Efficient Material Flow in Mixed Model Assembly Lines

Effizienten Materialfluss im Mischmodell Montagelinien Diese Arbeit untersucht ein Materialflusssystem für Fließlinien zur Fertigung von variantenreichen Produkten. Sogenannte Routenzüge kommen häufig zur Bereitstellung von Teilen an den Arbeitsstationen einer Variantenfließlinien zum Einsatz. Die Teile werden in kleinen Behältern (Kleinladungsträgern) im Zentrallager oder in verteilten Zwischenlagern, sogenannten Supermärkten, auf den Routenzug geladen. Bei jeder Tour des Routenzugs werden mehrere Arbeitsstationen mit Kleinladungsträgern versorgt. Der zeitliche Abstand zwischen zwei Belieferungen definiert die Zugumlaufzeit. Ein derartiges Materialbereitstellungssystem, bezeichnet als In-Plant Milk Run, reduziert Bestands- und Transportkosten, weil es eine regelmäßige Just-in-Time Anlieferung der Materialien realisiert. Außerdem bringt es aufgrund der Nutzung kleiner Behälter ergonomische Vorteile mit sich. Weiterhin sinkt das Unfallrisiko. Deshalb findet das In-plant Milk Run System als Alternative zu Gabelstaplern in vielen Branchen, insbesondere in der Automobilindustrie, zunehmend Verwendung. Die Untersuchung dieser Systeme und die optimale Auswahl ihrer Parameter sind wichtige Anliegen, um die Transport- und Bestandskosten zu reduzieren. Diese Arbeit unterscheidet bei der Gestaltung von In-plant Milk Run Systemen fünf verschiedene Problemstellungen (Systeme). Für jedes System wird ein bestimmtes Planungsvorgehen zur Minimierung der kritischen Kosten vorgeschlagen. Zwischen den Systemen gibt es sowohl Ähnlichkeiten als auch Unterschiede. Die Methodik verwendet genetische Algorithmen, ganzzahlige und dynamische Programmierung, Simulation und analytische Untersuchung. Die fünf Systeme werden anhand von Kriterien klassifiziert. Als solche werden das Ausmaß von Störungen, die Verfügbarkeit der Routenzüge, die Genauigkeit der Materialbedarfsschätzungen, die Länge der Montagelinien, der mittlerer Teilebedarf und die Verfügbarkeit von technischer Infrastruktur, wie RFID- oder Barcode-Systemen, herangezogen. Unterschieden werden damit das bedarfsorientierte Zentrallager, der dezentrale bedarfsorientierte Supermarkt, das traditionelle Kanban-System, das elektronische Kanban-System und ein hybrides System, bestehend aus bedarfsorientiertem und e-Kanban-System. Dabei kann das Kanban-System sowohl im Zentrallager, als auch im System dezentraler Supermärkte zum Einsatz kommen. In bedarfsorientierten Systemen wird der Materialbedarf der Arbeitsstationen für eine gewisse Anzahl an Schichten aus der Produktionssequenz und den entsprechenden Stücklisten abgeleitet und ist damit exakt bekannt. In allen Systemen werden einige Restriktionen berücksichtigt. Hierunter fallen die Routenzugkapazität, die Dauer einer Tour und die Kapazität der Lagerflächen direkt an der Montagelinie. In jedem System sind drei Entscheidungsprobleme, das Routing, Scheduling und Loading Problem, zu lösen. Das Routing Problem beinhaltet die Zuordnung von Zügen zu Gruppen von Arbeitsstationen. Im Scheduling Problem werden die Zugumlaufzeit und der Zeitpunkt der ersten Belieferung für jeden Routenzug festgelegt. Die Lösung des Loading Problems erfordert die Determinierung von Art und Menge der in jedem Zyklus und an jede Arbeitsstation ausgelieferten Behälter. Im Falle des Vorhandenseins von Zyklen, in denen der Materialbedarf an einzelnen Arbeitsstationen die Routenzugkapazität übersteigt, werden einige Behälter vorzeitig angeliefert. Dieser Fall wird als „Early Loading“ bezeichnet und tritt in Kanban-Systemen nicht auf. Im System dezentraler bedarfsorientierter Supermärkte ist zusätzlich die Anzahl und der Standort der Supermärkte zu bestimmen („Supermarket Location Problem“). Im traditionellen Kanban-System erfolgt die Festlegung der Kanbanzahl basierend auf dem Zielkonflikt zwischen mittlerem Linienbestand und Fehlbestandswahrscheinlichkeit. Im e-Kanban-System wird der Umfang des zirkulierenden Bestands analog bestimmt. Außerdem wird ein neues Konzept, der sogenannte „Adjusted Electronic Kanban“, zur Behandlung von Kapazitätsengpässen des Routenzugs vorgestellt. Die Ergebnisse sind abhängig vom betrachteten System. Die Leistungsfähigkeit des genetischen Algorithmus zur Lösung des Supermarket Location Problems wurde anhand der Ergebnisqualität, CPU Zeit und der Variabilität dieser beiden Größen untersucht. Es wurden akzeptable CPU Zeiten und eine hohe Ergebnisqualität erreicht. Die Leistungsfähigkeit der drei Kanban-Systeme wurde unter Verwendung von Simulation getestet. Hierbei wurde die Vorteilhaftigkeit des Adjusted Electronic Kanban insbesondere im Fall begrenzter Routenzugkapazität bewiesen. Der inverse Zusammenhang zwischen mittlerem Linienbestand und Fehlbestandswahrscheinlichkeit konnte aufgezeigt werden. Im Falle der bedarfsorientierten Systeme wurde der Effekt von dynamischer Disposition, Early Loading und Minimierung der Anzahl zusätzlicher Anhänger deutlich gemacht. Bei Verwendung des hybriden Systems aus e-Kanban und bedarfsorientiertem System, liefert die dynamische Disposition in Bezug auf die Verarbeitung von Störungenerheblich bessere Resultate als die Einzelsysteme, insbesondere bei hohem Materialbedarf an den Arbeitsstationen.This study investigates the material handling system used in mixed model assembly lines which are important to produce diversified product models to satisfy the increasing customer demand. Tugger trains are used to feed by parts the workstations in the assembly lines. These parts are loaded on trains in small containers (bins) from the warehouse or intermediate stores scattered in the factory. These stores are called supermarkets, which are closer to workstations than the main warehouse. In each train tour, several workstations are replenished by bins every a certain time period called train cycle time. This replenishment system is called in-plant milk run which is used to reduce inventory and transportation costs because of its dependence on repetitive just-in-time parts delivery. Besides reducing costs, ergonomic advantages are obtained due to the use of small-sized bins. Safety hazards are also reduced. As an alternative to forklift system, in-plant milk run was used by several industries especially the automotive industry. It is important to investigate this system and to design its parameters to reduce the total material handling and inventory cost. The study divides the general problem to five different problems (systems) based on the situation on the ground. For each system, a certain planning approach is designed to optimize the parameters of the system to minimize its critical costs. There are some similarities and differences between the systems. The methodology is based on genetic algorithm, integer programming, dynamic programming, simulation, and analytical investigation. The five different systems are classified based on factors such as level of assembly line disturbances, availability of tugger trains, accuracy of expectation of workstations demand for parts, the length of assembly lines and their average demand for parts, and the availability of technical infrastructure such as radio frequency identification (RFID) or bar code technologies. These systems are main warehouse demand-oriented, decentralized supermarket demand-oriented, traditional kanban, electronic kanban, and a hybrid system of e-kanban and demand-oriented systems. The two kanban systems can be applied in both main warehouse and decentralized supermarkets systems. In demand-oriented systems, the exact workstations demand for parts is assumed to be known for the next few shifts based on the predetermined sequencing of product models and needed parts for each product model. Generally some constraints are considered in all the five systems. These constraints are tugger train capacity, tour time, and the capacity of area beside stations. There are three general problems that must be investigated in the systems. These problems are routing, scheduling, and loading problems. Routing problem is the assignment of trains to different stations. In scheduling problem, the train cycle time and the beginning of the movement of the each train are determined. In loading problem, the type and quantities of bins delivered in each train cycle to each workstation are determined. In the case that there are some peak demand periods in which the total stations demand for parts is more than the tugger trains capacity, some bins are delivered before they are needed. This case is called ‘early loading’. Early loading does not exist in both the traditional and electronic kanban systems. In decentralized supermarket demand-oriented system, the location and number of supermarkets are determined. In traditional kanban system, the number of kanban is determined based on the tradeoff between the average line-side inventory and workstation starvation. In e-kanban, the size of circulating inventory in the system is determined for the same purpose. A new approach namely, adjusted electronic kanban, is presented to accommodate train capacity problems. The results depend on the systems investigated. The performance of genetic algorithm used in supermarket location problem was tested based on the quality of the results, CPU time, and variability in both of them. Reasonable CPU time and high quality of results were obtained. The performances of e-kanban, adjusted electronic kanban, and traditional kanban were tested using simulation, where the superiority of adjusted electronic kanban was proven especially in the case of limited tugger trains capacity. The inverse relationship between the average line-side inventory and workstation starvation was presented. In the case of demand-oriented system, the effects of using dynamic scheduling, early loading, and the objective of minimizing the number of extra trailers were obvious to reduce the problems of tugger train limited capacity. In the case of using the hybrid system of e-kanban and demand-oriented systems, the dynamic planning approach outperforms the traditional systems to accommodate the line disturbances especially in the case of large workstations demand