A data-driven methodology for the balancing of paced assembly lines

The Assembly Line Balancing Problem (ALBP) consists in the allocation of every task of the assembly process to exactly one workstation. In the modern assembly lines, the ALBP is made more complex by the stochasticity of the processes. This type of problem is faced in both the design phase of the lines (Greenfield) and the modification phases of already existing lines (Brownfield), in this case it is possible to talk about re-balancing. The main characteristic of the re-balancing is the possibility to collect data directly from the existing line. This thesis investigates the re-balancing of paced assembly lines, characterized by stochastic task times, with the objective to minimize the number of workstations to open, given not only the cycle time but also a minimum reliability required. The study is focused on the development of a fully data-driven methodology able to solve the re-balancing problem from the Reliability-based Branch and Bound presented by Diefenbach and Stolletz (2020) but using a reduced number of observations of the task times. The algorithm is inserted in a procedure inspired by the Bootstrap methodology, creating different scenarios using the re-sampling with replacement of the initial observations, in order to reduce the required number of samples. Furthermore, it is sequenced with an optimization process with the objective of maximizing the ability of the assembly line to complete all the activity required in a workstation within the defined cycle time. The analysis shows how the developed procedure is able to drastically reduce the quantity of data required by the Reliability-based Branch and Bound developed by Diefenbach and Stolletz (2020), comparing it not only to this algorithm but also to other two approaches developed starting from that. In addition, the results highlight in many cases also the capability to reach a balancing that performs better in terms of reliability of the line. All the numerical tests are done on lines with variable task times, created starting from some deterministic model in literature.

L'Assembly Line Balancing Problem (ALBP), consiste nel trovare un'assegnazione di ogni task del processo di assemblaggio ad una e una sola stazione di lavoro. L'ALBP è reso più complesso dalla stocasticità dei vari processi di assemblaggio nelle linee moderne. Questo tipo di problema viene affrontato sia nella fase di design della linea (Greenfield) che nelle fasi di modifica di una linea già esistente (Brownfield), nel qual caso si parla di re-balancing, caratterizzato dalla possibilità di raccogliere dati direttamente dalla linea già esistente. Questa tesi va ad investigare il re-balancing di linee di assemblaggio di tipo paced, con tempi di processo variabili e l'obiettivo di minimizzare il numero di stazioni da aprire, dati il tempo di ciclo che un'affidabilità minima richiesta della linea. L’obiettivo è lo sviluppo di una metodologia totalmente data-driven in grado di risolvere un re-balancing partendo dal Reliability-based Branch and Bound (RB&B) presentato in Diefenbach e Stolletz (2020), ma utilizzando un ridotto numero di osservazioni dei tempi di processo. L'utilizzo dell'algoritmo viene inserito all'interno di una procedura che trae ispirazione dalla metodologia di Bootstrap, andando a creare degli scenari da analizzare tramite un ricampionamento con sostituzione delle osservazioni iniziali, così da diminuire il numero di dati necessari all'ottenimento di un risultato affidabile. L'algoritmo viene inoltre affiancato a un processo di ottimizzazione che mira a massimizzare la capacità della linea di assemblaggio di svolgere tutte le attività richieste in una stazione entro il tempo limite. L'analisi svolta va a mostrare come la procedura sviluppata riesce a ridurre radicalmente la quantità di dati originariamente richiesta dal RB&B, comparandola non solo con quest'ultima ma anche con altri due approcci che utilizzano lo stesso algoritmo originale. I risultati mostrano non solo una riduzione dei dati necessari, ma in molti casi anche una miglior performance in termini di affidabilità della linea. Tutti i test numerici sono stati fatti su linee con tempi di processo variabili, generate a partire da alcuni modelli deterministici presenti in letteratura.