Integrated analysis of manufacturing and supervisory systems

Studies in performance evaluation of automated manufacturing systems have focused on the development of tools that support performance measurement, efficient design, and reconfiguration of manufacturing systems. The use of these tools play a critical role in achieving manufacturing target performances such as average throughput, work in progress and lead time during the design and operation phases of a system. In response, manufacturing systems engineering research in the last decades has developed powerful performance evaluation tools and models that are capable of accurately and efficiently modeling various systems. Traditionally, many of manufacturing system engineering tools assume that machine reliability parameters, such as (Mean Time to Failure and Mean Time to Repair) are available and precisely known. However, in practical situations these parameters are either estimated from real life data or based on experts’ knowledge. In both cases, they are subjected to uncertainty. Indeed, the validity of important system design decisions is dependent on the ability to carry out a significant analysis of the system performance in presence of uncertainty. In addition with digital manufacturing tools becoming increasingly an integral part in the design and operation of manufacturing systems, their design and specification strongly impacts system understanding. Therefore assisting the integrated analysis and design of these tools in relation to manufacturing system configurations is of paramount importance, which motivates this research. The first part of this work proposes methods for the performance analysis of smaller manufacturing systems using exact analytical methods with uncertain parameters estimates. The impact of performance analysis using real data in contrast with precisely known parameters assumptions is investigated. Performance deviations as high as 15% estimation errors are observed by carrying out the analysis ignoring uncertainty in estimations. Important findings from this analysis are highlighted and the relationships that explain the observed differences are analytically presented. Emphasizing on the proven advantages of performance analysis on smaller systems with real data the following parts of the work focus on the development of tools that support performance analysis in complex systems. Alternative approximate techniques that are accurate and efficient in measuring the performance of multi-stage manufacturing systems are proposed. Numerical accuracy and applicability of the proposed methods are presented under different conditions. Additionally a new method based on the decomposition of multi-stage manufacturing lines for the estimation of average throughput is proposed. The method is proved to be accurate and computationally efficient to study long lines. It is used to study and understand important system behaviors under uncertainty, providing important insights in system design under practical scenarios. A gradient based algorithm for the optimal supervisory systems reconfiguration and manufacturing systems reconfiguration is proposed. The method attempts to improve the estimation of the output performance uncertainty by optimally allocating supervisory resources. Exploiting the developed techniques in this work it targets to minimize input uncertainty on the parameters which highly contribute to the output uncertainty. On the other hand it addresses impact of configurations on performance uncertainty by choosing alternative buffer configurations so that target performances can be guaranteed. This allows system designers to evaluate alternative solutions that satisfy a required level robustness for the available resources and knowledge on design parameters. Based on existing buffer optimization techniques, a new approach for the optimization of manufacturing systems under uncertain parameters is proposed. The approach aims at providing the optimal buffer configuration that guarantees the satisfaction of target performances with a given confidence level. Analysis with the traditional approach that addresses the same problem is observed to provide a guarantee level as low as 43%, which compromises system robustness in achieving target performance. The level of additional information or the necessary buffer configuration required in order to introduce desired level of robustness can be analytically determined using this method. The proposed approach is also used for the analysis of an industrial case featuring a buffered multi-stage manufacturing system. Finally, based on the result of this study general design and managerial insights are given in the design and operation of manufacturing systems under uncertainty, which is the case in most practical situations. Future research works that extend the work for improvement of analysis techniques and including additional problems in the integrated analysis and design of supervisory and manufacturing areas are identified and suggested.

Le tecniche per la valutazione delle prestazioni dei sistemi di produzione automatizzati, si sono concentrate sullo sviluppo di strumenti per la misurazione delle performance, per una progettazione e riconfigurazione efficiente dei sistemi di produzione. L'uso di questi strumenti gioca un ruolo critico nella raggiungimento delle prestazioni produttive desiderate, come ad esempio il ritmo produttivo, il numero medio di prodotti in lavorazione e il tempo di attreversamento dei prodotti nel sistema, durante le fasi di progettazione e di funzionamento di un sistema. In risposta a queste esigenze, la ricerca nell'ingegneria dei sistemi di produzione ha sviluppato negli ultimi decenni delle tecniche e modelli per la valutazione delle prestazioni modelli in grado di carpire correttamente ed efficacemente diversi sistemi produttivi. Tradizionalmente, molti strumenti utilizzati per la valutazione sono fondati sull'ipotesi che i parametri affidabilistici delle macchine, come ad esempio (tempo medio di guasto e tempo medio di riparazione) siano disponibili e noti con precisione. Tuttavia, nella pratica questi parametri sono o stimati da dati reali o basati sulla conoscenza degli esperti. In entrambi i casi, essi sono soggetti ad incertezza. Infatti, la validità delle decisioni di progettazione del sistema dipende dalla capacità di svolgere un'analisi significativa delle prestazioni del sistema in presenza di incertezza. Inoltre, dal momento in cui gli strumenti di progettazioni digitali sono sempre più parte integrante delle fasi di progettazione e gestione dei sistemi di produzione, le loro specifiche incidono fortemente sulla capacità di comprendere realmente il funzionamento del sistema. Pertanto, il supporto alle attività di analisi e progettazione di questi strumenti, in relazione alla configurazione dei sistemi di produzione, è di fondamentale importanza e rappresenta la motivazione del presente lavoro di ricerca. La prima parte di questo lavoro propone metodi per l'analisi delle prestazioni di sistemi di produzione di piccole dimensioni mediante l'utilizzo di metodi analitici esatti, in cui si tiene conto dell'incertezza nella stima dei parametri. In questa parte, viene determinato l'impatto sulle prestazioni del sistema derivanti dall'uso di dati reali rispetto all'ipotesi di parametri perfettamente noti. In questo senso, la deviazione sulle prestazioni è fino al 15%, rispetto all'analisi effettuata ignorando l'incertezza nella stima. I risultati di questa analisi sono opportunamente evidenziati, mentre le relazioni che spiegano tali differenze sono espresse analiticamente. La seconda parte del lavoro è focalizzata sullo sviluppo di strumenti di valutazione delle prestazioni per l'analisi di sistemi complessi, partendo dai comprovati vantaggi dimostrati nell'analisi di sistemi più piccoli. In questo senso, sono proposte delle tecniche approssimate per la valutazione delle prestazioni di linee di produzione a più stadi, che sono accurate ed efficienti. La precisione e l'applicabilità dei metodi proposti è verificata in diverse condizioni sperimentali. In aggiunta, è inoltre presentato un nuovo metodo per la stima del ritmo produttivo del sistema, basato sulle tecniche di decomposition. Questo metodo è accurato ed efficiente dal punto di vista computazionale nello studio e nell'analisi di linee di produzione. Inoltre, questa metodologia è utilizzata per studiare e comprendere alcuni comportamenti fondamentali in presenza di incertezza, fornendo considerazioni importanti per quanto riguarda la progettazione del sistema in un contesto reale. In questo lavoro, è proposto un algoritmo basato sulle tecniche del gradiente per la riconfigurazione di supervisori di sistema così come di sistemi produttivi. Il metodo mira al miglioramento della stima dell'incertezza, allocando in maniera ottima le risorse del supervisore. L'applicazione delle tecniche sviluppate in questo lavoro, mirano a minimizzare l'incertezza dei parametri in ingresso, fatto che contribuisce a ridurre l'incertezza dei parametri in uscita. Dall'altro lato, questo aspetto include anche l'impatto delle configurazioni di sistema sulle prestazioni, nel momento in cui vengono considerate diverse soluzioni alternative per quanto riguarda i magazzini interoperazionali. Questo permette ai progettisti del sistema di valutare soluzioni alternative che soddisfano il livello target di robustezza, tenendo conto delle risorse disponibili e della conscenza in merito ai parametri di progettazione. Partendo dalle tecniche di ottimizzazione dei magazzini interoperazioni attualmente esistenti, nel presente lavoro è proposto un nuovo approccio per l'ottimizzazione dei sistemi di produzione in presenza di incertezza sui parametri. L'approccio mira a fornire una configurazione di magazzini interoperazionali ottima, in modo tale da garantire il soddisfacimento di un livello di prestazioni arbitrario secondo un certo livello di confidenza. L'analisi con i metodi tradizionali che affronta il medesimo problema, fornisce un livello di garanzia del 43%, che va ad inficiare la robustezza del sistema nell'ottenimento di un determinato livello di prestazioni target. Le informazioni aggiuntive oppure i magazzini interoperazionali necessari per raggiungere il livello target, possono essere determinate in maniera anlitica utilizzando i metodi sopra citati. L'approccio proposto è anche utilizzato per l'analisi di un caso industriale che riguarda una linea di produzione a capacità finita. Infine, sulla base dei risultati ottenuti, sono fornite una serie di indicazioni per la progettazione e l'esecuzione di sistemi produttivi affetti da incertezza nella stima dei parametri, che costituisce la maggior parte delle situazioni pratiche. La ricerca futura in questo campo, riguarda il miglioramento delle tecniche di analisi e progettazione integrate di supervisori e di sistemi di produzione.