A simulation-based approach for the design and performance evaluation of production systems in data-limited situations

The performance evaluation of manufacturing systems is a topic of increasing interest in the latest years. This work deals with the performance evaluation and optimization of a manufacturing system by means of simulation subject to input uncertainty. By input uncertainty is meant, in this context, the uncertainty of the parameters to be used as input for the simulator. In the specific case of manufacturing systems, these parameters are typically the reliability, the production rate and the repair time of machines, or the cost of production, or the demand to be satisfied, etc. The value of these parameters is typically estimated through the collection of empirical data, which is, however, often time-consuming and costly. Consequently, when few data are available, the estimated value of the input parameters for the simulation software may be very different from their actual value, and this estimation error inevitably propagates into the performance evaluation of the system of interest. Most of the traditional approaches provide results based on the assumption of correctness in the estimation of the input parameters, but this type of method often leads to estimation errors and, consequently, to incorrect optimization choices. The aim of this paper is, therefore, to provide a method for correct performance evaluation and optimisation that takes rigorously into account the uncertainty in the value of the input parameters that arises from the lack of data. The procedure is also suited to the case where there is no data available to estimate the value of certain parameters. In this case, the value of the input parameters and their uncertainty is estimated by means of a survey that is proposed to the experts. The procedure is finally applied on two case studies, demonstrating its flexibility in being applied in different industrial contexts.

La valutazione della performance dei sistemi produttivi è un argomento oggetto di crescente interesse negli ultimi anni. Questo lavoro tratta della valutazione della performance e della ottimizzazione di un sistema di produzione mediante simulazione soggetta a incertezza in input. Per incertezza in input si intende, in questo contesto, l'incertezza nei parametri da utilizzare come input per il simulatore. Nello specifico dei sistemi produttivi, questi parametri sono tipicamente l'affidabilità, il ritmo di produzione e il tempo di riparazione delle macchine, oppure il costo di produzione, o la domanda da soddisfare etc. Il valore di questi parametri viene tipicamente stimato mediante la raccolta di dati empirici, che tuttavia richiede spesso tempo e costi non trascurabili. Di conseguenza, quando i dati a disposizione sono pochi, il valore stimato dei parametri in input per il software di simulazione può essere molto differente dal loro valore reale e questo errore di stima inevitabilmente si propaga nella valutazione della performance del sistema di interesse. Gran parte degli approcci tradizionali presenti in letteratura forniscono dei risultati basati sull'ipotesi della correttezza della stima dei parametri in input, ma questo tipo di metodo induce spesso ad errori di valutazione e, conseguentemente a scelte erronee di ottimizzazione. Lo scopo di questo lavoro è dunque quello di fornire una procedura che consenta una corretta valutazione della performance e una procedura di ottimizzazione che tengano rigorosamente conto dell'incertezza nel valore dei parametri in input che scaturisce dalla carenza di dati. La procedura si adatta naturalmente anche al caso in cui non vi sia alcun dato a disposizione per stimare il valore di alcuni parametri. In questo caso, il valore dei parametri in input e la relativa incertezza viene stimato mediante un sondaggio che viene proposto agli esperti. La procedura viene infine applicata su due casi-studio, dimostrando la sua flessibilità nel poter essere applicata in contesti industriali differenti.