Madencilik gibi ekipmanlarının ve makinelerinin yoğun kullanımı ile karakterize edilen endüstrilerde, yeterli yedek parça ve kritik bileşen stoğu çok önemlidir. Yetersiz stoklar fiziksel varlıkların genel performansını etkiler ve yedek parça eksikliği cezalara, kullanılabilirliğin azalmasına veya artan operasyonel risklere yol açabilir.
Öte yandan, büyük envanterler sermaye harcamalarının verimsiz kullanımına yol açar ve şirketler için ciddi mali sonuçlar doğurabilir.
Bu belge, Tedarik ve Bakım alanlarından sorumlu olan şirketin kritik ekipmanının analiz ve güvenilirlik göstergelerinden önemli tamir edilmiş bileşenlerin envanterinin optimal miktarlarını belirlemek için bir metodoloji sağlar. Çalışma yalnızca, operasyonel sonuçları olan arızalara maruz kalan, öngörülemeyen arızalar için kapsamın gerekli olduğu, önemli maliyetlerle düzenli olarak ve envanter arızalarıyla ilişkili olan yüksek maliyetli mobil maden ekipmanı alanındaki kritik bileşenlere odaklanır (stok- dışarı).
Envanterlerin optimal miktarlarının belirlenmesi, hizmet seviyesi kriterleri ile periyodik inceleme modelinin (model R, S) bir varyasyonu yoluyla gerçekleştirilir. Önerilen model süresi R geçtikten sonra, her bileşeni, bir lojistik T zamanında ölçeğe ekipman getiri kaldırılır, çünkü hiçbir bileşen siparişler, hedef miktarı S ulaşmak için yerleştirilir belirtir de; onarım, garanti iadesi veya süreçte iptal edilen bileşenlerin değiştirilmesinde satın alma, bununla envanterin stok tükenmesine ulaşmaması sağlanmış ve simülasyon modelinin yapımı ile onaylanmıştır.
Ayrıca, ilgi göstergeleri kez T bakım ve besleme alanının yanı sıra lojistik optimizasyonu için belirlenir az ve stokta bileşenlerin optimum miktarını belirlemede sonuçları kadar depoda onarılabilir varlık bir azalma elde edilmesi, % 50 oranında.
1. GİRİŞ
Stoklar, tipik bir şirketteki tüm varlıkların yaklaşık üçte birini temsil eder (Díaz ve Fu, 1997). Bunlardan yedek parçalar ve bileşenler, üretim süreçlerinde yoğun olarak kullanılan nispeten pahalı ekipmanlarla karakterize edilen endüstriler için özellikle önemlidir. Mevcut çalışma, kritik ekipmanın analiz ve güvenilirlik göstergelerine dayalı olarak onarılmış ana bileşenlerin envanterinin optimal miktarlarını belirleyen bir envanter metodolojisi oluşturmayı amaçlamaktadır. Bu metodoloji, geleneksel envanter kontrol tekniklerinden temel olarak sonsuz popülasyon olmadığı varsayılmasıyla farklılık gösterir, bu nedenle parçalara yönelik talep oranı, operasyonda halihazırda faaliyette olan birimlerin sayısına bağlıdır.
Çoğu endüstride, stokta kalmayı önlemek için pahalı veya ulaşılması zor parçaların stokta olması gerekir ve envanter değerinin bu düşük tüketimli, yüksek birim fiyatlı parçalarda yoğunlaştığı bulunmuştur. Bu tür yedek parça, ihtiyaç duyulması halinde bulunmaması nedeniyle oluşacak arıza maliyetlerine karşı sigorta olarak muhafaza edilmektedir. Nihai ürün envanter problemlerinde yaygın olan "kayıp satış" kuralı bu durumda geçerli değildir çünkü parçalar mevcut değilse, ekipman arıza süresi çok pahalıdır.
Bu parçalardan kaç tanesine sahip olacağınıza karar verirken birkaç sorun vardır. Bunlardan biri, talep oranını ve bununla ilişkili dağılımını tahmin etmektir: tahmin etmek için uzun zaman aralıkları gereklidir. Bu, kısa süreli aralık kayıtlarının yeterli olduğu yüksek devir hızına sahip bölümlerin tersidir. Düşük devir hızına sahip parçaların yönetilmesindeki bir başka zorluk da esnekliğidir. Örneğin, hızlı hareket eden parçaların aşırı stoklanması, düşük devir hızına sahip parçalar için geçerli olmayan doğal tüketimle hızla giderilebilir. Operasyonun başlangıcında (veya başlangıçtan sonra) aşırı alımlar, özellikle parça benzersizse, başka şirketlere satılmasını imkansız kılarsa, yalnızca yavaşça giderilebilir.Lojistik teslimat veya onarım sürelerindeki farklılıklar bir başka farktır. Bu gecikmeler değiştirilerek yüksek cirolu yedek parça stokları hızlı bir şekilde ayarlanabilir. Düşük cirolu yedek parçalar söz konusu olduğunda, lojistik sürelerdeki geçici değişim seviyelerini ayarlayarak, lojistik zamanlarda sabit koşullara ulaşıldığında fazla stoğa kolayca ulaşılabilir.
Yüksek cirolu parçalarda olduğu gibi, alan kısıtlamaları veya daha sık olarak bazı durumlarda bütçe kısıtlamaları geçerlidir. Bu genellikle karar vermede alt optimizasyonu gerektirir. Kâr odaklı kuruluşlar söz konusu olduğunda (madencilik, gaz - petrol vb.), Düşük cirolu yedek parçalar için strateji, genel olarak tahmin edilmesi zor olabilecek bir parametre olarak arıza maliyetini almalıdır.
Düşük cirolu yedek parçalar, tüketimlerinin planlama derecesine göre sınıflandırılabilir (Pascual, R. (2008)):
- Planlı Kullanıma Sahip Yedek Parçalar: Bu öğeler, örneğin büyük bir fabrika revizyonu gibi belirli bir tarihte kullanılmak üzere satın alınır. Tedarikçiye yeterli bildirim verildiği sürece, bu parçaları kullanmadan önce incelemek için geçen sürenin ötesinde imha etmek için hiçbir neden yoktur. Yeterli Uyarılı Yedek Parçalar: Lojistik tedarik süresinden daha uzun süre kabul edilebilen kusurları vardır. Gerektiği gibi edinilmeleri gerekir. Yedek Yedek Parçalar: Bu tür yedek parçalar, arızadan önce veya teslim süresine karşı çok az uyarı vermez. Kullanılamama durumunda oluşabilecek yüksek arıza maliyeti nedeniyle bunlara sahip olmanın daha iyi olduğu düşünülmektedir.Gerçekleştirilebilecek bir alt sınıflandırma, arızaların rastgele mi (sabit arıza oranı) yoksa yaşlılık mı (artan başarısızlık oranı) olduğunu dikkate alır.
2. ŞARTLARIN TANIMI
Üretken operasyonu maliyetli stok dışı bırakmalardan korumak için gerekli bileşen sayısını belirlerken, öncelikle stok seviyesinin hangi kriterler altında "optimal" olduğunu tanımlamak gerekir. Elbette, endüstriyel uygulamada maliyet minimizasyonu tipik olarak tercih edilmesine rağmen, kriterler her uygulama için aynı olmayacaktır. Bu, çalışan parçalarla ilgili maliyetler için güvenilir tahminler üretme ihtiyacını doğurur. Yedek parça sıkıntısı parasal açıdan nadiren ölçülebilen karmaşık sonuçlara sahip olabileceğinden ikincisi her zaman kolay bir iş değildir. Eksiklik maliyetleri bilinmediğinde, optimizasyon kriterleri genellikle bir envanter performans ölçüsüne kaydırılır,bir talep oluştuğunda elinizde bir parçanın olma olasılığı gibi. Kullanıcı, envanter tarafından desteklenen ekipmanın kullanılabilirliğini maksimize etmekle de ilgilenebilir (Louit ve diğerleri, 2005).
Louit (2005), yedek parça yönetiminin amaçlarını şu şekilde sınıflandırır:
- Anlık Servis Seviyesi: Bir yedek parçanın her an hazır bulunma olasılığına karşılık gelir. Bu, mevcut stokla (Eldeki Stok) hemen karşılanabilecek taleplerin fraksiyonuna eşdeğerdir. Bir Aralıktaki (veya görevdeki) Hizmet Seviyesi: belirli bir zaman aralığında herhangi bir zamanda stok tükenmeme olasılığına karşılık gelir. Bu kriter, anlık stok mevcudiyetinden daha zahmetlidir. Global Maliyet: En çok kullanılan kriterdir. Kapsananlar: Edinme Maliyetleri, yani satın alma siparişleri verme maliyeti. o Yedek Parça Müdahale Maliyetleri, ürün sayısıyla orantılıdır, ancak tedarikçiler tarafından sunulan indirim programlarından etkilenebilir. Sahiplik veya depolama maliyetleri: kazanılmamış faiz, sigorta,vb. Bulunamama ve üretim üzerindeki etkisi nedeniyle başarısızlık maliyetleri. Desteklenen Sistemin Kullanılabilirliği: Yedek parçaların mevcudiyeti nedeniyle bir sistem veya ekipmanın hizmette olduğu sürenin kesri.
3. METODOLOJİ
Bu çalışmanın geliştirilmesinde atılan ana adımlar aşağıda gösterilmiştir:
3.1 Ana Bileşen Onarım Süreci
Şu anda, ana bileşenler sunulan ihtiyaçlara göre, programlı bakım (Bileşen Değişiklik Planı) ve / veya arızalar tarafından oluşturulan ihtiyaçlara göre onarılmaktadır. Bileşen kaldırıldıktan sonra, teknik bakım personeli, şirketin serileştirilmiş bileşenler grubuna ait olup olmadığını doğrular. Bunun nedeni, serileştirilmiş bileşenlerin onarımdan sorumlu tedarikçiler tarafından bir kayıt tutmasıdır.
Bileşen zaten geri çekilmiş, serileştirmesi doğrulanmış ve soluk hale getirilmiş, Bileşen Değişiklik Planı kayıtlarında bileşen arızasının erken olup olmadığı gözlemlenir, öyleyse tedarikçiye garanti olarak gönderilir. Tedarikçi tarafından alındıktan sonra, teknik değerlendirme (ve arıza raporu) ve onarım teklifi gerçekleştirilir ve parçanın onarımının garanti kapsamında olup olmadığı konusunda bilgilendirilir. Değilse, idare tarafından bileşenin tamir edilip edilmediği, firma tarafından belirlenen ekonomik kriterlere göre değerlendirilir, onarımın onaylanmaması halinde aksam iptal edilir ve aksam satın alma süreci başlar. değiştirme için yeni.
Onarım onaylandıktan sonra, çalışmaya devam etmek için satın alma siparişi oluşturulur. Parça tamir edildikten sonra, belirli bir ekipmanın bakım planlarını ve gelecekteki arızalarını çözmek için şirkete gönderilir ve depoya yedek olarak (tamir edilmiş) depoya girilir. Bileşen onarım yönetimi sürecinin bir özeti Şekil 1'de gösterilmektedir.
3.2 Modeli
3.2.1 Envanter Modeli
Maden ekipmanının onarılan bileşenlerinin gözlemlediği davranışa göre, bir Gauss, Poisson veya Üstel dağılım varsayılarak (modelin tarihsel davranışına bağlı olarak) hizmet seviyesi kriterleri ile periyodik inceleme modelinin (Model R, S) bir varyasyonu kullanılacaktır. yedek parçalar) arıza oranı ve seçilen bileşenin standart sapması parametrelerinin (Pascual, R. (2008), Meruane, V., Espinoza, F). Önerilen model, S hedef miktarını korumak için her belirli periyotta bir bileşen siparişinin yapılmayacağını belirtir, çünkü mevcut uygulamada bileşenler belirli bir onarım süresi veya teslimat süresi ile envantere girer. T de(lojistik süresi, Geri Dönüş Süresi), ekipmandan çıkarılıp onarıma gönderildiği zamana göre her bileşen için farklıdır. Yani envanter lojistik zaman T kez bileşenleri ile tekrar doldurulur de her bileşen vardır için geçti.
Bunun için aşağıdaki formülasyonu öneriyoruz:
∗ = () + (1)
| Nerede: | |
| S * | : Envanterde bulundurulacak optimum yedek miktarı. |
| E t () | : Bileşenlerin ortalama talep süresi (planlanmış bakım olayları ve arızaları). |
| T de | : Lojistik onarım süresi. |
| β | : Bileşenin servis seviyesine bağlı güvenlik faktörü. |
| σ | : Talebin standart sapması (planlanmış bakım olayları ve |
arızalar) olasılık dağılımına göre.
Gözlem 1: Standart sapma, bir zaman birimi olup, T verilir dikkate almak için kullanılan en zaman birimi.
Önerilen model (1) emin bileşenler için tanımlanmış hizmet seviyesine göre stok azalıyor değildir ve en uygun miktarı lojistik onarım süreleri T önemli bir farklılaşma durumunda düzeltilmelidir burada en. Hangisi için, yönetim süresi boyunca ortalama.
3.2.2 Onarılabilir Yedek Parça Modeli
Arızaların bağımsız olduğunu ve bileşenlerin ve yedek parçaların yamyamlaşmasının şirketin bakım alanında geçerli olmadığını varsayacağız. Sistemin I tip onarılabilir yedek parça gerektirdiğini ve bir ekipman filosuna ait olduğunu düşünüyoruz. Bu bileşenlerin onarımı bir atölyede / atölyelerde gerçekleştirilir ve belirli bir lojistik onarım veya teslimat süresi alır (Geri Dönüş Süresi, T at (ut)).
Herhangi bir anda onarılabilir bir parça mevcut olabilir (Stokta, OH t), planlı bakım veya arızalar için dava açılabilir (D t), onarılabilir (Vadesi dolmuş, DI t) veya satın alınabilir (C t), Finansal tablo dışı bırakılan (CB t) veya idare veya bu model tarafından tanımlanan stoktaki artış nedeniyle ve son olarak Garanti sürecinde (G t) bileşen satın alma sözleşmelerine göre değiştirilen bileşenlerin Üreticiler.
Yukarıdakilere göre kütle dengesi modeli şöyledir:
α () s = (3)
bu, filonun her bir bileşeninin beklenen bulunmamasına karşılık gelir.
Sistemin beklenen kullanılabilirliği (her bir kamyon, kürek matkap, vb.) A s, yani ekipmanın kullanılabilir yedek parça olduğu için çalışabileceği zaman oranı:
1 ben
- ∑ EBO i () ben ben N i = 1
(8)
2 ∑ n (2 ben −1)
Nerede:
n: Veri sayısı
fx (): Teorik olasılık dağılımı işlevi
F () x: Ampirik dağılım işlevi
3.5 Simülasyon
Şekil 2'deki Markov Zinciri tarafından belirlenen şirketin onarılmış bileşenlerinin işleminin davranışını incelemek için ARENA yazılımının (Rockwell Automation, Basogain, X ve Olabe, MA) desteğiyle bir simülasyon aracı kullanılacaktır. Bu uygulamada oluşturulan model Şekil 3'te gösterilmektedir. Çalışmanın bu aşamasındaki amaç, sürecin gerçek davranışını, içinde yer alan unsurlar, detay seviyesi, detay seviyesi ile ilişkili olarak temsil eden bir simülasyon modelini belirlemektir. kısıtlar ve girdi ve çıktı öğeleri.
Simülasyon modelinin inşası için aşağıdaki koşulları dikkate alacağız (Pascual, R. (2008)):
- Arızalar arasındaki ortalama aralıklar, modelin analizi için ayarlanması gereken bir olasılık dağılımını izler. Bileşenler onarılabilir olarak kabul edilir. Bileşenler depodayken arızalanmaz veya hizmet dışı bırakılır. Simülasyon süresi T en azından karşılık gelir Modelin hizmete girmesi için çalışma için düşünülen bileşenlerin bir yaşam döngüsü.Normal bileşen onarımı için lojistik zamanlarda T , garanti onarımı ile aynıdır.
Bu koşullar göz önünde bulundurularak, onarılan bileşenlerin davranışını özetleyen simülasyon modeli oluşturulmuştur. Bu model ile şu şekilde ilerliyoruz:
- Çalışılan bileşenin talepleri arasındaki zaman davranışını, arızaları veya planlanmış olayları kronolojik olarak sıralayarak elde ederiz. Talep olayları arasındaki zamanlara bir olasılık dağılımı ayarlıyoruz.Sonra, modelin Stok kutusuna giriyoruz (bkz.Şekil 3), önceki adımda belirlenen dağılım, girdi değişkenlerini modele giriyoruz:
o Mevcut ekipmanda mevcut operasyondaki bileşen sayısı o Envanterdeki bileşen sayısı (denklem (1) ile belirlenir)
- Bileşenin zamanından önce arızalanma olasılığını giriyoruz (bileşen garanti sürecine gönderilir) Bileşenin garanti olarak kabul edilme olasılığını giriyoruz Bileşenin garanti sürecinden veya parçadan çekilme olasılığını giriyoruz. normal onarım.
Bu simülasyon modelinin kurgusu, bileşenlerde gelecekte üretilecek taleplerin davranışını elde etmeyi ve yapılan onarımların erken arızalardan mı (garanti süreci) yoksa normal arızalardan mı (onarım işlemi) kaynaklandığını tahmin etmeyi başarır. Onarım için gönderilen ve hizmet dışı bırakılan bileşenlerin miktarını gözlemlemek de mümkündür, bu da bunların değiştirilmesi için satın alma sürecini hızlandırır (Kelton, Sadowski & Sturrock). Ek olarak, simülasyon modelinde (1) numaralı ifadeye göre önerilen optimal miktarın, bileşen için üretilen talepler karşısında iyi bir davranış sergilediğini ve stokta Stok dışı kalmayı önleyerek gözlemlemek mümkündür.
Şekil 3: ARENA yazılımında simülasyon modeli
Aynı zamanda, modelin değişkenlerini değiştirerek simülasyon modelindeki bileşenlerin davranışındaki farklılıkları gözlemlemek mümkündür. Örneğin:
- Easy Fit sistemi tarafından sağlanan sıralamaya göre talep olasılıklarının dağılımını değiştirin. Bu değişiklik, talep davranışındaki değişimi, stok tükenmesi veya stok fazlası üretimini gösterir.En uygun stok miktarını (Q *) değiştirerek, bununla şirket tarafından şu anda önerilen değerlerin davranışını temel alarak görmek mümkündür. değiştirmek lojistik zaman T yaşamaya enBu modifikasyon, optimum stok miktarı üzerindeki etkisini gösterir.Markov Zinciri olaylarındaki (Şekil 2), yani onarım, garanti veya düşük bileşen süreci için olasılıkları değiştirin. Bu değişiklik, zincir olaylarından geçen miktarları değiştirir ve simülasyon modelinden, envanter miktarını değiştirebilecek tek eylemin, satın alma süresi daha az olduğu sürece bileşenleri kaldırma eylemi olduğunu elde ederek lojistik süresi ve hizmet dışı bırakılan bileşenlerin sayısı, tamir edilenden daha fazladır.
4 SONUÇ VE TARTIŞMA
Örnek olarak, metodolojiyi açıklamak için, kodlu en büyük bileşeni düşünelim
Filoda kurulu olan toplam 15 motordan Komatsu 830 E ve 830 AC kamyon filosundan CUMMINS marka QSK60 motoruna karşılık gelen Oracle 1092096R, esas olarak aşağıdakiler tarafından belirlenen 3 ünitenin değiştirilmesi ve onarımı için bir bileşen stoğu ile deneyim. Aşağıdaki tablo, bu bileşenin Ocak 2012'den Aralık 2013'e kadar yaşadığı talep davranışını göstermektedir.
Şekil 4: 2012 ile 2013 yılları arasında QSK60 Cummins motor bileşenine yönelik talep sayısı
Şekil 5: Uyum iyiliği testi
Şekil 6: Örneğin histogramı
Daha sonra, Statgraphics yazılımı aracılığıyla, Şekil 4'teki geçmiş veriler, bu bileşenin talepleriyle ilişkili belirli bir neden olduğunu dışlamak için basit bir rastgele örneğe karşılık gelip gelmediklerini kontrol etmek için analiz edilir. Yapılan analize göre örneklemin% 95 güvenle rastgele davranış sergilediği doğrulanmıştır. Daha sonra, EasyFit yazılımı kullanılarak Şekil 6'da gösterildiği gibi bir olasılık dağılımı ayarlanır. Anderson Darling uyum iyiliği testinin uygulanması, dağılım üssel olarak davranır ve verilere en iyi uyum sağlayan dağılımdır (bkz. Şekil 5).
Olasılık dağılımını ve parametrelerini elde ettiğimizde, stokta bulundurulacak optimum bileşen miktarını elde etmek için denklem (1) 'de değiştirebiliriz, bu örnek için Q * = 6 birim,% 97 servis seviyesi ile sonuçlanır, bunlar : β = F - 1 (0.97).
EasyFit sistemi tarafından sağlanan olasılık dağılımlarının, verilerin ayarlanmasına göre sıralanmasına göre sıralanan Tablo 1, dağıtımına ve hizmet seviyesine göre sahip olabileceğimiz olası optimal stok miktarlarını göstermektedir.
Tablo 1: Hizmet seviyesi ve olasılık dağılımına göre optimum miktarlar
| dağıtım | Hava
Lojistik (Gün) |
Standart sapma
(birim / ay) |
% 85 | % 90 | % 97 | |||
| Güvenlik faktörü | Q * Optimal (Birim) | Güvenlik faktörü | Q * Optimal (Birim) | Güvenlik faktörü | Q * Optimal (Birim) | |||
| Üstel | 154 | 0,58333 | 1,1067 | 5 | 1,3432 | 5 | 2,0455 | 6 |
| Gama | 154 | 0,65386 | 1,1458 | 5 | 1,4202 | 6 | 2,2501 | 7 |
| Weibull | 154 | 0,56942 | 1,4106 | 5 | 1,6081 | 6 | 2,1377 | 6 |
| Normal | 154 | 0,65386 | 1261 | 5 | 1,4213 | 6 | 1,8131 | 6 |
| üniforma | 154 | 0,65386 | 1,3761 | 5 | 1,4894 | 6 | 1,6479 | 6 |
Bu optimal miktar olan 6 birim ile envanterin davranışı, 2012 ve 2013 yıllarında bileşenin mevcut taleplerinin geçmişiyle (bkz.Şekil 7) ve Değişim Planına göre 2014-2016 yılları için gelecekteki davranışı gözlenir. Bütçe / LOM için öngörülen Bileşenlerin sayısı (bkz. Şekil 8).
Şekil 7: Önerilen optimum miktara göre envanter davranışı
Şekil 8: Gelecekte önerilen optimal miktara göre envanterin davranışı
Şimdi, gelecekte daha gerçek bir davranış elde etmek için bileşen arızalarının projeksiyonunu ve planlı bakımı dikkate alarak simülasyon sürecini gerçekleştiriyoruz. Olasılık dağılımını değiştirerek elde edilen sonuçlar Tablo 2'de gösterilenlerdir.
Tablo 2: Talepler arası ortalama sürelerine göre olasılıkların davranış dağılımı.
| dağıtım | Parametreler | Stokta yok | AŞIRI | ||
| değilse | zamanlar | değilse | miktar | ||
| Gama | α = 0,99138 β = 48,099 | Evet | iki | Hayır | - |
| Üstel | λ = 0,02097 | Evet | bir | Hayır | - |
| Weibull | α = 1.0349 β = 43.042 | Hayır | - | Evet | bir |
| Normal | σ = 47,892 µ = 47,685 | Evet | bir | Hayır | - |
| Üçgensel | m = 6,9163 a = 6,9163 b = 157,74 | Hayır | - | Hayır | - |
| üniforma | a = -35.266 b = 130.64 | Evet | bir | Hayır | - |
| Erlang | Ayar yok | - | - | - | - |
Üstel olasılık dağılımı seçildikten sonra (örnek veya test olarak), simülasyon modelinin yanı sıra çalışmakta olan bileşenlerin sayısı, ayrıca stokta bulunacak en uygun miktar ve garanti ve verilen bileşenlere göre onarım yüzdeleri girilir. düşük. Bunlarla, onarılan bileşen envanterinin gelecekteki davranışını gözlemlemek mümkündür, bkz. Şekil 9.
Şekil 9: Stabilize modelin üç yıl boyunca simülasyonu.
Şekil 9'dan da görebileceğimiz gibi, simülasyonun yapıldığı üç yıl içinde kısa bir süre içinde yalnızca bir Stok dışı bırakmaya ulaşılmıştır. Bu nedenle, bileşenin% 97'si hizmet seviyesine göre önerilen optimal miktarın değeri kabul edilebilir. Bu, şirkette envanterde tutulması önerilen optimum miktarın verimliliğini kontrol eder.
5. SONUÇ
Optimal envanter miktarının belirlenmesi için önerilen denklem (1), Tablo 3'te gösterilen Arz alanındaki hizmet seviyesini değiştirerek duyarlılaştırılabilir. Gördüğümüz gibi, hizmet seviyesi ne kadar düşükse, stokta günler geçirebiliriz.
Tablo 3: Hizmet seviyesinin değiştirilmesi.
| Hava
Lojistik (Gün) |
Servis seviyesi % | Güvenlik faktörü | Optimal Miktar | ||
| Q * Elde Edilen (Birimler) | Q * Yuvarlama (Birim) | Miktarı
Nın,-nin günleri Stokta yok |
|||
| 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 |
Lojistik zamanını T de düşürerek (Tablo 4'e bakınız) ve diğer değişkenleri sabit tutarak, stoktan optimum miktara göre stoktan çıkmayı ortadan kaldırmanın mümkün olduğunu görüyoruz. Buna ek olarak, Stokta kalmamak, dahili yönetim süresini, özellikle onarım için gönderilecek bileşenlerin paketlenmesinden sorumlu alanlarda ve Tedarik alanında satın alma siparişinin üretim süresini kısaltmak mümkündür.
Tablo 4: Diğer değişkenleri sabit tutarak lojistik sürenin değiştirilmesi
| Lojistik Zaman | miktar
En uygun (PC) |
Onarıldı (Birim) | Garanti (Birim) | Abone olmayan bileşenler
satın alırım (PC) |
Durum | ||||
| Hava
yönetim Dahili (Gün) |
Hava
Onarım (Gün) |
Hava
Toplam (Gün) |
Stokta yok | AŞIRI | miktar | ||||
| 111 | 44 | 155 | 6 | 19 | iki | bir | Evet | Hayır | bir |
| 100 | 44 | 144 | 6 | 19 | iki | bir | Evet | Hayır | bir |
| 90 | 44 | 134 | 6 | 19 | iki | bir | Evet | Hayır | bir |
| 80 | 44 | 124 | 6 | 19 | iki | bir | Evet | Hayır | bir |
| 70 | 44 | 114 | 6 | 19 | iki | bir | Evet | Hayır | bir |
| 60 | 44 | 104 | 6 | 19 | iki | bir | Hayır | Hayır | 0 |
| elli | 44 | 94 | 6 | 19 | iki | bir | Hayır | Hayır | 0 |
| 40 | 44 | 84 | 6 | 19 | iki | bir | Hayır | Hayır | 0 |
| 30 | 44 | 74 | 6 | 19 | iki | bir | Hayır | Hayır | 0 |
| yirmi | 44 | 64 | 6 | 19 | iki | bir | Hayır | Hayır | 0 |
| 10 | 44 | 54 | 6 | 19 | iki | bir | Hayır | Evet | iki |
Olarak lojistik zaman T azaltılması, Tablo 4'te görüleceği de bertaraf edilmesi mümkündür 104 gün
Envanterin tükenmesi ve lojistik süresini 54 güne indirirsek, envanterde bileşen fazlalığı var ve bu da önerilen envanterin iki birim azaltılmasına izin veriyor. Diğer taraftan, envanterde bulundurulacak optimal miktar ile bağlantılı olarak lojistik zamanı T ' de düşürülerek (bakınız Tablo 5), hizmet seviyesine göre% 97 varyasyonlar elde edilmektedir. Lojistik süresindeki bazı kısalmalar, aynı optimum miktarı elde eder, ancak envanterin stokta tutulma süresi, lojistik süre azaldıkça daha az olur (Bkz. Şekil 10).
Şekil 10: Stok dışı kalma süresinin azaltılmasının karşılaştırması.
Hassaslaştırılabilecek diğer bir değişken, bir bileşenin çıkarılma olasılığıdır (bkz. Tablo 6). Devre dışı bırakılan bileşenlerin olasılığını% 30'a çıkararak stokta kalmanın stoktan elimine edildiğini gözlemliyoruz. Şimdi,% 35'e eşit veya daha büyük olasılık değerlerine yükselirsek, optimum envanter miktarına ayarlamayı mümkün kılan fazla bileşene sahip olmak mümkündür. % 35 olması durumunda, en uygun onarılan bileşen miktarını 6 birimden 5 birime kadar optimize etmek mümkündür. Bu olgu nedeniyle bileşen iptal edildiğinde, yeni bir satın alma işlemi daha az lojistik T zamanında daha olmak yerine, bileşenin varış zamanı ile, otomatik olarak başlar aslında esas olarak en onarım.
Tablo 5: Lojistik zamanın ve optimal miktarın diğer değişkenler korunarak değiştirilmesi.
| LOJİSTİK zaman | Optimal Miktar | İşlemdeki Birimler
onarılmış |
İçindeki birimler
Garanti Süreci |
İşlemdeki Birimler
Düşük ve / veya Satın alma |
Stokta yok | |||
| hava
yönetim İç (Gün) |
Hava
Onarım (Gün) |
Hava
Toplam (Gün) |
Q * Yuvarlama (Birim / yaklaşık) | var | Defalarca | |||
| 111 | 44 | 155 | 6 | 19 | iki | bir | Evet | bir |
| 90 | 44 | 134 | 6 | 19 | iki | bir | Evet | bir |
| 80 | 44 | 124 | 5 | 19 | iki | bir | Evet | bir |
| 70 | 44 | 114 | 5 | 19 | iki | bir | Evet | bir |
| 60 | 44 | 104 | 5 | 19 | iki | bir | Evet | bir |
| elli | 44 | 94 | 4 | 19 | iki | bir | Evet | 3 |
| 40 | 44 | 84 | 4 | 19 | iki | bir | Evet | iki |
| 30 | 44 | 74 | 4 | 19 | iki | bir | Evet | bir |
| yirmi | 44 | 64 | 3 | 19 | iki | bir | Evet | 3 |
| 10 | 44 | 54 | 3 | 19 | iki | bir | Evet | 4 |
Tablo 6: Bir bileşenin kaldırılma olasılıklarının değiştirilmesi
| Bileşenlerin kaydının kaldırılma olasılığı: | miktar
Optima (PC) |
Hava
lojistik (Gün) |
Durum | Miktarı
Bileşenler Yaralı Zar (Birim) |
|||
| Süreci
Tamir etmek Normal (%) |
Garanti Süreci (%) | Stokta yok | AŞIRI | miktar | |||
| 12.5 | 16.6 | 6 | 155 | Evet | Hayır | bir | bir |
| yirmi | yirmi | 6 | 155 | Evet | Hayır | bir | iki |
| 25 | 25 | 6 | 155 | Evet | Hayır | bir | iki |
| 30 | 30 | 6 | 155 | Hayır | Hayır | 0 | 5 |
| 35 | 35 | 6 | 155 | Hayır | Evet | bir | 7 |
| Dört beş | Dört beş | 6 | 155 | Hayır | Evet | bir | 12 |
| 55 | 55 | 6 | 155 | Hayır | Evet | bir | 13 |
| 65 | 65 | 6 | 155 | Hayır | Evet | bir | onbeş |
| 75 | 75 | 6 | 155 | Hayır | Evet | bir | 16 |
| 85 | 85 | 6 | 155 | Hayır | Evet | bir | 18 |
| 95 | 95 | 6 | 155 | Hayır | Evet | bir | yirmi bir |
| 100 | 100 | 6 | 155 | Hayır | Evet | bir | 22 |
Bu çalışmada önerilen model değişkenlerine (denklem (1) ve (2)) yönelik bu duyarlılık analizi, bileşenlerin sayısını azaltmak mümkün olduğundan, envanterdeki varlıklar için şirketin depo maliyetlerini en aza indirmenin mümkün olduğunu göstermektedir. envanter yanıtını listeleyin veya iyileştirin (hizmet seviyesi). Geliştirilen örnekte, 97 servis seviyesi ile 6 bileşenden 3 üniteye inilerek lojistik onarım süresinin kısaltılması ve depodaki varlıkların% 50'ye varan oranda azalmasına katkıda bulunulması sağlanmıştır. %.
6 REFERANSLAR
- Pascual, R., Bakım Sanatı, Makine Mühendisliği Bölümü, Fiziksel ve Matematik Bilimleri Fakültesi, Universidad de Chile, 2008 Vidal, C., Envanter Yönetiminin Temelleri, Mühendislik Fakültesi, Universidad del Valle. Louit, D., Pascual, R., Banjevic, D., Jardine, AKS, Kritik Yedek Parça Envanterleri için Optimizasyon Modelleri - Bir Güvenilirlik Yaklaşımı. Çalışma raporu, Toronto Üniversitesi, 2005. Espinosa, F., Bakım Envanter Yönetimi. Makine Mühendisliği Okulu, Mühendislik Okulu, Talca Kelton Üniversitesi, Sadowski & Sturrock, Yazılım Arenası ile Simülasyon (4. baskı) Curiel, M., Verilere Dağılımları Ayarlama. Notlar Kurs İstatistikleri, Bilgisayar ve Bilgi Teknolojileri Bölümü, Universidad Simón Bolívar. Venezuela, 2009. Reyes, P., Güvenilirlik Kursu. Icicm.com, 2006.ReliaSoft - Life Data Analysis referansı. Rockwell Automation - Kullanıcı Kılavuzu Software Arena.Ross, SM, İstatistiklere Giriş, Editör Reverté, İspanya 2008.Meruane, V., Management of Physical Assets, Makine Mühendisliği Bölümü, Fiziksel Bilimler Fakültesi ve Mathematics, Universidad de Chile Basogain, X., Olabe, MA, Ayrık Olay Sistemlerinin Modellenmesi ve Simülasyonu, Elektronik ve Telekomünikasyon Sistem Mühendisliği ve Otomasyon Bölümü, Escuela Técnica Superior de Ingeniería, Bilbao, İspanya Díaz, A. ve Fu, MC Modelleri, sınırlı onarım kapasitesine sahip çok kademeli onarılabilir parça envanter sistemleri için, European Journal of Operational Research, 97: 480-492, 1997.İspanya 2008. Meruane, V., Fiziksel Varlıkların Yönetimi, Makine Mühendisliği Bölümü, Fiziksel Bilimler ve Matematik Fakültesi, Şili Üniversitesi Basogain, X., Olabe, MA, Kesikli Olay Sistemlerinin Modellemesi ve Simülasyonu, Mühendislik Bölümü de Sistema y Automática Electrónica y Telecomunicaciones, Escuela Técnica Superior de Ingeniería, Bilbao, İspanya Díaz, A. ve Fu, sınırlı onarım kapasitesine sahip çok kademeli onarılabilir öğe envanter sistemleri için MC Modelleri, European Journal of Operational Research, 97: 480- 492, 1997.İspanya 2008. Meruane, V., Fiziksel Varlıkların Yönetimi, Makine Mühendisliği Bölümü, Fiziksel Bilimler ve Matematik Fakültesi, Şili Üniversitesi Basogain, X., Olabe, MA, Kesikli Olay Sistemlerinin Modellemesi ve Simülasyonu, Mühendislik Bölümü de Sistema y Automática Electrónica y Telecomunicaciones, Escuela Técnica Superior de Ingeniería, Bilbao, İspanya Díaz, A. ve Fu, sınırlı onarım kapasitesine sahip çok kademeli onarılabilir öğe envanter sistemleri için MC Modelleri, European Journal of Operational Research, 97: 480- 492, 1997.Elektronik ve Telekomünikasyon Sistemi ve Otomatik Mühendisliği Bölümü, Escuela Técnica Superior de Ingeniería, Bilbao, İspanya Díaz, A. ve Fu, sınırlı onarım kapasitesine sahip çok kademeli onarılabilir parça envanter sistemleri için MC Modelleri, Avrupa Operasyonel Araştırma Dergisi, 97: 480-492, 1997.Elektronik ve Telekomünikasyon Sistemi ve Otomatik Mühendisliği Bölümü, Escuela Técnica Superior de Ingeniería, Bilbao, İspanya Díaz, A. ve Fu, sınırlı onarım kapasitesine sahip çok kademeli onarılabilir parça envanter sistemleri için MC Modelleri, Avrupa Operasyonel Araştırma Dergisi, 97: 480-492, 1997.
