CC BY
132
• НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 11 № 1-2019 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
doi: 10.24411/2409-5419-2018-10227
ПРОБЛЕМЫ АВТОМАТИЗАЦИИ ПРОЦЕССА ПРОИЗВОДСТВЕННОГО ПЛАНИРОВАНИЯ
СКОРНЯКОВА Елизавета Алексеевна1
СУЛАБЕРИДЗЕ Владимир Шалвович '
Сведения об авторах:
1 преподаватель Санкт-Петербургского государственного университета аэрокосмического приборостроения, г. Санкт- Петербург, Россия, elizavetasesina@mail.ru
АННОТАЦИЯ
Проанализирован функционал наиболее популярных организационно-производственных систем, используемых для автоматизации процесса производственного планирования, таких как Customer Synchronized Resources Planning, Enterprise Resources Planning, Management Execution System, Advanced Planning & Scheduling. Обоснована необходимость создания специальных автоматизированных систем, основанных на принципах бережливого производства, с целью эффективного использования ресурсов и максимальной ориентации на потребителя. Проведен анализ цикла планирования высокопроизводительного предприятия. Составлена контекстная диаграмма процесса планирования по методологии функционального моделирования, с последующей ее декомпозицией. Выявлены следующие этапы цикла планирования, нуждающиеся в улучшении: сбор данных для создания плана, создание плана и его опций, оценка планов ответственными специалистами. Для каждого из этапов приведены основные проблемы и риски, с которыми сталкивается специалист по производственному планированию и которые требуют обязательного решения. Приведены алгоритмы осуществления каждого из этапов, которые заложены в основу разработанной автоматизированной системы планирования. Описаны следующие критерии построения эффективного плана: соответствие общему календарю, соответствие максимальным значениям производственных мощностей, соответствие принципам бережливого производства, полное удовлетворение заказа (разница плана и заказа равна 0). Обеспечено повышение эффективности процесса производственного планирования за счет использования автоматизированной системы. Основные результаты получены в рамках исследований в течение нескольких циклов планирования, с использованием различных вводных данных и несколькими специалистами и выражены в: полном соблюдении сроков сбора информации для построения производственного плана благодаря автоматически рассылаемым уведомлениям, сокращении времени создания плана производства с 30 минутдо 1 минуты, полном исключении ошибок в производственном плане и сокращении времени оценки опций в среднем на 80%.
2д.т.н., с.н.с., профессор Санкт-Петербургского государственного университета аэрокосмического приборостроения, г. Санкт- Петербург, Россия, sula vlad@mail.ru
КЛЮЧЕВЫЕ СЛОВА: автоматизированная система; производственное планирование; бережливое производство; оценка рисков; автоматизация процесса.
Для цитирования: Скорнякова Е. А, Сулаберидзе В. Ш. Проблемы автоматизации процесса производственного планирования // Наукоемкие технологии в космических исследованиях Земли. 2019. Т. 11. № 1. С. 78-85. doi: 10.24411/2409-5419-2018-10227
Vol
Ne
ffi
-2019, H&ES RESEARCH • INFORMATICS, COMPUTER ENGINEERING AND CONTROL
~.....///,
Автоматизация процесса производственного планирования стала нормой для промышленных предприятий ввиду постоянной конкуренции и, как следствие, изменения системы управления. Главным вектором разработок в этой области является создание систем, ориентированных на клиента и учитывающих принципы бережливого производства [1-3].
Несмотря на большое количество разработанных методик в области производственного планирования их внедрение в производственный процесс и применение на практике вызывает серьезные трудности. Особенно эта проблема актуальна для высокопроизводительных предприятий, номенклатура производимой продукции которых насчитывает десятки, а иногда и сотни вариаций. Такие предприятия максимально чувствительны к воздействию, как внешних, так и внутренних факторов. В условиях производства больших объемов вариативной продукции особенно остро встает вопрос оптимизации производственных планов с целью максимально эффективного использования ресурсов предприятия. Задача оптимизации процесса производственного планирования сама по себе является сложной и требует обязательного вовлечения ру-
ководства и квалифицированных специалистов практически всех подразделений предприятия.
В настоящее время современные методологии производственного планирования реализованы различными классами информационных систем. Наибольшую известность получили MRP и ERP [4] системы, а также более современные системы CSRP, MES и APS. В зависимости от целей планирования и функций, которые должны быть автоматизированы, руководство выбирает к внедрению одну или несколько систем. На рис. 1 представлен цикл производственного планирования с разбивкой на функции в соответствии с принятой терминологией приведенных выше систем и обозначен функциональный охват каждой из этих систем.
Как видно из рис. 1, каждая из вышеупомянутых информационных систем охватывает оперативное планирование. Эта область планирования является одной из наиболее сложных ввиду ряда факторов, таких как специфика производимой продукции и технологических процессов, а также является одной из наиболее изученных [5-9].
Значительное число разработок связано с внедрением автоматизированных устройств в производственный
Рис. 1. Информационные системы производственного планирования
« Л'Л \\\\
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 11 № 1-2019 ___ . _ РМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
процесс [10, 11], используемых в рамках MES систем. Примерами таких устройств являются системы, подключенные напрямую к рабочему инструменту сотрудника и позволяющие получать данные о технологических показателях процесса в режиме реального времени (параметры затяжки резьбовых соединений, количество паяных или сварочных точек, непрерывность нанесения материала на поверхность и т.д.). На основании получаемой информации для критических соединений и процессов осуществляется сбор информации на периодической основе, который используется для построения контрольных карт Шухарта и дальнейшего анализа отклонений и причин их возникновения с целью полного устранения.
Вся информация о дефектах и «узких местах» производства, попадая в общую базу данных, дает сотрудникам предприятия возможность использовать ее, как вводные данные для других процессов. В частности такая информация является основой CRP, ERP и MES [12, 13] систем.
Особый интерес для проводимых исследований представляют организационно- производственные системы, наиболее приближенные по функционалу к системам класса ERP, но использующие в своем арсенале уникальные принципы и правила построения производственных планов. Актуальность развития таких систем обусловлена необходимостью снижения рисков в условиях нестабильного рынка, а также подтверждается рядом принятых Правительством РФ директив.
Учитывая сложность прогнозирования спроса на продукцию, компаниям необходимо оперативно реагировать на любые изменения как внешней, так и внутренней среды. Для этих целей руководство компании должно оце-
нивать все риски при принятии управленческих решении, оперирую при этом максимально полными данными.
Разработка производственной стратегии, учитывающей прогнозируемый спрос, мощности оборудования и поставщиков, а также возможности использования человеческих ресурсов является главной задачей процесса планирования производства и создаваемой автоматизированной системы.
Существует ряд проблем, которые усложняют процесс автоматизации:
- разнородность предоставляемых данных (отсутствие стандартных форматов);
- отсутствие единых баз данных с необходимой информацией;
- недостоверность и неполнота данных о максимальной производительности процессов и оборудования;
- необходимость вовлечения руководителей и специалистов разных уровней для оценки создаваемых планов;
- вариативность визуализации данных (в зависимости от требований руководителей).
Все перечисленные проблемы усложняются необходимостью прогнозирования ряда вводных данных, так как горизонт планирования при создании стратегии производства может составлять от нескольких месяцев до нескольких лет.
Для лучшего понимания процесса планирования высокопроизводительного предприятия, удобнее описать процесс привычным для соответствующих специалистов образом с использованием методологии ШEF0 (рис. 2) и последующей декомпозицией контекстной диаграммы (рис. 3).
Производственное планирование осуществляется в несколько этапов, которые нуждаются в автоматизации
Рис. 2. Контекстная диаграмма процесса производственного планирования
Vol
Ne
iïiï/fô^ ffi
-2019, H&ES RESEARCH • INFORMATICS, COMPUTER ENGINEERING AND CONTROL
~.....///,
^ S'
Рис. 3. Декомпозиция контекстной диаграммы (А0)
с целью устранения возможных рисков [14] и сокращения времени на рассматриваемый процесс:
- сбор данных для создания плана;
- создание плана и его опций;
- оценка планов ответственными специалистами.
Для созданий производственного плана должно быть
использовано большое количество вводных данных. Чаще всего вся информация подразделений и цехов предприятия хранится в бумажном виде, на электронных носителях или в общей информационной сети организации в различных папках. На поиск, сбор, обработку и согласование всех данных специалисту отдела производственного планирования необходимо затратить от одного дня до нескольких недель. В рассматриваемом цикле планирования на все перечисленные процессы отводится не более дня, что говорит о необходимости оптимизации данных процессов.
К основным показателями эффективности сбора информации являются:
- время внесения данных;
- изменение данных после первичного внесения.
Алгоритм сбора и обработки данных в автоматизированной системе представлен на рис. 4.
В случае с формированием самого производственного плана, основной проблемой являются значительные риски, связанные с ручным его созданием. Без специальных автоматизированных систем планы чаще всего создаются в стандартных программах Microsoft Office, в частности в Excel. В зависимости от горизонта плани-
рования и сложности вводных данных, на создания плана затрачивается от 30 минут до нескольких часов, в случае если необходимо создать несколько планов, то может потребоваться несколько дней. Также отдельно стоит отметить очень низкую скорость работы стандартных программа с большими массивами данных. При этом правила и принципы «бережливого производства», лежащие в основе построения плана, ответственный специалист держит буквально «в уме».
После завершения плана и его опций, необходимо провести всестороннюю оценку. Главное проблемой этого подпроцесса является разноформатность оценок и сроки проведения анализа планов различными подразделениями. Автоматизация этого этапа планирования в первую очередь призвана к сокращению сроков оценивания планов и как следствие к принятию более скорого управленческого решения. Алгоритм создания опций производственного плана и их оценки представлен на рис. 5.
Критерии построения плана:
- соответствие общему календарю;
- соответствие максимальным значениям производственных мощностей;
- соответствие принципам бережливого автоматизированного производства ;
- полное удовлетворение заказа (разница плана и заказа равна 0).
Оценка плана осуществляется по средствам простой визуализации — присвоением оценки заданного
Рис. 4. Алгоритм сбора и обработки исходных данных
Рис. 5. Алгоритм создания и оценки плана
Vol
Nc
ffffi&K ' i(L ЯЩ.
-2019, H&ES RESEARCH • INFORMATICS, COMPUTER ENGINEERING AND CONTROL
~.....///,
формата и комментария ответственными специалистами и руководителями.
Сокращение сроков оценивания достигается за счет автоматических адресных уведомлений рассылаемых системой.
Эффективность разработанной системы [15] и используемых в ее основе алгоритмов подтверждается результатами использования разработанного программного продукта в условиях реального процесса производственного планирования высокопроизводительного предприятия.
В результате проведенных исследований использования разработанной системы и анализа полученных данных были достигнуты следующие результаты:
- соблюдение сроков сбора информации для построения производственного плана благодаря автоматически рассылаемым уведомлениям,
- сокращение времени создания плана производства с 30 минут до 1 минуты;
- полное исключение ошибок в производственном плане;
- сокращение времени оценки плана в среднем на 80%.
Литература
1. Varshapetian A., Semenova E. Aspects of integration management methods // International Journal for Quality Research. 2015. No. 9(3). Pp. 481-494.
2. Grodzenskiy S. Y., Emanakov I. V., Ovchinnikov S.A. The concept of lean manufacturing and its application in the enterprise // Information Innovative Technologies. 2017. No. 1. Pp. 227-229.
3. Khanchanapong T., Prajogo D., Sohal A. S., Cooper B. K., Yeung A. C.L., Cheng T. C.E. The unique and complementary effects of manufacturing technologies and lean practices on manufacturing operational performance // International Journal of Production Economics. 2014. Vol. 153. Pp. 191-203.
4. Гаврилов Д. А. Управление производством на базе стандартов MRP II. СПб.: Питер, 2005. 416 с.
5. Ошурков В. А., Макашова В. Н. Оперативное планирование производства в MES-системах с использованием методов и алгоритмов искусственного интеллекта // Доклады Х Юбилейной международной научно-практической конференции «Современные информационные технологии и ИТ-образование» (Москва, 20-22 ноября 2015 г.). 2015. № 2. С. 133-139.
6. Ковалев А. С., Кушников В. А. Разработка информационной системы для автоматизации процессов технической подготовки производства на маши-
ностроительном предприятии // Сборник материалов XXXIV Международной научно-практической конференции «Перспективы развития информационных технологий» (Новосибирск, 19 января-17 февраля 2017 г.) / Под общей ред. С. С. Чернова. Новосибирск, 2017. С. 113-119.
7. Носов А. Н., Бугров А. Н. Современные средства и технологии обеспечения анализа и планирования производств // Системный анализ в науке и образовании. 2013. № 2. С. 118-132.
8.ЕвгеневГ.Б.,Крюков С. С.,Кузьмин Б.В.,СтисесА. Г. Интегрированная система автоматизации проектирования технологических процессов и оперативного управления производством // Известия высших учебных заведений. Машиностроение. 2015. № 3 (660). С. 49-60.
9. Ларин С. Н., Тимирзянов В. В. Исследование процессов оперативно-календарного планирования в условиях многономенклатурных производств // Вестник Самарского государственного аэрокосмического университета им. академика С. П. Королёва (национального исследовательского университета). 2012. № 5-2 (36). С. 320-325.
10. Potters P., Schmitt R., Leyendecker B. Effectivity of quality methods used on the shop floor of a serial production-how important is Poka Yoke? // Total Quality Management and Business Excellence. 2018. No. 29(9-10). Pp. 1200-1212.
11. Wiech M., BollhoffJ., Metternich J. Development of an Optical Object Detection Solution for Defect Prevention in a Learning Factory // Procedia Manufacturing. 2017. No. 9. Pp. 190-197.
12. Moeuf A., Pellerin R., Lamouri S. The industrial management of SMEs in the era of Industry 4.0 // International journal of production research. 2018. Vol. 56. Issue 3. Pp. 1118-1136.
13. HuangM., Zhou Q., BaiA. Research on smart manufacturing execution system (Smart-MES) for modern numerical control shop floor: functional components and its implementation strategies // Proceedings of the 2017 6th International Conference on Measurement, Instrumentation and Automation (ICMIA 2017). Series: Advances in Intelligent Systems Research, Zhuhai, China, 29-30 June 2017. Atlantis Press, 2017. Vol. 154. Pp. 452-462. doi:10.2991/icmia-17.2017.82
14. Сесина Е. А. Модель движения рисков при оперативном обмене информацией в процессе производственного планирования // Сборник трудов IX Общероссийской научно- практической конференции «Инновационные технологии и технические средства специального назначения» (Санкт-Петербург, 16-18 ноября 2016 г.). СПб., 2017. Т. 2. C. 154-155.
15. Скорнякова Е. А. Модель системы оперативного реагирования при производственном планировании // Качество и жизнь. 2018. № 2. C. 39-41.
\\\\
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 11 № 1-2019 ... ЭРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
PROBLEMS OF PRODUCTION PLANNING PROCESS AUTOMATION
VLADIMIR S. SULABERIDZE, KEYWORDS: automated system; production planning; lean manufac-
St. Petersburg, Russia, sula_vlad@mail.ru turing; risk assessment; process automation.
ELIZAVETA A. SKORNIAKOVA,
St. Petersburg, Russia, elizavetasesina@mail.ru
ABSTRACT
Functions of most well-known managerial-production systems used for production planning process automation such as Customer Synchronized Resources Planning, Enterprise Resources Planning, Management Execution System, Advanced Planning & Scheduling were analyzed. Necessity of creation of special automated systems based on lean manufacturing principles for efficient recourse usage and maximum customer orientation was proved. Analysis of high- productivity plant production planning cycle was done. Context diagram of production planning process based on functional modeling methodology was made. Following stages of planning cycle needed to be improved: gathering of data for plan creation, plan and it options creation, plans assessment by responsible specialists. Main problems and risks of planning process that need to be eliminated on each stage are listed. Algorithms for each stage implementation in developed automated system are reflected. Following criteria of effective plan creation are described: matching with common calendar, matching with maximum production capacity restrictions, following of lean manufacturing principles, full compliance of customer order (difference between plan and order is zero). Usage of automated system in production planning process of high- productivity plant provide efficiency increase of it process, expressed in: full compliance of data gathering lead times achieved by automated distribution of notifications, decrease of time for production plan creation from 30 minutes to 1 minute, total elimination of mistakes in production pan and decrease of time for options assessment in average for 80%. Presented numbers were achieved as a result of research with usage of different input data and by several production planning specialists.
REFERENCES
1. Varshapetian A., Semenova E. Aspects of integration management methods. International Journal for Quality Research. 2015. No. 9(3). Pp. 481-494.
2. Grodzenskiy S. Y., Emanakov I. V., Ovchinnikov S. A. The concept of lean manufacturing and its application in the enterprise. Information Innovative Technologies. 2017. No. 1. Pp. 227-229.
3. Khanchanapong T., Prajogo D., Sohal A. S., Cooper B. K., Ye-ung A. C.L., Cheng T. C.E. the unique and complementary effects of manufacturing technologies and lean practices on manufacturing operational performance. International Journal of Production Economics. 2014. Vol. 153. Pp. 191-203.
4. Gavrilov D. A. Upravlenie proizvodstvom na baze standartov MRP. Production management based on MRP II standards. St. Petersburg: Piter, 2005. 416 p. (In Russian)
5. Oshkurov V. A., Makashova V. N. Operativnoe planirovanie proiz-vodstva v MES-sistemah s ispolzovaniem metodov I algoritmov iskusstvennogo intellekta [Operational production planning in MES- systems with usage of methods and algorithms of artificial intelligence]. Doklady H Yubilejnoj mezhdunarodnoj nauchno-prak-ticheskoj konferencii "Sovremennye informacionnye tehnologii i IT-obrazovanie" [Reports of the X Anniversary international scientific and practical conference "Modern Information Technologies and IT Education", Moscow, 20-22 November 2015]. 2015. No. 2. Pp. 133-139. (In Russian)
6. Kovalev A. S., Kushnikov V. A. Razrabotka informatsionnoy sistemi dlia avtomatizatsii protsesov tehnicheskoy podgotovki proizvodstva na mashinostroitelnom predpriyatii [Development of informational system for automation of technical production support processes in machine-building enterprise]. Sbornik materialov HHXIV Mezhdunarodnoj nauchno-prakticheskoj konferencii "Perspektivy razvitiya informacionnyh tehnologij" [Proceedings of the XIV International scientific and practical conference "Prospects of information technologies development", Novosibirsk, 17 January - 19 February, 2017]. Novosibirsk, 2017. Pp. 113-119. (In Russian)
7. Nosov A., Bugrov A. Modern tools and technology of providing analysis and production planning. Sistemniy analiz v nauke i obra-zovanii [System analysis in science and education]. 2013. No. 2. Pp. 118-132.
8. Evgenev G., Kryukov S., Kuz'min B., Stises A. An integrated process automation and operations management system. Proceedings of Higher Educational Institutions. Machine Building. 2015. No. 3 (660). Pp. 49-60. (In Russian)
Vol
Ne
'id
-2019, H&ES RESEARCH • INFORMATICS, COMPUTER ENGINEERING AND CONTROL
~.....///,
9. Larin S., Timirzyanov V. Study of processes production scheduling in multiproduct manufactures. Vestnik Samarskogo gosudarstven-nogo aerokosmicheskogo universiteta im. akademika S. P. Koroleva (natsional'nogo issledovatel'skogo universiteta) [Vestnik of Samara state aerospace University named after academician S. P. Korolev (National Research University)]. 2012. No. 5-2 (36). Pp. 320-325. (In Russian)
10. Potters P., Schmitt R., Leyendecker B. Effectivity of quality methods used on the shop floor of a serial production-how important is Poka Yoke? Total Quality Management and Business Excellence. 2018. No. 29(9-10). Pp. 1200-1212.
11. Wiech M., Bollhoff J., Metternich J. Development of an Optical Object Detection Solution for Defect Prevention in a Learning Factory. Procedia Manufacturing. 2017. No. 9. Pp. 190-197.
12. Moeuf A., Pellerin R., Lamouri S. The industrial management of SMEs in the era of Industry 4.0. International journal of production research. 2018. Vol. 56. Issue 3. Pp. 1118-1136.
13. Huang M., Zhou Q., Bai A. Research on smart manufacturing execution system (Smart-MES) for modern numerical control shop floor: functional components and its implementation strategies. Proceedings of the 2017 6th International Conference on Measurement, In-
strumentation and Automation (ICMIA 2017). Series: Advances in Intelligent Systems Research, Zhuhai, China, 29-30 June 2017. Atlantis Press, 2017. Vol. 154. Pp. 452-462. doi:10.2991/icmia-17.2017.82
14. Sesina E. A. Model' dvizheniya riskov pri operativnom obmene informaciej v processe proizvodstvennogo planirovaniya [Model of risks movement during on-line data interchange in production planning process]. Sbornik trudov IX Obscherossijskoj nauchno- praktich-eskoj konferencii "Innovacionnye tehnologii i tehnicheskie sredstva special'nogo naznacheniya" [Proceedings of the IX all-Russian scientific and practical conference "Innovative technologies and technical means of special purpose", St. Petersburg, 16-18 November 2016]. Saint- Petersburg, 2017. Pp. 154-155. (In Russian)
15. Skorniakova E. A. Model of quick response system for production planning. Kachestvo i zhizn' [Quality and life]. 2018. No. 2 (18). Pp. 39-41. (In Russian)
INFORMATION ABOUT AUTHORS:
Sulaberidze V.S., PhD, Senior Research Officer, Professor of Saint-Petersburg State University of Aerospace Instrumentation; Skorniakova E.A., lecturer of Saint-Petersburg State University of Aerospace Instrumentation.
For citation: Sulaberidze V. S., Skorniakova E. A. Problems of production planning process automation. H&ES Research. 2019. Vol. 11. No. 1. Pp. 78-85. doi: 10.24411/2409-5419-2018-10227 (In Russian)
