Model-based reconstruction of missing production data to support production planning decisions in high-volume high-mix job shops

In the current strategic environment, manufacturing companies are pushed to achieve increasing levels of product customization, while still guaranteeing high production volumes and decreasing delivery lead times. This results in an increase of complexity for production systems, in particular for Job Shop systems. To ensure the correct management in such complex context, companies strive to improve their decision making by exploiting the advancements being made in information technologies applied to production, also referred to as Industry 4.0. A relevant challenge regards the extraction of valuable knowledge from the information technologies for supporting Production Planning, which consists in the assignment of future and yet unrealized production to the resources of the company. Being a decision making process based on estimations and forecasts of future performance, the information and quality of the estimations are directly related to the validity of the decision making. As the complexity of the production system rises, it is increasingly problematic to obtain estimates and aggregated data which allow the making of accurate forecasts. The proposed methodology aims therefore to exploit the formal knowledge of the company managers regarding the production system to develop a simulation model. Through it, some of the knowledge and information about the system can be extracted and reinterpreted by correcting data in a way that allows to predict correctly the future behaviour of the production system. An application of this approach has been carried out as case study by implementing the proposed method to a Job Shop production system of a real manufacturing company. A set of meetings and interviews have been conducted to finalise the sharing of data and useful insights about the company. Part tracking data, estimated production data, and the logic behind the production system are collected and elaborated through the software MatLab to reconstruct the real production history and through Simulink to build the discrete event simulation model. As a results of the application of the proposed approach, a bridge for information belonging to different levels of the company is built and by correcting the simulation model to re-align its outputs with reality, knowledge about the production system is increased.

Nell’attuale scenario, le aziende manifatturirere sono spinte a raggiungere sempre piú elevati livelli di personalizzazione dei prodotti, e nel frattempo essere in grado di garantire sempre un elevato volume produttivo e piú stringenti tempi di consegna. Questo scenario introduce una crescente complessitá nel sistema di produzione, ancor piú rilevante per i sistemi di tipo Job Shop. Per assicurarsi una corretta gestione in tale contesto complesso, le aziende si sforzano di migliorare i processi di decisione, sfruttando gli avanzamenti tecnologici nei sistemi informativi applicati alla produzione, che viene generalmente definita come Industria 4.0. Una rilevante sfida riguarda l’estrazione di valida conoscenza dai sistemi informativi per supportare la programmazione di produzione, la quale consiste nell’assegnare la futura e quindi non ancora realizzata produzione alle risorse dell’azienda. Essendo il processo di decisione basato su stime e previsioni delle future prestazioni, l’informazione e la qualitá ricavante dalle stime sono strettamente collegate al valore della decisione. Con l’aumentare della complessitá del sistema produttivo, diventa problematico ottenere stime e dati aggregati che permettano di fare accurate previsioni. La metodologia proposta si pone l’obiettivo di sfruttare la conoscenza formale dei direttori di produzione riguardo al sistema produttivo, per sviluppare un modello di simulazione. Attraverso il modello sará dunque possibile re-interpretare e estrarre ulteriori informazioni sul sistema attraverso una correzione dei dati stimati in modo tale che questi permettano di prevedere in maniera piú affidabile il comportamento futuro del sistema di produzione. Il metodo é stato applicato ad un reale sistema manifatturiero di tipo Job Shop. Sono state condotte una serie di interviste con i direttori di produzione per finalizzare la raccolta dati e approfondire la conoscenza dell’azienda. Sono stati collezionati dati sul tracciamento delle parti, stime sui tempi di processo, a le logiche che governano il sistema produttivo. I dati sono stati elaborati attraverso il software MatLab per ricostruire la storia di produzione reale, mentre attraverso Simulink per costruire il modello di simulazione ad eventi discreti. Come risultato dell’applicazione del modello proposto, si é costruito un ponte per le informazioni appartenenti a diversi livelli gerarchici dell’azienda e attraverso il riallineamento del modello di simulazione alle prestazioni reali, la conoscenza sul sistema di produzione viene aumentata.