Оптимизация производства в условиях выпуска широкой номенклатуры изделий

Обложка

Цитировать

Полный текст

Аннотация

Введение. Развитие индустриального жилищного строительства характеризуется ростом домов с индивидуальными архитектурными и конструктивно-планировочными решениями. Это является следствием роста номенклатуры изделий, повышения доли продукции с низкими параметрами тиражности и большим диапазоном колебаний трудоемкости. Отсутствие должного внимания к большому разбросу параметров изделий — результат неритмичности производства, простоев и неэффективного использования трудовых ресурсов. В таких условиях важно обеспечение комплектности производства изделий и соблюдение графиков поставки продукции на строительную площадку. Решение указанных задач реализуется управлением запасами готовой продукции или созданием ритмичного и непрерывного производства.Материалы и методы. В соответствии с задачами исследования применялись методы анализа и синтеза, математической статистики, имитационного моделирования и экспертных оценок. Для оценки сложности изделий определена система критериев с учетом конструктивных решений и геометрических параметров изделий. На основании установленных критериев изделия классифицированы на категории, для которых определены индикаторы сложности и показатели трудоемкости. Данная классификация изделий легла в основу алгоритма оптимизации производства.Результаты. Анализ номенклатуры изделий производственных программ предприятий зафиксировал колебания показателей трудоемкости производства в диапазоне 2,0–17,0 чел.-ч. Предпринятая попытка установить зависимость показателей трудоемкости от объема изделия показала отсутствие функциональной зависимости. На базе анализа распределения трудоемкости обоснована гипотеза о влиянии на показатели трудоемкости прежде всего конструктивных особенностей изделий.Выводы. На основании полученных данных предложена система планирования раскладки изделий в формах и назначения ритма производства с учетом конструктивных решений изделий по индикаторам сложности, которые могут устанавливаться методом экспертных оценок. Для практической реализации предложенной системы оценок разработан алгоритм назначения оптимальных технологических параметров, который обеспечивает одновременно равновесную трудоемкость и оптимальную раскладку изделий в формах и тем самым ритмичность производства.

Об авторах

В. Ю. Гуринович

Белорусский национальный технический университет (БНТУ)

Email: Gurinovich@bntu.by

Д. А. Поздняков

Республиканское унитарное предприятие «Институт жилища — Научно-исследовательский и проектно-технологический институт стройиндустрии им. Атаева С.С.» (Институт жилища — НИПТИС им. Атаева С.С.)

Email: pozddzm@mail.ru

С. Н. Леонович

Белорусский национальный технический университет (БНТУ)

Email: Sleonovich@mail.ru

Список литературы

  1. Граник Ю.Г., Полтавцев С.И. Реконструкция и техническое перевооружение предприятий полносборного домостроения. М. : Стройиздат, 1989. 268 с.
  2. Климкин К.А. Методические основы оценки использования производственных мощностей домостроительных предприятий в условиях инвестиционного спада : дис. … канд. эконом. наук. Хабаровск, 1998. 141 с. EDN NLMYBX.
  3. Джалилов Ф.Ф. Разработка методов формирования организационно-технологических решений по реконструкции действующих предприятий : дис. … канд. техн. наук. М., 1996. 356 с. EDN QCYJXZ.
  4. Николаев С.В. Оптимизация проектных и производственных решений технологии производства изделий крупнопанельного домостроения : дис. … д-ра техн. наук. М., 1981. 399 с. EDN NPKZGZ.
  5. Алешина Л.С. Унификация сборных железо-бетонных изделий полносборного домостроения на основе заводского производства : дис. … канд. техн. наук. М., 1984. 166 с. EDN NPHNUB.
  6. Гуринович В.Ю. Исследование влияния номенклатуры изделий на показатели производственной мощности предприятий индустриального домостроения // Наука и техника. 2024. Т. 23. № 2. С. 128–139. doi: 10.21122/2227-1031-2024-23-2-128-139. EDN SJCPWU.
  7. Wang Z., Hu H., Gong J. Framework for modeling operational uncertainty to optimize offsite production scheduling of precast components // Automation in Construction. 2018. Vol. 86. Pp. 69–80. doi: 10.1016/j.autcon.2017.10.026
  8. Ma Z., Yang Z. Liu S. Wu S. Optimized Rescheduling of Multiple Production Lines for Flowshop Production of Reinforced Precast Concrete Components // Automation in Construction. 2018. Vol. 95. Pp. 86–97. doi: 10.1016/j.autcon.2018.08.002
  9. Li X., Li Z., Wu G. Lean precast production system based on the CONWIP method // KSCE Journal of Civil Engineering. 2018. Vol. 22. Issue 7. Pp. 2167–2177. doi: 10.1007/s12205-017-2009-4
  10. Yuan Z., Qiao Y., Guo Y., Wang Y., Chen C., Wang W. Research on Lean Planning and Optimization for Precast Component Production Based on Discrete Event Simulation // Advances in Civil Engineering. 2020. Vol. 2020. Issue 1. doi: 10.1155/2020/8814914
  11. Khalili A., Chua D.K. Integrated prefabrication configuration and component grouping for resource optimization of precast production // Journal of Construction Engineering and Management. 2014. Vol. 140. Issue 2. doi: 10.1061/(asce)co.1943-7862.0000798
  12. Wang D., Liu G., Li K., Wang T., Shrestha A., Martek I. et al. Layout optimization model for the production planning of precast concrete building components // Sustainability. 2018. Vol. 10. Issue 6. P. 1807. doi: 10.3390/su10061807
  13. Al-Bazi A., Dawood N. Developing crew allocation system for the precast industry using genetic algorithms // Computer-Aided Civil and Infrastructure Engineering. 2010. Vol. 25. Issue 8. Pp. 581–595. doi: 10.1111/j.1467-8667.2010.00666.x
  14. Benjaoran V., Dawood N. Intelligence approach to production planning system for bespoke precast concrete products // Automation in Construction. 2006. Vol. 15. Issue 6. Pp. 737–745. doi: 10.1016/j.autcon.2005.09.007
  15. Liu Z., Liu Z., Liu M., Wang J. Optimization of Flow Shop Scheduling in Precast Concrete Component Production via Mixed-Integer Linear Programming // Advances in Civil Engineering. 2021. Vol. 2021. Issue 1. doi: 10.1155/2021/6637248
  16. Wang Z., Hu H. Dynamic response to demand variability for precast production rescheduling with multiple lines // International Journal of Production Research. 2018. Vol. 56. Issue 16. Pp. 5386–5401. doi: 10.1080/00207543.2017.1414970
  17. Ruan M., Xu F. Improved eight-process model of precast component production scheduling considering resource constraints // Journal of Civil Engineering and Management. 2022. Vol. 28. Issue 3. Pp. 208–222. doi: 10.3846/jcem.2022.16454
  18. Jiang W., Wu L. Flow shop optimization of hybrid make-to-order and make-to-stock in precast concrete component production // Journal of Cleaner Production. 2021. Vol. 297. P. 126708. doi: 10.1016/j.jclepro.2021.126708
  19. Гуринович В.Ю., Поздняков Д.А., Леонович С.Н. Мониторинг работы и определение оптимальных технологических параметров линий циркуляции паллет // Строительные материалы. 2022. № 3. С. 4–8. doi: 10.31659/0585-430X-2022-800-3-4-9. EDN AFEOQG.
  20. Wang Z., Liu Y., Нu H., Dai L. Hybrid rescheduling optimization model under disruptions in precast production considering real-world environment // Journal of Construction Engineering and Management. 2021. Vol. 47. Issue 4. doi: 10.1061/(ASCE)CO.1943-7862.0001976

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».