A simulation based framework for production systems analysis and optimization

DES (Discrete Event Simulation) is a common tool for production systems analysis and optimization. Comparison with Queuing Theory and other analytical approaches like Approximate Analytical Methods, results in some Pros and Cons. Arguments in favor of simulation are that it takes transitory into account and it is very flexible regarding: the type of system that can be modeled, and the type of data that can be extracted from it. Some arguments in contrast with usage of simulation are instead: time consuming work behind it and the sophisticated skills needed for design, implementation and analysis of the model. It was right from this premises that this thesis work was elaborated. The main objective of the work is to create an integrated, simulation-based workflow for production system design and optimization. The framework proposed includes an automatic production system mapping procedure, from which a series of matrices containing the relevant data for proper modelling are extracted. Mapping matrices are automatically generated from SAP database through Python™ code. A coherent model generation algorithm is then integrated to the mapping phase. The workflow proposed is then united with a Genetic Algorithm for scheduling optimization. Finally, a what if analysis is proposed to solve an Industrial problem of strategic decision making.

DES (Simulazione ad Eventi Discreti) è uno strumento comune per l'analisi e l'ottimizzazione dei sistemi di produzione. Dal confronto tra la teoria delle code e altri approcci analitici, come i metodi analitici approssimativi, emergono alcuni aspetti a favore e altri contro l’utilizzo della DES. Alcuni argomenti a favore sono il fatto che questo sistema di analisi prende in considerazione elementi transitori e che sia molto flessibile per quanto riguarda: il tipo di sistema che può essere modellato e il tipo di dati che possono essere estratti. Gli argomenti a sfavore sono invece: il lungo tempo che richiede e le competenze sofisticate necessarie per la progettazione, l'implementazione e l'analisi del modello. Questa tesi di laurea è stata elaborata sulla base di queste premesse. L’obbiettivo principale di questo lavoro è quello di sviluppare un flusso di lavoro integrato, basato sulla simulazione, per l’analisi e l’ottimizzazione di un sistema di produzione. Il quadro proposto include una metodologia di mappatura automatica del sistema di produzione. Le matrici di mappatura vengono generate automaticamente dal database SAP tramite il codice Python™. Un algoritmo di generazione del modello coerente con l’output della mappatura viene quindi introdotto. Il flusso di lavoro proposto viene poi integrato con un algoritmo genetico per l'ottimizzazione della pianificazione. Infine, un’analisi di possibili scenari è proposta per dare una risposta ad un caso industriale.