Performance analysis and improvement of an industrial production line through a discrete event simulation

In modern manufacturing environments, production systems are gradually required to achieve high throughput while operating under resource constraints and variability. This Thesis studies the performance and improvement potential of an industrial plate production line characterised by sequential processing: robotised handling, engraving, labelling and inspection operations connected through a trolley-based material handling system. Strong emphasis is given on how stochastic phenomena such as failures, defects, and other non-deterministic sources of variability shape the performance of the production line. To analyse the system, operational data directly provided by the company was combined with measurements collected during an on-site visit. After data cleaning and statistical characterisation, a discrete-event simulation (DES) model of the production line is developed to serve as a digital twin, representing resource behaviour, system interactions, and stochastic disturbances such as micro-stoppages. The model is then validated against real production data to ensure it reproduces both central tendencies and variability patterns of the As-Is system. Simulation-based experiments are conducted to identify bottlenecks, capacity limitations, and performance losses related to unbalanced processing times and resource interactions. Also, simulation-based experiments quantify how different stochastic mechanisms propagate through the line, reveal which drivers of variability produce the most critical degradations, and identify where performance is most sensitive to randomness. Based on these findings, alternative system configurations are evaluated, focusing on system capacities, processing time adjustments, and resource balancing strategies designed to increase throughput and reduce blocking and idle times. In addition, complementary technological solutions are analysed and proposed as potential enhancements to further improve system performance and operational robustness. The results demonstrate that discrete-event simulation is an effective decision-support tool for explicitly modelling stochastic dynamics and interdependencies, and for evaluating improvement scenarios without disrupting real operations. The thesis provides quantitative insights and practical recommendations to improve robustness and throughput while contributing to a deeper understanding of how variability and stochastic dependencies generate bottlenecks and performance losses in automated production lines.

Negli ambienti manifatturieri moderni, i sistemi produttivi sono sempre più chiamati a raggiungere elevati livelli di throughput operando al contempo sotto vincoli di risorse e variabilità. Questa tesi analizza le prestazioni e il potenziale di miglioramento di una linea industriale di produzione di piastre caratterizzata da un processo sequenziale: movimentazione robotizzata, incisione, etichettatura e ispezione, collegate tramite un sistema di movimentazione a carrelli. Particolare enfasi è posta su come fenomeni stocastici quali guasti, difetti e altre fonti non deterministiche di variabilità influenzino le prestazioni della linea produttiva. Per analizzare il sistema, i dati operativi forniti direttamente dall’azienda sono stati combinati con misurazioni raccolte durante una visita in loco. Dopo la pulizia dei dati e la loro caratterizzazione statistica, è stato sviluppato un modello di simulazione a eventi discreti (DES) della linea di produzione, concepito come un gemello digitale, in grado di rappresentare il comportamento delle risorse, le interazioni del sistema e le perturbazioni stocastiche come le micro-interruzioni. Il modello è stato successivamente validato rispetto ai dati reali di produzione per garantire la corretta riproduzione sia delle tendenze centrali sia dei modelli di variabilità del sistema As-Is. Sono stati condotti esperimenti di simulazione per identificare colli di bottiglia, limitazioni di capacità e perdite di prestazione legate a tempi di lavorazione sbilanciati e alle interazioni tra le risorse. Inoltre, tali esperimenti quantificano come diversi meccanismi stocastici si propagano lungo la linea, evidenziano quali fattori di variabilità producono i degradi più critici e identificano le aree in cui le prestazioni risultano maggiormente sensibili alla casualità. Sulla base di questi risultati, sono state valutate configurazioni alternative del sistema, concentrandosi sulle capacità operative, sugli aggiustamenti dei tempi di lavorazione e su strategie di bilanciamento delle risorse volte ad aumentare il throughput e ridurre i fenomeni di blocco e inattività. Inoltre, sono state analizzate e proposte soluzioni tecnologiche complementari come possibili miglioramenti per aumentare ulteriormente le prestazioni e la robustezza operativa del sistema. I risultati dimostrano che la simulazione a eventi discreti rappresenta uno strumento efficace di supporto alle decisioni per modellare esplicitamente le dinamiche stocastiche e le interdipendenze del sistema, nonché per valutare scenari di miglioramento senza interrompere le operazioni reali. La tesi fornisce indicazioni quantitative e raccomandazioni pratiche per migliorare la robustezza e il throughput, contribuendo al contempo a una comprensione più approfondita di come la variabilità e le dipendenze stocastiche generino colli di bottiglia e perdite di prestazione nelle linee di produzione automatizzate.