University of Twente Student Theses

Login

Optimalisatie van de tactische productieplanning van Grolsch

Pijnappel, B.T.A. (2016) Optimalisatie van de tactische productieplanning van Grolsch.

[img] PDF
1MB
Abstract:Bij de Koninklijke Grolsch bv voldoet het planningssysteem niet aan de eisen en wensen die de supply chain planningsafdeling heeft. Waarom dit systeem niet voldoet, wat de tactische plannings-strategie zal moeten zijn en hoe dit in een model geïmplementeerd kan worden zal onderzocht worden in dit onderzoek. De hoofdvraag van dit onderzoek luidt: ‘Wat is de optimale strategie voor de tactische productieplanning van de afvullijnen van Grolsch?’ Het huidige planningssysteem voor de tactische planning houdt geen rekening met volgorde afhankelijke ombouwtijden. Voor iedere week wordt er in het huidige systeem dezelfde ombouwtijd gerekend. Hierbij wordt geen rekening gehouden met bijvoorbeeld het aantal batches en de aantal verschillende producten. Dit planningssysteem optimaliseert de winst over de gehele brouwerij, met de aanname dat ombouwtijden constant zijn. Dit is echter niet het geval. Een van de belangrijkste KPI’s van de tactische productieplanning en deze bacheloropdracht zijn de variabele ombouwkosten. Constraints voor het planningsmodel zijn bepaald door literatuurstudie, interviews met de unitmanagers, eindverantwoordelijken voor een aantal afvullijnen, en gesprekken met de supply chain planningsafdeling. In de literatuur is het planningsprobleem, zoals deze bij Grolsch, bekend als: capacitated lot-sizing and scheduling problem (CLSP) with sequence dependent setup times (Copil, Wörbelauer, Meyr, & Tempelmeier, 2016). Voor het plannen van producten met een volgorde afhankelijke ombouwtijd is plannen op basis van productfamilies een van de meest voorkomende strategieën (Kopanos, Puigjaner, & Georgiadis, 2012). Om het tactische planningsprobleem van Grolsch op te lossen, is er een MILP (mixed integer linear problem) model opgesteld waarin voorraadbeheermodellen en TSP (traveling salesman problem) modellen zijn gecombineerd. Het TSP is gebruikt om de productievolgorde binnen een week te bepalen. Variabelen in dit model zijn het productievolume, de productievolgorde en hieraan gelinkt de ombouwactiviteiten. Dit MILP probleem is NP compleet, waardoor deze niet voor grote probleeminstanties exact opgelost kan worden binnen een redelijke rekentijd. Hierom is er naast een exacte oplossingsmethode ook een heuristiek ontwikkeld. De heuristiek is ontwikkeld op basis van het twee fase algoritme van Shim, Kim, Doh en Lee (Shim, Kim, Doh, & Lee, 2011). In de heuristiek zijn twee prioriteitsregels gebruikt, namelijk het selecteren op langste ombouwtijd over de periode en het selecteren op kortste productietijd over de periode. Alle vergelijkingen zijn gedaan op basis van een periode van 16 weken van afvullijn 7 met de niet Miller producten. Dit omvat een zestiental producten die allen alleen in de even weken mogen worden afgevuld. De huidige oplossing is vergeleken met een exacte oplossing op basis van de huidige beginvoorraad. De verschillende prioriteitsregels binnen de heuristiek zijn met elkaar vergeleken en tevens met een exacte oplossing op basis van dezelfde beginvoorraad. De heuristiek maakt gebruik van een random startoplossing. Hierom is binnen de vergelijking iedere keer gebruik gemaakt van dezelfde startoplossing. In de twee onderstaande tabellen zijn de resultaten van de heuristiek en de exacte oplossing weergegeven in minuten ombouwtijd over de gehele planningsperiode. De exacte oplossingsmethodiek is na 3 dagen gestopt, het valt niet te zeggen hoever de waarde die de computer na deze periode heeft berekend afwijkt van het absolute optimum. Om hier een inschatting van te kunnen maken is er een LP relaxatie uitgevoerd. Dit zou een ondergrens kunnen aangeven van een oplossing die behaald kan worden. De waarden van 295 en 291 minuten ombouwtijd voortkomend uit het model na de LP relaxatie zijn echter niet realistisch. In de oplossing van het LP model worden ombouwtijden voor bijvoorbeeld een derde ombouwactiviteit meegenomen in plaats van gehele ombouwactiviteit. Het resultaat na de LP relaxatie wijkt nog af van het absolute minimum dat gehaald kan worden. Er valt niet te zeggen hoe groot deze afwijking is. Hierdoor kan er niet gesteld worden hoe goed de exacte oplossing al is en hiermee kan er ook geen kwaliteitskenmerk aan de heuristiek worden verbonden met betrekking tot de uitkomst. Heuristiek kans 1 Heuristiek kans .975 Heuristiek kans .95 Initiële oplossing Heuristiek ombouw 930 1075 1300 1375 Heuristiek productie 1000 1000 1075 Tabel 1 Ombouwtijden heuristiek in minuten over de gehele planningsperiode Heuristiek kans 1 Exacte oplossing LP relaxatie Heuristiek ombouw 930 830 295 Heuristiek productie 1000 830 291 Tabel 2 Ombouwtijden heuristiek en exacte oplossing in minuten over de gehele planningsperiode Uit zowel de literatuurstudie als de exacte oplossing van het MILP en heuristiek komt plannen op basis van productfamilies naar voren als een goede strategie. Hierbij is ook de maximale cyclus waarin een product geproduceerd wordt van belang. De vergelijking die gemaakt is tussen de verschillende oplossingen van de heuristiek is slechts gebaseerd op één startoplossing die random bepaald is. Hierom is er geen generaliseerbare conclusie te stellen en zal er verder onderzoek nodig zijn om te bepalen wat de bijvoorbeeld de beste prioriteitsregel is. De heuristiek kan de beginvoorraad variëren waar dit voor de exacte oplossingsmethodiek niet mogelijk is. Dit heeft er mogelijk toe geleid dat de exacte oplossing met een oplossing komt die niet optimaal is. De uitkomsten van dit onderzoek kunnen gebruikt worden om bij Grolsch een afweging te gaan maken om de magazijnruimte te vergroten. Een kostenafweging tussen magazijnruimte en productietijd op de afvullijn zal gemaakt moeten worden. Dit valt buiten de scope van dit onderzoek. Het ontwikkelde model is naast dat het bruikbaar is om de heuristiek door te rekenen ook bruikbaar om wijzigingen in de planning te analyseren en het optimale productieschema voor een bepaalde week te berekenen. Ik wil Grolsch aanraden om de uitkomsten van dit onderzoek te gebruiken om de tactische planning te optimaliseren. Het model waarin de heuristiek verwerkt is kan uitgebreid worden met opslagcapaciteit. De kern van de uitkomsten dit onderzoek kan direct door Grolsch in praktijk worden gebracht. SKU’s zullen zoveel mogelijk in zo groot mogelijke batches geproduceerd moeten worden op een dusdanige wijze dat SKU’s nog wel samen met producten uit dezelfde productfamilie in een week vallen.
Item Type:Essay (Bachelor)
Faculty:BMS: Behavioural, Management and Social Sciences
Subject:01 general works, 85 business administration, organizational science
Programme:Industrial Engineering and Management BSc (56994)
Link to this item:https://purl.utwente.nl/essays/70849
Export this item as:BibTeX
EndNote
HTML Citation
Reference Manager

 

Repository Staff Only: item control page