Bottleneck-Analyse Gruppe 1 Janka Bossert Sven Hilz Jan Nathem 19.01.2014.

Bottleneck-Analyse

Gruppe 1

Janka BossertSven HilzJan Nathem

11.04.23

Janka BossertSven HilzJan Nathem

11.04.23

©2007 Bossert, Hilz, Nathem Hochschule Esslingen Bottleneck-Analyse3

Gliederung

Annahmen Fakten Optimierungsansätze Simulationsergebnisse Verfügbarkeitsanalyse

Variation Maschinengruppe OP 10 – 50 Fazit


Annahmen

Möglichst einfache Modellvisualisierung (keine 3D-Animation), um Simulationszeit zu verkürzen

Washer als Förderbänder Beladen der Maschine erfolgt während der Bearbeitung, so

dass die notwendige Beladezeit nicht zusätzlich eingerechnet werden darf

Größe der BE von 800 mm Der Leistungsgrad der Werker ist mit 100% angenommen;

damit keine internen Linienlogistikprobleme


Fakten

Die Simulation Ressourcenauslastung des Teams Sidiropoulou, Hoffmann, Wolf bringt mit den von Ex-Cell-O vorgegebenen Maschinendaten einen mittleren Jahresoutput von ca. 170.000 Stück bei einer Sicherheitswahrscheinlichkeit von 90% (siehe Ressourcenuntersuchung).

Fazit:Die Plandaten von 190.000 Stück/Jahr sind mit den vorgegebenen Maschinendaten nicht realisierbar


Optimierungsansätze

Bottleneck-Analyser wurde eingesetzt, um die Auslastung der einzelnen Komponenten zu visualisieren

Untersuchung, ob sich eine Geschwindigkeitserhöhung der Förderbänder (Werkerleistung mehr als 120%) auf den Output auswirkt keine relevante Auswirkung

Der Flaschenhals, die Engpassmaschine OP 140 wurde beschleunigt minimale positive Auswirkung

Komplette Auslastungsanalyse ausgehend von der Senke hin zur Quelle die Optimierung der Verfügbarkeit zeigte sich wesentlich effektiver als die Verkürzung der Bearbeitszeit


Simulationsergebnisse

Nach dem Erreichen eines optimalen Outputs von ca. 190.000 Stück/Jahr und einer mittleren Durchlaufzeit von ca. 1,75 h wurden sämtliche Optimierungen noch einmal auf ihre tatsächliche Wirksamkeit überprüft

1. Bottleneck OP 140 Verfügbarkeit um 1,33% auf 98% erhöhen

2. Bottleneck OP 90-105 Verfügbarkeit um 2,33% auf 99% erhöhen

3. Bottleneck OP 70 Verfügbarkeit um 0,49% auf 98,9% erhöhen

4. Bottleneck OP 10-50 Verfügbarkeit um 1,33% auf 98% erhöhen


Verfügbarkeitsanalyse Variation Maschinengruppe OP 10 – 50

Mit Hilfe des Experimentmanagers wurden bei der Maschinengruppe OP 10-50 die Verfügbarkeit der einzelnen Maschinen von 98% mit einer Schrittweit von 0,75% auf 96,5% verringert.

Fazit: Die Verfügbarkeit keiner Maschine dieser Gruppe darf unter 98% liegen.



Bei einer höheren Anzahl an Experimenten im Turnus von jeweils einer Woche sind die Konfidenzintervalle doch recht groß. Man kann hier nicht mit Bestimmtheit sagen, dass durch eine erhöhte Verfügbarkeit sich der Durchsatz signifikant erhöht.

Ein positiver Gradient ist jedoch eindeutig feststellbar.



Die Simulationsstudie hat das Ergebnis gebracht, dass durch die Verbesserung der Verfügbarkeit in einzelnen Simulationsläufen der gewünschte Durchsatz von 190 000 Stück zu erreichen ist.

Die statistische Analyse zeigte jedoch, dass der Durchsatz wesentlich geringer sein kann, wenn Maschinenausfälle zu oft und zu ungünstigen Zeitpunkten auftreten. Der Durchsatz reagiert sehr sensibel auf Änderungen der Verfügbarkeit.

Die Faktorenanalyse zeigt, dass eine Vergrößerung der Verfügbarkeit um 1,5% auch den Durchsatz um 1.1 - 1.3 % vergrößert


Fazit

Eine Erhöhung der Leistungsgrade der nachfolgenden Maschinengruppen

OP 140 Verfügbarkeit um 1,33% auf 98% erhöhen

OP 90-105 Verfügbarkeit um 2,33% auf 99% erhöhen

OP 70 Verfügbarkeit um 0,49% auf 98,9% erhöhen

OP 10-50 Verfügbarkeit um 1,33% auf 98% erhöhen

bringt eine Steigerung des Jahresoutputs um ca. 20.000 Teile auf ca. 190.000 Teile.

Ein Verminderung der Verfügbarkeit einzelner Maschinen in den jeweiligen Maschinengruppen ist nicht möglich.


Fragen

Vielen Dank für Ihre Aufmerksamkeit

Wir freuen uns auf Ihre Fragen

Bottleneck-Analyse Gruppe 1 Janka Bossert Sven Hilz Jan Nathem 19.01.2014.

Documents

Transcript of Bottleneck-Analyse Gruppe 1 Janka Bossert Sven Hilz Jan Nathem 19.01.2014.