Paperinjalostuslinjojen ajo-ohjelmien monitavoiteoptimointi geneettisen algoritmin ja simuloinnin avulla
Junnila, Santeri (2024)
2024
Konetekniikan DI-ohjelma - Master's Programme in Mechanical Engineering
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2024-04-25
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202404234109
https://urn.fi/URN:NBN:fi:tuni-202404234109
Tiivistelmä
Tässä työssä oli tarkoituksena selvittää kahta paperinjalostuslinjaa koskevien kokonaiskustannusten ja KPI-lukujen (Key Performance Indicator) yhteyksiä. Tarkasteltavia KPI-lukuja olivat tuotantotehokkuutta kuvaava OEE (Overall Equipment Effectiveness), toimitusvarmuutta ja palvelutasoa kuvaava OTIF (On Time, In Full) sekä varastotasot. Kokonaiskustannusten ja KPI-lukujen tavoitteet ovat osin ristiriitaisia. Esimerkiksi OEE:n maksimointi ajoeriä pidentämällä kasvattaa varastoon sitoutunutta pääomaa. Kiinteillä kysyntään perustuvilla ajoeräkoilla joidenkin tuotteiden ajoerät saattavat taas olla huomattavan lyhyitä huonontaen OEE:tä. Tarkoitus on selvittää kustannusten kannalta kannattavin toimintamalli, ja selvittää mitä KPI-luvut tässä olisivat. Myös toimintamallin käyttöönottamiseksi vaadittavia toimia selvitetään.
Selvitystä tehtiin haastatteluin sekä tutkimalla erilaisten tuotanto- eli ajo-ohjelmien ja eräkokojen vaikutusta toiminnan kokonaiskustannuksiin ja KPI-lukukuihin. Jotta ajo-ohjelmien tuottamien kustannusten ja KPI-lukujen arviointi olisi mahdollista, muodostettiin tarkasteltavista tuotantolinjoista ja varastosta yksityiskohtainen simulointimalli. Simulointimallille syötettyjen ajo-ohjelmien pohjalta saatiin laadittua linjakohtaiset käyttökustannukset, päiväkohtaiset varastointikulut sekä myöhästyneistä toimituksista aiheutuneet kustannukset. Myös varastotasot, OEE:t ja OTIFit pystyttiin mallintamaan, kun mallille syötettiin skenaariota kuvaava kysyntätilanne.
Linjojen tuotannonsuunnitteluun pyrittiin myös luomaan optimaalisempi toimintamalli. Tätä varten simulointimallin oheen koottiin heuristisiin algoritmeihin lukeutuva geneettinen algoritmi. Geneettisen algoritmin avulla pyrittiin hakemaan mahdollisimman optimaalisia ajo-ohjelmia eri eräkokosäännöillä. Kunkin eräkokosäännön kanssa muodostettuja parhaiden ohjelmien kokonaiskustannuksia verrattiin keskenään. Muodostettu optimointialgoritmi löysi käytetyillä mittareilla arvioitaessa pienemmän kokonaiskustannuksen sekä paremman tuotantotehokkuuden tuottavia ajoohjelmia.
Tutkimuksessa ei saatu muodostettua yleistettävää ajomallia. Muuttuva kysyntätilanne saattaa aiheuttaa sen, että samat suunnittelusäännöt eivät tuota eri tilanteissa optimaalisimpia tuloksia. Työssä kehitetyn algoritmin suoriutumiseen perustuen suositellaan tuotannonsuunnittelua tukevan optimointialgoritmin käyttöönottoa. Työssä esitettiin simulointipohjainen päätöksentekotyökalu tuotannonsuunnittelun tarpeisiin.
Selvitystä tehtiin haastatteluin sekä tutkimalla erilaisten tuotanto- eli ajo-ohjelmien ja eräkokojen vaikutusta toiminnan kokonaiskustannuksiin ja KPI-lukukuihin. Jotta ajo-ohjelmien tuottamien kustannusten ja KPI-lukujen arviointi olisi mahdollista, muodostettiin tarkasteltavista tuotantolinjoista ja varastosta yksityiskohtainen simulointimalli. Simulointimallille syötettyjen ajo-ohjelmien pohjalta saatiin laadittua linjakohtaiset käyttökustannukset, päiväkohtaiset varastointikulut sekä myöhästyneistä toimituksista aiheutuneet kustannukset. Myös varastotasot, OEE:t ja OTIFit pystyttiin mallintamaan, kun mallille syötettiin skenaariota kuvaava kysyntätilanne.
Linjojen tuotannonsuunnitteluun pyrittiin myös luomaan optimaalisempi toimintamalli. Tätä varten simulointimallin oheen koottiin heuristisiin algoritmeihin lukeutuva geneettinen algoritmi. Geneettisen algoritmin avulla pyrittiin hakemaan mahdollisimman optimaalisia ajo-ohjelmia eri eräkokosäännöillä. Kunkin eräkokosäännön kanssa muodostettuja parhaiden ohjelmien kokonaiskustannuksia verrattiin keskenään. Muodostettu optimointialgoritmi löysi käytetyillä mittareilla arvioitaessa pienemmän kokonaiskustannuksen sekä paremman tuotantotehokkuuden tuottavia ajoohjelmia.
Tutkimuksessa ei saatu muodostettua yleistettävää ajomallia. Muuttuva kysyntätilanne saattaa aiheuttaa sen, että samat suunnittelusäännöt eivät tuota eri tilanteissa optimaalisimpia tuloksia. Työssä kehitetyn algoritmin suoriutumiseen perustuen suositellaan tuotannonsuunnittelua tukevan optimointialgoritmin käyttöönottoa. Työssä esitettiin simulointipohjainen päätöksentekotyökalu tuotannonsuunnittelun tarpeisiin.