Otomotiv montaj hatlarında montaj öncesi ara stok içeriğinin belirlenmesi

Abstract

Karma modelli montaj hatlarında hattın düzgün ilerlemesi, üretim kısıtları ve müşteri talepleri doğrultusunda belirlenmiş olan çizelgelenmiş sıraya uyuma bağlıdır. Fakat çizelgelenmiş sıra kasıtlı ve kasıtsız araç sıra değişiklikleri nedeniyle bozulabilmektedir. Bozulan sırayı onarmak için boyahane ile montaj departmanları arasında araç yeniden sıralanma ara stoğu bulunmaktadır. Bu ara stok bozulan sırayı üç farklı şekilde onarmaktadır: Bunlar (i) araç sıralarının değiştirilmesi, araçların yeniden sıralanması, (ii) hatalı araçların ara stokta tutulan araçlarla değiştirilmesi, (iii) son olarak da ara stok kapasitesi ve araç hatalarına bağlı olarak yeniden sıralamayla onarmanın mümkün olmadığı durumda ara stoktan montaj hattına araç beslenmesidir. Tezde, boyahanede rastgele oluşan hataları göz önünde bulunduran iki-aşamalı stokastik programlama modeli geliştirilmiştir. Modelin ilk aşamasında, bozulan sıranın onarılması için yeniden sıralama ara stoğunda tutulması gereken optimal model-renk kombinasyonlarına ait miktarlar belirlenmektedir. İkinci aşamada ise boyahanede oluşan hatalar gözlendikten sonra, araçların montaj giriş sıralarına karar verilmektedir. Problemin çözümü ara stok depolama sistemine bağlı olduğundan, otomatik depolama ve çekme sistemleri (AS/RS) ve yeniden sıralama hatları (mix-bank) için iki ayrı model kurulmuştur. Geliştirilen iki-aşamalı stokastik modelin çözümü örneklem ortalaması yaklaşımı (SAA) ile yapılmış, ara stokta tutulması gereken optimal model-renk kombinasyonlarının miktarları belirlenmiştir. Ayrıca hata oranı, ara stok kapasitesi, araçların boya giriş sıralarının çizelgelenmiş sıraya uyumu gibi problem parametrelerinin çözüme etkisini incelemek için bir sayısal çalışma yapılmıştır. Boya hatalarına bağlı araç sıra değişiklikleri anlık karar vermeye dayandığı için, araç üreticilerinin kolaylıkla uygulayabileceği kural tabanlı, sezgisel alternatif bir model kurulmuştur. Geliştirilmiş olan kural tabanlı model matematiksel modele yakın sonuçlar vermiştir. Son olarak, AS/RS ve yeniden sıralama hatlarında karşılaşılan büyük ölçekli problemleri de çözebilmek için, sunulan model genetik algoritma kullanılarak geliştirilmiştir.

In mixed model assembly lines, smooth operation of the line depends on adherence to the scheduled sequence which is determined according to production constraints and customer demand. However, the scheduled sequence is scrambled due to intentional and unintentional sequence alterations. A resequencing buffer between paint and final assembly is located to restore the altered sequence. Restoring the altered sequence requires three distinct operations of this buffer: (i) Changing the positions of vehicles (i.e., resequencing), (ii) replacing spare vehicles with paint defective vehicles, (iii) lastly inserting spare vehicles to final assembly from the buffer when restoring the altered sequence is not possible by resequencing due to paint defects and limited buffer capacity. In this thesis, a two-stage stochastic programming model which considers the stochastic nature of paint defect occurrences is developed. In the first stage of the model, optimal number of model-color types placed into resequencing buffer to restore the scheduled sequence is determined. In the second stage after defect occurrences, the assembly entrance sequences of the vehicles are decided. Since the solution of the problem depends on the resequencing buffer type, two different models for automated storage and retrieval system (AS/RS) and mix-bank are built. The developed two-stage stochastic program is solved by sample average approximation (SAA) algorithm to and the optimal number of model-color types to be placed in the buffer is found. Also a numerical study is performed to investigate the problem parameters to the solution such as paint defect rate, capacity of buffer, adherence ratio of vehicles entering paint shop to scheduled sequence. Since vehicle resequencing due to the paint defects requires instant decision making, another heuristic rule based model to resequence vehicles easily by car manufacturers is developed. The proposed heuristic model performs as good as mathematical model. Lastly, to solve the large scale problems for both AS/RS and mix-bank resequencing buffers the purposed model is enhanced with genetic algorithm.