A standard approach to production systems modelling based on discrete event simulation

The continuous evolution of the current manufacturing world requires companies to be able to quickly face the market dynamics and its turbulence. The accelerating trend towards globalisation and an increasing request for product customization are pushing production systems to be more flexible and reconfigurable. Moreover, today more than ever, new industrial paradigms are inspiring companies to constantly reconfigure their assets with the adoption of new technologies and schemes to better compete in this evolving context. Therefore, it is clear that production control strategies and manufacturing systems themselves should be compatible with the concept of fast reconfiguration in order to achieve the highest degree of responsiveness and flexibility. In this panorama, fast modelling and simulation can be a powerful tool to support critical decision making in dynamic manufacturing environments. In fact, it allows to get a fast and inexpensive experimentation and validation of different scenarios without their actual implementation. The objective of this thesis work is to propose a methodological approach for modelling a general production system in a simple, modular and reconfigurable way. The modelling criterion is based on a reduced set of standard entities that reproduce the behaviour of the principal production entities (i.e. workstations, buffers etc.) and whose connection allows to easily build the production system model. The approach is translated into a Discrete Event Simulation (DES) tool implemented in Matlab-Simulink environment. The proposed simulation analysis permits to consider both configuration aspects (layout and Push/Pull logics) and technological-operational parameters (MTBF, scrap, setup, etc.). The model is aimed at simulating the system behaviour over time and providing the Key Performance Indicators (KPIs) needed for the calculation of the Overall Equipment Effectiveness (OEE). The modelling approach was tested on two real manufacturing systems: the Industry 4.0 Lab of Politecnico di Milano and a production line of the Whirlpool factory in Cassinetta (VA).

La continua evoluzione dell’attuale mondo manifatturiero richiede alle industrie la capacità di saper gestire le dinamiche turbolente del mercato. La rapida tendenza alla globalizzazione e una crescente richiesta di prodotti personalizzati spingono i sistemi di produzione ad essere più flessibili e riconfigurabili. Inoltre, oggi più che mai, nuovi paradigmi industriali stimolano le imprese a riconfigurare continuamente i loro asset, adottando nuove tecnologie per essere più competitive in questo contesto in continua evoluzione. Dunque, è evidente che le strategie di controllo della produzione e i sistemi di produzione stessi debbano essere compatibili con il concetto di fast reconfiguration così da ottenere la massima reattività e flessibilità. In questo panorama, la modellazione veloce e la simulazione possono essere un potente strumento a supporto dei processi decisionali in ambienti produttivi dinamici. Infatti, in maniera veloce ed economica, permettono di testare e validare scenari differenti senza la loro effettiva realizzazione. L’obiettivo di questa tesi è quello di proporre un approccio metodologico per modellare un generico sistema di prodizione in maniera semplice, modulare e riconfigurabile. Il criterio di modellazione è basato su un insieme ridotto di standard entities che riproducono il comportamento dei principali componenti di produzione (ovvero stazioni di lavoro, buffer, ecc.) e la cui connessione consente di costruire facilmente il modello del sistema. L’approccio è stato tradotto in uno strumento di simulazione a eventi discreti (Discrete Event Simulation) implementato in ambiente Matlab-Simulink. L’analisi di simulazione permette di considerare sia aspetti di configurazione (layout e logiche Push/Pull) che parametri tecnologico-operativi (MTBF, scarti, setup, ecc.). Il modello ha l’obiettivo di simulare l’evoluzione nel tempo del sistema e fornire i principali indicatori di performance (KPIs) per il calcolo della Overall Equipment Effectiveness (OEE). L’approccio di modellazione è stato testato su due sistemi di produzione reali: l’Industry 4.0 Lab del Politecnico di Milano e una linea di produzione dell’impianto Whirlpool di Cassinetta (VA).