Zastosowanie architektury korporacyjnej do analizy i optymalizacji sterowania produkcją

pol Article in Polish DOI: 10.14313/PAR_254/117

send Zbigniew Juzoń , Jarosław Wikarek , Paweł Sitek Politechnika Świętokrzyska, Al. Tysiąclecia P.P. 7, 25-314 Kielce

Download Article

Streszczenie

Klasyczne podejście do optymalizacji sterowania produkcją sprowadza się zwykle do budowy modeli optymalizacyjnych i decyzyjnych w oparciu o dane pozyskane bezpośrednio z systemu produkcji z tzw. „warstwy technologicznej”. Najczęściej pomija się czynniki ekonomiczne występujące głównie na poziomie tzw. „warstwy biznesowej”, które mają istotny wpływ na procesy funkcjonujące w firmie, w tym również na sam proces produkcji. Niezbędne jest uwzględnienie w procesie budowy szczegółowych modeli optymalizacji produkcji różnych zmiennych czynników występujących również na poziomie „warstwy biznesowej”, tj. ceny usług, ceny surowców, kary umowne, które mogą mieć wpływ na decyzję kierunkową w procesie produkcyjnym, tzn. Czy wszystkie zlecenia zrealizować we własnym systemie produkcyjnym? Czy taniej będzie niektóre zlecenia/części zleceń zrealizować jako outsourcing? Zaproponowanie innego niż dotychczasowego podejścia do optymalizacji procesu produkcyjnego przy wykorzystaniu danych zarówno z warstwy technologicznej, jak i biznesowej może ułatwić: identyfikację obszarów przeznaczonych do optymalizacji/automatyzacji procesów produkcyjnych, budowę szczegółowych modeli matematycznych na potrzeby optymalizacji/automatyzacji procesów produkcyjnych oraz dostosowanie przepływu informacji między poszczególnymi warstwami (technologiczną/biznesową) funkcjonującymi na poziomie przedsiębiorstwa. W artykule przedstawiono zastosowanie architektury korporacyjnej do analizy procesu sterowania produkcją łożysk tocznych w rzeczywistej fabryce oraz do budowy modelu matematycznego optymalizacji i wspomagania decyzji w tym procesie.

Słowa kluczowe

ArchiMate, architektura korporacyjna, optymalizacja, sterowanie produkcją, TOGAF

Applying Enterprise Architecture to Analysis and Optimization of Production Control

Abstract

The classic approach to production control optimization usually comes down to building optimization and decision-making models based on data obtained directly from the production system from the so-called “technological layer”. Most often, economic factors that occur mainly at the level of the so-called „business layer”, which have a significant impact on the processes operating in the company, including the production process itself. In the process of building detailed production optimization models, it is necessary to take into account various variable factors also occurring at the „business layer” level, i.e. prices of services, prices of raw materials, contractual penalties, which may affect the directional decision in the production process, i.e. Should all orders be completed in your own production system? Will it be cheaper to outsource some orders/parts of orders? Proposing a different approach to optimizing the production process than before, using data from both the technological and business layers, may facilitate: identifying areas intended for optimization/automation of production processes, building detailed mathematical models for the purpose of optimizing/automating production processes and adapting information flow between individual layers (technological/business) operating at the enterprise level. The article presents the use of enterprise architecture to analyze the process of controlling the production of rolling bearings in a real factory and to build a mathematical model for optimization and decision support in this process.

Keywords

ArchiMate, enterprise architecture, optimization, production control, TOGAF

Bibliography

  1. Bartodziej Ch.J., The Concept Industry 4.0. An Empirical Analysis of Technologies and Applications in Production Logistics. Springer Gabler, 2017, DOI: 10.1007/978-3-658-16502-4.
  2. Bartoszewicz G., Zastosowanie metod zarządzania procesami BPM w celu zwiększenia efektywności złożonych procesów logistycznych 4.0 w systemach ERP 2.0. [w:] P. Cyplik, M. Adamczak, (red.), Wybrane problemy współczesnej logistyki w świetle badań naukowych i praktyce biznesowej 2017, 12–37.
  3. Sitek P., Wikarek J., A multi-level approach to ubiquitous modeling and solving constraints in combinatorial optimization problems in production and distribution, “Applied Intelligence”, Vol. 48, 2018, 1344–1367, DOI: 10.1007/s10489-017-1107-9.
  4. Wolsey L., Integer Programming, 2021, John Wiley & Sons, DOI: 10.1002/9781119606475.
  5. Wikarek J., Sitek P., A Data-Driven Approach to Constraint Optimization. “Automation 2019”, AISC, Vol. 920, 2020, Springer, DOI: 10.1007/978-3-030-13273-6_14.
  6. Rahman H.F., Janardhanan M.N., Nielsen P., An integrated approach for line balancing and AGV scheduling towards smart assembly systems, „Assembly Automation”, Vol. 40, No. 2, 2020, 219–234, DOI: 10.1108/AA-03-2019-0057.
  7. Thibbotuwawa A., Bocewicz G., Radzki G., Nielsen P., Banaszak Z., UAV Mission Planning Resistant to Weather Uncertainty, “Sensors”, Vol. 20, No. 2, 2020, DOI: 10.3390/s20020515.