignet med Excel). Det er også nemmere at vedligeholde opsætningstider, dvs. de underliggende planlægningsdata. Opdatering af opsætningsmatricer og beregning af optimale opsætningssekvenser kan nemt udføres natten over med store sæt arbejdscentre og store sæt job.

Det underliggende matematiske program kan hurtigt implementeres i Python ved hjælp af fx PuLP til modellering og coinOR til løsning. Alle disse værktøjer er gratis. Du skal ikke engang betale for en Excel-licens.

Lær mere om planlægning af jobshop

Du kan finde mange andre bidrag på vores SCDA-blog og i vores SCDA-butik relateret til jobshop-planlægning, opsætningssekvensoptimering og relaterede produktionsplanlægningsemner. Her er nogle flere SCDA-bidrag, som kan være interessante for dig.