T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YALIN ÜRETİM TEKNİKLERİNİN ETKİNLİK DÜZEYİNİN BENZETİM YAKLAŞIMI İLE DEĞERLENDİRİLMESİ İLHAN KIRBAŞ YÜKSEK LİSANS TEZİ ENDÜSTRİ MÜHENDİSLİĞİ ANA BİLİM DALI BURSA 2006 i ÖZET YALIN ÜRETİM TEKNİKLERİNİN ETKİNLİK DÜZEYİNİN BENZETİM YAKLAŞIMI İLE DEĞERLENDİRİLMESİ Bu tez çalışmasında bir üretim bölümünün verimliliğini artırmak için kullanılabilecek yalın üretim uygulamaları, benzetim tekniği kullanılarak değerlendirilmiştir. Kurulan model yardımı ile verimliliğe etki eden değişkenler incelenmiş ve verimliliği artırıcı önerilerin sisteme etkisi "deney tasarımı" metodu ile belirlenmiştir. Elde edilen deney sonuçları ve önerilerin tahmini maliyet/getirileri dikkate alınarak uygulama öncelikleri tanımlanmıştır. Anahtar Kelimeler : Benzetim, Promodel, Taguchi, Deney tasarımı, Yalın üretim ii ABSTRACT EVALUATION OF LEAN PRODUCTION TECHNIQUES THROUGH SIMULATION METHOD APROACH In this study, lean production applications to increase productivity has been evaluated by using simulation technique. By using a simulation model, variables that affect the efficiency have been determined and the effects of efficiency improving suggestions have been investigated with “design of experiments” methodology. Keywords: Simulation, Promodel, Taguchi, Design of Experiment, Lean Production iii İÇİNDEKİLER ÖZET ...................................................................................................................i ABSTRACT ........................................................................................................ii ŞEKİLLER DİZİNİ............................................................................................viii ÇİZELGELER DİZİNİ ..........................................................................................x GİRİŞ ..................................................................................................................1 1- KAYNAK ARAŞTIRMASI...............................................................................2 1.1- Benzetim............................................................................................. 2 1.1.1- Tanım ................................................................................................2 1.1.2 Üretimde Kullanılan Benzetim Programları .....................................2 1.1.3 Benzetim Çalışmasının Aşamaları ....................................................3 1- Problem Tanımlama;..................................................................................... 4 2- Verilerin toplanması ve modelin tanımlanması;.......................................... 4 3- Kurulan modelin doğrulanması.................................................................... 4 4- Modelin bilgisayar ortamında kurulması;.................................................... 4 5- Modeli çalıştırma;.......................................................................................... 4 6- Sonuçların karşılaştırılması; ........................................................................ 4 7- Deneylerin tasarlanması............................................................................... 5 8- Deneylerin çalıştırılması; .............................................................................. 5 9- Sonuçların analiz edilmesi; .......................................................................... 5 10- Arşivleme ve sunuş; ................................................................................... 5 1.1.4 – Üretim Sistemi Benzetimlerinde İstatistik.....................................5 1.1.5 – Benzetimin Yarar ve Sakıncaları ....................................................6 1.1.6 – Benzetim Çalışmalarında Yapılan Hatalar....................................7 1.1.6.1- Benzetim çalışması başında hedeflerin iyi belirlenmemesi: ............. 7 1.1.6.2- Karar verici ile düzenli olarak iletişim kurulmaması:......................... 7 1.1.6.3- Benzetim metodoloji, olasılık ve istatistik konusunda bilgi eksikliğinin olması: ........................................................................................... 8 1.1.6.4- Modellerin uygun ayrıntı seviyesinde kurulmaması: ......................... 8 1.1.6.5- Sisteme ait iyi verilerin toplanmasındaki yetersizlik : ...................... 8 1.1.6.6- “Kullanım kolaylığı olan benzetim paketlerinin teknik yeterlilik gerektirmediği” şeklindeki yanlış inanış: ........................................................ 8 1.1.6.7- Benzetim yazılımı altında yer alan varsayımları anlamamak:............ 9 1.1.6.8- Animasyonu yanlış kullanmak: ........................................................... 9 iv 1.1.6.9- Bir olasılık dağılımını ortalaması ile değiştirme:................................ 9 1.1.6.10- Uygun olmayan bir dağılımın kullanılması: ...................................... 9 1.1.6.11- Benzetim sonuçlarının uygun analizini yapamama: ...................... 10 1.2- Deney Tasarımı ve Taguchi Yaklaşımı ............................................ 11 1.3 - 2k Deney Tasarımı.......................................................................... 18 1.3.1- Faktör etkilerinin hesaplanması ....................................................19 1.3.2- Normal olasılık grafiğinin çizimi ....................................................19 1.4- Yalın Üretim ...................................................................................... 21 1.4.1- Tanım ..............................................................................................21 1.4.2- Yalın Üretimin Amacı .....................................................................22 1.4.3- Yalın Üretim Sistemi Teknikleri ....................................................23 1.4.4- Milk-run taşıma sistemi .................................................................23 1.4.4.1- Tanım ................................................................................................. 23 1.4.4.2- Hedef .............................................................................................. 24 2 – MATERYAL ve YÖNTEM...........................................................................25 2.1- MATERYAL.......................................................................................... 25 2.2- YÖNTEM ............................................................................................. 27 2.2.1- Problemin tanımlanması ve değişkenlerin belirlenmesi ........27 2.2.2- Verilerin Toplanması ve Modelin Kurulması ...........................28 2.2.2.1 Verilerin Toplanması ........................................................................... 28 2.2.2.2 Modelin Kurulması .............................................................................. 39 2.2.3- Bilgisayarda modelin kurulması: .............................................40 2.2.3.1- Locations ( İş yeri ) ............................................................................ 41 2.2.3.2- Entities ( Nesneler )............................................................................ 44 2.2.3.3- Path Networks ( Dolaşım ağı) ............................................................ 46 2.2.3.4- Resources (Kaynaklar) ...................................................................... 47 2.2.3.5- Processing ( İşlemler) ........................................................................ 49 2.2.3.6.- Arrivals ( Gelişler) ............................................................................. 50 2.2.3.7- Attributes ( Öznitelik) ......................................................................... 53 2.2.3.8- Variables (Değişkenler)...................................................................... 53 2.2.3.9- Arrays (Diziler).................................................................................... 53 2.2.3.10- Subroutines (Altyordamlar) ............................................................. 55 2.2.3.11- User Distributions (Kullanıcı tanımlı dağılımlar) ............................ 56 2.2.3.12- External Files (Harici dosyalar) ....................................................... 56 v 2.2.4- Modeli Çalıştırma ............................................................................57 2.2.5- Sonuçların Doğrulanması ..............................................................62 2.2.5.1- F Testi ................................................................................................. 63 2.2.5.2- Bağımsız t-testi................................................................................... 64 2.2.5.3- Smith-Satterthwaite Testi .................................................................. 65 2.2.6 Deney Tasarımı ................................................................................67 3- SONUÇLAR .................................................................................................71 3.1- Isınma Periyodunun Belirlenmesi ...................................................... 71 3.2- Benzetim Koşum Uzunluğunun Belirlenmesi...................................... 73 3.3- Bağımsız Koşum Sayısının Belirlenmesi ............................................. 73 3.4- Kurulan Modelin Doğrulanması.......................................................... 75 3.4.1- Makine başına ortalama üretim adedine göre ..............................75 3.4.1.1- F Testi ................................................................................................. 75 3.4.1.2- Bağımsız t testi................................................................................... 76 3.4.1.3- Smith-Satterthwaite Testi .................................................................. 77 3.4.2- Makine başına ortalama verimliliğe göre ......................................78 3.4.2.1- F Testi ................................................................................................. 78 3.4.2.2- Bağımsız t testi................................................................................... 79 3.4.2.3- Smith-Satterthwaite Testi .................................................................. 80 3.5- Deney Sonuçları ................................................................................. 81 4- SONUÇ ve ÖNERİLER............................................................................85 4.1 SONUÇ................................................................................................. 85 4.1.1 Üretim Verimliliği .............................................................................85 4.1.2 Makine Verimliliği.............................................................................88 4.1.3 İşgücü Verimliliği .............................................................................90 4.2 ÖNERİLER ........................................................................................... 92 KAYNAKLAR ...................................................................................................94 EK-1 ALTYORDAMLAR .............................................................................96 EK-1.1 PARTI_BUYUKLUGU().................................................................... 96 EK-1.2 SUB_SIPARIS()............................................................................ 118 EK-1.3 SUB_AGIE() ................................................................................. 119 EK-1.4 SUB_HAVA() ................................................................................ 121 EK-1.5 SUB_LOC()................................................................................... 122 EK-1.6 SUB_CIKIS()................................................................................ 123 vi EK-1.7 SUB_HIDROLIK()......................................................................... 124 EK-1.8 SUB_GOZK() ................................................................................ 125 EK-1.9 SUB_TELDEG()............................................................................. 126 EK-1.10 SUB_SETUP() ............................................................................. 127 EK-1.11 SUB_ARIZA() ............................................................................. 128 EK-1.11 SUB_PRIZMA() .......................................................................... 129 EK-1.12 SUB_MILKRUN_TUR() ............................................................... 130 EK-1.13 SUB_MILKRUN_TUR_KONTROLU () .......................................... 131 EK 2 ISINMA PERİYODU HESABINDA KULLANILAN VERİLER................133 EK 2.1 BENZETİM SONUCU ELDE EDİLEN VERİLER................................. 133 EK 2.2 WELCH METODU SONUÇLARI....................................................... 142 EK-3 GERÇEK SİSTEM ÜRETİM VERİLERİ............................................148 EK-3.1 MAKİNE BAŞINA ORTALAMA GÜNLÜK ÜRETİM ADETLERİ .......... 148 EK-3.2 GERÇEKLEŞEN ORTALAMA AYLIK VERİMLİLİKLER...................... 149 EK-4 MEVCUT SİSTEM BENZETIM SONUÇLARI........................................150 EK-4.1 ORTALAMA ÜRETİM ADETLERİ .................................................... 150 EK-4.2 MAKINA VERIMLILIKLERI ........................................................ 150 EK-5 DENEY SONUÇLARI .......................................................................151 EK-6 DENEY SONUÇLARININ KARŞILAŞTIRILMASI.................................152 EK6.1 Öneri-1 / Mevcut Sistem Karşılaştırması...................................... 152 EK6.2 Öneri-2 / Mevcut Sistem Karşılaştırması ...................................... 152 EK6.3 Öneri-3 / Mevcut Sistem Karşılaştırması ...................................... 152 EK6.4 Öneri-4 / Mevcut Sistem Karşılaştırması ...................................... 153 EK6.5 Öneri-5 / Mevcut Sistem Karşılaştırması ...................................... 153 EK6.6 Öneri-1 / Öneri-2 Karşılaştırması.................................................. 153 EK6.7 Öneri-1 / Öneri-3 Karşılaştırması.................................................. 154 EK6.8 Öneri-1 / Öneri-4 Karşılaştırması.................................................. 154 EK6.9 Öneri-1 / Öneri-5 Karşılaştırması.................................................. 154 EK6.10 Öneri-2 / Öneri-3 Karşılaştırması................................................ 155 EK6.11 Öneri-2 / Öneri-4 Karşılaştırması................................................ 155 EK6.12 Öneri-2 / Öneri-5 Karşılaştırması................................................ 155 EK6.13 Öneri-3 / Öneri-4 Karşılaştırması................................................ 156 EK6.14 Öneri-3 / Öneri-5 Karşılaştırması................................................ 156 vii EK6.15 Öneri-4 / Öneri-5 Karşılaştırması................................................ 156 TEŞEKKÜR ....................................................................................................157 ÖZGEÇMİŞ.....................................................................................................158 viii ŞEKİLLER DİZİNİ Sayfa Şekil 1.1 Benzetim çalışmasının aşamaları........................................................3 Şekil 1.2 Bir sistem veya sürecin genel gösterimi ..............................................11 Şekil 1.3 Muayene, İPK ve DT yöntemlerinin kalite gelişmesine katkıları ..........13 Şekil 1.4 Örnek normal olasılık grafiği................................................................20 Şekil 1.5 Yalın üretimin tarihsel gelişimi.............................................................22 Şekil 2.1 Üretim genel akışı ...............................................................................26 Şekil 2.2 Tiplere göre Ürün değişikliği oranının dağılımı ....................................28 Şekil 2.3 Tiplere göre sipariş büyüklüğünün belirlenmesi ..................................29 Şekil 2.4 Arızada kalma sürelerine uygun dağılımın belirlenmesi ......................32 Şekil 2.5 Çay molalarına ait uygun dağılımın belirlenmesi................................33 Şekil 2.6 Yemek molasına ait uygun dağılımın belirlenmesi ..............................33 Şekil 2.7 Yerleşim planı ve işçilerin çalışma rotaları ..........................................34 Şekil 2.8 Makine başında işlem akışı .................................................................35 Şekil 2.9 Üretim izni süresine ait uygun dağılımın belirlenmesi..........................39 Şekil 2.10 Model kurma elementleri .....................................................................41 Şekil 2.11 Üretim izni süresine ait uygun dağılımın belirlenmesi..........................43 Şekil 2.12 Veri nesnesine ait işlem tanımının Promodel’ de görünümü ...............45 Şekil 2.13 Örnek dolaşım ağı tanımlama ekranı ..................................................46 Şekil 2.14 Örnek Kaynak tanımlama ekranı .........................................................48 Şekil 2.15 Çay ve yemek molalarının tanımlanması ............................................49 Şekil 2.16 İşlemler elementine ait ekran görüntüsü..............................................50 Şekil 2.17 Giriş elementi ekran görüntüsü ...........................................................51 Şekil 2.18 Öznitelik tanımlama ekran görüntüsü ..................................................53 Şekil 2.19 Dizi tanımlama ekran görüntüsü..........................................................54 Şekil 2.20 Altyordam tanımlama sayfası ..............................................................55 Şekil 2.21 Kullanıcı tanımlı dağılım sayfası..........................................................56 Şekil 2.22 Harici dosya tanımlama sayfası ..........................................................57 Şekil 2.23 Doğrusal regresyon yöntemi ...............................................................58 Şekil 2.24 Welch yöntemi.....................................................................................60 Şekil 2.25 Koşum sayısı ......................................................................................62 ix Şekil 3.1 Welch Metodu w=25............................................................................71 Şekil 3.2 Welch Metodu w=50.............................................................................72 Şekil 3.3 Welch Metodu w=75.............................................................................72 Şekil 3.4 Welch Metodu w=100...........................................................................73 Şekil 3.5 Koşum sayısının belirlenmesi...............................................................74 Şekil 3.6 Gerçek sistem ile model varyanslarının karşılaştırılması......................76 Şekil 3.7 Gerçek sistem ile model ortalamalarının karşılaştırılması ....................77 Şekil 3.8 Gerçek sistem ile model varyanslarının karşılaştırılması......................79 Şekil 3.9 Gerçek sistem ile model ortalamalarının karşılaştırılması ....................80 Şekil 3.10 Minitab ekran görüntüsü.......................................................................81 Şekil 3.11 Önerilerin sisteme etkisine ait Pareto analizi........................................82 Şekil 3.12 Normal olasılık diyagramı.....................................................................82 Şekil 3.13 Önerilere ait etki diyagramı ..................................................................83 Şekil 4.1 Üretilen adet Tur zamanı = 110 dakika ................................................87 Şekil 4.2 Üretilen adet Tur zamanı = 40 dakika ................................................88 Şekil 4.3 Ortalama makine kullanımı ( Mevcut durum)........................................89 Şekil 4.4 Ortalama makine kullanımı ( Milkrun uygulaması) ..............................90 Şekil 4.5 Ortalama işgücü kullanımı ( Mevcut durum )........................................90 Şekil 4.6 Ortalama işgücü kullanımı ( Milkrun uygulaması)..................................91 Şekil 4.7 Ortalama işgücü kullanımı ( Kontrol işçileri için )...................................91 x ÇİZELGELER DİZİNİ Sayfa Çizelge 1.1 3 faktörlü, 2 düzeyli deney tasarım matrisi .......................................18 Çizelge 2.1 Üretime ait sipariş büyüklükleri ve üretilme olasılıkları .....................30 Çizelge 2.2 Makine grupları ................................................................................31 Çizelge 2.3 Arızada kalma süresi dağılımları ......................................................32 Çizelge 2.4 Tip bazında işlem süreleri ................................................................36 Çizelge 2.5 Üretim izni için bekleme süreleri.......................................................38 Çizelge 2.6 Veri nesnesine ait rapor örneği ........................................................45 Çizelge 2.7 İyileştirme önerileri ...........................................................................69 Çizelge 2.8 25 Deney tasarımı matrisi ................................................................70 Çizelge 3.1 Koşum sayısının belirlenmesi ..........................................................74 Çizelge 3.2 Önerilerin karşılaştırılması ...............................................................84 Çizelge 4.1 Tur zamanı hesaplama tablosu........................................................87 GİRİŞ Günümüz imalat sektöründe küreselleşme ve uluslararası gümrük sözleşmelerinin etkisiyle acımasız bir rekabet yaşanmaktadır. Bu rekabet ortamında müşteri memnuniyeti, kalite ve fiyat yönünden avantajlı konumda olan şirketler ayakta kalabilmekte ve varlıklarını sürdürebilmektedir. Bu rekabet ortamında şirketler çeşitli üretim teknikleri ve yönetim modellerini kendi bünyelerinde uygulayarak rekabet güçlerini artırmayı amaçlamaktadır. Önce Japonya’da ortaya çıkan “yalın üretim” felsefesi, Japon şirketlerinin piyasada başarılı olmaları ile birlikte dikkat çekmiş ve bu felsefe başta ABD olmak üzere diğer ülkelerde de uygulanmaya başlamıştır. Özellikle AB gümrük birliği anlaşması sonrasında da Türkiye’deki şirketler de bu felsefeyi uygulamaya koymuşlardır. Bu çalışmada bir üretim biriminde benzetim metodu yardımıyla kapasite kullanımını artırıp, yatırım maliyetlerinin düşürülmesi amaçlanmıştır. Başta yalın üretim tekniklerinden milkrun uygulaması olmak üzere çeşitli öneriler Promodel benzetim programı yardımı ile modellenmiş ve sonuçlar Taguchi istatiksel tekniği ile değerlendirilerek önerilerin sisteme etkisi incelenmiştir. 2 1- KAYNAK ARAŞTIRMASI 1.1- Benzetim 1.1.1- Tanım En yaygın tanımı ile benzetim; “bir sistemin taklit edilmesidir”. (Robinson 2004) Üretim alanındaki kesikli sistemlere ilişkin benzetim ile ilgilendiğimiz için benzetimin tanımını: “Sistem performansını artırmak için bilgisayar modellerini kullanarak dinamik sistemlerin taklit edilmesi” şeklinde tanımlanabilir (Harrell ve ark., 2000). Benzetimle modellemenin en büyük uygulama alanlarından biri olan üretim sistemleri benzetimi, ilk faydalanıldığı 1960’lı yılların başından bu güne kadar çok önemli gelişmeler göstermiştir. Bilgiye ulaşmanın çok kolay, rekabetin çok yoğun olduğu günümüz koşullarında, işletmelerin ayakta kalabilmesi ve gelişebilmesi için tüketici ihtiyaçları ve diğer değişikliklere hızlı ve düşük maliyetli karşılık vermesi gereklidir. İşletmelerin bu rekabete dayanması ve gerekli esnekliği gösterebilmesi için üretim olanaklarının performansı arttıracak şekilde yeniden tasarımlanması, gerekli geliştirmelerin yapılması gerekir. Önemli olan nokta gerekli değişikliklerin hızlı ve düşük maliyetli olarak gerçekleştirilmesidir. Sistemin ne gibi değişiklik veya yeniliğe ihtiyaç duyduğunu, yapılacak geliştirmelerin ne gibi sonuçlar vereceğini analiz etmede benzetim yöntemi çok uygun bir yöntemdir ( Özkale ve ark., 2004 ). 1.1.2 Üretimde Kullanılan Benzetim Programları İlk bilgisayar benzetim programları 1950’li yıllarda görülmeye başlanmıştır. Bu yıllarda benzetim programlarında Fortran programlama dili kullanılmıştır.1960’lı yıllarda ise ilk özel benzetim dilleri ortaya çıkmaya başlamıştır. GPSS ve SIMULA bunlara örnek verilebilir. 1970 yılından itibaren bilgisayar teknolojisindeki büyük atılımlar sonucunda ilk görsel ve kullanıcı ile 3 etkileşimli benzetim dili SEE-WHY geliştirildi. 1980 ve 1990 lı yıllarda kişisel bilgisayar ve işletim sistemlerindeki gelişmeler ile çok çeşitli benzetim programları geliştirilmiş ve sahip oldukları özelliklerle (üç boyutlu animasyon, farklı veritabanlarını kullanabilme, nesne tabanlı programlama) kullanıcıya her türlü desteği vermeye çalışmaktadır. Bu tür programlara örnek olarak Promodel, Arena, Flexsim programları verilebilir (Robinson, 2004). 1.1.3 Benzetim Çalışmasının Aşamaları Benzetim çalışmalarında izlenecek yol hakkında birçok öneri varsa da temelinde bütün öneriler benzerdir (Shannon 1998 , Law ve Mccomas 1990, vb.). Genel olarak bir benzetim çalışmasında takip edilecek basamaklar Şekil 1.1’ de gösterilmiştir (Law ve Kelton, 1999). Şekil 1.1- Benzetim Çalışmasının Aşamaları Kaynak : Law ve Kelton, Simulation modeling and Analysis,1999, s:107 4 Bu aşamalar kısaca aşağıdaki gibi açıklanabilir: 1- Problem Tanımlama; Bu aşamada problem ana hatları ile tanımlanır; probleme yol açan nedenler, çalışma koşulları, özel durumlar ayrıntılı olarak belirtilir. Amaç ve değişkenler tanımlandıktan sonra çalışma ile ilgili olarak süre planlaması, öngörülen maliyetler, çalışacak personel sayısı gibi konular planlanır. 2- Verilerin toplanması ve modelin tanımlanması; Modelleme aşaması sırasında gerekli olan veriler bu aşamada toplanır. Toplanan bu veriler analiz edilerek modelde kullanılmaya uygun hale getirilir. Benzetim çalışmasında kullanılacak veriler toplandıktan sonra modelin mantıksal ve matematiksel altyapısı oluşturulur. 3- Kurulan modelin doğrulanması; Bu aşamada kurulan modelin mantıksal ve matematiksel altyapısının istenilen şekilde çalışıp çalışmadığı kontrol edilir. Modelde kullanılan verilerin doğruluğu, modelde tanımlanan süreçlerin işleyiş şekilleri, vb. modeli kuran uzmanlar ve problemi iyi bilen çalışanlar tarafından kontrol edilir. 4- Modelin bilgisayar ortamında kurulması; Kurulan model, amaca uygun genel amaçlı veya benzetim için hazırlanmış özel programlarda modellenir. Bilgisayar ortamında yapılan bu modelleme aşamasının her adımında gerekli kontrollerin yapılarak modelin doğru çalışması sağlanmış olur. 5- Modeli çalıştırma; Tüm aşamalardan sonra model bilgisayar ortamında çalıştırılır. 6- Sonuçların karşılaştırılması; Ön çalıştırma sonunda elde edilen verilerle gerçek sistem verileri çeşitli istatistikî metotlar yardımı ile karşılaştırılır. Beklenen; model sonuçlarının, gerçek sistem sonuçlarını belli bir güvenlik payı içerisinde temsil edebilmesidir. 5 İstatistiki testler sonucunda istenilen güven aralığında model sonuçlarında bir uyumsuzluk var ise Adım–2 ye geri dönülür. 7- Deneylerin tasarlanması ; Kurulan modelin doğruluğu istatistiki olarak ispat edildikten sonra problemin çözümü için ortaya konan çözümler modele dahil edilir. 8- Deneylerin çalıştırılması; Öngörülen deneyler modellendikten sonra benzetim çalıştırılır ve sonuçlar alınır. 9- Sonuçların analiz edilmesi; Deneylerden elde edilen sonuçlar karşılaştırılarak en uygun çözüm bulunmaya çalışılır. 10- Arşivleme ve sunuş; Elde edilen sonuçları ile deneyler sonunda varılan nokta; üst yönetime sunulmak üzere hazırlanır ve sonrasında arşivlenir. 1.1.4 – Üretim Sistemi Benzetimlerinde İstatistik Benzetim deneylerinin tasarımı ve analizinde yaşayan sistemdeki rastsal yapıların modele doğru tanıtılması önemlidir. Üretim sistemlerinin rastsallığın bazı kaynakları şunlardır: • Siparişlerin, mamul veya yarı mamullerin, hammaddelerin sisteme gelişi. • İşlem, montaj veya kontrol zamanları • Makine arıza zamanları • Makine tamir zamanları • Yükleme ve boşaltma süreleri • Ürün değişikliği esnasında yaşanan yeniden ayar zamanları Sistemin rastsallığını sağlayan kaynaklar uygun bir olasılık dağılımı ile modellerde gösterilmelidir. Sadece ortalama değerleri kullanmak sistemin değişkenliğini tanımlamaya yetmez ( Law ve Mccomas, 1998). 6 Benzetim girdilerindeki bu değişkenlikten dolayı kurulan model sonuçları gerçek sistemin bir tahmini durumundadır. Analistin istatiksel olarak doğru (küçük bir sapma ile) bir tahmin yapabilmesi için aşağıda belirtilen noktalar belirlenmelidir ( Law ve Mccomas, 1998). i- Benzetim koşum uzunluğu (Run lenght) ii- Bağımsız koşum sayısı (Number or replications) iii- Isınma periyodu uzunluğu ( Warm-up period ) 1.1.5 – Benzetimin Yarar ve Sakıncaları Benzetimin en önemli yararlarından biri, incelenecek sistemin mantıksal ve matematiksel olarak modellenebilmesidir. Bununla birlikte benzetim tekniğinin başlıca yararları: i- Yeni tasarımları, yeni yerleşim planları vb. değişikliklerin sistem üzerindeki etkileri kaynak harcamadan incelenebilir. ii- Yeni politikalar, yeni organizasyon yapıları, süreçlere ait yeni yöntemler ve bilgi akışları gibi bir çok büyük değişikliğin etkisi devam eden işlemleri kesintiye uğratmadan incelenebilir. iii- Benzetim ile bilgi, malzeme, ürün akışlarındaki darboğazlar hakkında bilgi elde edilerek akışların iyileştirilmesi sağlanır. iv- Benzetim ile zaman etkin bir biçimde kontrol edilebilir. Gerçek sistemde aylar hatta yıllar alacak bir çalışmanın sonuçlarını benzetim sayesinde birkaç dakika içersinde elde edilebilir. v- Benzetim yardımı ile kullanılan verilerin sistem üzerindeki etkileri, daha sağlıklı bir şekilde görülebilir. vi- Benzetim yeni ve karmaşık durumlarda senaryo analizleri yapmak için çok güçlü bir araçtır. Benzetim, yukarıda sayılan birçok yararına karşın kusursuz bir teknik değildir. Bu tekniğin de bazı kısıtlamaları veya sakıncaları aşağıdaki gibi sıralanabilir [Shannon 1998, Robinson 2004, Chung 2004] 7 i- Benzetim özel eğitimler ve uzman uygulayıcılar gerektiren bir tekniktir. Benzetim tekniğinin kullanılabilirliği; kurulan modelin kalitesine ve modeli kuran ekibin uzmanlığına bağlıdır. ii- Benzetim çok sayıda veriye ihtiyaç duyar. Çoğu durumda istenilen veriler hazır değildir ve toplanması için uzun zaman gerekir. iii- Benzetim tekniği problemleri tek başına çözemez. En iyi sonuç için farklı araçların da kullanılması gerekir. iv- Benzetim karmaşık problemlere basit cevaplar sağlamaz. v- Benzetim eksik yada doğru olmayan veri girdilerine karşılık doğru sonuçlar vermez. vi- Benzetim gerek kullandığı programların maliyeti ve gerekse proje boyunca çalışanların maliyeti göz önünde tutulduğunda pahalı bir tekniktir. 1.1.6 – Benzetim Çalışmalarında Yapılan Hatalar Law’a göre bir benzetim çalışması esnasında yapılan 11 kritik hata şunlardır (2003): 1.1.6.1- Benzetim çalışması başında hedeflerin iyi belirlenmemesi: Sistemdeki değişkenlerin değerlendirilmesi için performans kıstaslarının önceden belirlenmesi ve özel soruların, durumların önceden not edilmesi önemlidir. Aksi takdirde modelin ayrıntılarını uygun düzeyde belirlemek imkânsız olacaktır. 1.1.6.2- Karar verici ile düzenli olarak iletişim kurulmaması: Karar vericiler ile düzenli iletişim halinde olmak, doğru problemin çözüldüğünden emin olunmasını sağlar ve güvenirlik seviyesi bakımından bir zorunluluk arz eder. 8 1.1.6.3- Benzetim metodoloji, olasılık ve istatistik konusunda bilgi eksikliğinin olması: Benzetim ile modelleme konusunda çalışan insanların pek çoğu sadece belli bir benzetim yazılım paketinin nasıl kullanılacağı konusunda bilgilidir. Benzetim ile modelleme konusunda çalışan pek çok uzman, programlamanın benzetim modelinin % 25-50 kısmını oluşturduğu konusunda hemfikirdir. Benzetim analizcisi benzetim metodolojisi (modelin geçerliliği, girdi olasılık dağılımının seçilmesi, benzetim deneylerinin tasarımı ve analizi vb..) ayrıca olasılık ve istatistik (olasılık dağılımları, güven aralıkları vb.) konularında da bilgi sahibi olmalıdır. 1.1.6.4- Modellerin uygun ayrıntı seviyesinde kurulmaması: Yeni bir benzetim analizcisi için en sık rastlanan tuzak aşırı derecedeki model ayrıntısıdır. Daha az düzeydeki ayrıntı ile modellemeye başlamak önerilir. Bir modelin kısmi yeterliliği “konunun uzmanları” ve karar vericinin gözden geçirmesiyle saptanır. Etkili kararlar almak için modelin her yönünü dikkate almak gereksizdir, aynı zamanda para, süre ve bilgisayar konusundaki kısıtlar da bunu mümkün kılmaz. 1.1.6.5- Sisteme ait iyi verilerin toplanmasındaki yetersizlik : Eğer var olan bir sistem için modelleme yapılıyorsa, rastsal değişkenlere bağlı olarak veri toplamak çok önemlidir. (bir üretim sistemi için anahtar rastsal değişkenler muhtemelen arıza ve arızayı giderme süresini içerecektir.) Proje süresinin kısıtlı olması nedeniyle bu çoğu zaman yapılmamakta veya benzetimi yapan analizci bu verilerin önemli olduğunun farkına varamamaktadır. 1.1.6.6- “Kullanım kolaylığı olan benzetim paketlerinin teknik yeterlilik gerektirmediği” şeklindeki yanlış inanış: Bazı insanlar “kullanımı kolay” olan benzetim paketlerinin benzetim çalışmasını kolaylaştıracağını düşünmektedirler. Bu tip bir yazılım çok karmaşık olan problemleri modellemede program için ihtiyaç duyulan zamanı azaltabilir. Ancak, gerçek hayatta karşılaşılan problemler için çoğunlukla bir çeşit programlama dilini bilmek gereklidir. Hatta benzetimi modelleyen kişi mutlaka problemin formüle edilmesi, veri toplama ve değerlendirme, modelin 9 geçerliliği sınama, sistemin rastsallığını modelleme, benzetim deneylerinin tasarımı ve analizi ve tüm benzetim projesinin yönetimi konusunda ilgili olmalıdır. Tüm bu etkinlikler çok yüksek düzeyde teknik yeterlik ve deneyim gerektirir. 1.1.6.7- Benzetim yazılımı altında yer alan varsayımları anlamamak: Kullanım kolaylığını arttırmak için, bir benzetim yazılımı makro bloklarına sahip olmalıdır. Ancak, bu bloklar genellikle çok iyi açıklanmadığından, geçersiz bir modelin kurulmasına yol açabilirler. 1.1.6.8- Animasyonu yanlış kullanmak: Animasyon, benzetimin teknik ayrıntılarından anlamayabilecek olan karar vericilerin benzetim modelinin özünü anlamaları, benzetim programındaki yanlışlıkların ve iyileştirmelerin görülebilmesi için kullanışlıdır. Ancak karar kısmi süreli çalıştırmaya göre değil modele uygun istatistiksel deneylerin sonuçlarına göre verilmelidir. Sadece kısa süre çalıştırma sonucunda model iyi görünse de, bu modelin geçerli olduğu veya hatasız olduğu anlamına gelmez. 1.1.6.9- Bir olasılık dağılımını ortalaması ile değiştirme: Benzetim ile modellemede sistemin rastsallığını, aynı olasılık dağılımı ile temsil etmekten yerine, ortalama değer ile temsil etmek yaygın bir uygulamadır. Örnek vermek gerekirse; Bir kuyruk modelinde gelişler arası süre ve işlem süresi sırasıyla 1 ve 0.99 dakika olsun. Genellikle işlem ve gelişler arası süre exponansiyel dağılıma uymaktadır. Uzun süreli bir koşum sonunda kuyrukta ortalama bekleyen müşteri sayısı 98 olacaktır. Ancak sadece ortalama değerler kullanılırsa, işlem süresi geliş süresinden daha küçük olduğu için kuyrukta asla müşteri beklemeyecektir. 1.1.6.10- Uygun olmayan bir dağılımın kullanılması: Sistemdeki her unsurun rastsallığını uygun bir olasılık dağılımı ile modellemek önemlidir. Örneğin, pek çok benzetim uygulamacısı bir işlemi yapmanın süresini normal dağılım ile temsil ederler. Ancak, bunun normal 10 dağılım olduğu hiçbir zaman görülmemiştir. Uygulamada, pek çok histogramın (grafik) daha uzun sağ kuyruğu vardır; yani sağdan çarpıktırlar 1.1.6.11- Benzetim sonuçlarının uygun analizini yapamama: Stokastik bir benzetim modeli, model için doğru performans kıstaslarını üretemez, sadece bunları istatistiksel varsayımlarını üretir. Bir benzetim uygulayıcısı, benzetimin çalıştırılma süresini, ısınma periyodunun uzunluğunu, birbirinden bağımsız koşum sayısını seçmelidir. Önemli performans kıstasları için güven aralıklarının oluşturulmasını önerilmektedir. Ancak bunun sadece bir benzetimin denemesi sonucunda elde edilen verilerle mümkün olamayacağına dikkat edilmelidir, çünkü veriler birbirinden bağımsız olmayacaktır. Ayrıca benzetimi sadece bir kez çalıştırarak elde edilecek ortalama ya da varyans da yeterli değildir. 11 1.2- Deney Tasarımı ve Taguchi Yaklaşımı Deney Tasarımı (DT), bir süreçteki girdi değişkenleri üzerinde istenilen değişikliklerin yapılmasıyla cevap değişkeni üzerindeki değişkenliğin gözlenmesi, elde edilmesi ve yorumlanması olarak tanımlanabilir. DT, süreç en iyilemesinde, süreç değişkenlerinin tanımlanmasında ve süreçteki değişkenliğin azaltılmasında çok önemlidir. Şekil 1.2’de bir sistemin veya sürecin genel modeli gösterilmiştir. Süreç değişkenlerinden X1, X2, ....., Xp kontrol edilebilir değişkenler ve Z1, Z2, ........, Zq kontrol edilemeyen değişkenler olarak adlandırılır. Şekil 1.2- Bir Sistem veya Sürecin Genel Gösterimi (Hamzaçebi ve Kutay,2003). DT teknikleri, yeni bir süreç geliştirmede ve performans artırma amacıyla mevcut süreci düzeltmede çok önemli bir rol oynamaktadır. Burada amaç, gürbüz (robust) bir süreç geliştirmektir. Bunun anlamı, değişkenliğin kaynağı olan, kontrol edilemeyen değişkenlerin (Z1, Z2, ........, Zq) etkisinin en az olduğu süreci geliştirmek demektir 12 DT tekniği regresyon analizi temeline dayanır. Regresyon analizi, sebep (bağımsız girdi değişkeni) ve sonuç (bağımlı çıktı değişkeni) arasında net bir matematiksel ilişkinin varlığını tespit etmek için kullanılır. Bu durum bağımsız ve bağımlı değişkenlerin sayılabilir olduğu durumlarda geçerlidir. Değişkenlerin sayılabilir olmadığı zaman ilişkiyi regresyon analizi ile ifade etmek mümkün değildir. Araştırmacının amacı sebep ve sonuç arasındaki ilişliyi matematiksel olarak ifade etmekten ziyade ilişkinin varlığını araştırmak olduğunda, DT teknikleri kullanılır DT, ilk defa 1920'li yıllarda İngiliz istatistikçisi A. Ronald FISHER tarafından tarım ürünlerinin verimli üretilmesini sağlamak amacıyla geliştirilmiştir. Fisher, ürünlerin verimine katkıda bulunan gübrelerin tespitinde bu yöntemden yararlanmıştır. Fisher, ürün yetiştirilecek toprağı verimliliği aynı derecede olan birkaç bloğa ayırmış ve her bir ürün çeşidini rasgele bu bloklarda yetiştirmiştir. Fisher'in blok kurması ve bloklara rasgele yerleştirme yapması, DT’na temel teşkil etmiştir ve faktöriyel analiz kavramının doğmasına sebep olmuştur. DT'nın teknolojik çalışmalarda kullanılmaya başlandığı 1950'li yıllara kadar, kullanımı ve gelişimi çok hızlı olmamıştır. Ancak parçalı faktöriyel tasarımın Japon endüstrisinde güvenilir, etkili ve düşük maliyetli çalışmalarda başarı göstermesi DT tekniklerinin kullanımını yaygınlaştırmıştır. W. Edwards Deming'in Japonya'da, kalite ve verimliliği geliştirme felsefesi ve yöntemleri üzerine verdiği konferanslardan sonra, bu teknikler Japon istatistikçileri tarafından hayata geçirilmiştir. Böylece düşük maliyette ve yüksek kalitede ürün geliştirmeye yardımcı DT yöntemleri geliştirilmiştir. İlk olarak Fisher'in uyguladığı deney tasarımlarından sonra Taguchi de bu olguya kendi yaklaşımlarını katmıştır (Hamzaçebi ve Kutay,2003). Motorola firmasının kalite grubundan K. Bhote, kalitenin gelişimine katkısı olan üç istatistikî yöntemi, 1950-1990 dönemi için ABD ve Japonya'da karşılaştırmıştır. Kaliteyi sağlama amacında olan bu üç yöntem; muayene, istatistiksel süreç kontrolü ve deney tasarımı yöntemleridir. Şekil 1.3, bu üç yöntemin bir karşılaştırmasını göstermektedir. Şekil 1.3'de görüleceği üzere, Japonya'da kalite gelişmesine en büyük katkıyı, 1970'den sonra DT tekniği 13 sağlamıştır. Kaliteyi sağlamada, 1960’lardan beri Japonya’da başarı ile kullanılan DT tekniklerinin ABD’de kullanılmaya başlaması, 1980'lerin başında Taguchi'nin Amerika'da verdiği seminerlerden sonra olmuştur (Şirvancı, 1997). Şekil 1.3- Muayene, İPK ve DT Yöntemlerinin Kalite Gelişmesine Katkıları (1950-1990), (Şirvancı, 1997) Genichi Taguchi Japonya’nın endüstriyel ürün ve süreç geliştirmesinde 1940 sonlarından beri aktif olarak yer alan bir Japon makine mühendisidir. Ağırlıklı olarak istatistiksel kavram ve araçlara, özellikle istatistiksel deney tasarımına dayalı kalite geliştirme için felsefe ve yöntembilim geliştirmiştir. Taguchi’nin kalite felsefesi yedi noktada özetlenebilir: 1. Ürün kalitesinin önemli bir boyutu, o ürünün kalitesizliğinin toplumda yol açabileceği toplam kayıp olarak ifade edilebilir. 2. Rekabetçi bir ekonomide işletmenin varlığını sürdürebilmesi için kaliteyi sürekli olarak geliştirmesi ve maliyetleri düşürmesi gereklidir. 14 3. Sürekli kalite geliştirme programları, ürünün performans karakteristiklerinin hedef değerlerden sapmalarının kayda değer miktarda azaltılmasını içermelidir. 4. Ürün performansındaki değişim sonucunda ortaya çıkan ve müşterilerin katlandığı kayıp, yaklaşık olarak, performans karakteristiğinin hedef değerden sapmasının karesi ile doğru orantılıdır. 5. Ürünün nihai kalite ve maliyeti, önemli oranda ürünün ve imalat sürecinin mühendislik tasarımları tarafından belirlenir. 6. Ürün veya sürecin performans varyansı, ürün ve süreç parametrelerinin performans karakteristikleri üzerindeki eğrisel etkileri giderilerek azaltılabilir. 7. İstatistiksel olarak planlanmış deneyler performans varyansını azaltan ürün veya süreç parametrelerinin belirlenmesinde kullanılabilir. Kalitenin üretimden önce, tasarım aşamasında başladığını öne sürerek kalite düşüncesinde devrim yapan Taguchi’nin kalite felsefesi incelediğinde, başlıca iki temel ilke görülmektedir. “Off-line” Kalite Kontrol; Pazar araştırması ile ürün ve üretim sürecinin geliştirilmesi sırasında gerçekleştirilen kalite faaliyetlerini kapsar. “On-line” Kalite Kontrol; Ürünün imalatı sırasındaki ve imalat sonrası kalite faaliyetlerini kapsar. İstatistiksel süreç kontrolü ve çeşitli muayeneler örnek olarak verilebilir. Deney tasarımı Taguchi’nin kalite sisteminde “off-line” kalite kontrol içinde yer almaktadır. Taguchi “off-line” kalite kontrolunu i- Ürün tasarımı ii- Süreç tasarımı açısından ikiye ayırmaktadır. Kalite sağlama aşaması olarak hem ürün tasarımı için hem de süreç tasarımı için üç kalite aşaması tanımlamaktadır. Bunlar; i- Sistem tasarımı 15 ii- Parametre tasarımı iii- Tolerans tasarımı aşamalarıdır. 1. Sistem Tasarımı; Müşterilerin ihtiyaçlarını ve işletmenin kendi yeteneklerini kullanarak bir ilk ürün tasarımı geliştirilir. Bu tasarım performans karakteristiklerinin değerini etkileyen parametre değerlerinin belirlenmesini içerir. Ürün tasarımı aşamasında malzeme, parça, ilk örnek ürün parametre değerleri seçimi vb. süreç tasarımı aşamasında üretim donanımı ve geçici süreç faktörleri değerlerinin seçimi söz konusudur. 2. Parametre Tasarımı: Nihai üründeki varyansa en fazla katkıda bulunan faktörler belirlenir. Mühendislik tasarımlarının varyansın kaynaklarına duyarlılığını, diğer bir deyişle topluma vermesi beklenen zararı en düşük düzeye indirgeyen değerleri belirlemek için bir dizi deney yapılır. Ürün parametre tasarımı, ürün parametrelerinin malzeme (çelik, lastik, kâğıt, plastik vb.) bileşimleri, boyutlar, yüzey özellikleri gibi en uygun değerlerinin belirlenmesi anlamına gelmektedir. Parametre tasarımında amaç, üründe ortaya çıkabilecek varyansları en aza indirerek ürünün hem imalat hem de yaşam çevrimi maliyetini azaltmaktır. Süreç parametre tasarımı, kontrol edilebilen imalat süreç parametreleri (hat hızı gibi çeşitli hızlar, fırın sıcaklığı gibi çeşitli sıcaklıklar, çeşitli basınçlar ve çeşitli süreler) için en uygun düzey ve ayarların belirlenmesi anlamında kullanılmaktadır. Her iki parametre tasarımında da amaç, üründe ve süreçte varyansın (hedef değerden sapmanın, yani kalitesizliğin) minimize edilmesidir. Varyansa neden olan iki tür faktör bulunmaktadır. Bunlar kontrol edilebilen faktörler ve gürültü faktörleridir (kontrol edilemeyen faktörler). Bu gürültü faktörleri kontrol edilmesi çok zor ve çok pahalı olan, ya da kontrolü imkânsız olan faktörlerdir. Ürünün fonksiyonel karakteristiklerinin hedef değerden sapmasına neden olan, bir başka deyişle kalitesizliğe yol açan gürültü faktörleri, iç gürültü faktörleri, dış gürültü faktörleri ve ürünler arası gürültü faktörleri olmak üzere üç bölüme ayrılmaktadır. 16 İç gürültü faktörleri, üretilecek ürünün belirlenen karakteristik değerlerinden sapmasına neden olan faktörlerdir. Bunlar imalat hataları, ürün aşınması vb.dir. Dış gürültü faktörleri ise, ısı, nem oranı, toz, voltaj düzeyi, üretimdeki insan değişkenliği gibi çevresel faktörlerdir. Bunlar ürünün belirlenen karakteristik değerinden ortaya çıkan sapmayı arttırıcı yönde etki yaparlar. Ürünler arası gürültü faktörleri aynı ölçütlere göre imal edilmiş olmalarına karşın parçalar arasında görülen farklılıklardır. Örneğin enjeksiyon yoluyla yapılan plastik döküm işleminde, ısı ve nem dış gürültü faktörlerini, makinelerin yaşı ve üretim sürecindeki toleranslar iç gürültü faktörlerini, imalattaki hatalar ürünler arasındaki gürültü faktörlerini oluşturmaktadır. Parametre tasarımı aşamasında gürültü faktörlerine karşı kontrol edilebilen faktörlerin değerlerini en uygun olacak şekilde belirlenmesi, ürün ve süreçteki varyansı en düşük düzeye indirebilir. Taguchi bu amaçla yapılan ürün ve süreç tasarımına gürbüz(robust) tasarım demektedir. Burada “gürbüz”, kontrol edilemeyen faktörlere, örneğin, nem, toz, ısı, yol durumu gibi çevre koşullarına, müşterilerin bu ürünü kullanımındaki farklı uygulamalara ve malzemelerdeki farklılıklara karşı duyarsız, yani onlardan etkilenmeyen, ürün ve süreç anlamında kullanılmaktadır. Bir ürün veya sürecin ”gürbüzlüğü”, bu ürün veya sürecin performansı ve kontrol edilemeyen faktörlerin bu performansı etkilemesi açısından tanımlanmaktadır. Taguchi gürültü faktörlerinin kalite üzerindeki olumsuz etkilerini azaltmak ya da ortadan kaldırmak, bir başka deyişle gürbüz tasarıma ulaşmak için deney tasarımı uygulamasını önermiştir. 3. Tolerans Tasarımı: İkinci aşamadaki hedef tasarım parametre değerleri için kabul edilebilir toleranslar belirlenir. Bu aşamada tasarım toleransları uygulamaya konulur. Parametre tasarımıyla elde edilen azaltılmış değişkenlik yeterli değilse tolerans tasarımı uygulanır. Tolerans tasarımı aşamasında, varyansları, çıktı değişimlerinde büyük etkiye yol açan ürün parametreleri ile süreç faktörleri toleranslarının daraltılmasına çalışılır. Tolerans tasarımı, daha iyi derece malzeme, parça, makine alımı için para harcayarak gerçekleştirilebilir. 17 Taguchi yaklaşımında sistem ve parametre tasarımı bir yandan daha yüksek kalite elde ederken aynı zamanda maliyetleri düşürme olanağı sağlamaktadır. Tolerans tasarımı ise daha yüksek kalite için daha yüksek maliyetlere katlanmayı zorunlu kılmaktadır. Bu nedenle Taguchi yaklaşımında sistem tasarımı ve özellikle parametre tasarımının önemi çok fazladır. Taguchi parametre tasarımı için deney tasarımı uygulamasını önermiştir. Deney tasarımı aracılığıyla birçok faktörün ürün veya sistem üzerindeki ekonomik olarak belirlemek ve varyasyon yaratan faktörlere karşı önlemleri, tasarım aşamasında almak mümkün olmaktadır. Dolayısı ile Taguchi’nin “off- line” kalite kontrol sistemi içinde en önemli kalite sağlama yöntemi deney tasarımıdır. 18 1.3 - 2k Deney Tasarımı Faktör seviyesi k>1 ve her bir faktörün sadece 2 seviyesinin kullanıldığı deneysel tasarımlara 2k faktöryel deney tasarımı olarak adlandırılır. İki düzeyli deneyler, deneylerin en basitleridir. Basitliklerine karşın, düşük maliyetle çok sayıda faktörün aynı anda incelenmesini mümkün kılar. Bu bakımdan deney tasarımında çok önemli yer tutarlar (Şirvancı 1997). Bütün faktör kombinezonlarının denendiği deneylere “tam eşlendirmeli deney” ya da “tam faktöriyel deney” denir. Örneğin 3 faktörlü ve 2 düzeyli bir deneyin tasarım matrisi aşağıdaki gibi olacaktır. Çizelge 1.1- 3 Faktörlü, 2 Düzeyli Deney Tasarım Matrisi Çizelge 1.1’de yer alan A,B,C ana faktörleri temsil ederken diğer sütunlar faktörler arası etkileşimleri temsil etmektedir. Bu etkileşimlere ait sütunların “eksi” ve “artı” işaretleri, ana faktörlerin işaretlerinin çarpımı olarak elde edilmiştir. Örnek vermek gerekirse; BC etkileşim sütununun işaretleri B ve C sütunlarının işaretlerinin çarpımı sonucu bulunmuştur. İki düzeyli deneylerde düzeylerin birine alt düzey, diğerine üst düzey denilmektedir. Genellikle alt düzeyler için “-“; üst düzeyler için “+” işareti ile temsil edilir. 19 1.3.1- Faktör etkilerinin hesaplanması Faktörlerin sonuçlar üzerine etkisini hesaplayabilmek için her faktörün farklı iki düzeylerine karşılık gelen deney sonuçlarının ortalamalarını karşılaştırmak gerekir. Faktörün net etkisini bulmak için üst düzey ortalamasından alt düzey ortalaması çıkarılır. Çizelge 1.1’deki örnekten açıklamak gerekirse; A(-) = (S1 + S2 + S3 + S4 ) /4 A(+) = (S5 + S6 + S7 + S8 ) /4 EtkiA = A(+) – A(-) olacaktır. Diğer faktörler için de benzer yöntemle net etki değerleri hesaplanabilir. 1.3.2- Normal olasılık grafiğinin çizimi Faktörlerin ve faktör etkileşimlerinin sonuca etkisi hesaplandıktan sonra bu etkilerden hangilerinin istatistiksel açıdan önemli olduğuna karar vermek için “normal olasılık grafiği” yöntemi kullanılır. Normal olasılık grafiği oluşturulurken, etki değerleri yatay eksende yer alır. Olasılık ekseni olan dikey eksene, etkilerin sıra numarasına karşı düşen olasılık değeri işlenir. Olasılık değerinin formülü: i − 0,5 Olasılık değeri = m i : sıra numarası m : toplam etki sayısı (Sirvancı 1997) 20 Etkilerin sıra numarasını belirlemek için faktörlerin etkileri en “eksi” değere 1 sıra numarası verilerek küçükten büyüğe doğru sıralanır. Örneğin eğer 23 deney tasarımını kullanılıyorsa; en eksi etki 1; en “artı” değer ise 7 sıra numarasını alacak şekilde sıralanır. Etkiler normal olasılık grafiğine eklendikten sonra etki değeri sıfıra en yakın noktalar dikkate alınarak, bu noktalardan uzaklığı en az olan bir doğru çizilir. Etkilerin istatistiksel önemliliği çizilen bu doğruya göre belirlenir. Önemli etkiler ya grafiğin alt tarafında, doğrunun solunda ya da grafiğin üst tarafında doğrunun sağında kalan etkilerdir. Bunun dışında kalan etkiler istatistiksel açıdan önemli değildir. Şekil 1.4- Örnek Normal Olasılık Grafiği Kaynak : Şirvancı, Kalite için deney tasarımı,1997, s:34 21 1.4- Yalın Üretim 1.4.1- Tanım Literatürde Toyota üretim sistemi, tam zamanında üretim yada Stoksuz üretim gibi isimlerle anılan Yalın Üretim, 1950'nin başlarında Japonya'da Toyota şirketinin öncülüğünde geliştirilip, 1980'lerde ABD'de yaygınlık kazanmış olan bir üretim felsefesidir. Yalın üretimin en genel tanımı; “en az kaynakla, en kısa zamanda, en ucuz ve hatasız üretimi, müşteri talebine bire bir uyabilecek şekilde en az israfla ve nihayet tüm üretim faktörlerini en esnek şekilde kullanıp, potansiyellerinin tümünden yararlanarak nasıl gerçekleştirebiliriz?" arayışının bir sonucudur ( Okur, 1997) Bir çok büyük ABD firması bu sistemi değişik isimlerle kullanmaktadır. Örneğin; • Harley-Davidson firmasında MAN (Materials As Needed) • Ford Motor fabrikasında da MAN (Manufacturing As Needed) • Omark Endüstrilerinde ZIPS (Zero Inventroy Production Systems) • Westinghouse’de MIPS (Minumum Inventory Production Systems) • Hawlet-Packard, SP (Stockless Production) 22 Şekil 1.5- Yalın Üretimin Tarihsel Gelişimi (Bosch 2006) 1.4.2- Yalın Üretimin Amacı Yalın üretim felsefinin temelinde, üretimin tüm aşamalarında israfın önlenerek maliyetlerin azaltılması hedefi yer alır. Yalın üretim felsefesi ürünün değerini artırmayan tüm unsurları "israf" olarak tanımlamıştır ( Acar 1995). Yalın üretimin uygulanması yolundaki ilk adım kayıp faktörlerinin neler olduğunu açık ve net olarak ayrıştırabilmektir. Bu da aşağıdaki noktaların incelenmesiyle mümkündür ( Ohno 1998): • Üretim fazlası • Ölü zamanlar • Gereksiz nakliye ve bakım işlemleri • Gereksiz ve uygun olmayan işler • Stok fazlası • Gereksiz hareketler • Hatalı parça üretimi 23 1.4.3- Yalın Üretim Sistemi Teknikleri Üretimde ürüne katma değer sağlamayan tüm "israfların" ortadan kaldırılması için yalın üretim bazı teknikler geliştirmiştir. ( Okur 1997) . Bunlar: i. Kanban ya da "Çekme" sistemi ii. Karışık yükleme ve üretimde düzenlilik iii. Tek parça akışı iv. Makineler/atölyeler arası eşgüdüm v. U-Hatları,iş rotasyonu ve standart iş tanımları vi. Poke Yoke vii. Toplam üretken bakım viii. Deney tasarımı ix. Bir dakikada kalıp değiştirme x. Kalite çemberleri xi. Emeğe,çalışanlara verilen değer, işçi hakları 1.4.4- Milk-run taşıma sistemi 1.4.4.1- Tanım Literatürde genellikle "milkrun" olarak geçen ve Türkçeye "çekme esaslı tekrarlı dağıtım sistemi" olarak tercüme edebileceğimiz taşıma sistemi: Gerekli malzemeyi; i. Doğru zamanda ii. Doğru yerde iii. Doğru adet ve kalitede taşınmasını sağlayan bir metottur. Bu metotla birlikte kapalı bir rotada, belirli sıklıklarda, farklı noktalara, bir veya birkac taşıma aracıyla yarı mamül, bitmiş ürün, boş kutuların yanında bilginin de taşınması sağlanır (Bosch 2006). Çekme esaslı tekrarlı dağıtım sistemi, belirli bölgedeki tedarikçilerden genellikle tek araçla sık sık ve az az parça alımına dayanır. Genellikle fabrika 24 dışında tedarikçilerden parça tedariki için uygulanıyor olarak bilinse de fabrika içi uygulamaları da vardır. Fabrika içi stok noktalarını tedarikçi, montajı( üretim istasyonlarını) ise müşteri olarak ele alıp çekme esaslı tekrarlı dağıtım sistemi tasarımı yapmak mümkündür. (Akıllıoğlu ve ark., 2006) 1.4.4.2- Hedef Milkrun uygulaması ile aşağıda belirtilen noktalarda iyileştirmelerin yapılması hedeflenir : • Stokların düşürülmesi • Akış zamanlarının kısaltılması • Alan tasarrufu • Belirli ve sürekli bir çevrim • Standart taşıma kaplarının kullanılması ile standartlaştırma • Üretim çalışanlarının üretime odaklanmasının sağlanması 25 2 – MATERYAL ve YÖNTEM 2.1- MATERYAL Dizel püskürtme sistemleri sektöründe “erozyon ile püskürtme deliği delme” işlemi meme üretiminin en kritik süreçlerinden birisidir. Bu süreç esnasında meme üzerine teknik resimlerde belirtilen açı, çap ve koniklikte delikler delinmektedir. Üretilen tüm memeler istisnasız bu süreçten geçmektedir. Üretime ait genel bilgiler aşağıda verilmiştir. • Delik delme işlemi aynı marka makinelerde yapılmaktadır. Ancak kurulduğu günden beri gerek teknolojinin gelişmesi ve gerekse talebin artması ile birlikte aynı makineler olmasına rağmen 3 farklı model üretimde kullanılmaktadır. • İşgücünden tasarruf etmek amacı ile çoklu yerde çalışma tekniği kullanılmaktadır. Bunun sonucu olarak 3 DDM makinesinden 1 işçi sorumludur. • Delik delme süreci çok kritik bir süreç olduğu için işlemi biten memeler, işçiler tarafından belli sıklıkta ölçü ve göz kontrolleri yapılmaktadır. • Bütün meme tipleri “püskürtme deliği delme” işleminden geçtiği için tip sayısı çok fazladır ve aynı zamanda üretim büyüklükleri tiplere göre değişmektedir. • Sürekli artan talepten dolayı üretim bölümü günde 3 vardiya ve haftada 6 gün çalışmaktadır. Beklenmeyen duruşlar veya üretim planından sapmalar durumunda sıklıkla fazla mesai yapılmaktadır. • Üretim hattında mevcut 50 adet DDM makinesi ve 4 adet ölçü ve göz kontrol istasyonu mevcuttur. Artan talepler nedeni ile yeni DDM makinesi siparişi verilmesi planlanmıştır. • Yine artan talepten dolayı işçilik zamanını etkin kullanabilmek için çay ve yemek molalarına sırayla gidilmekte, mümkün olduğunca makineler durdurulmamaktadır. 26 • İşlem için memeler 150’lik kaplar içerisinde makine yanına getirilmekte, işlem sonrasında yine aynı kap içerisinde sonraki ara stok alanına işçi tarafından götürülmektedir. • Her vardiyada 2 formen ürün değişikliği işlemlerinde işçilere yardımcı olmaktadır. Üretim akışı genel olarak Şekil 2.1’de verilmiştir. Siparişin alınması Hayır 150 Ad. Hayır Adım-4 üretildi Ürün değişikliği mi? Evet Üretim izninin Ara stok bölgesine alınması götürme Parçaların delinmesi Hayır Sipariş İşlenecek bitti mi? parçaları getirme 52 adet Hayır üretildi Evet Adım-4 mi? Evet sipariş Hayır var mı? Dur 12 adet pa rçanın ölçü ve göz kontrolü Evet Adım-1 Şekil 2.1- Üretim Genel Akışı 27 2.2- YÖNTEM Sistemin çok sayıda değişkene sahip olması (tip sayısı, makine sayısı, çalışma şekilleri vb), üretim büyüklüklerinin değişken ve tip sayısının fazla olması nedeni ile sistemin incelenmesinde ve öngörülen alternatiflerin denenmesinde yöntem olarak benzetim tekniği kullanılmıştır. Çalışma genelinde karmaşık ve büyük olan bu sistemi bilgisayar ortamında modelleyebilmek için PROMODEL programı ve girdi verilerinin analizinde yine PROMODEL’e ait STAT:FIT ek programı kullanılmıştır. Sonuçların analizinde ise iki düzeyli deney tasarım ve Taguchi yaklaşımı metodu kullanılmış olup, sonuçlar MINITAB istatistiksel analiz programında incelenmiştir. Bu nedenle Şekil-1.1’de belirtilen benzetim çalışması aşamalarına göre uygulama anlatılacaktır. 2.2.1- Problemin tanımlanması ve değişkenlerin belirlenmesi Artan siparişlerden dolayı üretim hattında yeni yatırımların yapılmasının gündemde olduğu belirtilmişti. Bu tez kapsamında temel amaç “üretim sisteminin benzetim ile modellenerek yalın üretim tekniklerine uygun önerilerle üretim miktarının artırılması ve dolayısı ile makine ve işçi verimliliğinin artırılması” olarak belirlenmiştir. Bu amaç doğrultusunda yapılan sistem incelemesi sonucunda aşağıdaki ana değişkenler tespit edilmiştir. • Bir işçinin sorumlu olduğu makine sayısı • Çalışma şekli. ( İşçilerin sorumlulukları) • Çay ve yemek molalarında geçen zaman • Tip sayısı • İşlem zamanı • Makine arıza süresi • Arızalar arası frekans • Üretim izni için geçen zaman • Ürün değişikliği süresi 28 • Takım değiştirme frekansı ve süresi • Ölçü ve göz kontrolü frekansı ve kontrol adedi • Sipariş büyüklüğü • Üretilecek tiplerin dağılımı 2.2.2- Verilerin Toplanması ve Modelin Kurulması 2.2.2.1 Verilerin Toplanması Sistemi etkilediği düşünülen değişkenlerin tespit edilmesinden sonra bu değişkenlere ait veriler toplanmaya başlanmıştır. Üretim sistemine ait 2005 yılına ait makine bazında üretim ve arıza verileri toplanmış ve tasnif edilmiştir. Toplanan bu verilere göre: Tip Sayısının Belirlenmesi; Üretilen meme çeşitlerine ait ürün değişikliği sayıları hesaplanmış ve Şekil- 2.2 deki gibi bir diyagramda görselleştirilmiştir. 20% 15% 10% 5% 0% Şekil 2.2- Tiplere Göre Ürün Değişikliği Oranının Dağılımı Şekil 2.2 den de görüleceği üzere ana tipler tüm tiplerin çok küçük bir kısmını oluşturmaktadır. Ancak modellemenin daha gerçekçi olabilmesi için toplam üretimin %95 inden fazlasını karşılayan ilk 115 tipin modelde kullanılmasına karar verilmiştir. 197 190 183 176 169 162 155 148 141 134 127 120 113 106 99 92 85 78 71 64 57 50 43 36 29 22 15 8 1 29 Sipariş Büyüklüklerinin Belirlenmesi; Modelde kullanılacak tipler belirlendikten sonra bu tiplere ait sipariş büyüklükleri Stat-Fit programı kullanılarak uygun olasılık dağılım fonksiyonları bulunmuştur. Şekil 2.3- Tiplere Göre Sipariş Büyüklüğünün Belirlenmesi Mevcut veriler yardımı ile her makinede gerçekleşen ürün değişikliği işlemlerinde hangi tipe geçildiği analiz edilerek tip bazında kesikli bir dağılım matrisi elde edilmiştir. Promodel bu kesikli dağılıma göre üreteceği tipi seçecektir. 115 tipe ait üretim olasılık yüzdeleri ile sipariş büyüklüğüne ait uygun olasılık dağılımları Çizelge 2.1'de verilmiştir. Sipariş olasılık dağılımları gerçekte karşılaşılan en büyük sipariş adedi ile üstten sınırlandırılmıştır. 30 Çizelge 2.1- Tiplere Göre Uygun Sipariş Büyüklükleri Dağılımı Ve Üretilme Olasılıkları 31 Arıza Frekansı ve Arızada Kalma Sürelerinin Belirlenmesi; Çizelge 2.2’ de gösterildiği üzere üretim sisteminde 3 farklı modelde 50 makine mevcuttur. Çizelge 2.2- Makine Grupları Bu 3 modele ait arıza verileri ( arızada kalma süresi, arızalar arası frekans) geçen 12 aya ait kayıtlardan toplanarak Stat:Fit yazılımında verilere uygun istatistiksel dağılım belirlenmiştir. 32 Şekil 2.4- Stat:Fit Yazılımı ile Arızada Kalma Sürelerine Uygun Dağılımın Belirlenmesi Çizelge 2.3- Makine Gruplarına Göre Uygun Dağılımlar Çay ve Yemek Molalarına Ait Dağılımların Belirlenmesi; Üretimde çalışan işçi ve formenler için talimatlarda belirlenmiş her biri 7 dakika olmak üzere 3 çay molası ve 30 dakikalık yemek molası vardır. Üretimde yapılan gözlem sonucunda ise çalışanların çeşitli nedenlerden dolayı ( sigara içme, el yıkama, çay ocaklarının uzak olması vb.) çay molalarının daha uzun kullanıldığı belirlenmiştir. Çalışanlar 7 dakikanın kısa olduğunu belirtmişlerdir. 33 Yemek molalarında ise ufak sapmalar dışında genellikle verilen süreye riayet edilmektedir. Gözlem sonucunda elde edilen verilerin Stat:Fit yazılımında analiz edilmesi sonucu elde edilen en uygun dağılımlar Şekil 2.5 ve Şekil 2.6 da verilmiştir. Şekil 2.5- Çay Molalarına Ait Uygun Dağılımın Belirlenmesi Şekil 2.6- Yemek Molasına Ait Uygun Dağılımın Belirlenmesi 34 İş Zenginleştirme; Üretimde esnekliği sağlamak amacı ile işçiler devamlı olarak eğitim görmektedir. Bu eğitimlerin sonucunda ise işçiler aynı anda birden fazla makineye bakabilmekte, çay veya yemek molalarında arkadaşlarının sorumlu olduğu makineleri de çalışır vaziyette tutabilmektedir. Esnek işgücünün en önemli getirilerinden birisi de birim işçilik giderlerinin azaltılmasıdır. Aynı miktar işgücü ile ne kadar çok makine çalıştırılırsa işgücü verimliliği o kadar yüksek olacaktır. Ancak burada dikkat edilmesi gereken iki çok önemli nokta vardır. • Makine verimliliği • Kalite Ülkemizde işgücünün gelişmiş ülkelere göre ucuz olması, bunun yanında üretimde kullanılan makine ve teçhizatının pahalı ve büyük kısmının ithal ediliyor olması sonucunda maliyet kaleminde makine verimliliği işgücü verimliliğinden daha ağır basmaktadır. Bu nedenle işgücü planlaması yapılırken makine verimliliğine çok dikkat edilmesi gerekir. Üretim sisteminde yerleşim planı ve işçilerin çalışma düzeni Şekil 2.7 de gösterilmiştir. Şekil 2.7- Yerleşim Planı Ve İşçilerin Çalışma Rotaları 35 İşlem Akışı ve Çalışma Şekli; DDM makineleri manüel yükleme ve boşaltma sistemine sahiptir. Makine başında işlem akışı aşağıda belirtilmiştir. • Delik delme işlemi biten parçaları alma • Hava tutma makinesine yerleştirme ve düğmeye basma • Hava ile kurutma işlemi ( Makine zamanı) • Yeni memeleri DDM ‘e yerleştirme • Düğmeye basma ve DDM’i çalıştırma • Hava tutma işlemi biten memeleri alma, bekleme kabına yerleştirme Şekil 2.8 Makine başında işlem akışı Bunların dışında işçinin sorumlu olduğu işlemleri sıralarsak: • DDM makinelerine yükleme ve boşaltmak. ( hava tutma makinesi dahil) • Ara stoktan işlenecek parça getirmek. • İşlemi biten parçaları sonraki stok’a götürmek. • Belli devirde istenilen miktar kadar parçanın ölçü ve göz kontrolünü yapmak. 36 • Ölçü kontrolü sonrasında geçici kapta bekleyen memeleri taşıma kabına dizmek. ( kalite açısından iki ölçüm arasında üretilen memeler ayrı bir yerde bekletilmektedir.) • Makinelerin ürün değişikliğini gerçekleştirmek, • Delik delmede kullanılan gümüş tellerini belli devirlerde değiştirmek. • Çay veya yemek molalarında vardiya yapmak. • İstenilen formları düzenli doldurmak. İşlem süreleri; Üretim sisteminde her tip her makinede üretilebilmektedir. Bu nedenle her tip için belirlenmiş bir makine ataması yoktur. Sipariş boş olan makineye yönlendirilmektedir. Sadece bu yönlendirme sırasında eğer termin müsait ise makineler arasında sipariş kaydırması yapılabilmektedir. Bu nedenle model kurulurken her tipin her makine üretilebildiği kabul edilmiştir. Geçmiş üretim verilerinden elde edilen değerler %95 güvenirlikte t testinde analiz edilerek istatistiksel olarak ortalamalarının kullanılabileceği sonucuna varılmıştır (MESS-REFA 2003) . Çizelge 2.4- Tip Bazında İşlem Süreleri 37 Ürün değişikliği ve takım değiştirme süreleri; Üretim sisteminde makineler ve işlem aynı olduğu için ürün değişikliği süreleri önceki tip ve üretilecek tipe bağlı olmayıp tüm tipler için aynıdır. Ürün değişikliği süreci temelde iki aşamada incelenmesinde fayda vardır. i- Fiziki hazırlık; Bu aşamada makine üzerinde üretilecek tipe göre gerekli ayarlamalar ve takım değişiklikleri yapılır. Üretilen numune parçalar üretim izni için hassas ölçüm odasına gönderilir. ii- Üretim iznini bekleme; Hassas ölçüm odasında parçalar çok küçük toleranslarda çalışabilen özel ölçüm cihazlarında ölçülerek parçaların istenilen ölçülerde olup olmadığını teyit eder ve ölçüm sonucunda bir rapor hazırlar. Üretim bu raporun alınmasından sonra başlayabilir. Her vardiyada çalışan 2 formen fiziksel hazırlık işlemi ile sorumludur. Ancak aynı anda daha fazla makinenin ürün değişikliği gerekiyor ise işçiler fiziksel hazırlık işlemini kendileri yapmaktadır. Ürün değişikliğine ait yapılmış zaman etüdü çalışmaları olmasına rağmen çalışanlarla yapılan görüşmeler sonucunda ürün değişikliği işleminin en fazla 60 dakika sürdüğü, genellikle 45 dakika gibi bir sürede ürün değişikliğinin tamamlandığını belirtmişlerdir. Hassas ölçüm odası üretim sisteminden ayrı olup burada geçen sürenin modele dahil edilebilmesi için yapılan gözlemlerle veri toplanmış ve bu verilere uygun bir istatistiksel dağılım Stat:Fit yazılımı kullanılarak hesaplanmıştır. 38 Çizelge 2.5- Üretim İzni İçin Bekleme Süreleri 39 Bu veriler Stat:Fit programına girilerek uygun dağılım belirlenmiştir.(Şekil 2.9) Şekil 2.9- Üretim İzni Süresine Ait Uygun Dağılımın Belirlenmesi 2.2.2.2 Modelin Kurulması Veri toplama ve değerlendirme aşamasından sonra mevcut üretim şekli ve talimatlarına göre modelin matematik ve mantıksal altyapısı kurulmuştur. Bu aşamada amaç gerçekliği bozmadan modeli en basit ve yalın hali ile kurmak olmuştur. Zira model ne kadar ayrıntılı ve karmaşık olursa modelleme için harcanan zaman ve emek o kadar fazla olacaktır. Karmaşık ve büyük bir modelin bilgisayar ortamında koşumu da aynı şekilde daha fazla zaman gerektirecektir. 40 2.2.3- Bilgisayarda modelin kurulması: Modelin bilgisayar ortamında kurulmasında PROMODEL paket programı kullanılmıştır. Promodel; küçük atölye tipi üretiminden büyük ölçekli üretim sistemlerine kadar her türlü üretim alanında kullanılabilen kullanımı kolay güçlü bir benzetim programıdır. Windows işletim sistemi altında çalışan Promodel beraberinde SimRunner isimli en iyileme programı ile benzetim verilerinin optimizasyonunda da çok etkilidir. Eski nesil benzetim dillerinin hantallığından uzak bir yazılım olan ProModel, yerleşik sistem fonksiyonları, önceden tanımlı hazır yapıları, kullanıcı dostu ara yüzü ve kolay modelleme yaklaşımı ile kullanıcının, sistemdeki problemleri kolaylıkla bulmasını ve alternatif çözümleri deneyebilmesini sağlar. Hâlihazırda çalışan sistemi herhangi bir şekilde kesintiye uğratmadan, sorunların çözümlerini deneyebilir, senaryo analizi yapabilir, kapasite artırımı gibi sistemde değişiklik gerektiren yatırımların sonucunda sistemin ne olacağını önceden kestiribilir. Sistemdeki bir takım hedeflere göre (üretimin arttırılması ve aynı zamanda kaynakların boş kalma sürelerinin minimuma indirilmesi gibi), sistem içindeki operatör sayıları, makine kapasiteleri, kafile büyüklükleri vs. gibi bir takım parametrelerin en uygun değerlerinin bulunmasını kolaylaştıran bir optimizasyon modülü de içeren ProModel'in bu özelliği yazılımı gerçek anlamda "optimizasyon yapabilen bir benzetim yazılımı" haline getirmektedir. ProModel'i var olan sistemlerin yanı sıra, yeni kurulması planlanan fabrika, departman, montaj hattı vs. gibi henüz kurulmamış yapıların dizaynında kullanabilir, önceden tahmin edilmesi zor olan problemleri yatırım yapmadan önce bulanabilir. ProModel'in yaygın olarak kullanıldığı alanlar arasında: • Ara stokların azaltılması • Kaynak ve/veya makine kullanım kapasitelerinin iyileştirilmesi • Yerleşim planlaması • Ekipman ve kaynak planlaması • Malzeme ihtiyaç planlaması 41 • Darboğaz ve kısıt analizi • Yenioperatör eğitimi • Ayrıntılı AS/RS modellemesi • Montaj hattı dengelemesi • Senaryo analizi sayılabilir (Uytes,2006). Promodel model kurma aşamasında kullanıcıya birçok elementin kullanımına olanak verir. Şekil 2.10- Model Kurma Elementleri Tez aşamasında kullanılan bu elementleri tanımlamak ve tez çalışmasında nasıl kullanıldıkları hakkında bilgi vermek kurulan modeli anlamaya yardımcı olacaktır: 2.2.3.1- Locations ( İş yeri ); Sistem içinde nesnelerin işlem için gittiği, depolandığı veya bazı aktivitelerin gerçekleştiği ya da bazı kararların verildiği yerlerdir. (Harrell ve Price 2000) Tez kapsamında hazırlanan modelde: 42 Her bir DDM makinesi için, • 1 adet DDM makinesi • 1 adet işlenecek parçaların durduğu masa • 1 adet işlenmiş parçaların durduğu masa • 1 adet hava tutma makinesi • 1 adet işlenecek parça stok alanı • 1 adet yardımcı işlem alanı. • 1 adet milkrun alanı ( sadece önerilen sistemde) Olmak üzere 6 üretim yeri ( önerilerin modellenmesinde 7 adet) ile modellenmiştir. Bunun yanı sıra modelde: • 4 adet ölçüm kontrol masası • 4 adet göz kontrol masası • 1 adet çay ve yemek molası yeri • 1 adet formenlerin masası • 1 adet bitmiş stok alanı iş yerleri de modele eklenmiştir. Toplamda kullanılan iş yerleri Mevcut sistem modellemesi için : 311 adet Önerilerin modellenmesi için : 357 adet Her iş yerine program tarafından otomatik olarak bir indis numarası aktarılır ve bu indis numaraları sayesinde iş yerleri modellemede kurulan matematiksel formüller içerisine rahatlıkla dahil edilirler. 43 Kod DDM- DDM- DDM- DDM- 1 2 49 50 Makine agie 1 7 . . . 289 295 Giriş masası g 2 8 . . . 290 296 Çıkış masası c 3 9 . . . 291 297 Hava Tutma Mak. h 4 10 . . . 292 298 İşlenecek parça stok s alanı 5 11 . . . 293 299 Yardımcı alan Loc 6 12 . . . 294 300 Şekil 2.11- Üretim İzni Süresine Ait Uygun Dağılımın Belirlenmesi Kurulan modelde Şekil 2.11’de gösterildiği gibi bir iş yeri numaralandırılmasına gidilmiştir. Kod sütünü altında her bir işyerin modeldeki isimleri yer almaktadır. Ancak işlem tanımlarken sadece bu numaraları kullanmak her bir makine için aynı işlem adımlarını her nesne için tekrar tanımlanmasını gerektirecektir. Bu yöntem sonucunda 2 üretim nesnesi ve 311 iş yeri dikkate alındığında toplam 622 işlem gerekecektir. 115 tipin her birini bir nesne olarak tanımlanması durumunda 35.765 (115 x 311) adet işlem gerekir ki bu hem çok vakit alacaktır ve hem de kontrolü çok zordur. Bu yöntem ile yapılan basitleştirme modelin kontrolü ve güvenliği açısından büyük katkıları olacağı kesindir. Bu nedenle konumları matematiksel bir değişken gibi formüllerde kullanabilecek bir yöntem gerekmektedir. Burada Location() komutu istenilen esnekliği kazandırmaktadır. Location() komutu kullanılarak İŞ YERİ FORMÜL Makine ROUND( (Location()+5) / 6 ) Giriş masası ROUND( (Location()+4) / 6 ) Çıkış masası ROUND( (Location()+3) / 6 ) Hava Tutma Mak. ROUND( (Location()+2) / 6 ) 44 İşlenecek parça stok alanı ROUND( (Location()+1) / 6 ) Yardımcı alan ROUND( (Location()) / 6 ) İş yerleri bu matematiksel formül sayesinde bir değişken gibi kullanılabilir. Burada “Round” komutu sonucu tam sayıya çevirmek için kullanılmıştır. Örnek olarak; Modellemede 289 indis numaraları DDM makinesinin gerçekte kaç no’lu DDM makinesi olduğunu;. DDM No = ROUND((289+5)/6) = 49 Bulunabilir. 2.2.3.2- Entities ( Nesneler ); Nesne veya parçalar sistemde işlem gören maddelerdir. Nesne tanımına hammadde, yarı mamul, montaj parçaları, bitmiş ürün, iş emirlerini örnek olarak verilebilir. Kurulan modelde kullanılan nesneler ve açıklamaları aşağıda verilmiştir : Sipariş : Üretimi başlatmak için kullanılır. Her makine mevcut üretimini bitirdiği zaman otomatik olarak yeni bir üretim siparişi oluşturur. Bu nesne ile üretilecek meme tipi ve sipariş büyüklüğü belirlenir. Rahmen : Memeler stok alanından giriş masasına kadar ve çıkış masasından bitmiş stok alanına 150’lik kaplar halinde taşınmaktadır. Modelleme aşamasında bu kaplar “rahmen” nesnesi ile modellenmiştir. DuseA, DuseB : Üretimde işlem gören meme yarı mamulünü temsil ederler. Promodel 4.2 sürümünde ürün değişikliği işlemini modellemede kolaylık olması açısından 2 farklı nesne olarak tanımlanmıştır. Ayrıca her DDM makinesi 4 meme yarı mamulünü aynı anda işlediği için modelde kolaylık olması açısından gerçek sistemde 4 adet meme benzetim ortamında 1 adet Duse nesnesi ile temsil edilmiştir. 45 Kontrol : Belli periyotlarda yapılacak olan ölçü ve göz kontrolü işlemi için bu nesne tanımlanmıştır. Veri : Özellikle ısınma periyodunun istatistiksel olarak tespit edilebilmesi için benzetimin çalışma zamanı boyunca saatlik olarak üretilen adetlerin dosyaya yazılması işlemi bu nesne sayesinde gerçekleştirilmiştir. Model her bir saatin sonunda bu nesneyi oluşturmaktadır. Bu nesneye ait işlem akışı aşağıda verilmiştir. Şekil 2.12- Veri Nesnesine Ait İşlem Tanımının Promodel’ de Görünümü Nesneye ait işlem sonucunda elde edilen sonuç dosyası Çizelge 2.6’de verilen örnekteki gibidir. Çizelge 2.6- Veri Nesnesine Ait Sonuç Dosyası Örneği Benzetim DDM- DDM- DDM- DDM- DDM- DDM- Saati 1 2 3 48 49 50 1 12 12 13 . . . 16 13 15 2 23 17 25 . . . 31 22 26 3 34 28 37 . . . 39 34 38 4 45 38 39 . . . 40 46 51 5 57 49 47 . . . 56 51 57 . . . . . . . . . . 1753 15547 14434 17725 . . . 15053 12804 12769 1754 15556 14445 17734 . . . 15067 12807 12776 1755 15565 14453 17744 . . . 15082 12818 12786 46 M_kontrol : Önerilen sistemde kontrolü yapacak işçinin belli çevrimde makinelere uğraması için kullanılır. Bu nesne ile, kontrol işçisi sorumlu olduğu makinelere gider, kontrol edeceği parça adedince memeyi alır, bir önceki çevrimde aldığı memeleri geri verir. Milkrun : M_kontrol nesnesi yardımı ile çevrimini tamamlayan işçi bu nesne yardımı ile parçaları kontrol eder. 2.2.3.3- Path Networks ( Dolaşım ağı); Nesnelerin veya kaynakların sistem içerisinde olası hareketlerinin tanımlandığı bir elementtir. Bu element sayesinde işçilerin yürüyüş mesafeleri istenirse zaman, istenirse mesafe cinsinden tanımlanabilir. Kurulan modelde Mevcut sistem için: 3 makine – 1 işçi çalışma düzeni için 9 adet dolaşım ağı Formenler için 1 adet dolaşım ağı olmak üzere toplam 10 adet dolaşım ağı tanımlanmıştır. Önerilen sistem için: 4 makine 1 işçi çalışma düzeni için 4 adet dolaşım ağı Milkrun kontrol düzeni için 4 adet dolaşım ağı Formenler için 1 adet dolaşım ağı olmak üzere 9 adet dolaşım ağı tanımlanmıştır. Şekil 2.13- Örnek Dolaşım Ağı Tanımlama Ekranı 47 2.2.3.4- Resources (Kaynaklar); Kaynak elementi ile; • Rota üzerindeki konumlar arasında taşınan malzemeler • Tanımlanmış konumda malzeme üzerinde çalışan bir işçi • Arızada olan çalışma yerleri için kullanılan donanımlar gibi bir çalışan, bir araç, bir taşıt veya diğer bir madde tanımlanmış olabilir. Kaynaklar hareket etmek için tanımlanmış dolaşım ağlarını kullanırlar. Dolaşım ağları birden fazla kaynak için aynı olabilir. Ama her bir kaynağa özgü parametreler tanımlanabilir. ( Hareket etme hızı, hızlanma ve yavaşlama hızları gibi) Mevcut sistem analizi için: • 2 üyeli 8 adet işçi kaynağı • 1 üyeli 1 adet işçi kaynağı • 2 üyeli 1 adet tip_dönme kaynağı olmak üzere toplam 10 adet kaynak tanımlanmıştır. Önerilen sistem analizi için: • 3 üyeli 4 adet işçi kaynağı • 2 üyeli 1 adet tip_dönme kaynağı • 1 üyeli 4 adet milkrun kaynağı olmak üzere 9 adet kaynak tanımlanmıştır. 48 Şekil 2.14- Örnek Kaynak Tanımlama Ekranı Promodel’in özellikle işçilerin vardiya düzeninin modellenmesi için vardiya(shifts) elementi mevcut ise de incelenen sistemde çalışanlar sırayla çaya gittikleri için işçilere ait çay ve yemek molaları da kaynaklar elementi altında tanımlanmıştır. İşçilerin sırasıyla molalara gidilebilmesi için Şekil 2.15’de görüleceği üzere frekanslar sırayla tanımlanmış ve tüm çalışanlar için benzer çay ve yemek molası dağılımı kullanılmıştır. 49 Şekil 2.15- Çay ve Yemek Molalarının Tanımlanması 2.2.3.5- Processing ( İşlemler); Bu element işlem akışlarını ve nesnelerin yerleşimler arasında hangi akış mantığına göre hareket edeceğini tanımlar. İş yerinde işlem veya servis süresi, kaynak ihtiyaçları, işlem mantığı, girdi/çıktı ilişkileri, hareket ve yönlendirme kuralları ve hareket süresi veya taşıma sırasında kullanılacak kaynak ihtiyaçları bu element kullanılarak ayrıntılı olarak tanımlanabilir. İşlem süreleri sabit tanımlanabileceği gibi dağılım, fonksiyon, alt prosedürler (subroutines), mantıksal ifadelerle tanımlanabilir. Karmaşık işlemler için ise bu alternatifler karma olarak da kullanılabilir. 50 Şekil 2.16- İşlemler Elementine Ait Ekran Görüntüsü İşlemlerin tanımlanmasında “alt prosedür(subroutines)” tekniği sıklıkla kullanılmaktadır. Ayrıca: • Ürün değişikliği • Üretim izni bekleme • Çay ve yemek molalarında geçen zaman • Arızada kalma süreleri gibi işlemler için istatistiksel dağılım zamanları kullanılırken makine süreç zamanları ve yükleme/boşaltma işlemleri için sabit işlem süreleri kullanılmıştır. 2.2.3.6.- Arrivals ( Gelişler) ; Bu element yardımı ile tanımlı, mantıksal ifadelere bağlı veya değişken olacak şekilde nesnelerin sisteme girişleri tanımlanabilir. 51 Giriş tanımlama esnasında i- Nesne adı ii- Girişin yapılacağı iş yeri iii- Giriş adedi iv- İlk giriş zamanı v- Giriş sayısı vi- Girişler arası frekans vii- Giriş mantığı tanımlanmalıdır. Şekil 2.17’de belirtildiği üzere sisteme sıfır anında her makine için bir tane sipariş nesnesi gönderilmekte ve bu işlem benzetim boyunca yalnız bir kere yapılmaktadır. Zira her makine ilk siparişlerini ürettikten sonra İşlemler elementinde tanımlanan kural gereği kendi siparişlerini çağırmaktadır. Yine aynı şekilden veri nesnesinin benzetim boyunca ilk girişi 60. dakika olmak üzere her bir saatte bir sisteme girdiğini tespit edilebilir.. Şekil 2.17- Giriş Elementi Ekran Görüntüsü 52 Promodel bu tür yeni girişlerin akış esnasında tanımlanması için “Order” komutunu kullanmaktadır. Örnek olarak aşağıda modelde kullanılan sipariş çağırma mantığı verilmiştir. if uretilecek_adet(round((LOCATION()+5)/6))<=0 then { ORDER 1 siparis TO LOC(LOCATION()+4) } Bu mantığa göre : Eğer sipariş tamamlanmışsa ya da diğer bir deyişle üretilecek adet sıfır ise 1 tane sipariş nesnesi loc(location()+4)’e girişi yapılacaktır. Loc(location()+4) ‘ün ne anlama geldiğini anlamak için Şekil 2.11 incelenebilir. Location() komutu kullanıldığı işyerinin indisini verir. Sub_agie() isimli alt prosedür sadece DDM makinelerinde kullanılmaktadır. Buna göre 289 indisli DDM makinesi için bu formül yardımı ile; (location()+4) = (289+4)=293 Loc() komutu ise verilen indis numarasına ait iş yerinin ismini vermektedir. Bu durumda Loc(293) = DDM-49 için “işlenilecek parça stok alanı” olarak tanımlı iş yerinin ismini verecektir. Sonuç olarak: ORDER 1 siparis TO LOC(LOCATION()+4) Formülü örnekte; “DDM-49 makinesi için Stok alanı-49 a bir adet sipariş nesnesi girişi yap.” anlamına gelmektedir. 53 2.2.3.7- Attributes ( Öznitelik) ; Öznitelikler bir değişken gibi nesne veya işyerine ait kendilerine özgü bilgilerin saklandığı bir özelliktir. Öznitelikler tamsayı veya gerçek sayı olabilir. Öznitelikler genelde sipariş numarası, tip numarası, rota numarası gibi bilgilerin saklanmasında oldukça kullanışlıdır. Şekil 2.18’de Öznitelik tanımlama ekranı örnek olarak verilmiştir. Kurulan modelde tip numarası “ttnr” ismi ile tanımlanmış öznitelikte saklanmaktadır. Şekil 2.18- Öznitelik Tanımlama Ekran Görüntüsü 2.2.3.8- Variables (Değişkenler); Verilerin analizinde ve sonuçların raporlanmasında, işlemlerin tanımında,mantıksal ve matematiksel ifadelerin tanımlanmasında sıklıkla kullanılan değişkenler sadece tam sayı veya gerçek sayı olabilir. 2.2.3.9- Arrays (Diziler); Diziler tamsayı veya gerçek sayı içeren hücrelerden oluşan tek boyutlu veya çok boyutlu hücre yapılarıdır. Kurulan modelde sıklıkla kullanılan ve çalışmanın yapı taşlarından biri olan diziler çok kritik görevleri yerine getirmektedir. Şekil 2.19’de model için tanımlanmış diziler listesi bulunmaktadır. 54 Şekil 2.19- Dizi Tanımlama Ekran Görüntüsü Modelde kullanılan dizilerin işlevleri aşağıda kısaca tanımlanmıştır: Takt(115) : Modelde kullanılan 115 tipe ait makine işlem süresi bilgilerini tutarlar. Üretilecek_adet(50) : Her makinenin sipariş emrine göre kaç adet üretmesi gerektiği bilgisini tutar. Üretilen her parça ile birlikte bu değer azalır. Sıfır olduğu zaman yeni bir sipariş açılır. Üretilen_tip(50) : Her makinede o anda üretilen tipin numarası bilgisini tutar. Böylelikle modelin sonraki siparişi aynı tip numarasından açmasını engellemek için kullanılır. Duse_tip(50) : DuseA veya DuseB nesnelerinden hangisinin kullanıldığı bilgisi saklanır. Bu dizi özellikle ürün değişikliği işlemi esnasında makinenin ürün değişikliğini sağlamak için tanımlanmıştır. Eğer üretilmiş tip DuseA ise üretilecek tip DuseB olacak şekilde ayarlanır. U_rahmen(50) : Her taşıma kabı için işlenmiş parça sayısını sayar. Taşıma kabında tüm parçalar işlendikten sonra gerekli olan taşıma işlemleri gerçekleştirilirken, belli frekanslarda kontrol yapılmasını sağlamak için de bu dizi değerleri kullanılır. Yeni_tip(50) : Yeni sipariş nesnesi ile belirlenen üretilecek tip numarası değerini saklar. Üretilen_tip dizi değeri ile kıyaslanarak aynı tipten sipariş gelmesi engellenir. Kul_hid(50) : Her DDM makinesinin kontrolleri için kullandığı ölçü kontrol masasının indisini saklar. Özellikle kontrol işlemleri için kritik bir bilgidir. 55 Kul_isci(50) : Her işçi belli DDM makinelerden sorumludur. Bu ayırımı yapabilmek için oluşturulan bu dizi yardımı ile manüel işlerin sorumlu işçiler tarafından yapılması sağlanır. Setup_sonrasi(50) : Takım değiştirmeleri belli frekanslarda yapıldığı gibi her ürün değişikliği esnasında da yapılmaktadır. Çakışmayı önlemek için bu dizi yardımıyla kontrol yapılır. Eğer ürün değişikliğinden sonra üretilen adet sayısı belirlenen ortalama frekanstan daha küçük ise ürün değişikliği sonrası ilk takım değiştirme işlemi yapılmaz. 2.2.3.10- Subroutines (Altyordamlar); Altyordamlar kullanıcıya büyük faydalar sağlayan çok güçlü elementlerdir. Bir veya birden fazla komutlardan oluşan bloklardır. Altyordamlarda girdi parametreleri tanımlanabilir; altprogram sonunda istenirse sonuç geriye döndürülerek başka matematiksel formüllerde değişken olarak kullanılabilir. PASCAL dilindeki procedure ve function altyordamlarına benzerdir. Şekil 2.20- Altyordam Tanımlama Sayfası Modelin temel taşları olan altyordamlar EK-1’ de ayrıntılı olarak verilmiştir. 56 2.2.3.11- User Distributions (Kullanıcı tanımlı dağılımlar); Kullanıcı model kurma aşamasında iken bazı durumlarda Promodel’de bulunan standart dağılım fonksiyonları dışında kalan dağılımları kullanmak isteyebilir. Bu tür durumlarda kullanıcı bu elementi kullanarak kendi sistemine özgü dağılımları kesikli veya sürekli olasılık dağılımlarını tanımlayabilir. Şekil 2.21- Kullanıcı Tanımlı Dağılım Sayfası Modelleme aşamasında 115 adet tipin üretilme olasılığı bu element kullanılarak modele dahil edilmiştir. Bkz. Şekil 2.2 2.2.3.12- External Files (Harici dosyalar); Kullanıcı modelin çalışması esnasında bazı bilgileri değerlendirmek amacı ile farklı bir dosyaya kaydedilmesini isteyebilir. Bunun için Harici dosyalar elementi altında dosyanın adresi ve isimi ile birlikte dosyanın tipini tanımlaması yeterlidir. 57 Dosya tipi: i. Sadece yazma ii. Sadece okuma iii. Nesne-İşyeri dosyası iv. Gelişler dosyası v. Vardiya dosyası birisi seçilebilir. Dosyaya yazı yazma PASCAL dilinde olduğu gibi WRITE,WRITELINE ile yapılmakta; okuma işlemi de aynı şekilde READ komutu ile yapılmaktadır. Şekil 2.22- Harici Dosya Tanımlama Sayfası 2.2.4- Modeli Çalıştırma Modelin bilgisayar ortamında inşa edilmesinden sonra bir benzetim çalışmasında istatistiksel olarak küçük bir sapma ile bir tahmin yapabilmesi için aşağıdaki noktaların belirlenmesi gerekir: i- Isınma periyodu uzunluğu ( Warm-up period ) ii- Bağımsız koşum sayısı (Number or replications) iii- Benzetim koşum uzunluğu (Run length) Bu noktaların belirlenmesi için kurulan model; çok tekrarlı ve uzun süreli olarak koşulmuştur. 58 Isınma Periyodu; Benzetim çalışmalarında sonuçların güvenilir olmasını sağlamak için, kontrol parametrelerine ait sapmaların çok yüksek olduğu başlangıç periyodunun istatistiksel analizlere dâhil edilmemelidir. Benzetim çalışmasından kararlı bir başlangıç durumu geçişe kadar olan bu zaman periyoduna ısınma periyodu denir. İstatistiksel olarak veri toplama bu periyottan sonra başlar. Isınma periyodunun tahmin edilmesinde yaygın olarak 2 yöntem kullanılır. i- Doğrusal regresyon yöntemi ii- Grafiksel Welch metodudur. Doğrusal regresyon yöntemi Bu yöntemle uygulayıcı “en küçük kareler” yöntemini kullanarak doğru eğiminin sıfıra yaklaştığı başlangıç durumunu tahmin eder. Zaman verisi grafiği üzerinde belli aralığa sahip verilerden geçen doğrunun eğimi hesaplanır. Doğal olarak ilk aralık için çizilen doğrunun eğimi sıfırdan farklı olacaktır. Bu durum sistemin daha kararlı bir yapıya dönüşmediğini bize göstermektedir. Kullanıcı veri aralığını ilerleterek doğruya ait eğimin sıfıra en yakın olduğu noktayı tahmin etmeye çalışır. Şekil 2.23- Doğrusal Regresyon Yöntemi Kaynak : (Chung 2004) Figure:10.9 59 Grafiksel Welch Metodu Welch metodunda ısınma periyodunu belirlemek üzere her bir koşumun uzunluğu m olan n adet (n>5) benzetim koşumu yapılır. Y ji : j. Benzetim koşumunda i. Gözlem değerini gösterir. ( j=1,2,..n ; i= 1,2,..m) Benzetim koşumu sırasında gözlenen veriler kararsız bir yapı gösteriyorsa, hareketli ortalamalar yöntemi ile eğriyi düzgünleştirmek ısınma peryodunun doğru olarak tahmin edilmesini kolaylaştıracaktır. Welch metodunda hareketli ortalama aralığı “w” ile temsil edilir. Hareketli ortalama aralığının amaca uygun olarak belirlenmesi çok önemlidir. Hareketli ortalama aralığı küçük seçildiği takdirde ısınma periyodunu tahmin etmek zorlaşacak, aralık çok büyük seçildiği zaman da eğri aşırı düzleşeceğinden ısınma periyodu yanlış tahmin edilebilecektir ( Law ve Kelton, 2000). Welch metodu kullanılarak elde edilen sonuç değişkenine ait eğrinin yatay seyir gösterdiği nokta ısınma periyodu olarak tanımlanabilir. Welch metodunda m periyotlu n benzetim koşumu için i. Periyottaki hareketli ortalama değerini verecek denkleme aşağıdaki gibidir ( Law ve Kelton, 2000). w Y Y (w) =∑ i+s i s=−w i = w+1,…, m-w ise 2w +1 Formül 2.1 i−1 Y Yi (w) =∑ i+ss=−(i−1) i= 1, …, w ise 2i −1 60 Şekil 2.24- Welch Yöntemi Kaynak : (Chung 2004) Figure:10.9 Kullanılacak w değer periyot (m) sayısının yarısından küçük veya en fazla yarısına eşit olmalıdır. Bununla birlikte m değeri yani koşum uzunluğu maliyetler elverdiği ölçüde uzun olmalıdır. Isınma periyodu için yapılacak analiz farklı w değerleri ile yapılabilir. Oluşturulan grafiklerin hangisinde eğri daha düzgünse, o eğrinin üzerinde düzgünlüğün başladığı nokta ısınma periyodu olarak alınır. Elde edilen periyodu benzetim çalışmasında daha güvenli bir şekilde kullanabilmek için %20 - %30 güvenlik payı daha eklenir ( Promodel 2003). Bağımsız koşum sayısı; Stokastik benzetim çalışmalarında sistemin davranışını etkileyen parametreler, tesadüfi sayı üreteçleri yardımıyla, olasılık dağılımları tarafından üretilirler. Bu üreteçler; başlangıç değeri 0 ile 1 arasında değişen tesadüfî sayı kümesi üretir. Bu sayı kümesi ve olasılık dağılımları kullanılarak tesadüfî parametre değerleri elde edilir. Başlangıç değerinin değişmesi benzetim içersinde gerçekleşen olayları etkileyerek gerçekleşme sırasını değiştirilebilir. Bu nedenle sadece tek bir model koşumu ile elde edilecek verilere ( çok uzun koşum süresi olmadıkça) göre verilecek kararlar hatalı olabilir. 61 İstatistiksel açıdan güvenilir sonuçlara varabilmek için koşum sayısının iyi belirlenmesi gerekir. Örnek ortalaması ile yığın ortalaması arasında belli bir hata payı ile belirli güven düzey oluşturabilmek için gerekli koşum sayısını hesaplama yöntemleri vardır ( Chung 2004 ). t1−α / 2,n−1 ×σ Mutlak Hassasiyet(Hata payı) = n t1−α / 2,n−1 : ( 1 − α / 2 ) güven aralığı ve (n-1) serbestlik derecesinde t değeri. σ : n koşum sonucunda hesaplanan standart sapma değeri n : Koşum sayısı Hata Payı : Kabul edilen sapma miktarı Hata payı parametre cinsinden bir değer olabildiği gibi ortalama değerin bir oranı olarak da verilebilir. Hata Payı = %d × X i Bu durumda formülümüz t1−α / 2,n−1 ×σ %d × X i = n Olur. Bu formülden koşum sayısını sola alırsak 2  t1−α / 2,n−1 ×σ  n =   Formül 2.2  %d × X i  Benzetim çalışmalarında genelde %95 güvenirlik üzerinden hesaplamalar yapılır. 62 Şekil 2.25- Koşum Sayısı Ve Ortalamadan Sapmalar Kaynak : (Robinson 2004) Figure:9.7 Benzetim Koşum Uzunluğu; Benzetim koşum uzunluğu belirlenirken dikkat edilmesi gereken nokta; koşum uzunluğunu büyük vererek maliyetleri artırmamak veya tam tersi çok düşük vererek sonuçların istatistiksel olarak güvenirliğini düşürmemektir. (Law ve Kelton, 2000) ‘ın önerdiğine göre koşum uzunluğu ısınma periyodundan daha uzun olmalıdır aksi halde benzetim sonuçlarında sapmalarla karşılaşılabilir. Koşum uzunluğunun ısınma periyodu uzunluğundan en az 10 kat daha büyük olmasını tavsiye etmiştir (Robinson 2004). 2.2.5- Sonuçların Doğrulanması Sistem analizi genellikle iki alternatifin veya gerçek sistem-model sistem karşılaştırılmasına yöneliktir. Bu alternatifler farklı tasarım şekilleri veya kaynak seviyeleri olabilir. Amaç hangi alternatifin belirlenen performans kıstaslarına göre daha iyi olduğunu ve bu alternatifin diğerine göre ne kadar iyi olduğunu bulmaktır. Bu sorulara yanıt verebilmek için hipotez testi kullanılabilir. Hipotez testi, birbirleriyle çelişen iddialardan (hipotez) hangisinin doğru olduğuna karar veren bir yöntemdir. Başlangıçta doğru olduğu kabul edilen H boş hipotezi, H 0 a 63 alternatif hipotezine karşı test edilir. Test yöntemiyle, örnek verilerine dayanarak bu iki hipotezden birisi diğerinin adına reddedilir. Mevcut modelin çalıştırılması ile elde edilen sonuçlar gerçek sistem verileri ile karşılaştırılarak ortaya çıkan sapmaların belirli bir güven aralığını sağlaması beklenir Bu amaçla 2005 yılına ait üretim verileri kullanılmıştır. Ancak 2005 yılı içerisinde yeni makine alımları da yapıldığı için ortalama makine üretim adetleri karşılaştırılmıştır. Karşılaştırma yapılırken resmi tatil ve bayram günlerine denk düşen veriler dikkate alınmamıştır. Ek-4 ve Ek-5'deki veriler için aşağıdaki istatistiki yöntemler kullanılarak sonuçlar karşılaştırılmıştır ( Chung 2004). 2.2.5.1- F Testi F testi yardımı ile gerçek sistemin varyansı ile model sonuçlarının varyansları karşılaştırılır. Bu testde büyük varyansın küçük varyansa oranı kritik F değeri ile karşılaştırılır. Büyük (veya küçük) varyansın gerçek sisteme veya modele ait olup olmaması önemli değildir. F testi için kullanılacak formül : S 2 F= M ( Formül 2.3) S 2m S 2M : Varyansı büyük olan sisteme ait varyans değeri 2 Sm : Varyansı küçük olan sisteme ait varyans değeri F testinin akış adımları aşağıdaki gibidir: 64 Boş hipotez H : Gerçek sistem ile model sisteme ait varyanslar 0 arasında fark yoktur. Alternatif hipotez H : Gerçek sistem ile model sisteme ait varyanslar a arasında fark vardır. i- Güvenilirlik seviyesi seçilir. ( Genelde %95 güvenirlik kullanılır) ii- Olasılık tablosu yardımı ile F kritik değerinin hesaplanması iii- Test istatistiğinin hesaplanması iv- Eğer test sonucu kritik değerden büyük ise boş hipotez reddedilir; alternatif hipotez kabul edilir. 2.2.5.2- Bağımsız t-testi Bu test, verilerin normal dağılımdan geldiği ve karşılaştırılacak veri kümelerinin varyansları arasında istatistiksel olarak bir fark olmadığı durumlarda uygulanır. Bu test iki veri kümesi ortalamaları arasında, kabul edilen güvenirlik seviyesinde istatistiksel açıdan bir fark olup olmadığını test etmemizi sağlar. Bu test sırasında kullanacağımız formül aşağıda verilmiştir. (x 1−x 2 ) n1.n2 .(n + n − 2)t = x 1 2 ( Formül 2.4) 2 2 (n1 −1).s1 + (n2 −1).s n1 + n2 2 t : Hesaplanan test değeri x : İlk alternatifin ortalaması 1 x : İkinci alternatifin ortalaması 2 n : İlk alternatife ait veri sayısı 1 n : İkinci alternatife ait veri sayısı 2 s 21 : İlk alternatifin varyansı s 2 : İkinci alternatifin varyansı 2 65 tα n n : ∝ güvenilirlik seviyesinde (∝ = 0,05) ve serbestlik / 2,( 1 + 2 −2) derecesinde standart t dağılım değeri Hipotezimiz: H o : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark yoktur. H : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark a vardır. Eğer ; − tα ≤ t ≤ + t / 2,(n1+n2 −2) α / 2,(n1 +n2 −2) ise boş hipotez kabul edilir, alternatif hipotez reddedilir. 2.2.5.3- Smith-Satterthwaite Testi Sistem ve model verilerinin normal dağılımdan geldiği ama varyanslarının farklı olduğu durumlarda Smith-Satterthwaite yöntemi benzetim modelinin uygunluğunu test etmek için kullanılır. Bu yöntem, düzeltilmiş serbestlik derecesi yardımıyla hesaplanan t standart dağılım değerini kullanır. Düzeltilmiş serbestlik derecesi(dsd), Formül 2.5’de verilen formül yardımı ile hesaplanır. Formül 2.5 n : İlk alternatife ait veri sayısı 1 n2 : İkinci alternatife ait veri sayısı s 2 : İlk alternatifin varyansı 1 s 22 : İkinci alternatifin varyansı 66 Dsd hesaplaması sonucu büyük ihtimalle tam sayı çıkmaz. Doğal olarak sorulan soru ise bu değerin yukarıya doğru mu, yoksa aşağıya doğru mu yuvarlanacağıdır. Serbestlik derecesi arttıkça standart dağılımdan alınacak kritik t değeri de artar. Bu nedenle karşılaştırmamızın daha güvenilir olması için daha düşük t değerinin kullanılması gerekir. Dsd değeri hesaplandıktan sonra aşağıda verilen Formül 2.6 ile t-test değeri hesaplanır. Formül 2.6 t : Smith-Satterthwaite test değeri x : İlk alternatifin ortalaması 1 x : İkinci alternatifin ortalaması 2 n : İlk alternatife ait veri sayısı 1 n : İkinci alternatife ait veri sayısı 2 s 2 : İlk alternatifin varyansı 1 s 2 : İkinci alternatifin varyansı 2 Hipotezimiz: H o : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark yoktur. H a : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark vardır. Eğer ; − tα n n ≤ t ≤ / 2,( 1+ 2 −2) + tα / 2,(n1 +n2 −2) ise boş hipotez kabul edilir, alternatif hipotez reddedilir. 67 2.2.6 Deney Tasarımı Benzetim çalışması boyunca yapılan çalıştaylar ve beyin fırtınası çalışmaları sonucunda aşağıdaki önerilerin benzetim ortamında modellenerek sistem üzerine etkilerinin araştırılmasına karar verilmiştir. i-İşlem süresinde iyileştirme yapılması : Makine parametreleri üzerinde çalışılarak çevrim zamanının düşürülmesi ile üretim adedinin artırılması amaçlanmıştır. Bu önerinin sistem üzerindeki etkisini ölçebilmek için tüm tiplerin işlem süreleri %30 düşürülerek denenmiştir. ii-Çay molalarının yeniden düzenlenmesi: Çalışma yerinde işçiler için resmi olarak, her bir mola 7 dakika olmak üzere vardiyada 3 çay molası öngörülmüştür. Veri toplama aşamasında yapılan gözlemlerde ise çeşitli nedenlerden dolayı bu kurala uyamadığı, çay molalarında çok daha fazla süre harcadıkları belirlenmiştir. Yapılan iyileştirme önerisi ile 3 x 7 dakika olan çay molası uygulamasını, 2 x 11 dakika olarak değiştirilmesini öngörmektedir. iii-Hidrolik kontrol frekansının düzenlenmesi: Mevcut sistemde her 52 adet yarı mamul işlendikten sonra 12 adet yarı mamul ölçü ve göz kontrolüne tabi tutulmaktadır. Bu süre zarfında işçinin sorumlu olduğu DDM makineleri yükleme/boşaltma manüel olduğu için işçiye beklemektedir. Bekleme süresini azaltmak için kontrol için belirlenen "52 parçada bir 12 adet parça ölçme" çalışma sistematiğini geliştirmek için "52 parçada bir 4 adet parça ölçme" çalışma sistematiği önerilmiştir. 68 iv-Hidrolik kontrol ve göz kontrollerine milkrun uygulaması: DDM makinelerinde çalışan işçilerin sadece yükleme/boşaltma, ürün değişikliği, takım değiştirme, yarı mamul götürme/getirme işlerinden sorumlu olmasının öngörüldüğü bu öneride: İşçilerin görev tanımı: • İşçiler 4 DDM makinesinden sorumlu olacaktır. • Yükleme/Boşaltma • Ürün değişikliği • Takım değiştirme • Taşıma kaplarını taşıma ile sınırlandırılmıştır. Mevcut durumda 3 makine–1 işçi çalışma düzeninin 4 makine–1 işçi ile değiştirilmesi ile tasarruf edilecek işçiler, ölçü ve göz kontrolü için kurulacak milk-run çalışma düzeninde kullanılacaktır. Kontrolden sorumlu işçiler 12 DDM makinesinden ( son üretim hattı hariç. Bu hatta 14 makine vardır) sorumludur. Kontrol işçileri önceden belirlenmiş tur zamanlarına bağlı kalarak tura çıkarlar. 12 makineden aldıkları dörder adet memeyi kontrol istasyonunda ölçüp, göz kontrolünü de yaparlar. Bir sonraki turda bu memeler makinelere geri iade edilir. Kontrol istasyonunda çalışan işçilerin sürekli olarak istasyonda bulunması gerekmektedir. Bu nedenle her vardiyada bir yedek kontrol işçisinin çay ve yemek molalarında çalıştırılacak şekilde bulundurulması gerekmektedir. Bir işçinin 8 saatlik vardiya süresince 21 dakika çay molası ( 3 x 7 dakika ) 30 dakika yemek molası Olmak üzere toplamda 51 dakikalık molası vardır. Yedek işçi ve 4 tane kontrol işçinin bir vardiyada: 69 Vardiya saati 480 dakika olduğuna göre yedek işçinin teorik verimliliği: (1+ 4)× (3× 7 + 30) = %53 480 Olarak hesaplanır. Ancak yapılan gözlemlerde gerçekleşen çay molasının ortalama 15 dakika olduğunu göz önünde bulundurursak yedek işçinin teorik verimliliği: (1+ 4)× (3×15 + 30) = %78 480 olarak hesaplanır. v-Ürün değişikliği süresinde iyileştirme yapılması: Üretim adetlerinde artırım sağlayabilmek için getirilen bir diğer öneride ürün değişikliği süresinin kısaltılması ile ilgilidir. Firma genelinde ürün değişikliği sürelerini düşürmek için çeşitli projeler uygulanmaktadır. Bu tür projelerde hedef ürün değişikliği süresini ilk etapta %50 düşürmektir. Bu tür bir iyileştirmenin sisteme etkisini gözlemlemek için deney tasarımına dahil edilmiştir. Ürün değişikliği işleminde iyileştirme sadece fiziki hazırlık işlemini kapsamakta olup, üretim izni için beklenen hassas ölçüm kontrolü sürecini kapsamamaktadır. İyileştirme önerileri ( Çizelge 2.6) dikkate alınarak hazırlanan 25 Deney tasarımı matrisi Çizelge 2.7 'de gösterilmiştir. Çizelge 2.7- İyileştirme Önerileri 70 Çizelge 2.8- 25 Deney Tasarımı Matrisi 71 3- SONUÇLAR 3.1- Isınma Periyodunun Belirlenmesi Başlangıç anlarındaki değişkenliği eleyebilmek için Welch metodu kullanılarak 50 DDM makinesindeki saatlik üretimler dikkate alınarak ısınma periyodu belirlenmiştir. Bu amaçla her bir koşum uzunluğu 500 saat olmak üzere 18 koşum benzetim modeli çalıştırılmış ve saatlik toplam adetler için EK2.1’deki sonuçlar elde edilmiştir. Welch metodunda w hareketli ortalama aralığı olarak 25,50,75 ve 100 için Formül 2.1 kullanılarak Ek-2.2’ deki hareketli ortalamalar hesaplanmıştır. Welch Metodu w=25 700 600 500 400 300 200 100 0 1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 341 361 381 401 421 441 461 481 Periyot Şekil 3.1- Welch Metodu w=25 Hareketli Ortalama 72 Welch Metodu w=50 700 600 500 400 300 200 100 0 1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 341 361 381 401 421 441 461 481 Periyot Şekil 3.2- Welch Metodu w=50 Welch Metodu w=75 700 600 500 400 300 200 100 0 1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 341 361 381 401 421 441 461 481 Periyot Şekil 3.3- Welch Metodu w=75 Hareketli Ortalama Hareketli Ortalama 73 Welch Metodu w=100 700 600 500 400 300 200 100 0 1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 341 361 381 401 421 441 461 481 Periyot Şekil 3.4- Welch Metodu w=100 Şekil 3.1 – Şekil 3.4’e bakıldığında grafiğin düzleştiği 120–130 saatleri ısınma periyodu olarak seçilebilir. Bu süreye %20-%30 güvenlik payı (Promodel 2003) eklendiğinde ısınma periyodu, bu model için 7 günlük üretim zamanı olan 168 saat olarak alınması uygun görülmüştür. 3.2- Benzetim Koşum Uzunluğunun Belirlenmesi Benzetim koşum uzunluğu, ısınma periyodunun 10 katı olacak şekilde 1.680 saat olarak belirlenmiştir. 3.3- Bağımsız Koşum Sayısının Belirlenmesi Belirlenen ısınma periyodu ve benzetim koşum uzunluğu altında model 15 koşum çalıştırılmıştır. Kurulan modelde %2'lik fark çok önemli olduğu için en az onda bir daha hassasiyette sonuçlar elde edilmesi gerekmektedir. Bu nedenle sonuçlarda hata payı % 0.2 olarak belirlenmiştir. 20 koşum sonucunda elde edilen değerler ile hata payı % 0.2 ve %95 güven aralığında Formül 2.2 kullanılarak gerekli koşum sayısı Tablo 3.2 de belirtildiği gibi n=6 olarak hesaplanmıştır. Ancak yapılan kaynak araştırmalarında da belirtildiği üzere en az 10 koşumun daha sağlıklı sonuç vereceği göz önüne alınarak Hareketli Ortalama 74 koşum sayısı 10 olarak düzeltilmiştir. Tablo 3.2 ye göre hassasiyetimiz % 0.17 olmuştur. Çizelge 3.1- Koşum Sayısının Belirlenmesi 742.000 741.000 740.000 739.000 738.000 737.000 736.000 735.000 734.000 733.000 732.000 731.000 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Koşum No Şekil 3.5- Koşum Sayısının Belirlenmesi K ü m . V eri O rta lam ası 75 3.4- Kurulan Modelin Doğrulanması Kurulan modele ait benzetim sonuçları ile gerçek sistem sonuçlarını karşılaştırabilmek için üretim bölümünde tutulan üretim raporlarından faydalanılmıştır. Model doğrulaması • Makine başına ortalama üretim adedi • Makine başına ortalama verimlilik Parametreleri dikkate alınarak yapılmıştır. 3.4.1- Makine başına ortalama üretim adedine göre Ek 4.1 ve Ek3.1'deki veriler kullanılarak aşağıdaki temel değişkenler elde edilmiştir. X gercek : 847,2 X : 842,6 mod el ngercek : 306 n : 500 mod el S gercek : 136,9 S : 63,93 mod el 3.4.1.1- F Testi Hipotezimiz: H o : İki veri kümesi varyansı arasında istatistiksel açıdan anlamlı fark yoktur. H a : İki veri kümesi varyansı arasında istatistiksel açıdan anlamlı fark vardır. Formül 3.1 kullanılarak; 2 S gercek Ftest = = 4,58 hesaplanır; 2 Smod el Excel kullanılarak yapılan F testi sonucu Şekil 3.6' de verilmiştir. 76 Şekil 3.6- Gerçek Sistem İle Modelin Varyanslarının Karşılaştırılması Test değeri kritik değerden büyük olduğu için alternatif hipotez kabul edilir. 3.4.1.2- Bağımsız t testi Hipotezimiz: H o : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark yoktur. H : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark a vardır. Formül 3.2 kullanılarak (847,2 − 842,6) 306.500.(306 + 500 − 2) T_test= x =0,64529 2 2 (306 −1).136,9 + (500 −1).63,93 306 + 500 tα =1,9629 / 2,(306+500−2) -1,9629 ≤ 0,64529 ≤ +1,9629 olduğu için boş hipotez kabul edilir. Gerçek sistem ile model arasında ortalamalar açısından anlamlı bir fark yoktur. Aynı şekilde Excel kullanılarak yapılan t testi Şekil 3.7'de verilmiştir. 77 Şekil 3.7- Gerçek Sistem İle Modelin Ortalamalarının Karşılaştırılması 3.4.1.3- Smith-Satterthwaite Testi Tez çalışmasında ortalamalar aynı, varyanslar farklı çıktığı için sonuçları Smith-Satterthwaite testi ile kontrol edilmesi gerekir. ( Chung 2004) Hipotezler: H o : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark yoktur. ( Ya da model geçerlidir.) H a : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark vardır. ( ya da model geçerli değildir.) Formül 3.3 kullanılarak önce dsd( düzgünleştirilmiş serbestlik derecesi) hesaplanır. [ 2 2 2136,9 / 306 + 63,93 / 500] dsd= = 387,62 ∼ 388 [ 2 ]2 [ 2 2136,9 / 306 /(306 −1)+ 63,93 / 500] /(500 −1) Formül 3.4 kullanılarak gerçek sistem ile model karşılaştırılır. (847,2 − 842,6) t = = 0,552 2 2 136,9 63,93 + 306 500 hesaplanır. 78 t = 1,966 0,05 / 2;388 Hesapladığımız t değeri -1,966 ≤ 0,552 ≤ +1,966 arasında olduğu için boş hipotez kabul edilir. Sonuçta kurulan model sonuçları gerçek sistemi temsil etmektedir. 3.4.2- Makine başına ortalama verimliliğe göre Ek 4.2 ve Ek3.2'deki veriler kullanılarak aşağıdaki temel değişkenler elde edilmiştir. X gercek : 66,8 X : 67,7 mod el ngercek : 30 nmod el : 50 S gercek : 4,1 S el : 4,29 mod 3.4.2.1- F Testi Hipotezimiz: H : İki veri kümesi varyansı arasında istatistiksel açıdan anlamlı fark yoktur. o H a : İki veri kümesi varyansı arasında istatistiksel açıdan anlamlı fark vardır. Formül 3.1 kullanılarak; 2 S = gercekFtest = 0,913 hesaplanır; 2 Smod el Excel kullanılarak yapılan F testi sonucu Şekil 3.8' de verilmiştir. 79 Şekil 3.8- Gerçek Sistem İle Modelin Varyanslarının Karşılaştırılması Test değeri kritik değerden küçük olduğu için boş hipotez kabul edilir. 3.4.2.2- Bağımsız t testi Hipotezimiz: H : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark o yoktur. H a : İki veri kümesi ortalaması arasında istatistiksel açıdan anlamlı fark vardır. Formül 3.2 kullanılarak (66,8 − 67,7) 30.50.(30 + 50 − 2) t_test= x = - 0,0578 2 2 (30 −1).66,8 + (50 −1).67,7 30 + 50 tα =1,992 / 2,(30+50−2) -1,992 ≤ -0,0578 ≤ +1,992 olduğu için boş hipotez kabul edilir. Gerçek sistem ile model arasında ortalamalar açısından anlamlı bir fark yoktur. Aynı şekilde Excel kullanılarak yapılan t testi Şekil 3.9'de verilmiştir. 80 Şekil 3.9- Gerçek Sistem İle Modelin Ortalamalarının Karşılaştırılması 3.4.2.3- Smith-Satterthwaite Testi Ortalama makine verimliliklerine göre yapılan istatistiksel karşılaştırmada, ortalamalar ve varyanslar aynı olduğu için bu testi kullanmamıza gerek kalmamıştır. 81 3.5- Deney Sonuçları Deney tasarımına göre planlanan deneyler belirlenen ısınma periyodu, koşum uzunluğu ve koşum sayısı dikkate alınarak Promodel'de çalıştırılmış ve elde edilen veriler Ek-5'de gösterilmiştir. Bu değerler Şekil 3.9' da görüldüğü üzere istatistiksel analiz programı olan Minitab’a girilmiştir. Şekil 3.10- Deney Sonuçlarının Minitab'a Girilmesi Analizin çalıştırılmasından sonra Şekil 3.10'daki faktörlerin ve faktör etkileşimlerinin sisteme etkisini gösteren normal olasılık dağılım grafiği Şekil 3.11, Şekil 3.12 ve Şekil 3.13' dedir. 82 Şekil 3.11- Önerilerin Sisteme Etkisine Ait Pareto Analizi Şekil 3.12- Önerilerin Sisteme Etkisine Ait Normal Olasılık Diyagramı 83 Şekil 3.13- Önerilere Ait Etki Diyagramı Deney tasarımı sonucu incelendiğinde; 1. Tüm öneriler sisteme üretimi artırıcı yönde etki yapmıştır. 2. Özellikle Öneri–1; Öner-3 ve Öneri-4'ün getirdiği üretim artışı çok yüksektir. 3. Öneri-2 ve Öneri-5 sisteme pozitif katkı yapıyor olmakla birlikte etkisi diğer önerilere göre çok düşüktür. Sadece ana etkilerin sistemdeki getirileri EK-6'da verilmiştir. Karşılaştırma sonucu Çizelge 3.2'de sunulmuştur. 84 Çizelge 3.2- Önerilerin Karşılaştırılması 85 4- SONUÇ ve ÖNERİLER 4.1 SONUÇ Tez çalışması sonuçlarını 3 grupta toplanmıştır. • Üretim verimliliği açısından sonuçlar • Makine verimliliği açısından sonuçlar • İşgücü verimliliği açısından sonuçlar 4.1.1 Üretim Verimliliği Deney tasarımı matrisine göre yapılan benzetim koşumları sonunda elde edilen sonuçlar aşağıda yorumlanmıştır. • Üretim bölümünde makine işçiyi beklediği için makine yükleme/boşaltmasından sorumlu olan işçilere farklı görevler verilmemelidir. • Üretim sonrası yapılan göz ve ölçü kontrolleri hataları yakalamaya yöneliktir. Kontrol frekansı ve adedinin neden yüksek olduğu konusunda herhangi bir bilimsel çalışma yoktur. Ancak üretim bölümü önerilerde bulunduğu gibi bir frekans ve kontrol adedi azaltışına gitmeyi düşünmektedir. • Tüm öneriler sistemin üretkenliğini artırıcı yönde etki yapmaktadır. Bu nedenle önemli olan önerileri devreye almak için gerekli maliyet ve sonucunda elde edilecek performans artışıdır. • Öneri-1 deney tasarımında en fazla etkiye sahip faktör olmuştur. Ancak faktörlerin tek başına sisteme etkisi incelendiğinde sadece Öneri-1'i uygulamak sistemde çok büyük değişiklikler yapmamaktadır. %30 çevrim zamanı iyileştirmesine karşılık sistemin tepkisi %4,6 olmuştur. Tüm tiplerde yapılacak çevrim zamanı iyileştirmesi için gereken mühendislik çalışması, ilave aparat maliyetleri, deneme maliyetleri, zaman vb. düşünüldüğünde %4,6 lık getiri düşük kalmaktadır. • Ancak Öneri-1 diğer faktörlerle beraber uygulandığı zaman çok daha etkili sonuçların alınmasına neden olmaktadır. Bu nedenle 86 çevrim zamanı iyileştirmesi tek başına değil, diğer önerilerle beraber düşünülmesi gerekmektedir. • Diğer faktörlerden Öneri-3 ve Öneri-4'ün üretim artışına büyük bir etkisi vardır. Bu önerilerin bir diğer özelliği de ekonomik olarak çok düşük ya da sıfır maliyetli uygulamalar olmasıdır. o Öneri-3 % 18,4; Öneri-4 ise %23,5 iyileştirme sağlamaktadır. %2 lik bir iyileştirmenin 1 DDM makinesi yatırımına olan ihtiyacı ortadan kaldırdığı düşünülürse sırasıyla 9 ve 11 adet DDM makinesi yatırımı kazancı sağlamaktadır. o Öneri-3 için kontrol frekansının ve kontrol adedinin ihtiyaca uygun olarak belirlenmesi için çalışmalar yapılmalıdır. o Öneri-4 için ise Milk-run taşıma arabası, her makineye takılacak bir uyarı sinyal sistemine ihtiyaç vardır. Gereken bu yatırımların ise çok düşük maliyette olacaktır. • Öneri-3 ve Öneri-4 'ün beraber uygulaması sonuçları karşılaştırıldığında fark olmaması ilk başta şaşırtıcı gelebilir. (Mevcut/ Öneri-4) = ( Öneri-3/Öneri-4) eşitliğinin asıl farkı kalitenin güvence altına alınmasında kendisini göstermektedir. Şöyle ki "Milkrun" uygulamasında tur sayısı belirlenirken kontrol işçisinin, sorumluluğu altındaki makinelere ait bütün ölçü ve göz kontrollerini bitirmesine izin vermelidir. Bu süreye tur zamanı, parça alma/verme süreleri de ayrıca eklenmelidir. Çizelge 4.1'de Tur zamanı hesaplaması ile ilgili bilgiler verilmiştir. Çizelgeden de görüleceği üzere mevcut durumda kontrol işçisi 110 dakika'da bir tura çıkabilecekken; kontrol edilecek adetlerin düşürülmesi sonrasında 40 dakika'da bir tura çıkabilecektir. Modelde 3 kontrol işçisi 12 makine ve bir kontrol işçisi 14 makineden sorumlu olduğu için en uzun tur zamanı dikkate alınmıştır. Tur zamanı sırasında üretilen parça sayılarına ilişkin grafikler Şekil 4.1 ve Şekil 4.2 de verilmiştir. 87 Çizelge 4.1- Tur Zamanı Hesaplama Tablosu Makine Bazında Üretilen Ortalama Yarı Mamul Sayısı Tur Zamanı =110 dakika 100 90 80 70 60 50 40 30 20 10 0 0 50 10 15 20 25 30 0 0 0 0 3 4 4 0 50 00 5 50 55 60 65 7 70 0 0 0 0 00 5 80 80 0 5 9 0 0 9 0 50 Şekil 4.1- Üretilen Adet. Tur Zamanı= 110 Dakika 88 Makine Bazında Üretilen Ortalama Yarı Mamul Sayısı Tur Zamanı =40 dakika 100 90 80 70 60 50 40 30 20 10 0 0 25 50 0 7 0 5 1 0 0 1 1 1 2 2 0 25 50 75 00 2 2 5 5 2 0 0 0 0 0 0 0 7 0 50 Şekil 4.2- Üretilen Adet. Tur Zamanı= 40 Dakika Öneri-3 ve Öneri-4 birlikte uygulandığında üretim artmamasına rağmen, kontrol frekansı artmakta bu da sistemin mevcut kontrol düzeninden daha iyi bir kontrol frekansına sahip olmasına neden olmaktadır. Şekil4.2'de görüleceği gibi kontrol frekansı ortalama 30 parça olacaktır. Gereğinden fazla yapılan kontrol işlemlerinin de "israf" olduğunu göz önünde bulundurursak ; kontrol işçilerine daha fazla makine sorumluluğu verilerek kontrol işçilerinden de tasarrufa gidilebilir. Böylelikle işgücü maliyetleri de düşürülmüş olacaktır. 4.1.2 Makine Verimliliği Mevcut sisteme ait Makine verimliliği ortalaması Şekil 4.3'de verilmiştir. 89 Şekil 4.3- Ortalama Makine Kullanımı ( Mevcut Durum) Bu grafikten de anlaşılacağı üzere makineler üretim zamanının %20 si işçiyi beklemek ile geçmektedir( Bekleme + Bloke). Makinelerden sorumlu işçilerin sorumluluğunda olan ölçü ve göz kontrolü işlemlerini "milkrun" yöntemi ile farklı işçilere yaptırdığımız zaman ortaya çıkan makine verimliliği Şekil 4.4 de verilmiştir. Her iki grafik karşılaştırıldığında makine verimliliklerinde yüksek bir artış söz konusudur. Doğal olarak üretim adedi arttığı için makineler daha fazla ürün değişikliğine zaman harcayacaktır. Bunun etkisini de aynı grafiklerde % Hazırlık zamanı oranının %2 den %3 e yükselmesi olarak görmek mümkündür. 90 Şekil 4.4- Ortalama Makine Kullanımı ( Milkrun Uygulaması) 4.1.3 İşgücü Verimliliği Kurulan model yardımı ile yapılan benzetim çalışması sonucunda elde edilen işçilik verimlilikleri Şekil 4.5'de verilmiştir. Şekil 4.5- Ortalama İşçi Kullanımı ( Mevcut Durum) 91 Şekil 4.6- Ortalama İşçi Kullanımı (Milkrun Uygulaması) Milkrun uygulaması ile çalışanlardan kontrol işlemi alındığı için işçilerin işlem oranı azalırken daha fazla makineden sorumlu olması nedeni ile yürüme için harcadığı zaman artırmıştır. Kontrol işçilerine ait verimlilikler Şekil 4.7'de verilmiştir. Şekil 4.7- Ortalama İşçi Kullanımı (Kontrol İşçileri İçin) 92 4.2 ÖNERİLER Bu tez çalışmasında yalın üretim tekniklerinden olan; - Esnek iş gücü ve iş zenginleştirme - Milkrun uygulamasının kontrol işlemlerine uyarlanması - Makine hazırlık sürelerinin azaltılması kurulan benzetim modeli ile değerlendirilmiştir. İncelenen üretim bölümünde elde edilen sonuçlar ışığı altında; Öneri-3 : Hidrolik kontrol frekansının düzenlenmesi Öneri-4 : Hidrolik kontrol ve göz kontrollerine milkrun uygulaması Öneri-1 : Süreç süresinde iyileştirme yapılması Öneri-2 : Çay ve yemek molalarının yeniden düzenlenmesi Öneri-5 : Ürün değişikliği süresinde iyileştirme yapılması sırasında uygulanmasının hem maliyet açısında hem de getirisi açısından daha uygun olduğu sonucuna varılmıştır. Üretim sistemine has bazı özellikler nedeni ile yalın üretim tekniklerinden en önemlisi olan "Makine hazırlık zamanlarının düşürülmesi" tekniğinin üretim adedine çok fazla etkisi olmamıştır. Ancak "milkrun" uygulaması hem maliyet açısından hem de getirisi açısından büyük getiriler sağlamıştır. Milkrun uygulaması makinelerden sorumlu işçilerin, sorumlu oldukları makine sayısı artmasına rağmen, verimliliklerinde herhangi bir değişiklik yapmamıştır. Çalışanların yürüme için kaybettiği zamanı azaltmak için yerleşimin yeniden tasarlanması gerekmektedir. Milkrun uygulaması ile daha iyi kontrol frekansı elde edilmiştir. Bu kontrol frekansı düşürülmek istenirse kontrol işçilerine daha fazla makine sorumluluğu verilerek toplamda çalışan sayısı azaltılabilir. Yalın üretim teknikleri her türlü israfın ortadan kaldırılmasını öngörmektedir. 93 Yalın üretim uygulanacak bölüm ve/veya hatların öncelikle ayrıntılı bir analizden geçirilerek hangi tekniklerin önce uygulanması gerektiğine karar verilmelidir. Bir moda haline gelen yalın üretim tekniklerinin bilinçsizce uygulanması yarardan çok zarar getirecektir. Yalın üretim tekniklerinin maliyetleri düşürmek ve israfları ortadan kaldırmak için bir araç olduğu, kesinlikle "yalın üretim tekniklerinin uygulanması" nın bir amaç olmadığı unutulmamalıdır. Bu noktayı Daniel T. Jones "Ne kadar yalınsınız ?" başlıklı makalesinde önemle vurgulamaktadır. “… kapıdan-kapıya toplam üretim sürenize ve stoklarınıza ne olduğudur. Yalın girişiminizi başlattığınızdan beri bunlarda bir düşüş söz konusu olmuş mudur? Bu düşüş birim maliyetlerde bir düşüş sağlamış mıdır? Eğer bu sorulara yanıt hayır’sa o zaman siz yalın ilkelere göre çalışmıyorsunuz demektir! ” ( Daniel T. Jones – Ne kadar yalınsınız?, www.yalinenstitu.org.tr ) 94 KAYNAKLAR Acar Nesime Tam Zamanında Üretim, MPM Yayınları, 1995 Akıllıoglu H., Halıcı A., Baydogan M.G., Canbaz D., Bolatlı Y., Sezgin Ö. , Dizel Enjektör Üretimi Yapan Bir Şirket İçin Fabrika İçi Çekme Esaslı Tekrarlı Dağıtım Sistem Tasarımı, YA-EM 2006 Bosch AŞ., http://www.intranet.bosch.com/beqik/bps/download/de/bausteine/zyklisch e%20Materialversorgung/Baustein%20Zyklische%20Materialversorgung% 202006%20DE.pdf , 2006 Chung, Christopher A. Simulation Modeling Handbook A Practical Aproach, CRC Press, 2004 Hamzaçebi Coşkun, Kutay Fevzi, Taguchi Metodu : Bir Uygulama, Teknoloji dergisi,Sayı :3-4 s:7-17, 2003 Harrell Charles, Ghosh Biman, Bowden Royce Simulation Using Promodel, McGraw Hill, 2000 Harrell Charles R. , Price Rochelle N. Simulation modeling and optimization using Promodel, Winter Simulation Conference , 2000 Jones T. Daniel, Ne kadar Yalınsınız ? www.yalinenstitu.org.tr, 2006 Law Averill M. Eleven Critical Pitfalls in Simulation Modeling ; www.averill- law.com , 2003 Law, A. M. ve Kelton W. D., Simulation Modeling and Analysis, McGraw Hill Companies, 2000. Law Averill M., McComas Michael G. Simulation of Manufacturing Systems, Winter Simulation Conference, 1998 Mess-REFA, Süreç verileri yönetimi, Eğitim notları, 2003 Ohno Taiichi, Toyota Ruhu, Scala Yayıncılık 1998 Okur , Ayperi Serdaroğlu Yalın Üretim, Söz Yayın, 1997 Özkale Celal, Üner Ömer, Aladağ Zerrin Üretim sistemi benzetimi ve lastik sektöründe uygulanması , YA/EM 24. Ulusal Kongresi, 2004 Promodel User Guide, Promodel Corporation, 2003 Robinson, Stewart Simulation: The Practice of Model Development and Use, John Wiley&Sons, 2004 95 Şirvancı Mete Kalite için Deney Tasarımı, Literatür yayınları, 1997 Saat Mesiha, Kalite denetiminde Taguchi yaklaşımı , Gazi Üniv. İktisadi ve İd. Bil. Fak. Dergisi Cilt:2, Sayı:3, sayfa: 97-108 Uytes , http://www.uytes.com.tr/simulasyon/promodel.html , 2006 96 EK-1 ALTYORDAMLAR EK-1.1 PARTI_BUYUKLUGU() Bu altyordam ile girilen tip numarası parametresi kullanılarak sipariş büyüklüğü hesaplanmaktadır.Parti büyüklüğü ilgili tipe uygun dağılım fonksiyonundan ele edilmekte, bu değer daha sonra kap kapasitesi ve katlarına göre düzenlenmektedir. Sipariş büyüklüğü gerçek sistemde ilgili tipe ait en büyük sipariş adedinden daha büyük olamaz. Altyordam Akışı: basla: adet=152 IF tipNo=1 THEN {adet=150+L(4.98e+003, 1.2e+004) if adet>27929 then {goto basla } } IF tipNo=2 THEN {adet= -55.7+IG(1680, 2670) if adet>15757 then {goto basla } } IF tipNo=3 THEN {adet= 171+G(0.887, 3.34e+003) if adet>12630 then {goto basla } 97 } IF tipNo= 4 THEN {adet=150+G(0.728, 4.23e+003) if adet>22161 then {goto basla } } IF tipNo=5 THEN {adet=154+W(0.822, 3.3e+003) if adet>23537 then {goto basla } } IF tipNo= 6 THEN {adet=147+W(1.21, 1.36e+003) if adet>6638 then {goto basla } } IF tipNo= 7 THEN {adet=164+W(0.782, 3.45e+003) if adet>20202 then {goto basla } } IF tipNo= 8 THEN {adet=280+3.4e+004*(1./(1.+EXP(-(N(0.,1.)-1.59)/0.613))) if adet>22636 then {goto basla } } IF tipNo= 9 THEN {adet=150+ER(2.14e+003, 1.) 98 if adet>12099 then {goto basla } } IF tipNo= 10 THEN {adet=42.6+P5(1.08, 818) if adet>19451 then {goto basla } } IF tipNo= 11 THEN {adet=B(0.968, 6.99, 154, 8.83e+003) if adet>4833 then {goto basla } } IF tipNo=12 THEN {adet=150+G(0.724, 4.26e+003) if adet>15092 then {goto basla } } IF tipNo= 13 THEN {adet=150+P6(1.24, 3.48, 2.78e+003) if adet>6858 then {goto basla } } IF tipNo= 14 THEN {adet=40.+L(2.76e+003, 4.51e+003) if adet>12724 then {goto basla } 99 } IF tipNo= 15 THEN {adet=30.+W(1.21, 939) if adet>3433 then {goto basla } } IF tipNo= 16 THEN {adet=150+W(1.17, 3.05e+003) if adet>11285 then {goto basla } } IF tipNo= 17 THEN {adet=150+L(5.43e+003, 1.54e+004) if adet>24640 then {goto basla } } IF tipNo=18 THEN {adet=52.+G(1.79, 498) if adet>3102 then {goto basla } } IF tipNo= 19 THEN {adet=112+W(1.16, 1.25e+003) if adet>6335 then {goto basla } } IF tipNo= 20 THEN {adet=30.+G(1.27, 634) 100 if adet> 3042then {goto basla } } IF tipNo=21 THEN {adet=155+1.26e+003*(1./((1./U(0.5,0.5))-1.))**(1./1.24) if adet>22790 then {goto basla } } IF tipNo=22 THEN {adet=B(1.32, 3.49, 54., 5.41e+003) if adet>4511 then {goto basla } } IF tipNo=23 THEN {adet=150+W(1.48, 1.17e+003) if adet>3304 then {goto basla } } IF tipNo=24 THEN {adet=150+IG(977, 2.21e+003) if adet>13591 then {goto basla } } IF tipNo=25 THEN {adet=40.+W(1.11, 1.15e+003) if adet>4435 then {goto basla } 101 } IF tipNo=26 THEN {adet=128+L(7.22e+003, 3.73e+004) if adet> 23883 then {goto basla } } IF tipNo=27 THEN {adet=34.+W(1.32, 837) if adet>2727 then {goto basla } } IF tipNo=28 THEN {adet=42.+P6(1.99, 4.97, 1.5e+003) if adet>3336 then {goto basla } } IF tipNo=29 THEN {adet=41.+P6(1.73, 4.88, 2.94e+003) if adet> 4562 then {goto basla } } IF tipNo=30 THEN {adet=B(0.626, 1.34, 37., 3.38e+003) if adet>3125 then {goto basla } } IF tipNo=31 THEN {adet=28.+W(1.08, 912) 102 if adet>3121 then {goto basla } } IF tipNo=32 THEN {adet=54.+W(1.38, 1.12e+003) if adet>3301 then {goto basla } } IF tipNo=33 THEN {adet=B(0.824, 1.57, 29., 2.05e+003) if adet>1989 then {goto basla } } IF tipNo=34 THEN {adet=88.+W(1.44, 2.26e+003) if adet>5751 then {goto basla } } IF tipNo=35 THEN {adet=56.+P6(0.861, 134, 3.03e+005) if adet>8450 then {goto basla } } IF tipNo=36 THEN {adet=220+W(1.14, 2.44e+003) if adet>12122 then {goto basla } 103 } IF tipNo=37 THEN {adet=85.+(1./7.44e-004)*(-LN(U(0.5,0.5)))**(-1./0.929) if adet>21718 then {goto basla } } IF tipNo= 38 THEN {adet=149+(1./1.77e-003)*(-LN(U(0.5,0.5)))**(-1./0.761) if adet>13862 then {goto basla } } IF tipNo= 39 THEN {adet=40.+W(1.11, 2.56e+003) if adet>8450 then {goto basla } } IF tipNo=40 THEN {adet=B(1.08, 4.09, 28., 3.13e+003) if adet>2279 then {goto basla } } IF tipNo=41 THEN {adet=23.+G(1.53, 581) if adet>2623 then {goto basla } } IF tipNo= 42 THEN {adet=120+W(1.04, 1.42e+003) 104 if adet>5081 then {goto basla } } IF tipNo=43 THEN {adet=50.+W(1.11, 890) if adet>2528 then {goto basla } } IF tipNo= 44 THEN {adet=B(0.958, 2.41, 25., 2.76e+003) if adet>2255 then {goto basla } } IF tipNo=45 THEN {adet=26.+P6(1.17, 10.6, 4.9e+003) if adet>2681 then {goto basla } } IF tipNo=46 THEN {adet=76.+W(1.42, 655) if adet>1576 then {goto basla } } IF tipNo=47 THEN {adet=150+W(0.881, 881) if adet>5501 then {goto basla } 105 } IF tipNo= 48 THEN {adet=B(0.86, 1.95, 52., 2.06e+003) if adet>1791 then {goto basla } } IF tipNo= 49 THEN {adet=B(0.668, 1.84, 91., 2.83e+003) if adet>2427 then {goto basla } } IF tipNo= 50 THEN {adet=B(0.895, 1.64, 36., 2.19e+003) if adet>2000 then {goto basla } } IF tipNo= 51 THEN {adet=B(0.842, 2.19, 108, 3.26e+003) if adet>2650 then {goto basla } } IF tipNo=52 THEN {adet=B(1.13, 1.72, 101, 1.63e+003) if adet>1630 then {goto basla } } IF tipNo= 53 THEN 106 {adet=92.+E(2.65e+003) if adet>10738 then {goto basla } } IF tipNo= 54 THEN {adet=B(0.671, 1.,104, 1.58e+003) if adet>1568 then {goto basla } } IF tipNo=55 THEN {adet=21.+1.81e+003*(1./(1.+EXP(-(N(0.,1.)-0.459)/0.719))) if adet>1741 then {goto basla } } IF tipNo=56 THEN {adet=150+W(1.58, 599) if adet>1372 then {goto basla } } IF tipNo=57 THEN {adet=92.+W(1.37, 2.21e+003) if adet>5687 then {goto basla } } IF tipNo=58 THEN {adet=154+G(1.89, 992) if adet>7738 then {goto basla 107 } } IF tipNo=59 THEN {adet=108+W(1.27, 553) if adet>1532 then {goto basla } } IF tipNo=60 THEN {adet=29.+P6(1.82, 8.93, 6.82e+003) if adet>5511 then {goto basla } } IF tipNo=61 THEN {adet=60.+W(1.57, 595) if adet>1524 then {goto basla } } IF tipNo=62 THEN {adet=33.+G(0.958, 468) if adet>1775 then {goto basla } } IF tipNo=63 THEN {adet=76.+L(932, 878) if adet>2719 then {goto basla } } IF tipNo= 64 THEN 108 {adet=B(0.84, 2.08, 55., 2.52e+003) if adet>1997 then {goto basla } } IF tipNo= 65 THEN {adet=33.+W(1.36, 816) if adet>2512 then {goto basla } } IF tipNo=66 THEN {adet=100+W(1.21, 612) if adet>1883 then {goto basla } } IF tipNo=67 THEN {adet=91.+W(1.54, 1.09e+003) if adet>2301 then {goto basla } } IF tipNo=68 THEN {adet=27.+E(349) if adet>1050 then {goto basla } } IF tipNo= 69 THEN {adet=59.+L(1.46e+003, 1.39e+003) if adet>6153 then {goto basla 109 } } IF tipNo=70 THEN {adet=B(0.6, 1.,1.08e+003, 1.03e+004) if adet>10315 then {goto basla } } IF tipNo=71 THEN {adet=24.+W(1.21, 1.52e+003) if adet>4563 then {goto basla } } IF tipNo= 72 THEN {adet=78.+E(850) if adet>2469 then {goto basla } } IF tipNo= 73 THEN {adet=B(0.612, 1.,50., 1.62e+003) if adet>1582 then {goto basla } } IF tipNo= 74 THEN {adet=T(124, 124, 4.4e+003) if adet>3806 then {goto basla } } IF tipNo= 75 THEN 110 {adet=40.+W(1.36, 664) if adet>1785 then {goto basla } } IF tipNo=76 THEN {adet=43.+W(1.46, 880) if adet>2159 then {goto basla } } IF tipNo=77 THEN {adet=30.+W(1.01, 443) if adet>1400 then {goto basla } } IF tipNo=78 THEN {adet=88.+E(397) if adet>1103 then {goto basla } } IF tipNo= 79 THEN {adet=49.+W(1.55, 828) if adet>1689 then {goto basla } } IF tipNo=80 THEN {adet=35.+1.64e+003*(1./(1.+EXP(-(N(0.,1.)-0.628)/0.791))) if adet>1436 then {goto basla 111 } } IF tipNo= 81 THEN {adet=310+W(0.95, 1.87e+003) if adet>7063 then {goto basla } } IF tipNo= 82 THEN {adet=B(0.669, 0.819, 104, 2.52e+003) if adet>2518 then {goto basla } } IF tipNo= 83 THEN {adet=T(51., 51., 1.74e+003) if adet>1500 then {goto basla } } IF tipNo= 84 THEN {adet=T(125, 125, 1.01e+003) if adet>852 then {goto basla } } IF tipNo= 85 THEN {adet=24.+L(289, 364) if adet>949 then {goto basla } } IF tipNo= 86 THEN 112 {adet=30.+(1./7.07e-003)*(-LN(U(0.5,0.5)))**(-1./0.919) if adet>1352 then {goto basla } } IF tipNo= 87 THEN {adet=115+P6(1.51, 1.37e+003, 9.37e+005) if adet>3632 then {goto basla } } IF tipNo= 88 THEN {adet=B(0.824, 0.678, 50., 953) if adet>953 then {goto basla } } IF tipNo= 89 THEN {adet=51.+P5(2.11, 346) if adet>623 then {goto basla } } IF tipNo= 90 THEN {adet=103+W(1.13, 819) if adet>2053 then {goto basla } } IF tipNo= 91 THEN {adet=190+P6(0.975, 1.3e+003, 5.58e+005) if adet>1516 then {goto basla 113 } } IF tipNo= 92 THEN {adet=120+E(757) if adet>2413 then {goto basla } } IF tipNo=93 THEN {adet=54.+L(829, 1.28e+003) if adet>3170 then {goto basla } } IF tipNo= 94 THEN {adet=112+(1./6.65e-003)*(-LN(U(0.5,0.5)))**(-1./0.885) if adet>1892 then {goto basla } } IF tipNo= 95 THEN {adet=21.+1.03e+003*(1./((1./U(0.5,0.5))-1.))**(1./2.8) if adet>3080 then {goto basla } } IF tipNo=96 THEN {adet=59.+L(515, 623) if adet>1295 then {goto basla } } IF tipNo=97 THEN 114 {adet=96.*(1./(1.-U(0.5,0.5)))**(1./1.85) if adet>619 then {goto basla } } IF tipNo= 98 THEN {adet=72.+G(1.89, 114) if adet>765 then {goto basla } } IF tipNo= 99 THEN {adet=52.+W(2.28, 346) if adet>637 then {goto basla } } IF tipNo= 100 THEN {adet=60.+L(200, 256) if adet>519 then {goto basla } } IF tipNo= 101 THEN {adet=86.+P6(3.06, 9.25, 1.05e+003) if adet>1138 then {goto basla } } IF tipNo= 102 THEN {adet=40.+(1./5.78e-003)*(-LN(U(0.5,0.5)))**(-1./1.88) if adet>664 then {goto basla 115 } } IF tipNo= 103 THEN {adet=174+1.67e+003*(1./((1./U(0.5,0.5))-1.))**(1./2.84) if adet>4402 then {goto basla } } IF tipNo= 104 THEN {adet=124+W(1.47, 828) if adet>2095 then {goto basla } } IF tipNo=105 THEN {adet=20.+(1./5.31e-003)*(-LN(U(0.5,0.5)))**(-1./1.85) if adet>891 then {goto basla } } IF tipNo= 106 THEN {adet=164+W(0.679, 172) if adet>1146 then {goto basla } } IF tipNo= 107 THEN {adet= -20.4+P5(1.19, 172) if adet>1123 then {goto basla } } IF tipNo= 108 THEN 116 {adet= -2.66e+004+2.83e+004*(1./((1./U(0.5,0.5))-1.))**(1./53.4) if adet>3545 then {goto basla } } IF tipNo= 109 THEN {adet=232+W(0.491, 90.2) if adet>852 then {goto basla } } IF tipNo= 110 THEN {adet=95.6+198*(1./((1./U(0.5,0.5))-1.))**(1./2.77) if adet>762 then {goto basla } } IF tipNo= 111 THEN {adet= -1.73e+003+2.01e+003*(1./((1./U(0.5,0.5))-1.))**(1./29.4) if adet>512 then {goto basla } } IF tipNo=112 THEN {adet=B(0.808, 0.698, 176, 430) if adet>430 then {goto basla } } IF tipNo= 113 THEN {adet=350+ER(541, 1.) if adet>1774 then {goto basla 117 } } IF tipNo= 114 THEN {adet= -7.53e+003+8.23e+003*(1./((1./U(0.5,0.5))-1.))**(1./26.1) if adet>1596 then {goto basla } } IF tipNo= 115 THEN {adet=B(0.851, 0.691, 219, 1.18e+003) if adet>1181 then {goto basla } } if adet<152 then {adet=152 } adet=ROUND(adet/152) return adet 118 EK-1.2 SUB_SIPARIS() Bu altyordam sayesinde yeni siparişe ait aşağıdaki işlemler yapılmaktadır: 115 tipe ait olasılık dağılımı yardımıyla üretilecek tip belirlenir. Yeni tipin, üretilen tip ile aynı olup olmadığı kıyaslanır. Eğer aynı tip ise yen bir tip numarası olasılık dağılımından tekrar seçilir. Belirlenen tip numarası kullanılarak sipariş büyüklüğü hesaplanır. Tip dönme işlemini gerçekleştirebilmek için DuseA, DuseB değişimi sağlanır. Dizilerde gerekli güncellemeler yapılır. Altyordam Akışı : degistir: yeni_tip(round((LOCATION()+1)/6))=uretilecek_tip() if yeni_tip(round((LOCATION()+1)/6))=uretilen_tip(round((LOCATION()+1)/6)) then { goto degistir } else { uretilen_tip(round((LOCATION()+1)/6))=yeni_tip(round((LOCATION()+1)/6)) } uretilecek_adet(round((LOCATION()+1)/6))=Parti_buyuklugu(uretilen_tip(round( (LOCATION()+1)/6))) ORDER uretilecek_adet(round((LOCATION()+1)/6)) Rahmen TO location() uretilecek_adet(round((LOCATION()+1)/6))=uretilecek_adet(round((LOCATION ()+1)/6))*38 if duse_tip(round((LOCATION()+1)/6))=3 then { duse_tip(round((LOCATION()+1)/6))=4 } else { duse_tip(round((LOCATION()+1)/6))=3 119 EK-1.3 SUB_AGIE() Bu yordam yardımı ile DDM makinelerinde yapılacak işlemler ayrıntılı olarak tanımlanmaktadır. Yine modelleme açısından kolaylık olması için yükleme ve boşaltma zamanı tek işlem adımı olarak verilmiştir. Bu altyordam sayesinde: Yükleme ve boşaltma işlemi yapılmaktadır. Makine üretilen tipe uygun çevrim zamanı kadar çalıştırılmaktadır. Dizilerde gerekli güncellemeler yapılmaktadır. Belirlenen periyotlarda, kontrol işlemi için iş emri oluşturulmaktadır. Her üretilen duse nesnesinden sonra sipariş kontrolü yapılmakta, sipariş bittiği zaman yeni sipariş emri oluşturulmaktadır. Altyordam Akışı: u_rahmen(round((LOCATION()+5)/6))=u_rahmen(round((LOCATION()+5)/6))-1 wait 19.2 sec //yukleme+bosaltma suresi free res(kul_isci(round((location()+5)/6))) wait (takt_katsayi*takt(uretilen_tip(round((location()+5)/6)))) sec uretilecek_adet(round((LOCATION()+5)/6))=uretilecek_adet(round((LOCATION ()+5)/6))-1 setup_sonrasi(round((LOCATION()+5)/6))=setup_sonrasi(round((LOCATION()+ 5)/6))+1 if u_rahmen(round((LOCATION()+5)/6)) =25 then { use res(kul_isci(round((location()+5)/6))) for (0.665 + kontrol_adet*0.0115) min // her kontrol sonunda gecici rahmendeki duseler buyuk rahmene diziliyor.Sure 0.665 dk free res(kul_isci(round((location()+5)/6))) ORDER 1 kontrol TO loc(LOCATION()+2) } 120 if u_rahmen(round((LOCATION()+5)/6)) =12 then { use res(kul_isci(round((location()+5)/6))) for (0.665 + kontrol_adet*0.0115) min // her kontrol sonunda gecici rahmendeki duseler buyuk rahmene diziliyor.Sure 0.665 dk free res(kul_isci(round((location()+5)/6))) ORDER 1 kontrol TO loc(LOCATION()+2) } if u_rahmen(round((LOCATION()+5)/6)) =1 then { use res(kul_isci(round((location()+5)/6))) for (0.665 + kontrol_adet*0.0115) min // her kontrol sonunda gecici rahmendeki duseler buyuk rahmene diziliyor.Sure 0.665 dk free res(kul_isci(round((location()+5)/6))) ORDER 1 kontrol TO loc(LOCATION()+2) } if uretilecek_adet(round((LOCATION()+5)/6))<=0 then { ORDER 1 siparis TO LOC(LOCATION()+4) } 121 EK-1.4 SUB_HAVA() Hava ile kurutma makinesinde gerçekleşen makine zamanı bu yordam altında kodlanmıştır. Altyordam Akışı: Wait 43 sec. 122 EK-1.5 SUB_LOC() Bu yordam yardımı ile Delik delme işlemine girecek yarı mamulun beklediği stok alanından her seferinde bir taşıma kabı ile makine yanına getirilmesini modellenmiştir. Altyordam Akışı: ORDER 38 ent(duse_tip(round(location()/6))) TO loc(location()-4) u_rahmen(round(LOCATION()/6))=38 Wait until u_rahmen(round(LOCATION()/6))=0 123 EK-1.6 SUB_CIKIS() Bu yordam altında, hava tutma işleminden gecen memelerin rahmene dizilmesi ve bir taşıma kabının işlemi bittikten sonra taşımak için taşıma kabı hazır hale getirilmektedir. Altyordam Akışı: use res(kul_isci(round((location()+3)/6))) for 2.8 sec free res(kul_isci(round((location()+3)/6))) GROUP 38 AS rahmen 124 EK-1.7 SUB_HIDROLIK() Belli periyotlarda yapılması gereken kontrollerden biri olan ölçü kontrolü bu yordam yardımı ile modele dahil edilmiştir. Altyordam Akışı: USE res(isci_no), 888 FOR (kontrol_adet*0.184) MIN 125 EK-1.8 SUB_GOZK() Belli periyotlarda yapılması gereken kontrollerden biri olan göz kontrolü bu yordam yardımı ile modele dahil edilmiştir. Altyordam Akışı: wait (kontrol_adet*0.39) min free res(isci_no) 126 EK-1.9 SUB_TELDEG() Bu yordam yardımı belli periyotlarda yapılması gereken takım değiştirme işlemlerinden birisi olan tel değiştirme işlemi modele eklenmiştir. Yordam tel değişimi işlemi öncesi tip dönme işlemi öncesinden sonra kaç adet meme üretildiği bilgisini kontrol etmektedir. Bu değer değişiklik periyodunun ortalamasından büyük ise tel değiştirme işlemini gerçekleştirmektedir. Böylelikle periyodundan önce tel değiştirme işlemi yapılması engellenmektedir. Altyordam Akışı: if setup_sonrasi(round((LOCATION()+5)/6))>=75 then { use res(kul_isci(ROUND((location()+5)/6))) for 11.16 min free res(kul_isci(ROUND((location()+5)/6))) } 127 EK-1.10 SUB_SETUP() Bu yordam sayesinde tip dönme işlemi modele dahil edilmektedir. Yordam, öncelikle tip dönme işleminden sorumlu formenlerin boş olup olmadığını kontrol etmekte; boş formen varsa ilk önce bu kaynağı kullanmaktadır. Formenlerin hepsi de meşgul ise, yordam bu görevi makineden sorumlu işçiye vermektedir. Altyordam Akışı: if FREEUNITS(tip_donme)>0 then { USE tip_donme, 999 FOR (setup_katsayi*T(25, 45, 60)) min free tip_donme } else { USE res(kul_isci(round((location()+5)/6))), 999 FOR (setup_katsayi*T(25, 45, 60)) free res(kul_isci(round((location()+5)/6))) } wait ((20.+L(14.2, 11.4))) min setup_sonrasi(round((LOCATION()+5)/6))=0 128 EK-1.11 SUB_ARIZA() Bu yordam ile ariza nedenli duruşlar modele dahil edilmiştir. Yordam öncelikle makinenin ait olduğu model tipine göre ( Bkz. Çizelge2.2 ) uygun olasılık dağılımından arızada kalma süresini bulmakta ve bu süre boyunca makineyi arızada tutmaktadır. Aynı sipariş büyüklüğünde olduğu gibi dağılımdan elde edilen değer gerçek sistemde karşılaşılan en büyük arıza süresinden daha büyük olamaz. Altyordam Akışı: basla: if p1=1 then { ariza=(30.+211*(1./((1./U(0.5,0.5))-1.))**(1./1.39)) if ariza>4173 then {goto basla } } if p1=2 then { ariza=(30.+P6(1.06, 3.38, 1.18e+003)) if ariza>2880 then {goto basla } } if p1=3 then { ariza=(30.+P6(1.39, 5.27, 954)) if ariza>1331 then {goto basla } } wait ariza min 129 EK-1.11 SUB_PRIZMA() Bu yordam yardımı belli periyotlarda yapılması gereken takım değiştirme işlemlerinden birisi olan prizma değiştirme işlemi modele eklenmiştir. Prizma değiştirme işlemi uzun periyotlarda değiştirilmektedir. ( Yaklaşık olarak her vardiyada bir kez) Altyordam Akışı: USE res(kul_isci(round((location()+5)/6))), 999 FOR 10.07 min free res(kul_isci(round((location()+5)/6))) 130 EK-1.12 SUB_MILKRUN_TUR() Bu yordam yardımı ile kontrol işçisi tur esnasında her makinede önceki turda aldığı memeleri bırakma, yeni ölçüm için yeni meme ( kontrol edilecek adet kadar) alma işlemini gerçekleştirmektedir. Altyordam Akışı: USE 1 res(kul_milkrun(round((location()-315)))) FOR (2*kontrol_adet*0.0115) min // her turda bir onceki turda aldigi duseleri geri birakiyor free res(kul_milkrun(round((location()-315)))) 131 EK-1.13 SUB_MILKRUN_TUR_KONTROLU () Bu yordam yardımı ile kontrol işçisinin her tura çıktığında tüm makinelerin ürettiği miktar bilgisi veri tabanına işlenmektedir. Bu veritabanındaki bilgiler ışığı altında iki tur arasında ortalama kaç adet parça işlendiğini öğrenebilmekteyiz. Zira verimlilik kadar kalite de üretim için çok önemli bir argümandır. Bu nedenle miktar bakımından frekans ne kadar düşük ise kalite açısından kontrol daha iyi gerçekleşmektedir. Bu yordam milkrun nesnesi ile birlikte çalışır. Altyordam Akışı: WRITE milkrun_kayit,clock(hr) WRITE milkrun_kayit, ENTRIES(agie1) WRITE milkrun_kayit, ENTRIES(agie2) WRITE milkrun_kayit, ENTRIES(agie3) WRITE milkrun_kayit, ENTRIES(agie4) WRITE milkrun_kayit, ENTRIES(agie5) WRITE milkrun_kayit, ENTRIES(agie6) WRITE milkrun_kayit, ENTRIES(agie7) WRITE milkrun_kayit, ENTRIES(agie8) WRITE milkrun_kayit, ENTRIES(agie9) WRITE milkrun_kayit, ENTRIES(agie10) WRITE milkrun_kayit, ENTRIES(agie11) WRITE milkrun_kayit, ENTRIES(agie12) WRITE milkrun_kayit, ENTRIES(agie13) WRITE milkrun_kayit, ENTRIES(agie14) WRITE milkrun_kayit, ENTRIES(agie15) WRITE milkrun_kayit, ENTRIES(agie16) WRITE milkrun_kayit, ENTRIES(agie17) WRITE milkrun_kayit, ENTRIES(agie18) WRITE milkrun_kayit, ENTRIES(agie19) WRITE milkrun_kayit, ENTRIES(agie20) 132 WRITE milkrun_kayit, ENTRIES(agie21) WRITE milkrun_kayit, ENTRIES(agie22) WRITE milkrun_kayit, ENTRIES(agie23) WRITE milkrun_kayit, ENTRIES(agie24) WRITE milkrun_kayit, ENTRIES(agie25) WRITE milkrun_kayit, ENTRIES(agie26) WRITE milkrun_kayit, ENTRIES(agie27) WRITE milkrun_kayit, ENTRIES(agie28) WRITE milkrun_kayit, ENTRIES(agie29) WRITE milkrun_kayit, ENTRIES(agie30) WRITE milkrun_kayit, ENTRIES(agie31) WRITE milkrun_kayit, ENTRIES(agie32) WRITE milkrun_kayit, ENTRIES(agie33) WRITE milkrun_kayit, ENTRIES(agie34) WRITE milkrun_kayit, ENTRIES(agie35) WRITE milkrun_kayit, ENTRIES(agie36) WRITE milkrun_kayit, ENTRIES(agie37) WRITE milkrun_kayit, ENTRIES(agie38) WRITE milkrun_kayit, ENTRIES(agie39) WRITE milkrun_kayit, ENTRIES(agie40) WRITE milkrun_kayit, ENTRIES(agie41) WRITE milkrun_kayit, ENTRIES(agie42) WRITE milkrun_kayit, ENTRIES(agie43) WRITE milkrun_kayit, ENTRIES(agie44) WRITE milkrun_kayit, ENTRIES(agie45) WRITE milkrun_kayit, ENTRIES(agie46) WRITE milkrun_kayit, ENTRIES(agie47) WRITE milkrun_kayit, ENTRIES(agie48) WRITE milkrun_kayit, ENTRIES(agie49) WRITELINE milkrun_kayit, ENTRIES(agie50) 133 EK 2 ISINMA PERİYODU HESABINDA KULLANILAN VERİLER EK 2.1 BENZETİM SONUCU ELDE EDİLEN VERİLER 134 135 136 137 138 139 140 141 142 EK 2.2 WELCH METODU SONUÇLARI 143 144 145 146 147 148 EK-3 GERÇEK SİSTEM ÜRETİM VERİLERİ EK-3.1 MAKİNE BAŞINA ORTALAMA GÜNLÜK ÜRETİM ADETLERİ EK-3.2 GERÇEKLEŞEN ORTALAMA AYLIK VERİMLİLİKLER EK-4 MEVCUT SİSTEM BENZETIM SONUÇLARI EK-4.1 ORTALAMA ÜRETİM ADETLERİ EK-4.2 MAKINA VERIMLILIKLERI 50 adet DDM makinesine ait benzetim sonucu aşağıda verilmiştir. 151 EK-5 DENEY SONUÇLARI 152 EK-6 DENEY SONUÇLARININ KARŞILAŞTIRILMASI EK6.1 Öneri-1 / Mevcut Sistem Karşılaştırması EK6.2 Öneri-2 / Mevcut Sistem Karşılaştırması EK6.3 Öneri-3 / Mevcut Sistem Karşılaştırması 153 EK6.4 Öneri-4 / Mevcut Sistem Karşılaştırması EK6.5 Öneri-5 / Mevcut Sistem Karşılaştırması EK6.6 Öneri-1 / Öneri-2 Karşılaştırması 154 EK6.7 Öneri-1 / Öneri-3 Karşılaştırması EK6.8 Öneri-1 / Öneri-4 Karşılaştırması EK6.9 Öneri-1 / Öneri-5 Karşılaştırması 155 EK6.10 Öneri-2 / Öneri-3 Karşılaştırması EK6.11 Öneri-2 / Öneri-4 Karşılaştırması EK6.12 Öneri-2 / Öneri-5 Karşılaştırması 156 EK6.13 Öneri-3 / Öneri-4 Karşılaştırması EK6.14 Öneri-3 / Öneri-5 Karşılaştırması EK6.15 Öneri-4 / Öneri-5 Karşılaştırması 157 TEŞEKKÜR Uludağ Üniversitesi Endüstri mühendisliği bölümünde yapmış olduğum yüksek lisans eğitimi boyunca; bilgi ve tecrübelerini paylaşan değerli hocalarıma; Tez çalışmasında beni yönlendiren ve her türlü desteği veren değerli hocam Yrd. Doç. Dr. Mehmet AKANSEL' e; Verilerin toplanmasında ve analizinde fikirlerini esirgemeyen iş arkadaşım Endüstri Mühendisi Sevil PAŞAOĞLU' na; Son olarak; Yoğun tez çalışması temposuna anlayışla yaklaşan ve desteğini her zaman veren eşim Özlem KIRBAŞ'a; Yüksek lisansımı bitirmek için gerekli motivasyonumu varlığıyla sağlayan oğlum Yusuf Mete KIRBAŞ'a; Teşekkür etmeyi bir borç bilirim. 158 ÖZGEÇMİŞ 10.06.1974 yılında Akşehir/Konya'da doğdu. İlk ve ortaokul eğitimini Akşehir'de (1988), lise öğretimini Malatya Fen Lisesi' nde (1991) tamamladı. Aynı yıl Uludağ Üniversite Endüstri Mühendisliği bölümüne giren Kırbaş, bu bölümden 1995 yılında derece ile mezun oldu. 1995-1996 yılları arasında beyaz eşya sektöründe faaliyet gösteren Plamat Plastik AŞ.'de "Üretim Planlama Müdürü" olarak çalıştı. 1996-1998 yılları arasında Hava Kuvvetleri Komutanlığı'nda Asteğmen olarak askerlik görevini yerine getirdi. 1998-1999 yılları arasında Sabancı Holding'e bağlı Pilsa şirketinde üretim planlama bölümünde lojistik mühendisi olarak çalıştı. 1999 yılından beri Bosch AŞ.'de iş planlama mühendisi olarak çalışma hayatına devam etmektedir. Yalın üretim, verimlilik artırma teknikleri,metot ve zaman etütleri ve benzetim konuları ile ilgilenmektedir.