Řízení projektů Simulační projekt

Transkript

1 Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Řízení projektů Simulační projekt Technická univerzita v Liberci Simulace výrobních systémů Technická univerzita v Liberci a partneři Preciosa, a.s. a TOS Varnsdorf a.s. 1 TU v Liberci

2 Cíle přednášky 1. Diskutovat problematiku řízení projektů s důrazem na specifika simulačního projektu. 2. Seznámit s optimalizačními algoritmy. 3. Na demonstračních příkladech vysvětlit: princip optimalizace, problémy při využívání heuristických algoritmů. 2

3 Řízení projektů

4 Projekt Začátek a konec Cíl - SMART Zdroje -čas, lidé, finance Pracovní tým - role Harmonogram Nejedná se o každodenní rutinu 4

5 Rizika a omezení projektu Omezení (časové, finanční, prostorové, ) Konkurující projekty Setrvačnost myšlení ( Proč něco měnit?) 5

6 Plán n projektu Seznam činností Síťový graf Harmonogram 2dny 3dny 1 1den 2 2dny 6

7 DMAIC strukturovaný přístup k řešení projektů Define fáze definování stanovení cílů projektu. Measure fáze měření (sběru dat). Analyse fáze analýzy definování problémových okruhů, návrhy řešení. Improve fáze zlepšování implementace zlepšení. Control fáze řízení monitorování a kontrola zavedených zlepšení.

8 Simulační projekt

9 Problém Volba metody řešení ne Vhodnéřešit simulací? ano Tradiční řešení Simulační projekt Prověřit/Doplnit výsledky simulací? ne ano Definování projektu Tvorba modelu Experimentování Dokončení projektu Výsledky dostačující? ne ne Změnit zadání? ano ano Prezentace ne Projekt schválen? ne Ukončit projekt? ano Implementace ano Problém

10 Etapy simulačního projektu: Definování projektu. Tvorba modelu. Experimentování. Dokončení projektu.

11 Definování projektu Tvorba modelu Struktura modelu Sběr a analýza dat Kódování a verifikace Validace modelu Experimentování Plánování experimentů Optimalizace Analýza výsledků Dokončení projektu

12 Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Využití optimalizačních algoritmů Technická univerzita v Liberci Simulace výrobních systémů Technická univerzita v Liberci a partneři Preciosa, a.s. a TOS Varnsdorf a.s. 12 TU v Liberci

13 Experimentování: Experimentování není zkoušení. Vhodná volba kriterielní funkce. Cílená změna vstupních hodnot parametrů modelu tak, aby se dosáhlo požadovaných cílů projektu.

14 Nastavit kriterielní funkci, stanovit faktory a jejich úrovně Určit počet opakování a délku simulačních běhů Experimentování Nastavení parametrů Simulační běh Analýza výsledků Změna parametru Vybrat variantu? ano ne Optimalizace simulačního experimentu

15 Zpracování simulačních studií je poměrně náročné jak na tvorbu modelu, tak i na vlastní experimentování, kde se mimo jiné musíme zabývat i problematikou značného množství možných variant řešení. Pro usnadnění experimentování nabízí někteří dodavatelé simulačních systémů možnost využití optimalizačních algoritmů, viz např.: modul Optimiser v systému Witness, OptQuest (simulační systém Quest, Simul8, Arena), GA (genetic algorithm v systému Plan simulation).

16 Ukázka optimalizačních systémů/modulů Manlig, F.: Optimierung von Fertigungsprozessen mit Rechnersimulation. In: Forschungsergebnisberichte 2001 der Professur für Produktionsautomatisierung/ Steuerungstechnik. [Forschungsbericht] TU Dresden, PAS, S

17 MANLIG, F.; URBAN, P.; HAVLÍK, R: Optimalizace výrobních procesů pomocí počítačové simulace. In: Optimalizace vlastností strojů a pracovních procesů. Oblast d. [Výzkumná zpráva] TU v Liberci - KVS. Liberec

18 Nejpoužívan vanější optimalizační metody Enumerativní metody (úplný, popř. zkrácený faktoriální experiment) - vhodné při malém počtu faktorů a jejich úrovní. Náhodné hledání - náhodné generování nového řešení. Cílené hledání (moderní heuristické metody, např. horolezecký algoritmus, simulované žíhání, genetický algoritmus, zakázané hledání) - vhodné při velkém množství variant. 18

19 Witness Optimizer All combination (úplný faktoriální experiment). Random Solution (náhodné hledání). Adaptive Thermostatistical Simulated Anneling (modifikovaná metoda simulované žíhání). Hill Climb (horolezecký algoritmus). 19

20 Využití optimalizačního modulu systému simcron

21 Vysvětlen tlení používání optimalizačních metod na demonstračních a ukázkových příkladechp 21

22 Příklad 1 Ukázkov zkové příklady Nastavení parametrů

23 Příklad 1 Ukázkov zkové příklady ca. 20 min MANLIG, F.; URBAN, P.; HAVLÍK, R: Optimalizace výrobních procesů pomocí počítačové simulace. In: Optimalizace vlastností strojů a pracovních procesů. Oblast d. [Výzkumná zpráva] TU v Liberci - KVS. Liberec

24 D1 D9 M1... Mx D1 D9 Montáž Sklad hotových výrobků Mezisklad před a po kooperaci Příklad 2 24 Optimalizační metoda Kooperace Ukázkov zkové Počet příklady Výrobní Doba experimentování experimentů cyklus Úplná enumerace x cca 48 h KOZ (nejkratší operace) s LOZ (nejdelší operace) s LFZ (nejdelší čas výroby) s Slepý algoritmus s Simulované žíhání s Genetický algoritmus s Použití úplné enumerace je v tomto případě značně neefektivní, neboť se jedná celkem o 9! kombinací. Optimalizace pomocí prioritních pravidel je sice nejrychlejší, metaheuristiky však poskytují v průměru lepší výsledky.

25 Literatura. Bruce, A.; Langdon, K.: Řízení projektu. Slovart s.r.o., 2003 Manlig, F.: Optimierung von Fertigungsprozessen mit Rechnersimulation. In: Forschungsergebnisberichte 2001 der Professur für Produktionsautomatisierung/ Steuerungstechnik. [Forschungsbericht] TU Dresden, PAS, S Manlig, F.; Urban, P.; Havlík, R: Optimalizace výrobních procesů pomocí počítačové simulace. In: Optimalizace vlastností strojů a pracovních procesů. Oblast d. [Výzkumná zpráva] TU v Liberci - KVS. Liberec

26 Děkuji za pozornost Tato přednáška byla inovována v rámci projektu CZ.1.07/2.2.00/ Inovace studijních programů s ohledem na požadavky a potřeby průmyslové praxe zavedením inovativního vzdělávacího systému "Výukový podnik" 26