Process Chain Optimization in a Smart Factory
The purpose with this thesis is to reduce downtime of machines androbots in a serial production line by improving communication betweenoperators and machines. Modeling a serial production line asa queuing system makes Markov chain optimization methods possible.The concept is to make machines and rob...
Main Author: | |
---|---|
Format: | Others |
Language: | English |
Published: |
KTH, Skolan för elektroteknik och datavetenskap (EECS)
2018
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-232185 |
id |
ndltd-UPSALLA1-oai-DiVA.org-kth-232185 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-UPSALLA1-oai-DiVA.org-kth-2321852021-11-04T05:30:49ZProcess Chain Optimization in a Smart FactoryengRegard, MikaelKTH, Skolan för elektroteknik och datavetenskap (EECS)2018Engineering and TechnologyTeknik och teknologierThe purpose with this thesis is to reduce downtime of machines androbots in a serial production line by improving communication betweenoperators and machines. Modeling a serial production line asa queuing system makes Markov chain optimization methods possible.The concept is to make machines and robots adapt its service ratesbased on status of its surrounding machines and the position of operators.In a pharmaceutical industry, a production rate of 50-60% of itsmaximum capacity is considered as normal. Unnecessary downtimecaused by machine breakdowns is one factor which reduces the productionrate. Two optimization methods were investigated, the workallocation problem and the targeting problem. It was found that thework allocation problem does not provide an optimal solution whenmodeling with a saturated model. The targeting problem provides anoptimal solution, which is a trade-off between the average amount ofproducts in a system and the cost for keeping this level. Målet med detta examensarbete är att minimera driftstopp i en seriellproduktionlina genom att förbättra kommunikationen mellan operatöreroch maskiner. Genom att modellera en produktionslina somett kösystem möjligör användandet av optimeringsmetod för markovkedjor.Konceptet är att låta maskiner och robotar anpassa sin produktionshastighetbaserat på positionen av operatörer. Inom läkemedelsindustrinär en produktionshastighet om 50-60% av den maximala kapacitetenansedd som normalt. Onödigt långa driftstopp i sambandmed maskinfel är en faktor som påverkar produktionshastigheten. Tvåoptimeringsmetoder studerades, Åork Allocation Problemöch TargetingProblem". Det visades att det inte var möjligt att hitta en optimallösning med hjälp av Åork Allocation Problem". Targeting Problemggeren optimal lösning som är en avvägning mellan det genomsnittligaantalet produktion i ett system och kostnaden för att hålla den nivån. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-232185TRITA-EECS-EX ; 2018:305application/pdfinfo:eu-repo/semantics/openAccess |
collection |
NDLTD |
language |
English |
format |
Others
|
sources |
NDLTD |
topic |
Engineering and Technology Teknik och teknologier |
spellingShingle |
Engineering and Technology Teknik och teknologier Regard, Mikael Process Chain Optimization in a Smart Factory |
description |
The purpose with this thesis is to reduce downtime of machines androbots in a serial production line by improving communication betweenoperators and machines. Modeling a serial production line asa queuing system makes Markov chain optimization methods possible.The concept is to make machines and robots adapt its service ratesbased on status of its surrounding machines and the position of operators.In a pharmaceutical industry, a production rate of 50-60% of itsmaximum capacity is considered as normal. Unnecessary downtimecaused by machine breakdowns is one factor which reduces the productionrate. Two optimization methods were investigated, the workallocation problem and the targeting problem. It was found that thework allocation problem does not provide an optimal solution whenmodeling with a saturated model. The targeting problem provides anoptimal solution, which is a trade-off between the average amount ofproducts in a system and the cost for keeping this level. === Målet med detta examensarbete är att minimera driftstopp i en seriellproduktionlina genom att förbättra kommunikationen mellan operatöreroch maskiner. Genom att modellera en produktionslina somett kösystem möjligör användandet av optimeringsmetod för markovkedjor.Konceptet är att låta maskiner och robotar anpassa sin produktionshastighetbaserat på positionen av operatörer. Inom läkemedelsindustrinär en produktionshastighet om 50-60% av den maximala kapacitetenansedd som normalt. Onödigt långa driftstopp i sambandmed maskinfel är en faktor som påverkar produktionshastigheten. Tvåoptimeringsmetoder studerades, Åork Allocation Problemöch TargetingProblem". Det visades att det inte var möjligt att hitta en optimallösning med hjälp av Åork Allocation Problem". Targeting Problemggeren optimal lösning som är en avvägning mellan det genomsnittligaantalet produktion i ett system och kostnaden för att hålla den nivån. |
author |
Regard, Mikael |
author_facet |
Regard, Mikael |
author_sort |
Regard, Mikael |
title |
Process Chain Optimization in a Smart Factory |
title_short |
Process Chain Optimization in a Smart Factory |
title_full |
Process Chain Optimization in a Smart Factory |
title_fullStr |
Process Chain Optimization in a Smart Factory |
title_full_unstemmed |
Process Chain Optimization in a Smart Factory |
title_sort |
process chain optimization in a smart factory |
publisher |
KTH, Skolan för elektroteknik och datavetenskap (EECS) |
publishDate |
2018 |
url |
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-232185 |
work_keys_str_mv |
AT regardmikael processchainoptimizationinasmartfactory |
_version_ |
1719492498825412608 |