HÜCRESEL ÜRETİM - PARÇA AİLELERİ OLUŞTURMA

Hücresel Üretimde Parça Ailelerinin ve Darboğaz Parçalarının Tanımlanması

David S.Ang

Özet

Makine parça ailelerinin oluşturulması hücresel ve esnek üretim sistemlerinde önemli bir görevdir. Bu formasyon işlemi üretim sistemleri için bir çok fayda sağlanması ile sonuçlanır. Makine-hücre formasyonu için kullanılan bir çok metot içerisinde benzerlik katsayısı metodu(Similarity Coefficient Method – SCM) en geniş çapta kullanılan metottur. SCM kullanıldığında makine-parça ailelerinin oluşturulması için makine ve parça bileşenlerinin  yeniden düzenlenmesi gerekmektedir. Bu yeniden düzenleme süreci öznel ve zor olarak nitelendirilmekte ve beklenen faydaların olumsuz olmasına neden olacak şekilde parça ailelerine uygunsuz bileşenlerin atanmasıyla sonuçlanabilmektedir. Bu çalışma, genel olarak makine gruplandırma problemini işlemek yerine verilen makine grupları için parça aileleri ve darboğaz parçalarını tanımlamak için verimli bir algoritma sunmaktadır.

Giriş
Grup teknolojisi(GT), üretim sistemlerinin üretkenliğini artırmada önemli bilimsel bir filozofi olarak ortaya çıkmıştır. GT filozofisi , hücresel ve esnek üretim sistemlerinde geleneksel kompleks sipariş üretimi ve seri üretim sistemlerinin yeniden düzenlenmesi ne dair bir sistem yaklaşımını önermektedir. Bu filozofinin temel amacı üretim sistemleri için fayda sağlamaktır. Bu yararlar şu şekilde sıralanabilir:

• Parçaların ve araçların akışını basitleştirmek.
• Hazırlık zamanlarını azaltmak
• Ortalama malzeme bekletme zamanlarında azalma.
• Yarı mamul süreçlerini azaltmak.
• İşlem zamanlarını azaltmak.

GT üretim filozofisini uygulamanın yararları literatürde geniş ölçüde tartışılmaktadır(Russel ve Taylor, 1995). Grup teknolojisinde üretim hücresi oluşturulması için birkaç yaklaşım öne sürülmüştür. Grup teknolojisinde makine-parça ailelerinin formasyonunda farklı yaklaşımlar üzerine kapsamlı bir araştırma ve tartışma Miltenburg ve Zhang (1991), Offodile ve diğerleri (1994) ve Singh (1993) tarafından gerçekleştirilmiştir. Bu yazarlar grup teknolojisinde makine-parça ailelerinin formasyonu için var olan metotların kullanışlılığı ve sınırlarını özetlemektedirler.

Üretim tabanlı yaklaşım Burbidge’ye  (1971, 1993) göre grup teknolojisi problemine dair ilk yaklaşımlardandır. Bu yaklaşımın amacı ortak işlem gereksinimlerine sahip olma durumuna göre parçaları gruplandırmaktır. Bu yaklaşım rotalanmış üretim sıklığı kayıtları ile parça ve makine bileşenleri için süreci tanımlamakta kullanılan (0,1) ikilisini kullanan makine-parça oranı matrisinden faydalanır. Bir makine-parça sıklığı matrisi  makine-parça ailelerini tanımlamak için yeniden düzenlenir Makine-parça ailelerini elde etmek için yeniden düzenleme süreci  zordur ve bazı durumlarda özneldir. Yeniden düzenleme problemlerini azaltmak için makine parça ailelerini tanımlamada sistematik yaklaşımlar geliştirilmiştir. En geniş çapta kullanılan metotlardan bir tanesi Benzerlik Katsayısı Metodu (Similarity Coefficient Method – SCM) olarak bilinmektedir. Diğer metotlarla kıyaslanırsa , SCM basitliği,  esnekliği ve bilgisayar uygulamalarına yatkınlığı nedeniyle gerçekleştirilen büyük çaplı araştırmaları temel almaktadır. SCM kullanıldığında,uygunsuz makine atamaları ve makine zincirlemesi problemleri meydana gelebilir. Bu tür problemler Seifoddini (1989) ve Chow ve diğerleri (1992) tarafından araştırılmıştır. Seifoddini (1989) uygunsuz makine atamaları nedeniyle meydana gelen hücreler arası hareketlerle ilgilenen problemleri araştırmıştır. Seifoddini uygunsuz makine atama olasılıklarını azaltan ortalama bağlantı yönteminin (Average  Linkage Clustering Method –ALC) kullanımını önermektedir.Chow ve diğerleri (1992) Wei ve Kern’in (1992) lineer hücre kümeleme analizlerinde (Linear Cell Clustering Analysis – LCCA) mevcut ortak skor algoritmasını geliştirmişlerdir. Chow ve diğerleri algoritmalarında makine gruplandırmanın her adımını bağımsız bir gruplama süreci yerine sürekli bir süreç olarak nitelendirmişlerdir. Chow’un algoritması ALC ve LCCA algoritmalarından uygunsuz makine atamaları nedeniyle oluşan hücreler arası hareketlerin azaltılması açısından daha verimli olduğu kanıtlanmıştır. Seifoddini ve Hsu (1994) SCM’in grup teknolojisinde makine-parça aileleri formasyonu için kullanımının geniş çapta mukayeseli bir araştırmasını gerçekleştirmişlerdir. Yapılan bu araştırma, ağırlıklandırılmış benzerlik katsayısının iner hücre kümelendirme metoduyla bağlantılarda  kullanıldığında daha iyi sonuçların ortaya çıktığı ve zincirleme problemlerinin de üstesinden gelinebildiğini belirtmektedir.

Grup teknolojisinde ya SCM yada ortaklıkların skorlanmasıyla uğraşıldığında bunlardan birinin parça ailelerinin şekillendirilebilmesi için makine-parça oran matrisinden parça bileşenlerini yeniden düzenlenmesi gerekecektir. Parça ailelerinin bahsedilen bu formasyonu geniş çapta işleme ihtiyaçlarını içeren parça bileşenleri temeline dayanmaktadır. Atamaların göz küresi metoduyla yapılması özellikle de büyük bir M x N makine-parça oran matrisiyle uğraşılıyorsa oldukça özneldir. Bundan da öteye yöntem parça ailelerine uygunsuz parça bileşeni atanmasıyla sonuçlanabilir. Uygunsuz parça bileşeni ataması darboğaz parçaları  üretebilir ve sıklıkla gereksiz hücre içi hareket üretir.

Bu makale parça ailelerinin formasyonu için bir algoritma sumaktadır. Bahsi geçen algoritma uygunsuz parça bileşenlerinin atanması problemini çözebilir. Algoritmanın benzersizliği, aynı grup parçalarının arasındaki akışları azaltmak amacıyla daha önceden tanımlanmış makine grupları içindeki parçaların düzenlenmesi üzerine odaklanmasında yatmaktadır. Ayrıca, algoritma darboğaz parçalarının en az üretimi ile sonuçlanmaktadır. Algoritma doğruda uygulanır ve makine hücrelerinin tanımlaması için benzerlik katsayısının ölçümüne dayanan belirli bir teknik üzerine temellenmediği için geniş çaptaki uygulamalar için yeterince güçlüdür.

Darboğaz Parça Ailesine Duyulan İhtiyaç

Uygunsuz parça atama problemini tanımlayabilmek için Şekil 1’de verilen makine-parça matrisini göz önüne alınız. Satırlar makine numaralarını ve sütunlar parça numaralarını belirtmektedir. Matriste i. satır ve j. sütuna “1” girildiğinde bu durum parça j’in  makine i’de işleneceği anlamına gelmektedir. Matris, makineler için Jaccard benzerlik katsayısının hesaplanması ile ya da tek bağlantı (SLCA) ve ya ortalama bağlantı metodunun(ALCA)  kullanılması ile  makine hücrelerine dönüştürülebilir. SLCA metodu kullanılarak Şekil 1’deki matristen alınan bilgilerden şu makine hücreleri oluşturulabilir: 1.00 benzerlik seviyesinde (C,F) ve (D,G); 0.6  seviyesinde (A,B,E).  ALCA kullanılarak 1.00 benzerlik seviyesinde (C,F) ile (D,G) ve 0.55 seviyesinde (A,B,E) elde edilir. Şekil 1’deki matrisi bunlara karşılık gelen parça aileleri ile birlikte (C,F), (D,G) ve (A,B,E) makine hücreleri olarak düzenlersek,  Şekil 2’de görülen yeniden yapılandırılmış makine-parça matrisi elde edilir. Parça 3’ün parça ailesi (2,6,9) yerine (1,5,7)’ye uygunsuz olarak atanmasından dolayı hücreler arası ek bir hareket oluşmuştur. Hücreler arası fazladan hareket yaratan bu parça darboğaz parçası olarak  tanımlanır. Olağan dışı hücreler arası hareketler (A,3), (B,3) ve (E,3) olarak gösterilirler. Bunun yanı sıra darboğaz parçası 3 minimum hücreler arası hareket elde etmek için yeniden incelenmeli ve yeniden atanmalıdır. Bu problem “uygunsuz parça ataması” olarak ifade edilir.

Uygunsuz parça bileşenleri ataması problemi aşağıda açıklanan algoritma uygulanarak çözülebilir.

Parça Aileleri Formasyonu Ve Darboğaz Parçası Tanımlama Algoritması

• Adım 1 : Bir makine grubu kümelendirme tekniği seçin ve ilgili makine hücrelerini tanımlayın.

• Adım 2 : İsteğe bağlı olarak makine gruplarından birini ilk grup olarak seçin.

• Adım 3 : Bu grupta yer alan tüm makine üyeleri boyunca yatay bir çizgi çekin.

• Adım 4 : Yatay çizgilerin herhangi biri tarafından üzeri çizilen “1”ibaresinin olduğu sütunları yani parça numaralarını herhangi bir simge ile işaretleyin.

• Adım 5 : Yatay çizgilerden herhangi birinin üzerinden geçtiği “1”leri daire içine alın.

• Adım 6 : İşaretlenmiş her parça numarası için daire içine alınmış “1”leri ve yatay çizgilerin üzerinden geçmediği “1”leri sayın.

• Adım 7 :  Daire içine alınmış”1”leri olmayan ve  simge konulmuş tüm parçalardan ilk parça ailesini düzenleyin. Makine gruplarına göre orijinal parçalar matrisini düzenleyin ve daire içine alınmış “1”lerden yola çıkarak ilk parça ailesi içinde parçaları düzenleyin.

• Adım 8 : Daire içine alınmamış “1”ler için üzerine simge konulmuş tüm parçalarla darboğaz parça ailesini oluşturun.

• Adım 9 : Orijinal parça oran matrisinden ilk parça ailesine ve darboğaz parçalara ait tüm elemanları çıkarın. Boş olan tüm makine hücrelerini çıkarın.

• Adım 10 : Parça ailesi oluşturma algoritması tüm makine gruplarına uygulanana dek adım 2’den 9’a kadar olan aşamaları tekrarlayın.

 

Yukarıdaki algoritma verilen bir makine hücresinde herhangi bir makine tarafından  işlenebilen tüm parçaların ilk olarak tanımlanması ile çalışır. Ardından algoritma her parçayı, o parçanın üzerinde değerlendirmeye tabi tutulan grup içindeki makineler tarafından gerçekleştirilen operasyonların sayısına ve  grup dışındaki makineler tarafından gerçekleştirilen işlemlerin sayısına göre sınıflandırır.  Grup içindeki operasyonlar, dış grup operasyonlarını aştığında herhangi bir parçayı ilk parça grubu ailesine dahil ederek darboğaz parçaları tanımlanabilir.

Uygulamalar

Algoritmayı Şekil 1’de verilen makine matrisine uygulamak aşağıdaki şekilde sonuçlanır:

• Adım 1 : Jaccard benzerlik katsayısının ya da SLCA ve ya ALCA kümelendirme metotlarının kullanımı neticesinde (C,F), (D,G) ve (A,B,E) makine hücreleri oluşturur.

• Adım 2,3 ve 4 : İsteğe bağlı olarak (A,B,E) makine grubu ilk makine hücresi olarak seçilir. Şekil 1’deki matriste makine satırları için adım 2’den adım 4’e kadar olan uygulamaların gerçekleştirilmesi ile Şekil 3’te verilen matris elde edilir.

• Adım 5 : Şekil 3’te verilen matriste yatay çizgilerle kesişen “1”ler daire içine alınır ve Şekil 4’teki matris elde edilir.

• Adım 6,7 ve 8 : Üzerine simge konmuş 2,3,6,9 ve 10 parçaları içinde daire içine alınmış ve alınmamış “1”ler sayılarak  (A,B,E) makine hücresi için (2,6,9) parça ailesi oluşturulur ve parça 3 ve 10 darboğaz parça ailesi olarak atanır.

• Adım 9 : Şekil 1’deki makine-parça oran matrisinden ilk parça ailesi ve makine hücresi kaldırılarak Şekil 5’teki matris elde edilir.

• Adım 10 : (C,F) ikinci makine hücresi seçilerek adım2 Şekil 5’teki matris üzerinde tekrar edilerek Şekil 6’daki matris elde edilir.

Şekil 6’daki matrisi incelemek makine hücresi (C,F) için 4 ve 8. parçalarla parça ailesini oluşturur. Bu parçaları Şekil 6’daki matristen çıkarak ve adım 2 ile 5 arasındaki süreci son makine hücresine uygulamak neticesinde Şekil 7’de görülen matris elde edilir.

Şekil 7’de görülen matris 1,5 ve 7. parçaların (D,G) makine grubu için  bir parça ailesini oluşturur.

Şekil 1’de verilen makine-parça oran matrisini (A,B,E), (C,F) ve (D,G)  makine hücrelerine ve  makine hücrelerine karşılık gelen (2,6,9), (4,8) ve (1,5,7) parça ailelerine düzenlemek Şekil 8’de verilen diyagonal bloklara bölünmüş makine-parça oran matrisine dönüşmesiyle sonuçlanır. Matrisin sağında yer alan parça ailesi, 3 ve 10’dan oluşan darboğaz parça ailesini göstermektedir.

Darboğaz parça ailelerini tanımlamış olmanın avantajına sahip olmak  her darboğaz parçasının daha kolay ve evrimli bir şekilde tanımlanmasını kolaylaştırır. Daha önceden bahsedildiği üzere, darboğaz parçaları gerçekleşebilecek faydaları ve üretkenliği azaltabilecek istenmeyen hücreler arası hareketler oluşturabilirler. Offodile ve diğerleri (1994) araştırmacıların darboğaz parçaları probleminin farkına varmalarını ve bu problemin çözümünde makine-parça gruplarının tayin edilmesi için çaba sarf etmeleri gerektiğini belirtmektedirler. Darboğaz parçaları nedeniyle oluşan hücreler arası hareketlerin varlığını inceleyen geniş bir çalışma Ang ve diğerleri (1995) tarafından da gerçekleştirilmiştir. Mevcut algoritma ile araştırmacılar makine çoğaltma,  taşeron üretim kullanma ve hücreler arası malzeme tutma maliyetleri gibi fedakarlıklara dair analizler yapmak için darboğaz parçaları probleminin ele alınmasına dair alternatif yolların  verimliliğini araştırmak için odaklanabilirler ve daha fazla çaba sarf edebilirler.

Bilgisayar Sistemi ve İşlem Hazırlık Süreci İçin Tavsiyeler

Hücresel üretim sistemlerinde makine parça ailelerini gruplandırmak kompleks bir problem olabilir. Bu makalede anlatılan algoritma parça ailelerinin ve darboğaz parçalarının tanımlanma sürecini otomatikleştirmek için Visual Basic ve C gibi programlama dilleriyle yazılabilir. Algoritma mikro bilgisayarlarda geleneksel programlama yönetmeleri ile kodlanabilir.

Algoritma aynı zamanda parça aileleri ve darboğaz parçaları tanımlanmasında uzman sistem uygulama alanlarında uygulanabilir. Algoritma, if-then kuralı formunda bir uzman sistemin bilgi tabanına dönüştürülebilir.   

Sonuç

Makine hücre ve parça ailesi gruplandırma problemi hücresel üretim sistemlerinin kritik bir elementidir. Geliştirilen algoritma parça ailelerinin oluşturulmasında ve darboğaz parçalarının tanımlanmasında genel olarak makine gruplandırma problemini ele almaktan çok verilen bir makine gruplandırmaya odaklanır. Algoritma, makine hücrelerini tanımlamak için benzerlik katsayısı ölçümüne dayanan bir tekniği temel almaz.

Algoritma darboğaz parçalarının minimum üretimi ile sonuçlanır ve uygulamayı gerçekleştiren kişi darboğaz parçalarının tutulmasında ya da grup teknolojisinde oluşan diğer problemlerin bertaraf edilmesinde daha verimli yöntemler bulmak için zaman ayırabilir.

Algoritmanın uygulanması kolaydır. Belirli bir alan uygulaması olarak, hücresel üretim sistemlerinde makine parça ailelerinin tanımlanması sürecinin otomatik hale getirilebilmesi için uzman sistemler, interaktif mikro bilgisayar programları gibi geniş çaptaki bilgisayar uygulamalarına adapte edilebilir.