Lisää uutisia

Sivut

Matemaattiset menetelmät tuotekehityksen tukena

28.2.2005
Cimcorp Headquarters

Cimcorp kehittää keräilyjärjestelmiä yhdessä VTT:n ja Tampereen teknillisen yliopiston kanssa.

Vanha sanonta nälkä kasvaa syödessä pätee myös logistiikan ja keräilyjärjestelmien kehittämiseen. Automaatiolla on jo nyt parannettu huomattavasti toimittajilta kauppoihin kulkevan tavaravirran nopeutta, oikea-aikaisuutta ja virheettömyyttä. Mutta se ei riitä. Keräilyä pitää yhä tehostaa ja keräilyjärjestelmien tuottamien lavojen ja pinojen rakenteen laatua parantaa.

Tavoitteiden saavuttamiseksi Cimcorpissa kehitettiin keräilyä kuvaavia matemaattisia malleja. Yhteistyökumppaneiksi kehitystyöhön saatiin Tampereen teknillisen yliopiston Porin yksikkö ja VTT.

Parivuotisen yhteisprojektin aikana on kehitetty robotin ajoreitin optimointi ja keräilynsuunnittelumalli.

Robotin ajoreittiä optimoivaa menetelmää etsittäessä oltiin tiedeyhteisöjä jo vuosikymmenet askarruttaneen kauppamatkustajan ongelman äärellä: mikä on lyhin ajoreitti, kun poimitaan eri pinoissa sijaitsevia laatikoita tarttujaan.

- Tavoitteeksi otettiin haasteellisesti lyhimmän mahdollisen reitin löytäminen. Kauppamatkustajan ongelmassa lyhimmän reitin ratkaisemiseen kuluva laskenta-aika kasvaa jyrkästi vierailtavien kaupunkien määrän funktiona. Esimerkiksi 12 poimintaa sisältävän reitin eri vaihtoehtojen määrä on 479 001 600. Jos yritetään löytää paras ratkaisu käymällä kaikki ajoreittivaihtoehtot läpi ja yhden vaihtoehdon tutkiminen kestää yhden millisekunnin, kuluisi laskenta-aikaa noin 133 tuntia. Vastaavasti 18 poiminnan vaihtoehtojen määrä on 6 • 10^15, ja aikaa kuluisi noin 200 000 vuotta. Tehokkaammista menetelmistä huolimatta laskenta-ajan pitäminen riittävän lyhyenä on suurin haaste, kertoo järjestelmäasiantuntija Paavo Ranta Cimcorpilta.

Keräilynsuunnittelumalli pyrkii ratkaisemaan, millaisiin pinoihin tietty tilaus kannattaa kerätä, jotta robotteja tulisi hyödynnettyä tehokkaasti. Toimintaa ohjaavan malli laskee robottien työkuorman, varastosaldojen ja tilausten perusteella, mitä tuotteita mihinkin pinoon laitetaan ja mikä robotti kyseisen pinon tai pinot kerää.

- Uskomme matemaattisista malleista olevan apua muutenkin järjestelmän toiminnan ja ulostulevan materiaalivirran optimoinnissa, perustelee sovellusasiantuntija Sakari Mikkola. Hyvä esimerkki uusista haasteista on kaupoissa käytettävä hyllyvälikoodi. Tuotteiden pitää olla kauppaan tulevilla lavoilla määrätyssä järjestyksessä siten, että ne on helppo jakaa hyllyihin.

- Kerättävät pinot ja robottien työnjaon älykkäästi suunnitteleva malli taas mahdollistaa järjestelmän rakentamisen entistä vähemmällä mekaniikalla ja entistä vähäisemmin kustannuksin, vahvistaa Sakari Mikkola.

This site uses cookies to provide you with a best browsing experience. By using this site you agree to our use of cookies as explained in our Privacy Policy.