PFT, Σενζέν
Η επιλογή της βέλτιστης χωρητικότητας μετατροπής εργαλείου επηρεάζει σημαντικά την αποδοτικότητα της μηχανικής, ιδίως με διαφορετικά μεγέθη παρτίδων.χαρακτηριστικά μεγέθους παρτίδας (όγκος)Η συλλογή δεδομένων περιλάμβανε ανώνυμα ημερολόγια παραγωγής, συστήματα παρακολούθησης χρήσης εργαλείων,και λογισμικό παρακολούθησης μηχανών πάνω από 18 μήνεςΤα αποτελέσματα δείχνουν ότι οι δυσανάλογες παραγωγικές ικανότητες (υπομετρημένες ή υπερμετρημένες) συμβάλλουν σε απώλειες παραγωγικότητας 12-28% λόγω υπερβολικού χρόνου διακοπής της μετάβασης ή υποεκμετάλλευσης των κεφαλαιακών επενδύσεων.Προτείνεται ένα πλαίσιο λήψης αποφάσεων, που συσχετίζει το μέσο μέγεθος παρτίδας, τα μοναδικά εργαλεία ανά οικογένεια εξαρτημάτων και την στόχο συχνότητα αλλαγής.Τα ευρήματα δείχνουν ότι η ευθυγράμμιση της παραγωγικής ικανότητας με τις πραγματικές απαιτήσεις παραγωγής μειώνει κατά μέσο όρο κατά 19% τον χρόνο μη κοπής χωρίς να απαιτείται τροποποίηση του υλικούΟι κατευθυντήριες γραμμές για την εφαρμογή εστιάζουν στην αξιολόγηση των υφιστάμενων ροών εργασίας με βάση τα δεδομένα.
Η αποτελεσματική επεξεργασία παρτίδας βασίζεται στην ελαχιστοποίηση του μη παραγωγικού χρόνου.Ένα μικρό περιοδικό αναγκάζει τις συχνές χειροκίνητες αλλαγές εργαλείων ̇ να σταματήσει η παραγωγικότητα της άλεσηςΑντίθετα, ένα υπερμεγέθη σύστημα φουσκώνει το κόστος και τους χρόνους κύκλου χωρίς απτά οφέλη.Αυτή η ανάλυση αντιμετωπίζει ένα επίμονο σημείο πόνου.: ποσοτικοποίηση της αποθήκευσης εργαλείων που απαιτούνται για συγκεκριμένα σενάρια παραγωγής παρτίδων με χρήση εμπειρικών επιχειρησιακών δεδομένων.
Η μελέτη ανέλυσε ανώνυμα σύνολα δεδομένων από 127 εγκαταστάσεις στους τομείς της αυτοκινητοβιομηχανίας, της αεροδιαστημικής και της ακριβούς μηχανικής.
Διανομή μεγέθους παρτίδαςΙστορικοί όγκοι παραγγελιών (1-5000 μονάδες)
Χρήση εργαλείων:Συχνότητα κλήσεων εργαλείων ανά εργασία μέσω ημερολογίων ελεγκτή μηχανής
Διάρκεια μετάβασης:Χρόνοι αλλαγής εργαλείου με χειροκίνητο ή αυτόματο χειρισμό (χρονοδιαγράμματα με χρονογραφίες PLC)
Διαφορά μοντέλου μηχανής:Συστήματα Haas, Mazak και DMG Mori με χωρητικότητα εργαλείων 12-120
Η συγκέντρωση δεδομένων χρησιμοποιήθηκε με Python (Pandas, NumPy) με στατιστική επικύρωση σε R. Οι εγκαταστάσεις διαχωρίστηκαν ανά κύριο εύρος μεγέθους παρτίδας (πρωτοτύπων: 1-20 μονάδες, μεσαίου όγκου: 21-250 και μεγάλου όγκου: 251+).
Ένα προγνωστικό μοντέλο συσχετίζει τη βέλτιστη χωρητικότητα (Επικαιρότητα) με βασικές μεταβλητές:
Όπου η σταθερή * k * (0,7 ̇ 1,3) προσαρμόζεται για την ανοχή αλλαγής (κάτω * k * = ταχύτερες αλλαγές έχουν προτεραιότητα).
Υπομεγέθη περιοδικών (< 20 εργαλεία):23% μέση απώλεια χρόνου σε παρτίδες > 50 μονάδες από χειροκίνητες επεμβάσεις (εικ. 1).
Μεταλλικές συσκευές:Παρατηρήθηκαν 7-15% μεγαλύτεροι χρόνοι κύκλου λόγω της πιο αργής κινηματικής αναζήτησης εργαλείων· το ROI μειώθηκε κάτω από το 60% της χρησιμοποίησης.
Σχήμα 1: Χρόνος μη κοπής έναντι χωρητικότητας εργαλείου
Μέγεθος παρτίδας | 12- Εργαλείο | 24-Εργαλείο | 40- Εργαλείο |
---|---|---|---|
20 μονάδες | 8% | 5% | 6% |
100 μονάδες | 28% | 12% | 9% |
500 μονάδες | Α/Χ* | 18% | 14% |
**Απαιτείται χειροκίνητη επαναφόρτωση |
Πρωτότυπα:12-20 εργαλεία (επεξεργάζονται το 85% των εργασιών <20 μονάδες)
Μεικτά μέρη μεσαίου όγκου24-32 εργαλεία (ισορροπία ευελιξίας και ταχύτητας)
Υψηλού όγκου ειδικές γραμμές:30-40 εργαλεία (ελαχιστοποιεί τις αλλαγές για μεγάλες περιόδους)
Το "καλό σημείο" εξαρτάται απόΣυνοχή της οικογένειας μερώνΜια εγκατάσταση που εκτελεί παρτίδες 50 μονάδων από 5 παρόμοια εξαρτήματα απαιτεί πολύ λιγότερες θέσεις από μια εγκατάσταση που εκτελεί 50 μοναδικά εξαρτήματα.Το 60% των ελεγχόμενων εταιρειών με χαμηλότερες επιδόσεις χρησιμοποίησαν "κανονισμό" επιλογής της ικανότητας (e)(π.χ. να ταιριάζει με τη μηχανή ενός ανταγωνιστή).
Τα δεδομένα δεν περιλαμβάνουν ειδικές γραμμές μεταφοράς εξαιρετικά μεγάλου όγκου (> 10 χιλιάδες μονάδες).
Η ικανότητα αλλαγής εργαλείου επηρεάζει άμεσα την κερδοφορία στην παραγωγή παρτίδων.
Αποφύγετε το υπερμεγέθος:Οι δυνατότητες > 40 εργαλείων σπάνια δικαιολογούν κυρώσεις κόστους/χρόνου κύκλου, εκτός εάν χρησιμοποιούνται > 500 μοναδικά εργαλεία ετησίως.
Στόχος 24-32 Μέσα για την ευελιξία:Το εύρος αυτό καλύπτει το 92% των σενάριων παραγωγής μεσαίου όγκου που μελετήθηκαν.
Αναλύστε τα κοινά εργαλεία:Συγκεντρώστε τα τμήματα σε οικογένειες.Οικογένεια, όχι μεμονωμένα στοιχεία.
Οι μελλοντικές εργασίες θα ενσωματώσουν την πρόβλεψη φθοράς εργαλείων σε δυναμικούς αλγόριθμους κατανομής χωρητικότητας.