Оценка эффективности роботизированных линий розлива с использованием имитационного моделирования и эксплуатационных коэффициентов

E S Kvas; V P Kuzmenko

doi:10.22213/2413-1172-2024-4-31-44

Authors

E. S. Kvas St. Petersburg State University of Aerospace Instrumentation
V. P. Kuzmenko St. Petersburg State University of Aerospace Instrumentation

DOI:

https://doi.org/10.22213/2413-1172-2024-4-31-44

Keywords:

overall equipment effectiveness, production process management, performance optimization, robotic bottling line, simulation modeling

Abstract

This study presents a simulation model for assessing the production stability of a robotized bottling line for carbonated beverages into 0.5-liter glass bottles. The goal of the research was to develop a simulation model to analyze factors affecting line operation stability and production balance. The model considers the stochastic characteristics of processing time at each station, the probability of equipment failures and repairs, and the dynamics of buffer filling, enabling the assessment and maintenance of line operation stability. During the simulation, hypotheses were explored regarding the impact of buffer capacity on the overall equipment effectiveness (OEE) and resource planning processes based on failure frequency data. Simulation results demonstrated that there is an optimal buffer capacity at which line efficiency is maximum. The developed simulation model provides an effective tool for analyzing and optimizing the buffer capacity management process within a bottling line. The scientific novelty of the study lies in the integration of stochastic methods and production process dynamics with the probability of quality indicator variation at each stage. The practical significance of the work lies in the model’s direct applicability for optimizing production lines and enhancing their market competitiveness.

Author Biographies

E. S. Kvas, St. Petersburg State University of Aerospace Instrumentation

старший преподаватель кафедры электромеханики и робототехники, заведующий лабораторией когнитивных исследований инженерной школы

V. P. Kuzmenko, St. Petersburg State University of Aerospace Instrumentation

PhD inEngineering, Associate Professor

References

Мартиросян А. Т. Показатель эффективности обслуживания оборудования в системе ключевых показателей производительности // Вестник евразийской науки. 2017. Т. 9, № 6 (43). С. 144.

Абрамова И. Г. Классификация затрат/потерь времени работы технологического оборудования // Sciencesof Europe, 2019, no. 39-1 (39), pp. 28-36.

Гончаренко С. Н. Моделирование общей эффективности оборудования на основе анализа технологических маршрутов и потерь рабочего времени // Известия Тульского государственного университета. Технические науки. 2022. № 3. С. 271-280.

Сусарев С. В. Модели оценки эффективности технического обслуживания роботизированных транспортных средств // Вестник Самарского государственного технического университета. Серия: Технические науки. 2020. Т. 28, № 4 (68), С. 62-76.

Шерстнева А. А. Анализ и прогнозирование параметров авторегрессионного процесса р-го порядка // Вестник ИжГТУ имени М. Т. Калашникова. 2020. Т. 23, № 4. С. 77-84. DOI: 10.22213/2413-1172-2020-4-77-84

Григорьев С. Н., Долгов В. А., Рахмилевич Е. Г. Метод оценки производственной технологичности изделий на основе применения семантических моделей в условиях цифрового производства // Известия высших учебных заведений. Машиностроение. 2020. № 12. С. 16-25.

Система имитационного моделирования PlantTwin как инструмент верификации производственных планов и поддержки принятия решений для повышения эффективности производства / П. А. Никишечкин, С. С. Ивашин, В. Е. Черненко [и др.] // Вестник машиностроения. 2021. № 3. С. 80-85.

Имитационное моделирование производственных процессов различных типов машиностроительных производств / С. Н. Григорьев, В. А. Долгов, П. А. Никишечкин, С. С. Ивашин, Н. В. Долгов // Вестник Московского государственного технического университета им. Н. Э. Баумана. Серия: Машиностроение. 2022. № 3 (142). С. 84-99.

Дуюн И. А., Чуев К. В. Оценка эффективности работы гибких производственных систем и роботизированных комплексов с использованием имитационного моделирования // Вестник Белгородского государственного технологического университета им. В. Г. Шухова. 2021. №. 4. С. 91-100. DOI: 10.34031/2071-7318-2021-6-4-91-100

Zhang Y. (2022). Layout design and optimization of industrial robot automated production line based on genetic algorithm. J.Comput. Methods Sci. Eng., 23, 469-484 [Electronic resource]. Available at: https://doi.org/10.3233/jcm-226557 (accessed: 07.10.2024).

Wang B., Yuan L., Yu X., Ou L. (2020). Construction and Optimization of Digital Twin Model for Hardware Production Line: 46th Annual Conference of the IEEE Industrial Electronics Society, 4756-4761 [Electronic resource]. Available at: https://doi.org/10.1109/IECON43393.2020.9254967 (accessed: 07.10.2024).

Wu C.-W., Lee A.H.I., Huang Y.-S. (2021) Developing a skip-lot sampling scheme by variables inspection using repetitive sampling as a reference plan.International Journal of Production Research, vol. 59, no. 21, pp. 3018-3030. DOI: 10.1080/00207543.2021.1909768

Kassoul K., Cheikhrouhou N., Zufferey N. (2021) Buffer allocation design for unreliable production lines using genetic algorithm and finite perturbation analysis.International Journal of Production Research, vol. 59, no. 20, pp. 3001-3017. DOI: 10.1080/00207543.2021.1909169

Kassoul K., Cheikhrouhou N., Zufferey N. (2024) Simultaneous allocation of buffer capacities and service times in unreliable production lines.International Journal of Production Research, vol. 62, no. 3, pp. 644-664.

Zhao J., Zou F., Cao J., Cao Y. (2023). Modeling and Simulation Optimization of the Robotic Production Line of Prefabricated Building: 42nd Chinese Control Conference, 7044-7050. DOI: 10.23919/CCC58697.2023.10241106

Velumani S., Tang H. (2017) Operations Status and Bottleneck Analysis and Improvement of a Batch Process Manufacturing Line Using Discrete Event Simulation. Procedia Manufacturing, no. 10, pp. 100-111. DOI: 10.1016/j.promfg.2017.07.033

Ramírez-Granados M., Hernàndez J.E., Lyons A.C. (2014) A discrete-event simulation model for supporting the first-tier supplier decision-making in a UK’s automotive industry. Journal of Applied Research and Technology, vol. 12, no. 5, pp. 860-870. DOI: 10.1016/S1665-6423(14)70592-9

Компьютерная модель и комплектация линии по производству безалкогольного напитка функционального назначения / Л. В. Гнетько, М. М. Удычак, Б. Б. Сиюхова, С. А. Гишева // Новые технологии. 2020. № 6. С. 20-27.

Солодилова Н. А., Уба С. С., Емельянов А. А. Системный подход при использовании цифровых технологий в машиностроении // Системный анализ в проектировании и управлении. 2024. Т. XXVII, № 1. С. 358-364. DOI: 10.18720/SPBPU/2/id24-60

Шишков И. А. Управление роботами в производственных линиях // Наука и мировоззрение. 2024. № 20.

Тарасова И. А., Дробитько А. В. Усовершенствование системы автоматического управления технологическим процессом в производстве пищевой промышленности // Проблемы искусственного интеллекта. 2018. Т. 3, № 10. С. 112-121.