A hybrid model for steady-state performance evaluation of manufacturing systems

Companies are interested in knowing and predicting the performances of their manufacturing systems. Typically, a steady-state evaluation is required to support long-term and strategical decisions, such as reconfiguration of a plant or investments in new resources. In the literature this type of problem is typically addressed by the implementation of modelling approaches. Analytical methods provide an exact solution for production lines. However, strictive hypothesis of analytical models may not fit with the overall production system characteristics, especially if its complexities increase. In these cases, simulation models are generally preferred. Nevertheless, simulation models are characterized by a finite simulation time length and results are affected by uncertainties. Also, longer development time and efforts should be encountered while performing a simulation study of a very large and complex system with respect to the models found in the literature. In this thesis work, a new modelling method is developed by combining different modelling techniques to take advantages from one or another approach. A focus is made on combining analytical/discrete-event simulation models, but also DES/DES for steady-state performance evaluation. The method is based on a decomposition solution procedure. The system is decomposed, so that each sub-portion is modelled with a proper technique. Then, the sub-models are integrated together to evaluate average performances of any type of manufacturing system. The hybrid model can provide accurate results of the total system performance, as well as the key performance indicator estimates of each resource. Indeed, the method has been tested and validated in an experimental plan. At last, it is implemented successfully in a real case study, to model the ABB plant located in Dalmine (BG), in order to support strategic reconfiguration decisions and to demonstrate its validity and powerfulness. The hybrid model has revealed a new promising approach for modelling and evaluating complex manufacturing systems while supporting design and reconfiguration decisions.

Le aziende sono sempre più interessate a conoscere e predire le prestazioni dei loro sistemi di produzione. In genere, è necessaria una valutazione in stato stazionario per supportare decisioni strategiche a lungo termine, come la riconfigurazione di un impianto o gli investimenti in nuove risorse. In letteratura questo tipo di problema è tipicamente affrontato mediante l'implementazione di approcci modellistici. I metodi analitici forniscono una soluzione esatta per le linee di produzione. Tuttavia, le ipotesi dei modelli analitici potrebbero essere troppo restrittive per le caratteristiche di un sistema produttivo, soprattutto se questo è particolarmente complesso. In questi casi, sono preferiti i modelli di simulazione. Tuttavia, i modelli di simulazione sono caratterizzati da un tempo di simulazione limitato e i risultati sono affetti da incertezze. Inoltre, si dovrebbero incontrare tempi e sforzi di sviluppo più lunghi durante l'esecuzione di uno studio di simulazione di un sistema molto ampio e complesso rispetto all’utilizzo di modelli presenti in letteratura. In questo lavoro di tesi, viene sviluppato un nuovo metodo di modellazione che combina diverse tecniche di modellazione per trarre vantaggio dall'uno o dall'altro approccio. L'attenzione si concentra sulla combinazione di modelli di simulazione analitici/eventi discreti, ma anche DES/DES per la valutazione delle prestazioni in stato stazionario. Il metodo basa la sua procedura di soluzione sulla decomposizione. Il sistema viene scomposto, in modo che ogni sotto-porzione sia modellata con una tecnica adeguata. Successivamente, i sotto-modelli vengono integrati tra loro per valutare le prestazioni medie di qualsiasi tipo di sistema produttivo. Il modello ibrido può fornire risultati accurati delle prestazioni totali del sistema, nonché stime degli indicatori chiave delle prestazioni di ciascuna risorsa. Il metodo, infatti, è stato testato e validato attraverso un piano sperimentale. Alla fine, viene implementato con successo come caso studio per modellare l’impianto di ABB situato a Dalmine (BG), allo scopo di supportare decisioni strategiche di riconfigurazione e per dimostrarne la validità e la potenza. La modellazione ibrida si è rivelata un nuovo approccio promettente per la modellazione e la valutazione di sistemi di produzione complessi, garantendo il supporto nelle decisioni di progettazione e riconfigurazione.