Dynamic production control for Decentralized CONWIP system and its application to reentrant hybrid flowshop

Abstract

본 연구에서는 잡숍에서 MVA(Mean Value Analysis)알고리즘을 활용한 분산된 동적으로 CONWIP(Constant WIP)크기를 결정하는 알고리즘을 제안하고 이를 재진입이 있는 하이브리드 생산라인에서 응용하였다. 잡숍의 생산은 고객의 주문에 의해서만 소량 혹은 로트로 이루어지며 기계는 공정 별로 정렬되어 있다. 재진입이 있는 하이브리드 생산라인은 잡숍의 특수한 형태로 여겨진다. 전통적인 Closed multi-class job shop MVA 알고리즘은 CONWIP 시스템에서 평균 재공품 재고, 처리량, 사이클 타임을 예측하는 알고리즘이다. 본 연구는 전통적인 MVA 알고리즘을 활용하여 동적으로 변화하는 CONWIP크기 결정 시스템을 다룬다. 제안된 알고리즘은 생산 시작 전에 CONWIP 크기로 생산을 시작하고 기계 고장 및 고객 수요 변화를 포함하는 동적 이벤트가 발생하면 다시 최적화가 이루어졌다. 실험은 레고로 만들어진 스마트팩토리에서 진행되었으며 알고리즘의 효율성은 재공품 재고와 지연된 고객 주문을 통해 측정되었다. 스마트팩토리는 3개의 스테이지가 있으며 각 스테이지는 2대의 동일한 기계로 구성되어있다. 5가지의 제품 종류가 있다고 가정하였으며, 각 제품 타입은 재 진입 작업이 있으며, 3개의 레이어를 갖는다. 6-shifs와 18-shifts 문제에 대해 실험은 진행되었으며, 6-shift문제의 경우 높고 낮은 빈도 아래 3개의 다른 조합의 다이나믹 이벤트가 고려되었다. 18-shift문제의 경우 높고 낮은 빈도 아래 50%의 고객 변동과 50%의 기계 고장 조합의 다이나믹 이벤트가 고려되었다. 실험결과는 DEC와 TB-D모델과 비교되었다. DEC모델은 분산된 관점에서 다목적 수학적 생산 계획 모델을 해결하기위해 제안되었으며, TB-D모델은 중앙 집중식 관점으로 수학적 생산 계획 모델을 해결하기위해 제안되었다. 실험결과 제안된 알고리즘이 대부분의 시나리오에서 재공품 재고와 WIP 측면 모두에서 가장 우수하고 그 뒤를 DEC, TB-D 순으로 따른다는 것을 확인 할 수 있었다. 결과의 차이가 통계적으로 유의미한지 확인하기 위해 결과에 대한 분석이 진행되었으며, WIP의 경우 그 차이가 통계적으로 유의미하다는 점을 확인할 수 있었다. |This research propose a decentralized algorithm to determine the size of CONWIP(Constant WIP) dynamically by utilizing Mean Value Analysis (MVA) algorithm in job shop. Job shop production is carried out in small batches or lots only by the customer's order and machines are arranged by process. Reentrant hybrid shop is considered as one of special case of job shop. Therefore, proposed algorithm was applied to reentrant hybrid flow shop smart factory. Traditional closed multi-class job shop MVA algorithm approximates the average performance of work-in-process inventories, throughput, and cycle time in a CONWIP system. This research deals with a dynamically changing CONWIP-size system using the traditional MVA algorithm. The proposed algorithm starts the production with predetermined CONWIP size and is re-optimized if dynamic event, which include machine breakdown and customer demand changes, occurs. Experiment was conducted on the Lego prototype of a reentrant hybrid flowshop system, and the efficiency of the algorithm was measured based on work-in-process inventories and delayed customer demand. The considering reentrant hybrid flowshop consists of three stages and each stage consists of the two identical parallel machines. We considered 5 product types and each product had three layers with reentrant operations. We considered 6-shift and 18-shift problems. For 6-shifts problem, we considered the low and high frequency of dynamic events, for three different levels of the capacity reduction and the demand change. For 18-shifts problem, we considered the event of 50% of the capacity reduction and 50% of the demand change with the low and high frequency. The proposed algorithm was compared with two algorithms called Decentralized Coordination Algorithm (DEC) and Target Balance Model (TB-D). DEC algorithm was designed to solve multi-objective mathematical production planning model with decentralized perspective. TB-D algorithm was proposed to solve mathematical production planning model with centralized perspective. The result of the experiments show that the proposed algorithm outperforms DEC and TB-D in terms of WIP and delayed demand. A statistical analysis was done to confirm whether performance measures of the considering approaches are significantly different. The Wilcoxon signed-rank test showed that the proposed algorithm outperforms the other methods in terms of the minimization of the WIP.