PROJECT: OPTIMIZATION OF LOADING AND UNLOADING TIMES FOR VEHICLES

# Python# Spark# Flask# MySQL# AWS
# SQL# Hadoop# Django# PostgreSQL# Azure
# VBA# Kafka# SQLite# GCP
# Flink# MongoDB# cloud on-premises
time: May 2014 – May 2018
role: Data Scientist 
company: KRONOSPAN

Kronospan factories were facing numerous issues related to the unloading of timber and the loading of finished products onto the same vehicles. In different factories, the loading and unloading times varied, requiring an analysis to determine the reasons for these differences. The company expected the project to optimize the processes of vehicle loading and unloading, which had a direct impact on reducing the queues forming at the entry gates of the factories.

PROJECT IMPLEMENTATION

During the analysis, it became clear that weather had a significant impact on the loading process. In the case of rain, vehicles could not be loaded with finished products due to the risk of damage. Another factor was the organization of forklift operations and the general placement of finished products in the warehouse near the loading areas. By applying regression models and operational research methods—specifically, optimization algorithms—I developed a procedure to streamline the processes. Additionally, we identified areas where the technical infrastructure needed to be upgraded to optimize workflow.


PROJEKT: OPTYMALIZACJA CZASU ROZŁADUNKU I ZAŁADUNKU SAMOCHODÓW

Fabryki Kronospan borykały się z wieloma problemami związanymi z czasem rozładunku surowca drzewnego oraz załadunku gotowych wyrobów na te same samochody. W różnych fabrykach czasy tych procesów były różne, co wymagało analizy, aby znaleźć powody tych różnic. Firma oczekiwała, że projekt przyniesie optymalizację w procesach rozładunku i załadunku pojazdów, co miało bezpośredni wpływ na skrócenie kolejek tworzących się przed bramami wjazdowymi do fabryk.

REALIZACJA PROJEKTU

Podczas analizy okazało się, że pogoda miała ogromny wpływ na czas załadunku. W przypadku deszczu samochody nie mogły być ładowane gotowymi wyrobami, ponieważ istniało ryzyko ich zniszczenia. Kolejnym czynnikiem była organizacja pracy wózków widłowych oraz rozlokowanie gotowych wyrobów w magazynach w pobliżu miejsc załadunku. Stosując modele regresji i metody badań operacyjnych, oparte na algorytmach optymalizacyjnych, opracowałem procedurę usprawniającą procesy. Dodatkowo wskazaliśmy miejsca, w których należało zmodernizować infrastrukturę techniczną, aby zoptymalizować przepływ pracy.

1 Komentarz

Komentowanie jest wyłączone.