چکیده:
هدف از این تحقیق نشان دادن توانمندی روش شبیه سازی کامپیوتری در ارتقای بهره وری و متوازن سازی سیستم تولیدی است. این تحقیق سعی دارد تا نخست با تبیین مدلهای شبیه سازی و ابعاد کاربردی آن نگاه خاص خود را بر موضوع بهره وری انداخته و توانمندی این روش را در عرصه بهبود بهره وری نشان دهد. در این راه پاره ای از مطالعات به عمل آمده – که بر مدار بهره وری صورت گرفته – ارایه شده است که با تبیین آنها به دنبال تشریح و اثبات توانمندی خاص شبیه سازی کامپیوتری در حیطه بهبود و ارتقای بهره وری می باشد. مطالعه موردی با شناسایی سیستم مطالعه شده و طراحی مدل سیستم موجود (مدل AS-IS) و تحلیل و بررسی نتایج حاصل از آزمایشهای مدل مذکور آغاز شد. در مرحله بعدی با مشخص کردن ضریب بهره برداری نیروی انسانی وسایل، تجهیزات و شناسایی نقاط گلوگاهی سیستم – که موجب کاهش کارایی و عملکرد آن می شود – اقدام به طراحی راهکارهای بهبود دهنده پیشنهادی (مدل TO-BE) شد. در نهایت با انجام آزمایشهای شبیه سازی و مقایسه و تحلیل نتایج خروجی های به دست آمده از مدل AS-IS و مدلهای TO-BE مشخص شد که یکی از سناریوهای پیشنهادی از میان راهکارهای بهبود دهنده، مناسبترین عملکرد را داشته است.
خلاصه ماشینی:
"بیسلر و همکارانش نیز،کاربرد شبیهسازی و هوش مصنوعی را در بهبود بهرهوری کارخانه تولید چوب بررسی کردند،نتایج تحقیقات آنها نشان داد استفاده از ترکیب بهینه و (به تصویر صفحه مراجعه شود) شکل 1 مراحل انجام تحقیق مناسب منابع و امکانات سازمان موجب کاهش 18 درصدی در متوسط زمان انتظار کل میشود و با به کارگیری الگوریتم ژنتیک ترکیب بهینه منابع و امکانات تنها با بررسی 1/6 درصد از کل ترکیبات ممکن به دست آمد[8].
جدول 2 مقایسه متوسط تولید محصولات در هفته(کارتن)1در وضعیت فعلی و هر یک از سناریوها (به تصویر صفحه مراجعه شود) همچنان که نتایج جدول 2 نشان میدهد،در سناریوهای 1 و 2،متوسط تولید قطعاتی که در وضعیت فعلی سیستم در قسمت رنگآمیزی دارای گلوگاه بودند،افزایش پیدا کرده و این میزان افزایش برای برخی از محصولات در سناریو 1 بیشتر از سناریو 2 است.
بنابراین بهبود سیستم تولیدی به کمک شبیهسازی منوط به طراحی سناریوها و تعیین نتایج آنها و در نهایت مقایسه سناریوها و انتخاب مناسبترین سناریو میباشد ولی با توجه به ارائه الگوریتمهایی چون الگوریتم ژنتیک و شبکههای عصبی برای تحقیقات آینده توصیه میشود که از تلفیق شبیهسازی با الگوریتم ژنتیک و شبکههای عصبی از تواناییهای شبیهسازی در بهینهسازی1سیستمهای تولیدی در زمینههایی که احتیاج به بررسی و ارزیابی سناریوهای فراوانی دارد،مانند تعیین مکان و حجم مناسب ذخیرههای موقت موجودی کالا و ارزیابی تغییرات در حجم و ترکیب محصولات استفاده شود."