Czas realizacji w zarz¿dzaniu ¿a¿cuchem dostaw produkcji addytywnej: Problemy zwi¿zane z obliczaniem czasu systemach addytywnej

W niniejszej ksi¿¿ce omówiono niezdolno¿¿ konwencjonalnych systemów ERP i MRP do dok¿adnego obliczania czasów realizacji w ¿äcuchach dostaw w dziedzinie produkcji addytywnej (AM). Stäe, deterministyczne parametry czasu realizacji - zaprojektowane z my¿l¿ o stabilnej, tradycyjnej produkcji - systematycznie zawodz¿ w ¿rodowiskach AM, gdzie czasy produkcji ró¿ni¿ si¿ w zale¿no¿ci od geometrii cz¿¿ci, obróbka ko¿cowa jest wysoce zmienna, dost¿pno¿¿ maszyn ma charakter stochastyczny, a pozyskiwanie specjalistycznych materiäów wi¿¿e si¿ z d¿ugimi i niepewnymi czasami realizacji. W ramach badä opracowano pi¿ciofazow¿ taksonomi¿ czasów realizacji w AM, obejmuj¿c¿ etapy przedprodukcyjne, kolejk¿ maszyn, produkcj¿, przerwy w trakcie procesu oraz obróbk¿ ko¿cow¿, a nast¿pnie stworzono AM-SCM Lead Time Computation Framework (AMLTCF) - modu¿owy model stochastyczny generuj¿cy pe¿ne rozk¿ady prawdopodobie¿stwa czasów realizacji zamiast punktowych oszacowä. Model AMLTCF, zweryfikowany na podstawie studiów przypadków z bran¿y lotniczej, urz¿dze¿ medycznych i dóbr konsumpcyjnych, zmniejsza b¿¿d prognozowania czasu realizacji z 22-39% (warto¿¿ bazowa systemu ERP) do 7-12%, umo¿liwiaj¿c dok¿adne dotrzymywanie zobowi¿zä wobec klientów, optymalizacj¿ harmonogramów oraz zmniejszenie zapasów bezpiecze¿stwa. Modele uczenia maszynowego (XGBoost, LSTM) dodatkowo poprawiaj¿ dok¿adno¿¿ prognozowania, gdy dost¿pne s¿ wystarczaj¿ce dane historyczne.