Hero background

Mniej odpadów. Więcej produkcji.

Zobacz, jak zredukowaliśmy straty o 35%

Wdrożyliśmy automatyczny nesting oparty na AI. Efekt? Mniej resztek, krótsze postoje i szybciej realizowane zlecenia.

Czy potrzebujesz najpierw klauzuli pofuności?

Zaznacz wszystko
Wyrażam zgodę na przetwarzanie danych osobowych w celu udzielenia odpowiedzi na wiadomość. *
Wyrażam zgodę marketingową na komunikację ofertową (opcjonalne)

Rezultaty

Wyniki mówią same za siebie – oto efekty po 3 miesiącach testów

-6p.p
odpadów

Średni odpad zmniejszono z 20% do 14%, co oznacza poprawę o 6 punktów procentowych – więcej niż zakładane w projekcie minimum 4 punkty.

35%
niższe zużycie materiału

Zużycie materiału na optymalizowanym odcinku produkcji spadło o ok. 35%.

170 000 zł
rocznych oszczędności

Obniżenie ilości zużywanego materiału przełożyło się na roczne oszczędności rzędu 170000 zł

logistyka+
mniej resztek w magazynie

Ograniczenie zużywanego materiału poprawiło też logistykę magazynu – mniej zalegających resztek arkuszy o nietypowych wymiarach.

Problem

Koszty i resztki w magazynie

Problem
Materiały stanowią istotną część kosztów produkcji. Wysoki odpad generuje nie tylko stratę materiału, lecz także dodatkowy koszt związany z logistyką odpadów przez co obniża konkurencyjność cenową wyrobów. Dodatkowo, chaotyczne rozmieszczenie kształtów powodowało częstsze przestoje maszyn związane z korektami i ręcznym ustawianiem ścieżek. Przy przeciętnej cenie za blachy przeznaczone na elementy wynoszącej ok 300-400 zł, oraz dziennym obłożeniu pracą maszyny na poziomie 25-30 blach, wartość handlowa niewykorzystanego materiału sięgała 2000 zł. Sprzedaż złomu pozwalała na odzyskanie ok ¼ tej wartości.

2000 zł niewykorzystanego materiału dziennie

dodatkowe koszty logistyki odpadów

częste przestoje maszyn na ręczne ustawianie ścieżek

Rozwiązanie - Optymalizacja

Automatyczny nesting – nowoczesne algorytmy dla mniejszych strat

Zastosowanie automatycznego nestingu

Zespół technologów wdrożył narzędzie do automatycznego nestingu – optymalnego układu detali na arkuszu 2D. Istnieje wiele sposobów rozwiązania tego typu problemu, ale zdecydowano się na podejście oparte na programowaniu całkowitoliczbowym mieszanym (ang. Mixed-Integer Programming, MIP). W uproszczeniu podejście to polega na opisaniu problemu za pomocą zestawu zmiennych oraz równań i nierówności, które odzwierciedlają zarówno ograniczenia, jak i cel optymalizacji.

Dlaczego to działa?

Zastosowane algorytmy (bazujące na heurystykach oraz metodach metaheurystycznych, takich jak algorytm genetyczny) generowały setki możliwych kombinacji układu kształtów i wybierały te, które minimalizowały niewykorzystaną powierzchnię. Optymalizacja harmonogramu pozwoliła nie tylko zwiększyć przepustowość produkcji, lecz także ograniczyć ilość odpadu. Realizacja fragmentów kilku zamówień równocześnie, zamiast w kolejności sekwencyjnej, umożliwiła efektywniejsze rozmieszczenie elementów i pełniejsze wykorzystanie dostępnego materiału.

Działania w ramach projektu

przeanalizowanie typowych zestawów detali z zamówień

wprowadzenie reguł grupowania detali według grubości i rodzaju materiału

zintegrowanie systemu CAD/CAM z algorytmami optymalizacji układu

Kontekst

Setki arkuszy i spore straty materiału

Kto?

Firma z sektora lekkiego przemysłu specjalizuje się w produkcji elementów konstrukcyjnych wycinanych z arkuszy blach stalowych o standardowych wymiarach 2500×1250 mm. Każdego dnia zlecane jest wycięcie setek detali w różnych kształtach, które następnie trafiają do dalszych etapów obróbki. Proces wycinania realizowany jest na maszynach CNC (plazmowych i laserowych oraz cięcia wodą). Produkcja zajmuje się zarówno wycinaniem powtarzalnych większych serii elementów jak i zleceniami na mniejszą ilość sztuk.

Jak działała firma przed optymalizacją?

Przez wiele lat praktyki rozmieszczenie detali na arkuszach przygotowywali pracownicy. Elementy na arkuszach programowano bezpośrednio na maszynie w przypadkach ich małej ilości lub planowano ich rozmieszczenie w programach CAM w przypadku bardziej skomplikowanych zamówień. Postępowanie takie choć skutecznie pozwalało na realizację zamówień, niestety skutkowało powstawaniem wysokiego odsetka odpadu – średnio 18%–22% materiału nie było wykorzystywane co oszacowano na podstawie resztek zalegających na magazynie oraz ilości sprzedanego złomu 

Wnioski

Sztuczna inteligencja dla niższych kosztów produkcji

Optymalizacja układu kształtów na powierzchniach płaskich jest trudnym problemem geometrycznym, na który nie istnieje jedno najlepsze rozwiązanie. Współcześnie jednak dzięki zastosowaniu skutecznych algorytmów możliwe jest uzyskanie wyników bliskich optymalnym. Czyni to takie rozwiązanie niezwykle efektywną metodą redukcji kosztów w procesach obróbki materiałów. Przejmując zadania, których człowiek nie ma szans wykonać z ich precyzją. Wdrożenie narzędzi do nestingu nie wymaga dużych inwestycji, a daje wymierne efekty w krótkim czasie. W opisywanym przypadku projekt ten stał się jednym z początkowych elementów działań na rzecz poprawy efektywności produkcji i zrównoważonego wykorzystania surowców oraz sprawności pracy, do których wykorzystano współczesną wiedzę z zakresu sztucznej inteligencji i automatyzacji.

Szukasz podobnego rozwiązania?

Zacznij oszczędzać dzięki automatyzacji i AI

Sprawdź, jakie szanse na realne oszczędności kryją się w Twojej firmie. Odkryj niewykorzystany potencjał i zwiększ zyski.

Czy potrzebujesz najpierw klauzuli pofuności?

Zaznacz wszystko
Wyrażam zgodę na przetwarzanie danych osobowych w celu udzielenia odpowiedzi na wiadomość. *
Wyrażam zgodę marketingową na komunikację ofertową (opcjonalne)