Aktuální vydání

celé číslo

08

2019

MSV 2019 v Brně

celé číslo

Systémová analýza dat o průchodu zakázky evidenčními body

Tento článek volně navazuje na příspěvek Projekt digitální továrny ve Škoda Auto (Automa č. 7/2008, str. 58), který pojednával o využívání nástrojů digitální továrny a diskrétních simulací. Tentokrát představují autoři jedno z možných řešení, jak na jednotné bázi analyzovat reálná výrobní data a výstupy ze simulačních nástrojů. Ty lze mezi sebou porovnávat a vyvozovat pak patřičné závěry.
 

Úvod

 
Aktuální situace v automobilovém sektoru nutí výrobce pružně reagovat na nové podněty v reálném čase. To předpokládá dobrou znalost stávajícího výrobního systému a jeho možností. Jako vhodné východisko se používají historická data z již existujících výrobních informačních systémů. „Ostrá výrobní data“ toho však o výrobním systému mnoho neprozradí. Detailnějším studiem na základě analýz je však možné jejich vypovídající schopnost zvýšit, a získat tak konkrétní znalosti o výrobním systému. K tomuto účelu jsou vhodná například data z evidenčních bodů (dále jen EB). Evidenční bod může být chápán v užším slova smyslu jako bod, kde jsou v daném čase načítány informace pomocí automatického či ručního zařízení (nejčastěji čtečky, skeneru apod.). V širším slova smyslu je však možné data z EB nahradit jinými daty s patřičnou strukturou a pak stejně a za použití stejných nástrojů analyzovat data ze simulačního softwaru, logistická data či data o kvalitě výroby.
 
Protože však jde o výrobní data za dlouhá časová období (velké datové soubory), bylo žádoucí jejich analýzu nejen formulovat a standardizovat, ale rovněž vyvinout promyšlený nástroj, který pomůže získat z dat požadované informace. Výstupem analýzy provedené tímto nástrojem je návrh doporučení pro samotnou výrobu (poměry zakázek pro jednotlivé závody, použití vhodných směnových režimů, změny logiky řízení dopravní a manipulační techniky, logistické koncepty apod.).
 

Otázky jako impulz pro vývoj

 
Impulzem pro vývoj nástroje k analýze dat byly následující otázky, které si pracovníci plánování výroby kladli společně s kolegy z Vysoké školy Škoda Auto:
 
Využíváme veškerý potenciál, který máme v historických datech o již realizované výrobě?
 
V různých výrobních oblastech vznikají podobné požadavky na analýzu stávající produkce. Nemohli bychom přístup k analýze standardizovat, a využívat tak přínosy jednotného metodického a uživatelského přístupu?
 
Nebylo by možné pomocí historických dat z výrobních systémů a současným využitím nástrojů diskrétních simulací predikovat budoucí stav výrobního systému?
 
Odpovědí na tyto otázky je funkční analytický nástroj – Analyzer of Production Processes (APP), vyvinutý v rámci grantu Interní grantové agentury Škoda Auto, IGA.
 

Analytický nástroj APP

 
APP je obecný analytický nástroj, který umí pracovat s daty z různých datových zdrojů. Prostřednictvím rozhraní je možné data do tohoto nástroje importovat, dále je různým způsobem filtrovat a takto upravená data analyzovat. Analýzy se dělí do tří celků podle počtu analyzovaných evidenčních bodů: analýzy jednoho, dvou a více bodů. Každá analýza má detailně propracovanou metodiku, která je v analytickém nástroji implementována. Ta se může podle typu analýzy v dílčích krocích odlišovat. Například u analýz zaměřených na dosaženou produkci nebude třeba filtrovat duplicitní průchody evidenčními body, u analýz zaměřených na dodržování sekvencí určitých znaků může být zajímavý poslední průchod prvku daným EB. Uživatel pak dále může s importovanými daty pracovat a vyhodnocovat je podle svých potřeb. Grafické výstupy mohou být využity pro lepší pochopení systému, srovnání dat s daty z jiného období. Pomocí simulace je možné zjišťovat vlivy změn a rovněž optimalizovat podnikové (zejména výrobní) procesy. Na obr. 1 je popsána základní metodika analýzy dat z EB.
 

Příklady využití analýz

 
Analytický nástroj APP v sobě integruje několik desítek typů různých analýz. Mezi nejpoužívanější z nich patří:
  • analýza dosažené četnosti průchodu EB,
  • analýza velikosti bloku konkrétního znaku,
  • analýza doby mezi průchody jedním EB,
  • analýza doby průchodu objektu mezi dvěma EB,
  • analýza průběhu obsazenosti objektů mezi EB,
  • analýza sekvence objektů.
V následujícím textu jsou popsány tři typy analýz, které jednak dokumentují možnosti nástroje APP a jednak stručně charakterizují způsob interpretace výsledků.
 

Analýza četnosti průchodu jedním evidenčním bodem

 
Prvním typem analýzy je dosažená četnost průchodu jedním EB (obr. 2). Na obrázku jsou zachyceny průchody jedním evidenčním bodem za půl roku. Každý průchod je reprezentován jedním modrým bodem v grafu. Na jednom listu lze takto zachytit průchod jedním evidenčním bodem i za poměrně dlouhé časové období. Graf poskytuje první náhled na výrobní systém. Z obrázku plyne, že jde o jednosměnný provoz, kde je během pracovní doby jedna půlhodinová přestávka. Dále lze z grafu identifikovat dny pracovního klidu. Lze zde poměrně snadno získat představu o tom, jak velký je podíl průchodů EB mimo sledované období. S těmito průchody si propracovaný systému filtrování dat poradí tak, aby jimi nebyly ovlivňovány výsledné statistiky. Rozmezí mezi jednotlivými body znamená dobu mezi průchody EB. Ta může být ovlivněna různými činiteli: typem pracoviště (zda jde o manuální operaci, robotizované pracoviště či dopravníkový systém), dále velikostí zásobníků před a za EB apod. Důvodem delšího rozmezí může být také prostoj, způsobený buď na pracovišti samotném, nebo zřetězením prostojů na předchozích nebo následujících pracovištích.
 

Analýza doby mezi průchody karoserie evidenčním bodem

 
Na obr. 3 je vidět výsledek analýzy doby mezi průchody karoserie evidenčním bodem. Zahrnuje jak histogram intervalové četnosti, tak jeho kumulativní vyjádření. Na obrázku jsou zřetelné některé typické znaky, které pomohou obrázek lépe číst. Jde o manuální pracoviště (zřejmé podle rozložení histogramu). Lze z něj určit takt linky (tedy čas, který je nezbytně nutný pro vykonání dané operace). Takt se v tomto případě rovná nejnižší dosažené hodnotě. Analýza ukazuje tři extrémy (pouze dva z nich jsou relevantní – třetí je způsoben změnou měřítka sledovaných hodnot na ose x). První z nich říká, že na daném pracovišti je poměrně často dosahováno hodnot mezi 54 až 56 s. Vzhledem k existenci druhého extrému lze usuzovat na to, že toto pracoviště je pod vlivem jiného pracoviště (tzv. zřetězení taktu), dopravníkové techniky či logiky jejího řízení.
 

Analýza průchodu karoserie mezi dvěma evidenčními body

 
Na obr. 4 je graf analýzy průchodu mezi dvěma nezávislými evidenčními body. Souřadnice x jednotlivých bodů v grafu udává čas průchodu karoserie vstupním EB, zatímco souřadnice y udává čas průchodu stejné karoserie výstupním EB. Z grafu lze snadno zjistit, kdy kus prošlý v určitý okamžik vstupním bodem bude k dispozici ve výstupním bodě. Je tak patrné, že kus prošlý vstupním EB do jedenácté hodiny bude s velkou pravděpodobností identifikován na výstupním EB ještě týž den. V opačném případě ovlivní průchod výstupním EB směnový režim (ten jej posune až na začátek dalšího pracovního dne). Výsledky této analýzy mohou např. ukázat, zdali lze v plánovaném čase zajistit subdodávky pro jiný výrobní proces a zda postup v jednom procesu nebude negativně ovlivňovat jiný proces tím, že mu nedodá dostatek vstupních polotovarů.
 

Kombinace analýz poskytne celkový pohled

 
Optimálních výsledků lze dosáhnout kombinací několika analýz. Tak lze získat celkový pohled na danou problematiku a informace, s nimiž lze dále pracovat. Je-li pro určitou situaci vytvořen model v některém z nástrojů pro diskrétní simulaci, je možné na tomto podkladě predikovat budoucí stav (scénáře what-if). Na této bázi lze bez jakéhokoliv rizika testovat změny vedoucí ke zlepšení výrobního procesu a následně navrhnout potřebná opatření.
 

Přínosy využití APP

 
Nástroj APP přinese tyto výhody:
  • lepší celkový pohled na reálné procesy a nacházení nových souvislostí,
  • definování úzkých míst a jejich vazby na ostatní oblasti,
  • odstranění duplicit, které plynou z různých metodických přístupů,
  • posilování interního know-how,
  • hardwarová a softwarová nenáročnost.
Velkou výhodou také je, že ačkoliv se pracuje s různými zdroji dat, neexistuje v APP rozdíl mezi daty z výrobních systémů a virtuálními daty ze simulačních experimentů. Vše je vyhodnocováno podle jednotné metodiky s využitím jednoho nástroje (snadná verifikace dat).
 

Závěr

 
Výsledky práce s vyvinutým analytickým nástrojem APP významně překračují původní očekávání. Nejenže se podařilo uspokojivě odpovědět na uvedené otázky, ale navíc může APP využívat stále širší okruh uživatelů. Nástroj je také rozšiřován o nové okruhy analýz. V současné době je do něj implementována metodika pro vyhodnocování taktů a prostojů. Do budoucna bude možné díky modularitě zvoleného řešení nástroj rozšiřovat např. i směrem k analýzám kvality či výrobních nákladů.
 
Projekt Progresivní pohled na průběh výrobního procesu s využitím komplexní systémové analýzy dat o průchodu zakázky evidenčními body byl realizován za podpory grantu IGA ŠA VŠ TP/07/01.
 
Ing. Vladimír Karpeta,
Ing. Jiří Štoček, Ph.D.,
Škoda Auto a. s., Mladá Boleslav
 
Obr. 1. Obecná metodika analýzy dat z evidenčních bodů
Obr. 2. Přehled počtu karoserií prošlých jedním evidenčním bodem
Obr. 3. Histogram intervalového rozdělení četnosti doby mezi průchody karoserií
Obr. 4. Graf závislosti času průchodu karoserie mezi dvěma EB