سیستم های کنترل و برنامه ریزی تولید کنونی شرکت های تولیدی شامل استراتژی های نگهداری و تعمیرات آینده نگری که امکان پیش بینی دقیق فعالیت های نگهداری و تعمیرات را فراهم کنند، نمی شوند. این موضوع به دلیل خرابی های غیر قابل پیش بینی ماشین آلات، تغییر زمان شروع و تعداد بالای سفارش ها، منجر به عدم کارایی فرآیندهای تولید می شود. به منظور یکپارچه سازی استراتژی های پیش بینانه طی یک کنترل و برنامه ریزی تولید، و با هدف افزایش انعطاف پذیری و کیفیت برنامه ریزی تولید، یک رویکرد ایجاد شده است. بر اساس استراتژی پیش بینی، این مدل، معیارهایی را برای به حداقل رساندن هزینه های تولید کلی و هزینه های نگهداری و تعمیرات مربوطه در یک افق برنامه ریزی محدود، ارائه می دهد.

۱. معرفی

شرکت های امروزه با چالش هایی در رابطه با مدلشان، مانند انعطاف پذیری فرایندهای تولید، تطبیق پذیری و مشتری محوری روبرو هستند تا بتوانند در دنیای رقابتی باقی بمانند. این مساله منجر به چالش هایی مانند افزایش پیچیدگی امکانات، افزایش زمان فراوری، ناسازگاری بالاتر فرایندهای تولید و مونتاژ، افزایش مطالبات (مدعیان) از نظر فشار کیفیت و هزینه می شود ]۱[. به خصوص کاهش زمان های فراوری باعث افزایش ظرفیت و تقاضاهای انعطاف پذیری در تولید می شود ]۲[. در راستای کیفیت محصولات، مشتریان نسبت به معیارهای کارایی تدارکات آگاه شده اند، مانند: پیوستگی تاریخ های تحویل یا زمان فراوری که به عنوان معیاری برای تصمیم گیری در نظر گرفته می شوند. ۶۷ درصد شرکت ها زمان فراوری را به عنوان مهم ترین بعد هدف در اولویت قرار می دهند ]۳[.

اگرچه تعامل قوی میان برنامه ریزی و کنترل تولید ، مدیریت کیفیت و نگهداری به طور مشخصی ثابت شده است ]۴و۵[ و تاثیر آن بر روی چالش هایی که در بالا توصیف شد مسلم است، اما فرایندهای برنامه ریزی کنونی بدون یک روش همه جانبه که هر ۳ ناحیه را در بر میگیرد اداره می شوند. این مساله منجر به برنامه های نگهداری و تولیدی می شود که هم راستا نیستند. و اشتباها تاریخ های نگهداری انتخاب شده به طور قابل ملاحظه ای بر روی بهره وری یک سیستم تولیدی تاثیر می گذارند. تعادل ایده آلی میان هزینه مربوطه نگهداری و تولید یافت نمی شود. از طرف دیگر انتخاب زمان ناکارامد برای اقدامات نگهداری برنامه ریزی شده، تغییرات کوتاه مدت در طول فرایندهای تولید، دلایل اصلی برای آشفتگی در کارگاه را نمایان می سازد.

به طور مثال، متوسط قابلیت اطمینان برنامه ریزی SMU هایی که متخصص در مهندسی مکانیک هستند، بعد از فقط ۳ روز میانگین ۲۵% را می دهد ]۶[. سهم بزرگی از این تغییرات از خرابی های برنامه ریزی نشده تجهیزات ناشی می شود، که به طور قابل ملاحظه ای باعث محدودیت انعطاف پذیری یک سیستم تولید می شوند. از این رو تاخیرها پدید می آید که جبران آنها سخت است و منجر به هزینه های اضافه می شود (برای مثال به علت کیفیت بد محصول یا اضافه کاری اجتناب پذیر).

به علاوه توانایی کارمندان، برای واکنش در برابر رویدادهای غیر قابل انتظار، اغلب محدود است. یک تصمیم گیری که بر پایه داده قابل اعتماد نباشد منجر به مداخلات دستی غیر هماهنگ و بنابراین ناکارامدی ها، و فرایندهای غیرقابل کنترل و تعریف نشده می شود.

Abstract

Current production planning and control systems of manufacturing companies do not include future-oriented maintenance strategies that allow the precise prediction of maintenance tasks. This results in inefficient production processes due to unforeseeable machine downtimes, fluctuating lead times and a high number of rush orders. An approach for the integration of anticipative maintenance strategies within a production planning and control model is developed in order to increase the flexibility and quality of production planning. Based on an anticipative maintenance strategy, the model derives measures for minimizing the overall production costs as well as maintenance related costs over a finite planning horizon.

Keywords Maintenance,Production planning and control,Predictive model,Integrated planning models

Introduction

Today’s companies face the challenge to model their production processes flexible, versatile and customer oriented, in order to stay competitive. This leads to challenges, like the increasing of facility complexity, decreasing of lead time, higher variance of production and assembly processes, rising claims regarding quality as well as cost pressure [1]. Especially the decrease of lead times causes an increasing of capacity and flexibility demands in production [2]. Beside the quality of products, customers begin to perceive logistics performance measures, like the adherence of delivery dates or lead time, as a criterion for decision making. 67% of enterprises prioritize lead time already as the most important target dimension [3].

Even though the strong interaction between production planning and control (PPC), maintenance and quality management is scientifically proven [4,5] and its influence on the above described challenges is undisputed, current planning processes are conducted without a holistic approach that considers all three areas. This results in non-aligned maintenance and production plans. Wrongly picked maintenance dates influence the productivity of a production system significantly.

An ideal trade-off between maintenanceand production related costs cannot be found. Beside choosing inefficient moments for planned maintenance measures, shortterm changes of during the production processes represent main reasons for turbulences on the shopfloor. As an example, the average planning reliability of SMUs specialized on mechanical engineering, averages 25% after only three days [6]. A big stake of those changes result from unplanned facility downtimes, which restrict the demanded flexibility of a production system significantly. Hence delays emerge which are difficult to compensate and cause additional costs (e.g. due to bad product quality or avoidable overtime)