تحلیل تأثیر عوامل مرتبط با سلول و عامل سرعت تقاضای مشتری بر عملکرد سلول ناب اولیه

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار، دانشگاه شهید بهشتی.

چکیده

سلول ­هایی که در نخستین گام تحول ناب از طریق تغییر آرایش سیستم تولید، ایجاد می ­شوند، سلول­های اولیه نام دارند و عملکرد آن‌ها از این نظر که جزو نخستین اقدامات ناب­سازی عملیات تولید هستند، حائز اهمیت است. در این پژوهش عوامل مرتبط با انسان که نقش اساسی در تشریح عملکرد این سلول­ ها دارند در قالب عامل فاصله تخصیص پویا و به همراه دیگر عوامل مرتبط با سلول شامل اندازه سلول و نوع وظایف سلول مطالعه شده ­اند. زمان تکت به‌عنوان عامل مرتبط با مشتری مؤثر بر عملکرد سلول در نظر گرفته شده است. ابتدا مدل پژوهش بر مبنای تخصیص پویا و با لحاظ­ کردن اثرپذیری عملکرد اپراتور از نحوه تخصیص فرد طی افق برنامه ­ریزی در قالب ترکیب سه مدل متعادل‌سازی، تعیین توالی و تخصیص توسعه داده شد؛ سپس آزمایش‌ها بر اساس رویکرد طراحی آزمایش‌های تاگوچی اجرا شد و داده ­ها در قالب جواب‌های نزدیک به بهینه برای اهداف عملکردی سلول با استفاده از الگوریتم جست­وجوی همسایگی متغیر به ­دست آمد. در گام بعد با انجام تحلیل واریانس یک و چند متغیره، اثر عوامل آزمون شد. نتایج پژوهش حاکی از پیچیدگی تأثیرپذیری عملکرد سلول از عوامل بوده و تعداد تخصیص پویای پیشنهادی به ازای ترکیبات مختلف دیگر عوامل به ­دست آمده است.

کلیدواژه‌ها


1. Ayough, A., Zandieh, M., Farsijani, H. & Dorri, B. (2013). Job Rotation Scheduling in a New Arranged Lean Cell, a Genetic Algorithm Approach. Journal of Industrial Management Perspective, 4(1), 33-59 (in Persian).

2. Ahmed, M. Deif (2012). Dynamic analysis of a lean cell under uncertainty. International Journal of Production Research, 50, 1127-1139.

3. Azizi, N., Zolfaghari, S., & Liang, M. (2010). Modeling job rotation in manufacturing systems: The study of employee’s boredom and skill variations. International Journal of Production Economics, 123, 69-85.

4. Black, J. T., (2007). Design rules for implementing the Toyota Production System. International Journal of Production Research, 45(16), 3639-3664.

5. Black, J. T., & Hunter, S. L., (2003). Lean Manufacturing Systems and Cell Design, Society of Manufacturing Engineers. Dearborn, Michigan.

6. Hirano, H. (1987). JIT Factory Revolution. Productivitypress, Portland, OR.

7. Hyer, N., & Wemmerlov, U., (2002). Reorganizing the Factory. Productivity press, Portland, OR.

8. Jiunn-Chenn Lu & Taho Yang (2014). Implementing lean standard work to solve a low work-in-process buffer problem in a highly automated manufacturing environment. International Journal of Production Research, DOI: 10.1080/00207543.2014.937009

9. Kannan, V. R., & Jensen, J. B., (2004). Learning and labor assignment in a dual constrained cellular shop. International Journal of Production Research, 42(7), 1455-1470.

10. Kara, Y., Ozcan, U., & Peker, A., (2007). An approach for balancing and sequencing mixed-model JIT U-lines. Int JAdv Manuf Technol DOI 10.1007/s00170-006-0437-2.

11. Lian, K., Zhang, C., Gao, L., & Shao. X., (2012). A modified colonial competitive algorithm for the mixed-model Uline balancing and sequencing problem. International Journal of Production Research, 1-15, iFirst.

12. McDonald, T., & Kimberly, P. E., (2009). Development and application of a worker assignment model to evaluate a lean manufacturing cell. International Journal of Production Research, 47(9), 2427-2447.

13. Miltenburg, J. (2002), Balancing and scheduling mixed-model U-shaped production lines. Int. J Flex Manuf Syst, 14(2), 119-151.

14. Montgomery, D. C. (2000). Design and Analysis of Experiments. Fifth Edition, John Wiley & Sons, New York, NY.

15. Monden, Y. (1993). Toyota Production System: An Integrated Approach to Just In Time. Norcross, Institute of Industrial Engineers.

16. Nakade, K., & Nishiwaki, R. (2008). Optimal allocation of heterogeneous workers in a U-shaped production line. Computers & Industrial Engineering, 54, 432-440.

17. Needy, K. L., Norman, B. A., Bidanda, B., Tharmmaphornphilas, W., Ariyawongrat, P., & Warner, R.C., (2001). Human capital assessment in lean manufacturing. In: Proceedings of 2001 American society for engineering management conference, Huntsville: AL.

18. Nembhard, D., A., & Norman, B. A., (2006). Cross-Training in Production Systems with Human Learning and Forgetting. Handbook of Industrial and Systems Engineering, Chapter 16 Edited by Badiru, A.B., and New York: CRC Press 16-1-13 49 (10), 2833-2855.

19. Nembhard, D. A., & Osothsilp, N., (2005). Learning and forgetting-based worker selection for tasks of varying complexity. Journal of the Operational Research Society, 56, 576-587.

20. Ozcan, U., Kellego, z, T., & Toklu, B., (2011). A genetic algorithm for the stochastic mixed-model u-line balancing and sequencing problem. International Journal of Production Research, 49(6), 1605-1626.

21. Ranjit, R. (1990). A primer on the Taguchi method. 1st edition. Van Nostard Reinhold, USA.

22. Rehab, M. AliAhmed M. Deif (2014). Dynamic Lean Assessment for Takt Time Implementation. Procedia CIRP, 17, 577-581.

23. Rother, M., & Harris, R. (2001). Creating continuous flow. The Lean Enterprise Institute, Inc.

24. Shewchuk, J. P. (2008). Worker allocation in lean U-shaped production lines. International Journal of Production Research, 46(13), 3485-3502.

25. Shingo, S. (1997). A Study of the Toyota Production System from an Industrial Engineering Viewpoint. Shingo, S.

26. Taguchi, G., Wu, Y., & Chowdhury, S. (2004). Taguchi’s quality engineering handbook. Wiley, Hoboken

27. Wei Sun, Qianqian Li, Chunhui Huo, Yang Yu, & Ke Ma (2016). Formulations, Features of Solution Space, and Algorithms for Line-Pure Seru System Conversion. Mathematical Problems in Engineering, Article ID 9748378, 14 pages. doi:10.1155/2016/9748378

28. Xiang Li, Dongni Li, Xuhui Wu, Hong Zheng & Y. Yin (2017). A cooperative co-evolution approach for a line-seru conversion problem. IEEE Congress on Evolutionary Computation (CEC), San Sebastian, pp. 1406-1411. doi: 10.1109/CEC.2017.7969468

29. Yang Yu, Wei Sun,Jiafu Tang,Ikou Kaku & Junwei Wang (2017). Line-seru conversion towards reducing worker(s) without increasing makespan: models, exact and meta-heuristic solutions. International Journal of Production Research, 55: 2990-3007.