Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Bilanciamento di una linea di assemblaggio Two-sided utilizzando un algoritmo genetico

Tesi di Laurea Magistrale

Facoltà: Ingegneria

Autore: Lorenzo Govoni Contatta »

Composta da 110 pagine.

 

Questa tesi ha raggiunto 113 click dal 29/11/2017.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.

 

 

Estratto della Tesi di Lorenzo Govoni

Mostra/Nascondi contenuto.
19 Il terzo tipo di linea di assemblaggio tratta con la produzione di prodotti diversi e la linea di assemblaggio viene detta multi-model. Vengono assemblati i vari prodotti a lotti, ossia viene precedentemente deciso un determinato quantitativo degli stessi da produrre di volta in volta. Tale quantità deve essere decisa a priori per ogni lotto. Se la dimensione di tale quantità è troppo grande, si decide di bilanciare separatamente ogni lotto di prodotto. È opportuno perciò cercare di produrre lotti di modeste dimensioni al fine di poter effettuare il bilanciamento su tutti i lotti. Una volta che il lotto di un modello è stato prodotto, il tempo di setup permette di cambiare il modello da produrre e si produrrà un nuovo modello finché tutti i modelli sono prodotti. 1.1.4. Caratteristiche task time Queste caratteristiche presuppongono di suddividere il problema secondo il task time. Due tipologie di problema si possono trovare: tempo di svolgimento dell’attività deterministico e stocastico. Quando la variazione presunta del task time è piccola, ad esempio in caso di linee di assemblaggio con macchine altamente affidabili dove semplici tasks sono assemblati, il task time è considerato deterministico. In ambiente deterministico il task time è assunto come variabile fissa, cioè si intende che esso non cambia durante l’operazione di assemblaggio. Questa ipotesi rende la linea di assemblaggio semplice da risolvere. Nella realtà, nelle linee di assemblaggio il task time varia. Ci sono diverse ragioni per cui ciò accade, per esempio, quando un task è dato da lavorare ad un lavoratore egli può lavorarlo in un tempo finito ma la volta dopo ci può mettere minor tempo a lavorarlo. Come già accennato questo è possibile per l’effetto apprendimento. In questo tipo di problema il task time non è fisso ed è considerato come una variabile che dipende dal tasso di apprendimento dei lavoratori. Ci sono altri problemi dove il task time può risultare variabile. Esempi sono l’incertezza dovuta a guasti delle macchine, la fatica che sviluppa l’operatore nel effettuare un certo tipo di lavorazione, la scarsa manutenzione delle stazioni di lavoro, difetti nelle materie prime da lavorare, l’instabilità dei lavoratori manuali, il loro tasso di lavoro (work rate), la sensitività alla motivazione e ai guasti. Tutti questi ultimi esempi si riferiscono a task time incerti, stocastici appunto, dove la variabilità è più o meno spinta a seconda della situazione che si presenta nella situazione specifica.
Estratto dalla tesi: Bilanciamento di una linea di assemblaggio Two-sided utilizzando un algoritmo genetico