Summary: | I detta arbete har studerats hur flödet i en flerstegs- bearbetningsprocess påverkas av stokastiska fluktuationer och störningar i de enskilda processtegen. Mera bestämt har analys utförts av hur de stokastiska variationerna i operationstiderna kan och bör modelleras vid simuleringsstudier. Även hur påverkan av valet av sådana stokastiska modeller kan tänkas ha på processen i sin helhet, till exempel avseende total genomloppstid. Examensarbetet syftar till att undersöka hur val av fördelning på parametern operationstid, påverkar resultatfaktorn genomloppstid vid flödessimuleringar. För att finna svar på denna påverkan har en fallstudie utförts, med utgångspunkt av indata från en produkt som tillverkas på Volvo Aero. Denna produkt genomgår en tillverkningssekvens innehållande 18 stycken bearbetningsoperationer innefattande tre olika processtyper (automatisk, halvautomatisk och manuell). Dessa tre processtyper är i olika grad beroende av operatörers insats. De 18 bearbetningsoperationernas processtid har analyserats numeriskt och grafiskt. Programvaran Stat:fit har använts som hjälpmedel för att erhålla svar på lämplig fördelning per tillverkningsoperation samt vilka teoretiska fördelningar som är lämpliga att använda för de tre olika processtyperna. De rekommenderade fördelningsteorierna per tillverkningsoperation har genomgått fördelningstest (Chi2, Kolmogorov-Smirnov och Anderson-Darling) och använts som grund vid skapande av försöksplan till simuleringsstudien. Simuleringsstudien har utförts enligt försöksplan i programvaran Simul8. Samtliga körningar från simuleringsmodellen är statistiskt säkerställda med 95 % konfidensintervall. Fallstudien har visat att resultatpåverkan från operationstidernas fördelningstyp är relativt liten vid simulering av komplexa system där faktorer som nivå av tillverkningsvolym och tillgänglighet har större påverkan på resultatfaktorn genomloppstid. Vid enklare modeller utan begränsning i form av reducerad tillgänglighet synliggörs skillnad i simuleringsresultat av olika val av fördelning på parametern operationstid. Fördelningen av dessa simuleringsresultat styrks av den centrala gränsvärdessatsen, det vill säga att om antalet observerade värden är tillräckligt stort, uppträder resultatet som normalfördelat. === Discrete event simulation is used to imitate and analyze how systems change over time. The actual behavior of the variation in the system is interpreted by using discrete and continuous probability distributions. In the software program Simul8, simulation models are created based on the information collected from the production. Shifts, operation time and efficiency are examples of information required for the modeling process. The aim with this bachelor´s thesis was to investigate how different choice of probability distributions on the parameter operation time affects the result of a discrete event simulation. The thesis is a result of a case study performed at Volvo Aero Corporation, Sweden. The case study involves investigation of probability distribution for 18 manufacturing operations for a product. The manufacturing sequence consists of three different types of processes (automatic, semiautomatic and manual). These three types of processes need different level of instrumentality. The commercial statistical computer software, Stat:fit has been used to find proper probability distribution for each of the manufacturing operations. The results from Stat:fit have been used to analyze if there are any connections between the process type and the probability distributions. The recommended probability distributions have been tested with Goodness-of-fit tests (Chi2, Kolmogorov-Smirnov and Anderson-Darling) using Stat:fit and used in the simulation modeling. The simulation model has been validated and verified by a simulation advisor at Volvo Aero. Five different simulation models have been evaluated in Simul8, with five different types of distributions. All simulation runs have been statistical proved, in Simul8 with 95% confidence interval. The result of this study indicates that the variation of process time has limited effect for complex simulation models containing low level of efficiency and high load factors, concerning the result of throughput time. For simple models, excluded from restricted efficiency, the effect on the throughput time is featured.
|