Optimizing the production of the sub-assemblies in a high-mix-low-volume environment

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2022-12-13
Department
Major/Subject
Systems and Operations Research
Mcode
SCI3055
Degree programme
Master’s Programme in Mathematics and Operations Research
Language
en
Pages
65 + 7
Series
Abstract
Lean principles have been widely adapted in different industries. However, the high-mix-low-volume (HMLV) industries have not adopted the benefits of lean due to the complexity of the environment. In this thesis, we propose a framework for controlling the manufacturing of sub-assemblies between factories. The research questions aiding in creating the framework are 1) How should manufactured sub-assemblies move around the factories and what types of production planning should be used for sub-assemblies in Vaisala Oyj? 2) What is the optimal system for optimizing make-to-stock (MTS) sub-assemblies in an HMLV environment? The research methods include a literature review on the topic and analyzing the current practices in the manufacturing sites in Vaisala. With the aformentioned research methods, new movement methods and production triggers were determined. Movement methods are a concept for achieving more efficient flow for sub-assemblies in the factories. The production triggers were determined into assembly-to-order and MTS. The MTS category has three sub-categories: visual, enterprise resource planning (ERP) and abnormal triggers. The thesis focuses on developing the MTS ERP trigger, which follows a periodic (R,Q) policy, in which the R is the reorder point for sub-assembly n and Q is the order size for sub-assembly n. The equations used for (R,Q) policy were modified for sub-assemblies in the HMLV environment. To find the best values for (R,Q) policy, hyperparameters and machine learning were used with inventory simulations. The inventories aimed to decrease the inventory levels, variation and ensure the availability of sub-assemblies. With these boundaries, the optimal hyperparameters were found and evaluated. The optimal (R,Q) policy values for the next three months were able to be calculated from the demand data and used in triggering the production of these sub-assemblies. The thesis constructed working production triggers, which were piloted on the shop floor. The piloting showed that the production triggers work and these triggers were implemented on the rest of the sub-assemblies in Vaisala.

Lean-periaatteita on sopeutettu laajasti eri toimialoilla. High-mix-low-volume (HMLV) teollisuus ei kuitenkaan ole omaksunut leanin etuja ympäristön monimutkaisuuden vuoksi. Tässä työssä ehdotamme viitekehystä osakokoonpanojen valmistuksen ohjaamiseksi tehtaiden välillä. Viitekehyksen luomisen tutkimuskysymykset ovat 1) Miten valmistettujen alirakenteiden tulisi liikkua tehtaissa ja millaista alirakenne tuotantosuunnittelua Vaisala Oyj:n tulisi käyttää? 2) Mikä on optimaalinen järjestelmä valmistaa varastoon (MTS) alirakenteita HMLV-ympäristössä? Tutkimusmenetelminä käytettiin aiheeseen liittyvää kirjallisuuskatsausta ja Vaisalan tuotantopaikkojen nykykäytäntöjä. Tutkimusmenetelmillä määritettiin paremmat logistiset menetelmät ja tuotannon aloittamiskynnyspiste alirakenteille. Logistiset menetelmät ovat konsepti tehokkaamman virtauksen aikaansaamiseksi tehtaiden alirakenteille. Tuotannon aloittamiskynnyspisteeksi määriteltiin kokoonpano tilaustyönä ja MTS. MTS-kategorialla on kolme alaluokkaa: visuaalinen, toiminnanohjausjärjestelmä (ERP) ja muut tavat. Työ keskittyy MTS ERP aloittamiskynnyspisteen kehittämiseen. MTS-alikokoonpanojen ERP aloittamiskynnyspiste noudattaa säännöllistä (R,Q) käytäntöä, jossa R on tilauspiste alikokoonpanolle n ja Q on alirakenteen n tilauskoko. (R,Q) käytännössä käytettyjä yhtälöitä muutettiin alirakenteille HMLV-ympäristössä. (R,Q) käytännön parhaiden arvojen löytämiseksi tapahtui simuloimalla varastoja, jossa käytettiin hyperparametreja ja koneoppimista. Varaston simulaatioiden tavoitteena oli vähentää varastotasoja, vaihtelua ja varmistamaan alirakenteiden saatavuus. Näillä tavoitteilla löydettiin optimaaliset hyperparametrit, joita arvioitiin lopuksi. Optimaalisilla hyperparametri arvoilla voitiin laskea kysynnän avulla tilauspisteet ja tilauskoot seuraavalle kolmelle kuukaudelle, joita voidaan käyttää alirakenteiden tuotannossa. Opinnäytetyössä rakennettiin toimivat tuotannon aloittamiskynnyspisteet, joita pilotoitiin tehtaissa. Pilotointi osoitti, että tuotannon laukaisimet toimivat ja nämä laukaisimet toteutettiin muihin alirakenteisiin Vaisalassa.
Description
Supervisor
Oliveira, Fabricio
Thesis advisor
Talus-Suoniemi, Margaretha
Keywords
high-mix-low-volume, sub-assembly, manufacturing, inventory control, production control, machine learning
Other note
Citation