توسعه مدل شبیه سازی برای ارزیابی سیستم کانبان تعمیم یافته با سیاست تنظیم پویای تعداد کانبان ها

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 518

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JME-16-52_025

تاریخ نمایه سازی: 16 تیر 1398

چکیده مقاله:

سیستم های کانبان یکی از راهکارهای موثر کنترل موجودی در سیستم های تولید به هنگام هستند. ارزیابی سیستم کانبان که بر اساس مکانیزم کنترل جریان مواد تعریف شده و مقدار و زمان مناسب تولید محصولات را کنترل می کند، از اهمیت به سزایی برخوردار است. در این مقاله، روشی جدید برای تنظیم پویای تعداد کانبان ها در هر مرحله با توجه به مقدار تقاضای پس افت در ایستگاه آخر ارائه شده است. از جمله مزایای روش پیشنهادی، سادگی تنظیم پارامترهای روش است. برای تعیین تعداد کانبان ها و ارزیابی روش پیشنهادی در سیستم کانبان تعمیم یافته، یک مدل شبیه سازی ارائه شده است. تاثیر تغییر پویای تعداد کانبان ها، روی شاخص های متوسط میزان تولید، متوسط موجودی نیم ساخته، متوسط زمان تولید یک محصول و نرخ بهره وری ماشین آلات بررسی شده است. از مدل شبیه سازی جهت بررسی تخصیص غیریکسان کانبان ها به مراحل مختلف تولید نیز استفاده شده است. نتایج شبیه سازی نشان می دهد که بکارگیری سیاست پیشنهادی تنظیم پویای تعداد کانبان ها در سیستم کانبان تعمیم یافته و تعیین مناسب پارامترها در طول فرآیند تولید می تواند افزایش نرخ تولید و کاهش تقاضای پس افت را در مقایسه با روش های موجود به همراه داشته باشد.

کلیدواژه ها:

سیستم کانبان تعمیم یافته ، تولید کششی ، کانبان متغیر ، شبیه سازی

نویسندگان

عرفان حسن نایبی

دانشگاه تربیت مدرس

نسیم نهاوندی

دانشگاه تربیت مدرس

آرمان ساجدی نژاد

پژوهشگاه علوم و فناوری اطلاعات ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • P.L. González-r, J.M. Framinan, and H. Pierreval, Token-based pull production ...
  • N. Selvaraj, Determining the Number of Kanbans in EKCS: A ...
  • G. Liberopoulos, and Y. Dallery, A unified framework for pull ...
  • Y. Monden, Smoothed Production Helps Toyota Adapt to Demand Changes ...
  • T. Ōno, Toyota production system: beyond large-scale production , Productivity ...
  • Y. Sugimori, et al., Toyota production system and kanban system ...
  • M. Lage Junior, and M. Godinho Filho, Variations of the ...
  • S.C. Aggarwal, and S. Aggarwal, The management of manufacturing operations: ...
  • H. Grünwald, P. Striekwold, and P. Weeda, A framework for ...
  • L.P. Rees, et al., Dynamically adjusting the number of kanbans ...
  • S.M. Gupta, and Y.A. Al-Turki, An algorithm to dynamically adjust ...
  • J.F. BARD, and B. GOLANY, Determining the number of kanbans ...
  • K. Ohno, The optimal control of just-in-time-based production and distribution ...
  • N. Selvaraj, Determining the number of Kanbans in EKCS: a ...
  • S. Gstettner, and H. KUHN‡, Analysis of production control systems ...
  • M.D. Mascolo, Y. Frein, and Y. Dallery, An analytical method ...
  • O. Wormgoor, Performance evaluation of generalized kanban systems , Dissertation, ...
  • C. Alabas, F. Altiparmak, and B. Dengiz, The optimization of ...
  • H. Aytug, C.A. Dogan, and G. Bezmez, Determining the number ...
  • K. Ohno, K. Nakashima, and M. Kojima, Optimal numbers of ...
  • M. Özbayrak, G. Cagil, and C. Kubat, How successfully does ...
  • J.A. Buzacott, and J.G. Shanthikumar, Design of manufacturing systems using ...
  • C. Duri, Y. Frein, and M. Di Mascolo, Comparison among ...
  • S. Kotani, T. Ito, and K. Ohno, Sequencing problem for ...
  • E. Gaury, H. Pierreval, and J.P. Kleijnen, An evolutionary approach ...
  • L.L.P. Marand, et al., An Adaptive Kanban and Production Capacity ...
  • P. Renna, L. Magrino, and R. Zaffina, Dynamic card control ...
  • M. Ettl, and M. Schwehm, A design methodology for Kanban-controlled ...
  • S. Chaharsooghi, and A. Sajedinejad, Determination of the number of ...
  • Y. Dallery, and G. Liberopoulos, Extended kanban control system: combining ...
  • C. Alabas, F. Altiparmak, and B. Dengiz, A comparison of ...
  • P. Shahabudeen, K. Krishnaiah, and M.T. Narayanan, Design of a ...
  • D.E. Koulouriotis, A.S. Xanthopoulos, and V.D. Tourassis, Simulation optimisation of ...
  • L.S. Belisário, and H. Pierreval, Using genetic programming and simulation ...
  • P. Renna, A fuzzy control system to adjust the number ...
  • G. Pedrielli, A. Alfieri, and A. Matta, Integrated simulation–optimisation of ...
  • F. Lolli, et al., A simulative approach for evaluating alternative ...
  • E. Pierreval, et al. A simulation optimization approach for reactive ...
  • K. Takahashi, Comparing reactive Kanban systems , International Journal of ...
  • G. Liberopoulos, et al., Stochastic Modeling of Manufacturing Systems , ...
  • R.J. GRAVES, J.M. KONOPKA, and R.J. MILNE, Literature review of ...
  • L.P. Rees, P.Y. Huang, and B.W. Taylor III, A comparative ...
  • J.A. Buzacott, Queueing models of kanban and MRP controlled production ...
  • P. Zipkin, A kanban-like production control system: analysis of simple ...
  • نمایش کامل مراجع