Laboratory for innovation MUSP. Macchine utensili e sistemi di produzione. Laboratorio MUSP

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Laboratory for innovation MUSP. Macchine utensili e sistemi di produzione. Laboratorio MUSP www.musp.it"

Mirella Rosati
8 anni fa
Visualizzazioni

1 Laboratory for innovation MUSP Macchine utensili e sistemi di produzione

2 Sommario La schedulazione della produzione Gli obiettivi nella schedulazione Le problematiche legate alla schedulazione della produzione I principali approcci matematici alla schedulazione I principali approcci software alla schedulazione Problemi aperti 30/04/2010 2

produzione I principali approcci matematici alla schedulazione I

3 Allocare temporalmente, secondo specifici criteri ben definiti, un insieme di risorse (limitate) ad attività da eseguire. Risorse M1 M2 Scheduling Distinta base Fasi e tempi Risorse produttive MPS MRP Scheduling/ dispatching Produzione 8:00 9:00 10:00 11:00 12:00 piano aggregato data di rilascio data di consegna piano di dettaglio

Risorse M1 M2 Scheduling Distinta base Fasi e tempi Risorse produttive MPS MRP

4 Obiettivi Elevata soddisfazione del cliente: puntualità delle consegne Bassi livelli di scorte e semilavorati: WIP (Work In Process) e FGI (Finished Good Inventories) Alto utilizzo dei macchinari 30/04/2010 4

semilavorati: WIP (Work In Process) e FGI (Finished

5 Puntualità delle consegne Livello di servizio: percentuale/frazione di ordini consegnati in tempo. Frequentemente utilizzato in sistemi Make to order. Tasso di riempimento: percentuale/frazione di domanda soddisfatta da FGI. Frequentemente utilizzato in sistemi Make to stock. Lateness: differenza fra la data in cui l ordine deve essere consegnato (due date) e la data di consegna. Il valore medio ha poco senso pratico, più utile una misura di variabilità. Ritardo: uguale a lateness se l ordine è in ritardo, valore nullo se in anticipo. Il valore medio è utile per il controllo della produzione. 30/04/2010 5

Lateness: differenza fra la data in cui l ordine deve essere consegnato (due date) e la data di consegna.

6 days WIP Riduzione del WIP riduzione del tempo nel sistema produttivo Riduzione dei costi: meno denaro in scorte Aumento della qualità: rapida identificazione dei difetti Maggiore flessibilità nel rilascio degli ordini di produzione Miglioramento delle previsioni Lead time Lead time WIP /04/2010 6

previsioni Lead time 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0.111 0.115 0.119 0.123 0.128 0.133 0.139 0.145 0.152 0.159 0.

7 Utilizzo Elevati utilizzi portano al raggiungimento di alti valori di ROI (Return On Investment) 100% di utilizzo è impossibile Il valore massimo raggiungibile è strettamente legato alla variabilità del processo Il valore target di utilizzo è una decisione strategica Lead time utilizzo 30/04/2010 7

00 60.00 40.00 20.00 0.00 0.1030928 0.106383 0.1098901 0.1136364 0.1176471 0.1219512 0.1265823 0.1315789 0.1369863 0.1428571 0.1492537 0.15625 0.

8 Vincoli Il piano di schedulazione deve rispettare un insieme di vincoli specifici dell azienda: precedenze tecnologiche finestre temporali in cui eseguire le attività capability delle macchine disponibilità dei materiali 30/04/2010 8

tecnologiche finestre temporali in cui eseguire le

9 Classi di complessità: Classe P: i problemi P hanno soluzione polinomiale. Classe NP: i problemi NP non hanno soluzione polinomiale. Esempio: I problemi di sequenziamento crescono come n!. 3! = 6, 4! = 24, 5! = 120, 6! = 720, 10! =3,628,800, 13! = 6,227,020,800 25!= 15,511,210,043,330,985,984,000,000 Problematiche 30/04/ E+22 8E+22 7E+22 6E+22 5E+22 4E+22 3E+22 2E+22 1E+22 0 e n / n

Esempio: I problemi di sequenziamento crescono come n!. 3! = 6, 4! = 24, 5! = 120, 6! = 720, 10!

10 Problematiche Quante attività possiamo schedulare in modo ottimo? Number of Jobs Computer Time microsec microsec microsec microsec microsec millisec millisec millisec sec sec min 20 77,147 years Wallace J. Hopp, Mark L. Spearman, /04/

32 microsec 9 362.88 microsec 10 3.63 millisec 11 39.92 millisec 12 479.

11 Tempi di calcolo: algoritmi NP algorithms sono lenti. Problematiche Tecnologia: computer più veloci non aiutano a risolvere problemi NP Complessità: i problemi reali di schedulazione hanno complessità NP Dimensioni: centinaia di ordini di produzione da sequenziare; impossibile trovare la soluzione ottima. Robustezza: presumibilmente, oltre alla soluzione ottima, esistono diverse altre buone soluzioni. Euristiche: algoritmi polinomiali possono essere utilizzati per trovare buone soluzioni. Alcuni esempi: Simulated Annealing Tabu Search Algoritmi genetici 30/04/

complessità NP Dimensioni: centinaia di ordini di produzione da sequenziare; impossibile trovare la soluzione ottima.

12 Teoria classica Schedulazione classica: Vantaggi Sequenze ottime Problemi ipotesi non corrette. Tutti i materiali sono disponibili all inizio dell orizzonte di schedulazione. Tempi di processo deterministici. Setup non ammissibili. Guasti non ammissibili. Preemption non ammissibili. Unica funzione obiettivo. Esiste la soluzione ottima per il caso 2 macchine in sequenza 30/04/

Tempi di processo deterministici. Setup non ammissibili. Guasti non ammissibili.

13 Violazione delle ipotesi: Ci sono sempre più di 2 macchine da schedulare. I tempi di processo non sono deterministici. Non tutti i materiali sono disponibili dall inizio. I tempi di processo dipendono dalla sequenza. Teoria classica Difficoltà del problema: Non è possibile trovare la soluzione ottima in un problema reale di schedulazione. Gli approcci polinomiali, come il dispatching, potrebbero non funzionare bene. 30/04/

I tempi di processo dipendono dalla sequenza.

14 Maggiori gradi di libertà Date di consegna: possiamo decidere le date di consegna. Divisione dei job: possiamo ottenere job più piccoli dividendo job grandi. Schedule ammissibili: non dobbiamo trovare un piano di schedulazione ottimo, ma solo un buon piano ammissibile. Focus sul collo di bottiglia: concentrarsi sul processo collo di bottiglia semplifica il problema (macchina singola). Capacità produttiva: la capacità può essere aggiustata dinamicamente (straordinari, lavoro interinale, ecc.) per rendere il problema di schedulazione ammissibile. 30/04/

Schedule ammissibili: non dobbiamo trovare un piano di schedulazione ottimo, ma solo un buon piano ammissibile.

15 Dispatching: ordinamento dei job alla macchina (classe P). Regole di dispatching: FIFO (First In First Out): La regola più semplice. SPT (Shortest Processing Times): Funziona bene con date di consegna stringenti. Dispatching EDD (Earliest Due Date): Funziona bene quando i job hanno circa la stessa grandezza. ATCS (Apparent Tardiness Cost with Setups): E una regola combinata (priorità clienti, set-up, date di consegna)... Problemi risolti con dispatching: Presentano soluzioni non ottime (a volte anche pessime) e miopi. 30/04/

Dispatching EDD (Earliest Due Date): Funziona bene quando i job hanno circa la stessa grandezza.

16 Porzione di sistema considerata Scheduling/dispatching 100% regole di dispatching semplici regole di dispatching look-ahead scheduling 0% 0% 100% Orizzonte di tempo considerato 30/04/

17 Approcci matematici Branch & bound Enumerazione implicita delle alternative 30/04/

18 Approcci matematici Piani di taglio Esempio 30/04/

19 Approcci matematici Constraint programming Decomposizione (Master e sottoproblemi) Aggregazione (macroattività) 30/04/

20 Ricerca locale Hill-Climbing Min-Conflicts Simulated Annealing Tabu-Search GSAT WalkSat 30/04/

21 Ricerca globale Evolutionary algorithms Genetic algorithms Memetic algorithms Population based algorithms. Particle swarm algorithms Ant colony algorithms Bees algorithms 30/04/

22 Approcci software Fixed leadtime backward scheduling (MRP) Rule based forward scheduling (FACTOR) AI/Expert System approaches (MIMI) Bottleneck scheduling (OPT) Heuristics (MADEMA/PROMIS) Diagnostic (backward) scheduling (MRP-C) Perturbation scheduling 30/04/

23 Cosa risolvere ancora? Dinamico vs statico Multi-obiettivo Stochastic scheduling Distributed scheduling Interazione con MRP Comprensione dei risultati Riconfigurabilità degli algoritmi Self-adaptability 30/04/

24 Laboratory for innovation Contatti: Grazie

Documenti analoghi

Ottava Edizione. La Programmazione e Controllo della Produzione Prof. Sergio Cavalieri

Ottava Edizione. La Programmazione e Controllo della Produzione Prof. Sergio Cavalieri Ottava Edizione La e Controllo della Produzione Prof. Sergio Cavalieri e Controllo di Produzione : compiti 2 Rendere disponibili le informazioni necessarie per: Gestire in modo efficiente ed efficace il