Za učinkovite rezultate simulacijske optimizacije je potrebno izbrati modelu primerno optimizacijsko strategijo, na podlagi katere se pridobiva ustrezne informacije posameznega optimizacijskega cikla in oceni napredek simulacijske optimizacije. Informacije o napredku se potem posreduje v nov cikel eksperimentiranja, da se ustrezno prilagodi vhodne spremenljivke simulacijskega modela in izvede nov eksperiment.
Med simuliranjem se opazuje kopičenje produktnih objektov v ali pred procesnimi objekti v simulacijskem modelu, premike produktnih objektov, neželene zakasnitve v izdelavi izdelkov, čakanje na transport ipd. Na ta način se odkriva lastnosti, ki so o procesu še neznane in njihov vpliv oziroma prispevek k učinkovitemu ali neučinkovitemu izvajanju procesa. S simulacijskim eksperimentiranjem se tudi dokaj enostavno odkrije pomanjkljivosti (razne potrate, ozka grla ipd.) opazovanega sistema, ki se nato v realnem sistemu odpravijo ob načrtovanih zastojih, da proizvodni proces poteka čim bolj nemoteno.
Iz slike 2.9 je razvidno, da po simulacijskem eksperimentiranju in optimizaciji sledi interpretacija oziroma analiza rezultatov. Ta korak je pomemben predvsem zato, da se oceni ali je simulacija ponudila uporabne rezultate za rešitev zastavljenega problema ali ne. Če se ugotovi slednje, se je potrebno vrniti v prejšnje korake računalniške simulacije (slika 2.9) in ustrezno nadgraditi model [27]. Pri simulacijski analizi se primerja rezultate različnih
Teoretične osnove in pregled literature
simulacijskih eksperimentov, da se lahko izbere najboljšo možno varianto sistema ali procesa, naročniku simulacije predstavi podlago za odločanje o nadaljnjih ukrepih na realnem sistemu in podobno. Znotraj programskega simulacijskega okolja so uporabniku simulacije na voljo določena orodja in pripomočki za enostavnejšo in učinkovitejšo analizo rezultatov. Analiza izkoriščenosti in zasedenosti sredstev je tako lahko podprta z orodjem za samodejni prikaz izkoriščenosti in zasedenosti sredstev in orodjem za časovni prikaz izvrševanja nalogov in zasedenosti sredstev. Pogosto se uporablja tudi orodje za prikaz gostote toka materiala med procesi in analizo ozkih grl ter integracija genetskih algoritmov v model za samodejno iskanje najugodnejšega zaporedja naročil ali proizvodnih nalogov [31].
Rezultate se običajno predstavi v obliki grafov, podatkovnih tabel, slikovnega gradiva in komentarjev, ki jih zahteva naročnik simulacije. S tega vidika je pomembno, da simulacijsko programsko okolje omogoča tudi izvoz rezultatov simulacijskih eksperimentov za njihovo naknadno obdelavo in prikaz [31]. Če rezultati simulacijskega eksperimentiranja izpolnijo na začetku zastavljena pričakovanja in cilje, pomeni, da so primerni za nadaljnje odločanje o aktivnostih na realnem sistemu in implementacijo z računalniško simulacijo pridobljenih potencialnih rešitev za izboljšanje stanja realnega sistema. Kot je razvidno iz slike 2.9 se v tem primeru izdela še dokumentacija novih rešitev, načrtovanih aktivnosti oziroma sprememb realnega sistema [27].
2.7 Optimizacija sistema s »kaj-če« simulacijskimi scenariji
Ena izmed optimizacijskih strategij v okviru računalniške simulacije je izvajanje »kaj-če«
simulacijskih scenarijev. Pri »kaj-če« simulacijski analizi se analiza preučevanega sistema izvaja preko različnih simulacijskih eksperimentov, kateri so zasnovani na danih hipotezah imenovanih scenariji simulacijskega modela. S »kaj-če« analizo se opazuje in meri kako spremembe v nizu neodvisnih spremenljivk vplivajo na skupino odvisnih spremenljivk simulacijskega modela. Na ta način se poizkuša čim bolje razumeti obnašanje kompleksnih sistemov in zato je »kaj-če analiza pomembno orodje za podporo pri sprejemanju odločitev o aktivnostih za izboljšanje in optimizacijo učinkovitosti realnih sistemov kot je npr.
planiranje proizvodnje [34].
Vsak eksperiment ima lahko svojo verzijo nastavitev vhodnih parametrov, razporeditve delovnih sredstev, števila komponent modela ipd. Različni scenariji simulacijskega modela uporabniku simulacije nudijo vpogled v obnašanje različnih možnih variant realnega sistema v virtualnem okolju, s čimer se nadomesti eksperimentiranje v realnem okolju, ki je običajno zelo zamudno in finančno nesprejemljivo ravnanje brez zagotovljenega uspeha oziroma napredka v izboljšanju delovanja sistema.
Modeliranje različnih scenarijev simulacijskega modela običajno poteka tako, da se izhaja iz osnovnega oziroma referenčnega modela, ki je virtualna podoba trenutnega stanja obravnavanega sistema ali najbolj verjetno bodoče stanje načrtovanega sistema. Če posamezni scenariji za »kaj-če« analizo zahtevajo le manjše spremembe osnovnega modela
Teoretične osnove in pregled literature
delovnih nalogov ipd.) se lahko izdela kopija obstoječega modela, katera se potem prilagaja potrebam posameznega simulacijskega scenarija. V tem primeru je možna takojšnja primerjava obnašanja sistema osnovnega modela in enega izmed »kaj-če« scenarijev. V nekaterih primerih se lahko tudi celotna »kaj-če« analiza izvede na enem simulacijskem modelu, t.j. osnovnem, ki se sproti prilagaja posameznemu »kaj-če« scenariju, vendar zato ni mogoče hkrati primerjati poteka simulacijskih eksperimentov dveh scenarijev. Če posamezni scenarij simulacijskega modela zahteva znatnejše spremembe že obstoječega modela (sprememba razporeditve delovnih sredstev, toka materiala, programskih ukazov ipd.), se za vsak nov simulacijski scenarij iz najbolj primernega že oblikovanega modela izdela nov model na način, da se prilagodi (spremeni, doda, odstrani) obstoječe komponente in programske ukaze modela glede na zahteve posameznega »kaj-če« scenarija. Prednost zadnje omenjenega pristopa modeliranja »kaj-če« simulacijskih scenarijev, ki je tudi uporabljen v tej magistrski nalogi, je predvsem takojšen dostop do vseh scenarijev simulacijskega modela in njihova uporaba v kasnejših fazah odločanja o posegih na dejanskih sistemih. Za ta namen je pomembno simulacijski model graditi modularno, da se oblikovan model lahko hitro dogradi ali nadgradi v skladu z novo verzijo sistema.
Parametričnost simulacijskih modelov omogoča tudi enostavno spreminjanje ključnih značilnosti modela. Različni elementi modela so povezani s parametri, kar pomeni, da se spremembe določenega niza elementov lahko izvršijo s spremembo le enega elementa v omenjenem nizu, s čimer je oblikovanje različnih scenarijev hitreje izvedeno in simulacijski program rezultate simulacij izračuna v kratkem času [12].
Teoretične osnove in pregled literature
3 Metodologija raziskave
Pri raziskovalnem delu smo analizirali robotizirano montažno linijo demonstracijskega centra (v nadaljevanju demo center) Pametna tovarna Laboratorija za strego, montažo in pnevmatiko (LASIM) Fakultete za strojništvo Univerze v Ljubljani. Razvili smo simulacijski model demo centra za simuliranje proizvodnega procesa. Oblikovali smo tudi dodatni simulacijski scenarij, pri katerem smo glede na obstoječ model prerazporedili robotske montažne operacije z namenom primerjave učinkovitosti delovanja obstoječe in predlagane variante poteka proizvodnega procesa. Pri raziskovanju in načrtovanju računalniške simulacije smo sledili aktivnostim simulacije, ki so predstavljene v poglavju 2.6 Računalniška simulacija.
3.1 Popis obstoječega sistema
Demo center laboratorija LASIM je prototipna pametna tovarna. Temelji na principu delovanja pametnih tovarn, ki so ključne komponente industrije 4.0. Osrednji del obravnavanega sistema predstavlja robotizirana montažna linija z dvema robotskima celicama. Gre za prototip moderne proizvodne linije s podporo digitalnih tehnologij, katerih del so pametne naprave, RFID sistemi ipd. Med pametne strežne in montažne naprave spadajo tudi roboti, ki v demo centru opravljajo operacije »primi in spusti« (angl. »pick and place«) in so označeni na sliki 3.1.
Robota R1 in R2 skrbita za izvedbo avtomatske robotske montaže izdelkov. Nameščena sta v robotskih celicah, kjer se nahaja tudi izmenjevalec orodij. Robot R3 je kolaboracijski robot.
Njegova naloga je odvzem polizdelkov s transporterja proizvodne linije za potrebe ročne montaže na ročnem montažnem mestu in po zaključeni ročni montaži vrnitev izdelkov na transportno linijo (slika 3.1).
Metodologija raziskave