УДК 658.51
doi: 10.37993/2712-8733-2022-3-3-17-25
РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ ДЛЯ РЕШЕНИЯ ЗАДАЧ ОПЕРАТИВНОГО ПЛАНИРОВАНИЯ МЕЛКОСЕРИЙНОГО ПРОИЗВОДСТВА
Полина Андреевна Русских1, Денис Владимирович Капулин2, Олег Владимирович Дрозд3
1, 2, 3 Сибирский федеральный университет, Красноярск, Россия
1 prusskikh@sfu-kras.ru, orcid.org/0000-0003-2858-2893
2 dkapulin@sfu-kras.ru, orcid.org/0000-0002-4260-1408
3 odrozd@sfu-kras.ru , orcid.org/0000-0001-7374-253X
Аннотация. Производство радиоэлектронной продукции является стратегически важной отраслью. Чаще всего предприятия такого типа используют стратегию производства под заказ, в свою очередь такое производство характеризуется серийностью, а не массовостью. Помимо серийности производства, еще одной особенностью является большое число номенклатурных позиций с разнообразным жизненным циклом и технологической цепочкой. Из-за повышенной сложности гибких мелкосерийных производств, затраты которые несут такие предприятия обычно выше, чем в системах массового производства. Все это создает необходимость в эффективном использовании имеющихся средств, выявлении и оптимальном использовании собственного потенциала производственных мощностей. Использование имитационного моделирования это возможность создавать цифровые модели логистических систем (например, производства), оптимизировать работу производственных цехов, производственных линий, а также отдельных логистических процессов. В статье обсуждаются возможные применения программного обеспечения Tecnomatix Plant Simulation для моделирования производственных процессов и подчеркиваются преимущества применения такого моделирования. Разработанная имитационная модель позволяет применять некоторые интегрированные инструменты оптимизации и расширенные аналитические инструменты для оптимизации пропускной способности и работы производственных предприятий и отдельных логистических процессов и минимизации незавершенного производства.
Ключевые слова: имитационное моделирование, оптимизация, загрузка оборудования, планирование производства
Благодарности: Благодарности: исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-07-00226 «Исследование вариантов построения архитектуры информационной системы синхронного планирования позаказного сборочного производства».
Для цитирования: Русских П. А., Капулин Д. В., Дрозд О. В. Разработка имитационной модели для решения задач оперативного планирования мелкосерийного производства // Цифровизация. 2022. Т. 3, № 3. С. 17—25. https://doi.org/10.37993/2712- 8733-2022-3-3-17-25. EDN: OTUNTY
Список цитируемой литературы
1. Рамзаева Е. А., Смелов В. Г., Кокарева В. В. Имитационное моделирование производственных систем предприятия TecnomatixPlantSimulaton: метод. указания. Самара: СГАУ им. С. П. Королева (нац. исслед. ун-т), 2013. 51 с.
2. Русских П. А., Капулин Д. В., Дрозд О. В., Смоглюк С. Ю. Разработка автоматизированной системы динамического картирования потока создания ценности // Вестник НГУ. Серия: Информационные технологии. 2022. Т. 20. № 1. С. 67-80. EDN: RMQUXP
3. Barlas Y., Özgün O. Queuing systems in a feedback environment: Continuous versus discrete-event simulation // Journal of Simulation. 2018. V. 12. № 2. P. 144-161.
4. Belil S., Tchernev N., Kemmoé-Tchomté S. Simulation based optimization decision support tool for production planning // IFAC-PapersOnLine. 2019. V. 52. № 13. P. 2402-2407.
5. Lohmer J., Lasch R. Production planning and scheduling in multi-factory production networks: a systematic literature review // International Journal of Production Research. 2021. V. 59. № 7. P. 2028-2054.
6. Maria A. Introduction to modeling and simulation // Proceedings of the 29th conference on Winter simulation. 1997. P. 7-13.
7. Mayr A., Lechler T., Donhauser T., Metzner M., Schäffer E., Fischer E., Franke J. Advances in energy-related plant simulation by considering load and temperature profiles in discrete event simulation // Procedia CIRP. 2019, 81, pp. 1325-1330.
8. Mehta R. Discrete-time simulation for performance modelling of FIFO single-server queuing system // International Journal of Systems, Control and Communications. 2022. V. 13. № 2. P. 112-132. EDN: HMVWLA
9. Reece K., Avansino J., Brumm M., Martin L.,Day T. E. Determining future capacity for an Ambulatory Surgical Center with discrete event simulation // International Journal of Healthcare Management. 2021. V. 14. № 3. P. 920-925. EDN: HGTTTD
10. Rece L., Vlase S., Ciuiu D., Neculoiu G., Mocanu S., Modrea A. Queueing Theory-Based Mathematical Models Applied to Enterprise Organization and Industrial Production Optimization // Mathematics. 2022. V. 10. № 14. P. 2520. EDN: QOMIMS
11. Teerasoponpong S., Sopadang A. A simulation-optimization approach for adaptive manufacturing capacity planning in small and medium-sized enterprises //Expert Systems with Applications. 2021. № 168. P. 114451. EDN: URMGIQ
12. Trojan J., Trebuňa P., Mizerák M., & Duda R. Assembly line design through software Tecnomatix module process designer // Acta Simulatio. 2020. V. 6. № 2. P. 7-11. EDN: LPDUQW
13. Vieira M., Moniz S., Gonçalves B. S., Pinto-Varela T., Barbosa-Póvoa A. P., & Neto P. A two-level optimisation-simulation method for production planning and scheduling: the industrial case of a human-robot collaborative assembly line // International Journal of Production Research. 2022. V. 60. № 9. P. 2942-2962. EDN: MLDRYQ
14. Zhang F., Song J., Dai Y., & Xu J. Semiconductor wafer fabrication production planning using multi-fidelity simulation optimisation // International Journal of Production Research. 2020. V. 58. № 21. P. 6585-6600. EDN: MNIAHL