В таких отраслях, как горнодобывающая промышленность, для которых характерно интенсивное использование оборудования и техники, необходим адекватный запас критически важных запасных частей и компонентов. Недостаток запасов влияет на общую производительность физических активов, а отсутствие запасных частей может привести к штрафам, снижению доступности или увеличению операционных рисков.
С другой стороны, большие запасы приводят к неэффективному использованию капитальных затрат и могут иметь серьезные финансовые последствия для компаний.
Эта работа предоставляет методологию для определения оптимального количества инвентаря основных отремонтированных компонентов на основе анализа и показателей надежности критически важного оборудования компании, которая отвечает за области снабжения и обслуживания. Работа сосредоточена только на критических компонентах в области дорогостоящего мобильного горного оборудования, которое подвержено сбоям с эксплуатационными последствиями, где требуется покрытие для непредсказуемых отказов, регулярно требующих значительных затрат и связанных с инвентарными сбоями (складские запасы- вне).
Определение оптимального количества запасов осуществляется посредством вариации модели периодического обзора (модель R, S) с критериями уровня обслуживания. Предлагаемая модель показывает, что заказы на компоненты не размещаются после прохождения периода R для достижения целевого количества S, потому что каждый компонент, удаленный из оборудования, возвращается в запасы после логистического времени T at; ремонт, гарантийный возврат или покупка для замены компонентов, отмененных в процессе, при этом достигается то, что запасы не достигают дефицита, что подтверждается построением имитационной модели.
Дополнительно определяются интересующие показатели для области обслуживания и снабжения, а также оптимизация времени логистики T at и ее последствия для определения оптимального количества компонентов на складе, получения уменьшения ремонтируемых активов на складе до на 50%.
1. ВВЕДЕНИЕ
Запасы составляют примерно одну треть всех активов типичной компании (Díaz and Fu, 1997). Из них запасные части и компоненты имеют особое значение для отраслей, которые характеризуются относительно дорогим оборудованием, которое активно используется в их производственном процессе. Эта работа направлена на создание методологии инвентаризации, которая определяет оптимальные объемы инвентаризации основных компонентов, отремонтированных на основе анализа и показателей надежности критически важного оборудования. Эта методология отличается от традиционных методов управления запасами в первую очередь тем, что предполагается, что не существует бесконечных совокупностей, поэтому уровень спроса на детали зависит от количества единиц, которые в настоящее время используются на предприятии.
В большинстве отраслей дорогостоящие или труднодоступные детали должны быть на складе для защиты от дефицита, и было обнаружено, что складская стоимость сосредоточена в этих деталях с низким потреблением и высокой ценой за единицу. Этот тип запасной части используется в качестве страховки от затрат на поломку, которая может быть понесена из-за ее отсутствия в случае необходимости. Правило «упущенных продаж», которое часто встречается при проблемах с запасами готовой продукции, в этом случае неприменимо, потому что, если детали недоступны, простои оборудования обходятся слишком дорого.
При принятии решения о количестве этих деталей возникает несколько проблем. Один из них - оценить уровень спроса и связанное с ним распределение: для его оценки требуются длительные интервалы времени. Это контрастирует с частями с высокой текучестью, где достаточно записей за короткий промежуток времени. Еще одна сложность в управлении запчастями с низкой оборачиваемостью - их негибкость. Например, избыточный запас быстродвижущихся деталей можно быстро устранить за счет естественного потребления, чего нельзя сказать о деталях с низкой оборачиваемостью. Избыточные закупки в начале работы (или после запуска) можно исправить только медленно, особенно если деталь уникальна, что делает невозможным ее продажу другим компаниям.Еще одно отличие проявляется в различиях в логистике доставки или времени ремонта. Запасы запчастей с большим оборотом можно быстро изменить, изменив эти задержки. В случае запасных частей с низкой оборачиваемостью, регулируя уровни с учетом переходных колебаний времени логистики, можно легко достичь избыточного запаса, когда во время логистики достигнуты стационарные условия.
Что касается запчастей с большим оборотом, в некоторых случаях применяются нехватка места или, что более часто, бюджетные ограничения. Обычно это влечет за собой субоптимизацию при принятии решений. В случае организаций, ориентированных на получение прибыли (таких как горнодобывающая, нефтегазовая и т. Д.), Стратегия низкооборотных запасных частей должна учитывать стоимость отказа в качестве параметра, который в целом может быть трудно оценить.
Низкооборотные запасные части можно классифицировать по степени планирования их потребления (Pascual, R. (2008)):
- Запасные части с планируемым использованием: эти элементы приобретаются для использования в определенный день, например, для капитального ремонта завода. Пока поставщик получает достаточное уведомление, нет причин утилизировать эти детали сверх времени, необходимого для их проверки перед использованием. Запасные части с соответствующим предупреждением: у них есть дефекты, которые могут быть допущены в течение более длительного периода времени, чем время логистической поставки. Их необходимо приобретать по мере необходимости. Запасные части для резервного копирования: этот тип запасных частей не предупреждает о выходе из строя или очень мало о сроках поставки. Считается, что лучше иметь их из-за высокой стоимости отказа, который может возникнуть в случае их недоступности.Подклассификация, которая может быть выполнена, учитывает, являются ли отказы случайными (постоянная частота отказов) или старостью (возрастающая частота отказов).
2. ОПРЕДЕЛЕНИЕ ТЕРМИНОВ
При определении количества компонентов, необходимых для защиты производственной деятельности от дорогостоящих дефицитов, сначала необходимо определить, по каким критериям уровень запасов является «оптимальным». Конечно, критерии не будут одинаковыми для каждого приложения, хотя в промышленной практике обычно предпочтительна минимизация затрат. Это требует создания надежных оценок затрат, связанных с эксплуатацией запасных частей. Последнее не всегда является легкой задачей, поскольку нехватка запасных частей может иметь сложные последствия, которые редко можно измерить в денежном выражении. Когда затраты на дефицит неизвестны, критерии оптимизации обычно смещаются в сторону показателя эффективности запасов,например, вероятность того, что деталь будет под рукой, когда возникнет спрос. Пользователь также может быть заинтересован в максимальном увеличении доступности оборудования, поддерживаемого инвентаризацией (Louit et al, 2005).
Луит (2005) классифицирует цели управления запасными частями в соответствии с:
- Мгновенный уровень обслуживания: соответствует вероятности наличия запасной части в любой момент. Это эквивалентно той доле потребностей, которая может быть немедленно удовлетворена имеющимся запасом (наличный запас). Уровень обслуживания в интервале (или миссии): соответствует вероятности того, что товар не закончится в любой момент в течение определенного интервала времени. Этот критерий более требователен, чем мгновенное наличие на складе. Глобальная стоимость: это наиболее часто используемый критерий. Включает: затраты на приобретение, то есть стоимость оформления заказов на поставку. o Расходы на ремонт запасных частей, пропорциональные количеству позиций, хотя на них могут влиять программы скидок, предлагаемые поставщиками. Стоимость владения или хранения: незаработанные проценты, страхование,и т.п. Стоимость отказа из-за недоступности и его влияния на производство. Доступность поддерживаемой системы: это доля времени, в течение которого система или оборудование находятся в эксплуатации, в результате наличия запасных частей.
3. МЕТОДОЛОГИЯ
Основные шаги, предпринятые при развитии этой работы, показаны ниже:
3.1 Процесс ремонта основных компонентов
В настоящее время основные компоненты ремонтируются в соответствии с представленными потребностями, вызванными плановым обслуживанием (План изменения компонентов) и / или отказами. После удаления компонента технический персонал проверяет, принадлежит ли он к группе серийных компонентов или нет. Это связано с тем, что серийные компоненты хранятся у поставщиков, отвечающих за ремонт.
Компонент уже отозван, его сериализация проверена и отложена, в записях Плана замены компонентов отмечается, если отказ компонента был преждевременным, если да, то он отправляется в качестве гарантии поставщику. После получения поставщиком выполняется техническая оценка (и отчет о неисправностях) и предложение на ремонт, в котором сообщается, находится ли ремонт компонента по гарантии. В противном случае администрация оценивает, отремонтирован ли компонент или нет, в соответствии с экономическими критериями, установленными компанией. Если ремонт не утвержден, компонент аннулируется и начинается процесс покупки компонента. новый под замену.
После утверждения ремонта создается заказ на поставку для продолжения работы. После ремонта компонент отправляется в компанию и поступает на склад в качестве запасного (отремонтированного) для решения планов технического обслуживания и будущих отказов конкретного оборудования. Краткое описание процесса управления ремонтом компонентов показано на рисунке 1.
3.2 Модель
3.2.1 Модель инвентаризации
В соответствии с поведением, наблюдаемым отремонтированными компонентами шахтного оборудования, будет использоваться вариант модели периодического обзора (Модель R, S) с критериями уровня обслуживания, предполагая гауссовское, пуассоновское или экспоненциальное распределение (в зависимости от исторического поведения запасные части) его параметров интенсивности отказов и стандартного отклонения выбранного компонента (Pascual, R. (2008), Meruane, V., Espinoza, F). Предлагаемая модель указывает, что заказ на компоненты не будет размещаться каждый определенный период времени R, чтобы поддерживать целевое количество S, из-за того, что в текущей практике компоненты входят в запасы с определенным временем ремонта или периодом поставки. Т в(время логистики, время выполнения работ), различное для каждого компонента в зависимости от того, когда он был снят с оборудования и отправлен в ремонт. Таким образом, запас компонентов пополняется по прошествии логистического времени T at для каждого компонента.
Для этого мы предлагаем следующую формулировку:
∗ = () + (1)
| Куда: | |
| Q * | : Оптимальное количество запасных частей на складе. |
| E t () | : Среднее время потребности (запланированное техническое обслуживание и отказы) компонентов. |
| Т в | : Время логистического ремонта. |
| β | : Коэффициент безопасности, основанный на уровне обслуживания компонента. |
| σ | : Стандартное отклонение спроса (плановые мероприятия по техническому обслуживанию и |
отказов) согласно распределению вероятностей.
Наблюдение 1: используется для учета того, что стандартное отклонение дано для единицы времени, а не T для единиц времени.
Предлагаемая модель (1) гарантирует, что запасы не иссякнут в соответствии с уровнем обслуживания, определенным для компонентов, и где оптимальное количество должно корректироваться в случае значительных изменений времени логистического ремонта T at. Для которого, среднее за период времени для управления.
3.2.2 Модель ремонтируемых запасных частей
Мы будем предполагать, что отказы независимы, и что изъятие компонентов и запасных частей не применяется в сфере технического обслуживания компании. Мы считаем, что для системы требуются запасные части I типа, подлежащие ремонту, и что она относится к парку оборудования. Ремонт этих компонентов выполняется в мастерской (ах) и занимает определенное время, необходимое для ремонта или доставки (время обработки, T at (ut)).
В любой момент ремонтируемая часть может быть доступна (Stock On Hand, OH t), на нее может быть предъявлен иск из-за планового обслуживания или отказов (D t), в ремонте (Due In, DI t) или при покупке (C t) в замену компонентов, признание которых прекращено (CB t) или в связи с увеличением запасов, определенным администрацией или данной моделью, и, наконец, в процессе гарантии (G t) в соответствии с контрактами на закупку компонентов с Производители.
Согласно вышесказанному, модель баланса массы выглядит так:
α () s = (3)
что соответствует ожидаемой недоступности каждого компонента автопарка.
Ожидаемая доступность системы (каждый грузовик, перфоратор и т. Д.) A s, т. Е. Доля времени, в течение которого оборудование может работать из-за наличия запасных частей:
1 я
- ∑ EBO i () I i N i = 1
(8)
2 ∑ п (2 я - 1)
Куда:
n: количество данных
fx (): Теоретическая функция распределения вероятностей
F () x: эмпирическая функция распределения
3.5 Моделирование
Для изучения поведения процесса ремонтируемых компонентов компании, определяемого цепью Маркова на Рисунке 2, будет использоваться инструмент моделирования с поддержкой программного обеспечения ARENA (Rockwell Automation, Basogain, X и Olabe, MA). Модель, созданная в этом приложении, проиллюстрирована на рисунке 3. Целью данного этапа исследования является определение имитационной модели, которая представляет реальное поведение процесса по отношению к включенным в него элементам, уровню детализации, ограничения и элементы ввода и вывода.
Для построения имитационной модели мы будем учитывать следующие условия (Pascual, R. (2008)):
- Средние интервалы между отказами соответствуют распределению вероятностей, которое необходимо скорректировать для анализа модели. Компоненты считаются ремонтируемыми. Компоненты не выходят из строя или выводятся из эксплуатации, когда они находятся на складе. Период моделирования T соответствует как минимум жизненный цикл компонентов, рассматриваемые для исследования, для того, чтобы модель для ввода в эксплуатацию. Т в логистике раз для нормального ремонта компонентов являются такими же, как и для гарантийного ремонта.
С учетом этих условий строится имитационная модель, описывающая поведение отремонтированных компонентов. С этой моделью мы действуем следующим образом:
- Мы получаем поведение времени между запросами изучаемого компонента, упорядочивая в хронологическом порядке отказы или запланированные события. Мы корректируем распределение вероятностей в зависимости от времени между событиями спроса. Затем мы вводим поле Stock модели (см. Рисунок 3), распределения, определенного на предыдущем шаге, мы вводим в модель входные переменные:
o Количество компонентов в текущей эксплуатации в существующем оборудовании o Количество компонентов в инвентаре (определяется уравнением (1))
- Мы вводим вероятность того, что компонент выйдет из строя преждевременно (компонент отправлен в гарантийный процесс). Мы вводим вероятность того, что компонент будет принят в качестве гарантии. Мы вводим вероятность того, что компонент будет выведен из гарантийного процесса или из нормальный ремонт.
Построение этой имитационной модели позволяет получить поведение требований, которые будут возникать в будущем в компонентах, а также спрогнозировать, вызваны ли выполненные ремонты преждевременными отказами (процесс гарантии) или обычным отказом (процесс ремонта). Также можно наблюдать количество компонентов, отправленных на ремонт, которые выводятся из эксплуатации, что стимулирует процесс покупки для их замены (Kelton, Sadowski & Sturrock). Кроме того, в имитационной модели можно наблюдать, если оптимальное количество, предложенное в соответствии с выражением (1), будет хорошо себя вести перед лицом требований, предъявляемых к компоненту, избегая дефицита в запасах.
Рисунок 3: Имитационная модель в программном обеспечении ARENA
В то же время можно наблюдать изменения в поведении компонентов в имитационной модели, изменяя переменные модели. Например:
- Измените распределение вероятностей спроса в соответствии с рейтингом, предоставленным системой Easy Fit. Эта модификация показывает изменение в поведении спроса, вызывая дефицит или излишки запасов. Варьируя оптимальное количество запасов (Q *), можно увидеть поведение значений, предлагаемых в настоящее время компанией на основе опыт Изменить время логистики T в, эта модификация показывает влияние, которое она оказывает на оптимальное количество запасов.Измените вероятности событий цепи Маркова (рисунок 2), то есть для процесса ремонта, гарантии или низкого уровня компонентов. Эта модификация изменяет количества, которые проходят через события цепочки, получая из имитационной модели, что единственным действием, которое может изменить количество запасов, является действие удаления компонентов, пока время покупки меньше, чем время логистики и количество выведенных из эксплуатации компонентов больше, чем отремонтированных.
4 РЕЗУЛЬТАТ И ОБСУЖДЕНИЕ
В качестве примера, чтобы проиллюстрировать методологию, давайте рассмотрим самый большой компонент с кодом
Oracle 1092096R, соответствующий двигателю QSK60 марки CUMMINS из парка грузовых автомобилей Komatsu 830 E и 830 AC, из 15 двигателей, установленных в парке, и с запасом компонентов для замены и ремонта в размере 3 единиц, в основном определяемым опыт. В следующей таблице показано поведение спроса на этот компонент с января 2012 г. по декабрь 2013 г.
Рисунок 4: Количество запросов на компонент двигателя QSK60 Cummins в период с 2012 по 2013 год
Рисунок 5: Тест согласия
Рисунок 6: Гистограмма образца
Затем с помощью программного обеспечения Statgraphics анализируются исторические данные на рисунке 4, чтобы убедиться, что они соответствуют простой случайной выборке, чтобы исключить конкретную причину, связанную с требованиями этого компонента. В соответствии с проведенным анализом подтверждено, что выборка имеет случайное поведение с достоверностью 95%. Затем с помощью программного обеспечения EasyFit корректируется распределение вероятностей, как показано на рисунке 6. При применении критерия согласия Андерсона-Дарлинга распределение ведет себя экспоненциально, будучи тем, что лучше всего адаптируется к данным (см. рисунок 5).
Полученное распределение вероятностей и его параметры мы можем заменить в уравнении (1), чтобы получить оптимальное количество компонентов, которые должны быть на складе, в результате чего Q * = 6 единиц для этого примера с уровнем обслуживания 97%, это : β = F - 1 (0,97).
Сортировка по ранжированию распределений вероятностей, предоставляемых системой EasyFit, с учетом корректировки данных, в таблице 1 показаны возможные количества оптимального запаса, который мы можем иметь в соответствии с его распределением и уровнем обслуживания.
Таблица 1: Оптимальные количества в зависимости от уровня обслуживания и распределения вероятностей
| распределение | Погода
логистический (дни) |
Стандартное отклонение
(единица / месяц) |
85% | 90% | 97% | |||
| Фактор безопасности | Q * Оптимальный (Единица) | Фактор безопасности | Q * Оптимальный (Единица) | Фактор безопасности | Q * Оптимальный (Единица) | |||
| экспоненциальный | 154 | 0,58333 | 1,1067 | 5 | 1,3432 | 5 | 2,0455 | 6 |
| Гамма | 154 | 0,65386 | 1,1458 | 5 | 1,4202 | 6 | 2,2501 | 7 |
| Вейбулла | 154 | 0,56942 | 1,4106 | 5 | 1,6081 | 6 | 2,1377 | 6 |
| Нормальный | 154 | 0,65386 | 1261 | 5 | 1,4213 | 6 | 1,8131 | 6 |
| единообразный | 154 | 0,65386 | 1,3761 | 5 | 1,4894 | 6 | 1,6479 | 6 |
При этом оптимальном количестве в 6 единиц поведение запасов отслеживается с учетом истории существующих потребностей компонента в 2012 и 2013 годах (см. Рисунок 7), а также его будущего поведения в период с 2014 по 2016 год в соответствии с Планом изменений. компонентов, запланированных для бюджета / LOM (см. диаграмму 8).
Рисунок 7: Поведение запасов в соответствии с предложенным оптимальным количеством
Рисунок 8: Поведение инвентаря в соответствии с оптимальным количеством, предложенным в будущем
Теперь мы проводим процесс моделирования с учетом прогноза отказов компонентов и планового обслуживания, чтобы получить более реальное поведение в будущем. Результаты, полученные путем варьирования распределения вероятностей, показаны в таблице 2.
Таблица 2: Распределение вероятностей поведения в зависимости от их среднего времени между запросами.
| распределение | параметры | Фото-Out | превышение | ||
| если не | раз | если не | количество | ||
| Гамма | α = 0,99138 β = 48,099 | да | два | нет | - |
| экспоненциальный | λ = 0,02097 | да | один | нет | - |
| Вейбулла | α = 1,0349 β = 43,042 | нет | - | да | один |
| Нормальный | σ = 47,892 µ = 47,685 | да | один | нет | - |
| треугольный | m = 6,9163 a = 6,9163 b = 157,74 | нет | - | нет | - |
| единообразный | а = -35,266 б = 130,64 | да | один | нет | - |
| Erlang | Нет настройки | - | - | - | - |
После выбора экспоненциального распределения вероятностей (в качестве примера или теста) вводится имитационная модель, а также количество компонентов в эксплуатации, плюс оптимальное количество, которое должно быть на складе, и процент ремонта по гарантии и заданных компонентов. низкий. С их помощью можно наблюдать за будущим поведением инвентаря отремонтированных компонентов, см. Рисунок 9.
Рисунок 9: Моделирование стабилизированной модели в течение трех лет.
Как видно из рисунка 9, достигается только один дефицит за короткий период в течение трех лет, когда проводилось моделирование. Таким образом, значение оптимального количества, предлагаемого по уровню обслуживания 97% компонента, является приемлемым. Это проверяет эффективность оптимального количества, предлагаемого для хранения на складе компании.
5. ВЫВОД
Уравнение (1), предложенное для определения оптимального количества запасов, может быть улучшено путем изменения уровня обслуживания в зоне снабжения, что показано в таблице 3. Как мы видим, чем ниже уровень обслуживания, тем больше количество дней в наличии у нас может быть.
Таблица 3: Изменение уровня обслуживания.
| Погода
Логистика (дни) |
Уровень обслуживания % | Фактор безопасности | Оптимальное количество | ||
| Q * Получено (единиц) | Q * Округление (единица) | Количество
Дней Фото-Out |
|||
| 155 | 99 | 2,6863 | 6,5099 | 7 | 9 |
| 155 | 97 | 2,0453 | 5,6659 | 6 | 27 |
| 155 | 90 | 1,3432 | 4,7413 | 5 | 89 |
| 155 | 85 | 1,1067 | 4,4299 | 5 | 134 |
Мы видим, что можно устранить дефицит запасов в соответствии с оптимальным количеством, уменьшив логистическое время T at (см. Таблицу 4) и сохранив другие переменные постоянными. Кроме того, можно не иметь запаса, сокращая время внутреннего управления, в основном в областях, отвечающих за упаковку компонентов для отправки на ремонт, а также время создания заказа на поставку в области снабжения.
Таблица 4: Изменение времени логистики при сохранении других переменных постоянными
| Логистическое время | Количество
оптимальный (ПК) |
Отремонтирован (блок) | Гарантия (единица) | Отписавшиеся компоненты
я покупаю (ПК) |
государство | ||||
| Погода
управление Внутренний (дни) |
Погода
Ремонт (дни) |
Погода
Общее количество (дни) |
Фото-Out | превышение | Количество | ||||
| 111 | 44 | 155 | 6 | 19 | два | один | да | нет | один |
| 100 | 44 | 144 | 6 | 19 | два | один | да | нет | один |
| 90 | 44 | 134 | 6 | 19 | два | один | да | нет | один |
| 80 | 44 | 124 | 6 | 19 | два | один | да | нет | один |
| 70 | 44 | 114 | 6 | 19 | два | один | да | нет | один |
| 60 | 44 | 104 | 6 | 19 | два | один | нет | нет | 0 |
| 50 | 44 | 94 | 6 | 19 | два | один | нет | нет | 0 |
| 40 | 44 | 84 | 6 | 19 | два | один | нет | нет | 0 |
| 30 | 44 | 74 | 6 | 19 | два | один | нет | нет | 0 |
| 20 | 44 | 64 | 6 | 19 | два | один | нет | нет | 0 |
| 10 | 44 | 54 | 6 | 19 | два | один | нет | да | два |
Как видно из таблицы 4, уменьшая логистическое время T в до 104 дней, то можно устранить
Отсутствие запасов, и если мы еще больше сократим время логистики до 54 дней, в запасе будет избыток компонентов, что позволяет сократить предлагаемый запас на две единицы. С другой стороны, сокращение времени логистики T at в сочетании с оптимальным количеством на складе (см. Таблицу 5) позволяет получить 97% отклонений в зависимости от уровня обслуживания. Некоторое сокращение времени логистики позволяет получить такое же оптимальное количество, но время, в течение которого запасы хранятся на складе, меньше по мере уменьшения времени логистики (см. Рисунок 10).
Рисунок 10: Сравнение сокращения времени отсутствия на складе.
Другая переменная, которая может быть затронута, - это вероятность того, что компонент будет удален (см. Таблицу 6). Мы наблюдаем, что при увеличении вероятности списанных компонентов до 30% дефицит исключается из инвентаризации. Теперь, если мы увеличим до значений вероятности, превышающих или равных 35%, возможен избыток компонентов, который позволяет приспособиться к оптимальному количеству запасов. В случае 35% можно оптимизировать оптимальное количество отремонтированных компонентов с 6 единиц до 5 единиц. Это явление в основном связано с тем, что при аннулировании компонента процесс покупки нового начинается автоматически, при этом время прибытия заменяемого компонента меньше логистического времени T at ремонта.
Таблица 5: Изменение логистического времени и оптимального количества с сохранением других переменных.
| ЛОГИСТИЧЕСКОЕ ВРЕМЯ | Оптимальное количество | Единицы в процессе
отремонтированный |
Единицы в
Гарантийный процесс |
Единицы в процессе
Низкий и / или покупка |
Фото-Out | |||
| Погода
управление внутренний (дни) |
Погода
Ремонт (дни) |
Погода
Общее количество (дни) |
Q * Округление (ед. / Прибл.) | Существуют | Количество раз | |||
| 111 | 44 | 155 | 6 | 19 | два | один | да | один |
| 90 | 44 | 134 | 6 | 19 | два | один | да | один |
| 80 | 44 | 124 | 5 | 19 | два | один | да | один |
| 70 | 44 | 114 | 5 | 19 | два | один | да | один |
| 60 | 44 | 104 | 5 | 19 | два | один | да | один |
| 50 | 44 | 94 | 4 | 19 | два | один | да | 3 |
| 40 | 44 | 84 | 4 | 19 | два | один | да | два |
| 30 | 44 | 74 | 4 | 19 | два | один | да | один |
| 20 | 44 | 64 | 3 | 19 | два | один | да | 3 |
| 10 | 44 | 54 | 3 | 19 | два | один | да | 4 |
Таблица 6: Изменение вероятностей удаления компонента
| Вероятность отмены регистрации компонентов из: | Количество
Optima (ПК) |
Погода
логистический (дни) |
государство | Количество
Составные части Низкие кости (единица) |
|||
| Процесс
ремонт Нормальный (%) |
Гарантийный процесс (%) | Инвентарный из | превышение | Количество | |||
| 12,5 | +16,6 | 6 | 155 | да | нет | один | один |
| 20 | 20 | 6 | 155 | да | нет | один | два |
| 25 | 25 | 6 | 155 | да | нет | один | два |
| 30 | 30 | 6 | 155 | нет | нет | 0 | 5 |
| 35 | 35 | 6 | 155 | нет | да | один | 7 |
| Четыре пять | Четыре пять | 6 | 155 | нет | да | один | 12 |
| 55 | 55 | 6 | 155 | нет | да | один | 13 |
| 65 | 65 | 6 | 155 | нет | да | один | 15 |
| 75 | 75 | 6 | 155 | нет | да | один | 16 |
| 85 | 85 | 6 | 155 | нет | да | один | 18 |
| 95 | 95 | 6 | 155 | нет | да | один | 21 |
| 100 | 100 | 6 | 155 | нет | да | один | 22 |
Этот анализ чувствительности к переменным модели (уравнение (1) и (2)), предложенный в данной работе, показывает, что можно минимизировать складские затраты компании на активы в запасах, так как можно уменьшить количество компонентов составить список или улучшить отклик инвентаря (уровень обслуживания). В разработанном примере достигается то, что от 6 компонентов можно снизить до 3 единиц, сокращая время логистического ремонта и способствуя уменьшению активов на складе до 50%, при уровне обслуживания 97 %.
6 ССЫЛКИ
- Паскуаль Р., Искусство обслуживания, Кафедра машиностроения, Факультет физико-математических наук, Чилийский университет, 2008 г. Видаль, К., Основы управления запасами, инженерный факультет Университета дель Валле. Луит, Д.., Паскуаль, Р., Баневич, Д., Жардин, AKS, Оптимизационные модели для критических запасов запчастей - подход к обеспечению надежности. Рабочий документ, Университет Торонто, 2005 г. Эспиноза, Ф., Управление материально-техническими запасами. Школа машиностроения, Школа инженерии, Университет Тальки Келтон, Садовски и Старрок, Моделирование с помощью Software Arena (4-е издание) Куриэль, М., Настройка распределений на данные. Заметки Статистика курса, факультет вычислительной техники и информационных технологий, Университет Симона Боливара. Венесуэла, 2009. Рейес П., Курс по надежности. Icicm.com, 2006.ReliaSoft - Справочник по анализу данных о жизни. Rockwell Automation - Руководство пользователя Software Arena. Росс, С. М., Введение в статистику, Редакция Реверте, Испания, 2008 г. Меруан В., Управление физическими активами, Департамент машиностроения, Факультет физических наук и Математика, Чилийский университет Basogain, X., Olabe, MA, Моделирование и моделирование систем с дискретными событиями, Департамент инженерии и автоматизации электронных и телекоммуникационных систем, Escuela Técnica Superior de Ingeniería, Бильбао, Испания Диас, А. и Фу, М.С. Модели для многоэшелонных систем инвентаризации ремонтируемых предметов с ограниченной ремонтной способностью, European Journal of Operational Research, 97: 480-492, 1997.Испания, 2008. Меруане, В., Управление физическими активами, факультет машиностроения, факультет физических наук и математики, Чилийский университет, Басогаин, X., Олабе, магистр, Моделирование и моделирование систем с дискретными событиями, Департамент инженерии de Sistema y Automática Electrónica y Telecomunicaciones, Escuela Técnica Superior de Ingeniería, Бильбао, Испания Диас, А. и Фу, MC Модели для многоэшелонных систем инвентаризации ремонтируемых предметов с ограниченной ремонтной способностью, Европейский журнал операционных исследований, 97: 480- 492, 1997.Испания, 2008. Меруане, В., Управление физическими активами, факультет машиностроения, факультет физических наук и математики, Чилийский университет, Басогаин, X., Олабе, магистр, Моделирование и моделирование систем с дискретными событиями, Департамент инженерии de Sistema y Automática Electrónica y Telecomunicaciones, Escuela Técnica Superior de Ingeniería, Бильбао, Испания Диас, А. и Фу, MC Модели для многоэшелонных систем инвентаризации ремонтируемых предметов с ограниченной ремонтной способностью, Европейский журнал операционных исследований, 97: 480- 492, 1997.Департамент электронных и телекоммуникационных систем и автоматики, Escuela Técnica Superior de Ingeniería, Бильбао, Испания Диас, А. и Фу, MC Модели для многоэшелонных систем инвентаризации ремонтируемых предметов с ограниченной ремонтной мощностью, Европейский журнал операционных исследований, 97: 480-492, 1997.Департамент электронных и телекоммуникационных систем и автоматики, Escuela Técnica Superior de Ingeniería, Бильбао, Испания Диас, А. и Фу, MC Модели для многоэшелонных систем инвентаризации ремонтируемых предметов с ограниченной ремонтной мощностью, Европейский журнал операционных исследований, 97: 480-492, 1997.
