| Summary: | The industrial company Scania CV AB is a world leader in the manufacturing of commercial vehicles. They offer a modular systems that include heavy trucks and buses that can be configured to a range of different needs. However, this adaptability leads to a problem where each order can have a large variance of assemblers that are re-quired during the manufacturing process. In other words, variant assemblers have a workflow that can shift from high workload to low workload and vice versa in a short period of time. To solve this problem a prototype will be developed. This prototype will be used to check if it’s possible to optimize the work schedule for variant assem-blers with the help of predictive simulations. The result of the study became an implementation in form of a prototype. This prototype is built up in two layers; a data layer and a simulation layer. The data layer provides the simulation layer with two different datasets. The first dataset is based on historical data and is derived from Scania’s production in Zwolle. The second dataset is based on synthetic data which is formed with a high utilization rate in order to mimic a better production situation with less product variants to assemble. The simulation layer consists of a DES-model that is modelled after a station in the final assembly of Zwolle. After a simulation has been executed, this layer generates a simulation result in form of a graph that presents the utilization rate for a group of variant assemblers. This will happened for each dataset in the data layer, in this case two times. The simulation result that got produced shows that it’s possible to create a simulation with predictive characteristics. A long term solution for Scania’s problem statement requires more research within the possibility of combining different technologies such as DES with predictive methods such as ML and GAs. === Industriföretaget Scania CV AB är världsledande inom tillverkning av kommersiella fordon. De tillhandahåller ett modulärt system som inkluderar tunga lastbilar och bussar som kan konfigureras till en rad olika behov. Den här anpassningsförmågan leder dock till ett problem där varje order som tillverkas kan ha en stor varians av hur många montörer som krävs under produktion. I andra ord så har variantmontö-rer ett arbetsflöde som kan skifta från hög arbetsbelastning till låg arbetsbelastning och vice versa under en kort period. För att lösa dessa typer av problem så ska en prototyp med prediktiva egenskaper så som Diskrete Event Simulering (DES). Denna prototyp ska undersöka om det är möjlighet att optimera arbetsscheman för variantmontörer med hjälpa av prediktiva simuleringar. Resultatet av studien blev en implementation i form av en prototyp. Denna prototyp är uppbyggd i två lager; ett datalager samt ett simuleringslager. Datalagret tillhandahåller simuleringslagret med två dataset. Det första datasetet är baserad på historisk data och är härledd från Scania’s produktion i Zwolle. Det andra datasetet är baserat på syntetisk data som är framtagen med en högre utnyttjandegrad för att efterlikna ett bättre produktionssitation med färre produkt varianter att montera. Simuleringslagret består av en DES-model som är modulerad efter en station i slutmontering i Zwolle. Efter att en simulering har exekverats så genererar detta lager ett simuleringsresultat i form av en graf som presenterar utnyttjandegraden för en grupp med variant montörer. Detta sker för varje dataset i datalagret, i detta fall två gånger. Simuleringsresultatet som togs fram visar att det är möjligt att ha skapa simuleringar med prediktiva egenskaper. En långsiktig lösning för Scania’s problem-beskrivningen kräver mer forskning inom möjligheten att kombinera tekniker som DES med prediktiva metoder som ML och GAs.
|
|---|
