miniMoover

Panoramica

miniMoover è un software Python progettato per generare dati simulati per l'industria 4.0, al fine di creare proiezioni di ordini basate su dati reali di macchinari e articoli. Questi dati vengono utilizzati per effettuare confronti e analisi in scenari di test, simulando la produzione in un determinato periodo di tempo e tenendo conto di vari fattori come orari lavorativi, capacità delle macchine, disponibilità di operatori e altro.

L'obiettivo è fornire uno strumento utile per analizzare la capacità di produzione e testare applicazioni aziendali senza utilizzare dati reali o sensibili.

⚠️ Il codice non presenta il file requirements.txt perché è stato scritto molte tempo fa e ad uso singolo.

---

Table of Contents

1. HowTo
2. Versioni
   • V2
   • V1

---

HowTo

1. Preparazione dei file CSV:

   • Creare una cartella data/ nella root del programma.
   • Posiziona tutti i file CSV nella cartella data/.
   • Il file CSV delle macchine deve essere chiamato lista_macchina.csv e deve seguire il formato:

   CODMACCHINA	DESCR MACCHINA	INIZIO LOG	FINE LOG	PRESIDIO	TCARICO	TSCARICO	TSETUP
   codice macchina	nome macchina	orario inizio	orario fine	necessita operatore	tempo carico	tempo scarico	tempo setup

   
   
   • I file CSV degli articoli devono seguire il formato:

   DITTA	DEPOSITO	CODMACCHINA	DTINILOG	CODREP	STAZIONE	CODOPERATORE	CODART	CODARTOLD	MEAN_TEMPOCICLO	DEVSTD_TEMPOCICLO	MEAN_QTALAV	DEVSTD_QTALAV
   codice ditta	codice deposito	codice macchina	data creazione	codice reparto	stazione	codice operatore	codice articolo	vecchio codice (se presente)	tempo ciclo medio	deviazione tempo ciclo	quantità media per ordine	deviazione quantità

   
   

2. Esecuzione dello script:

   • Dopo aver configurato i CSV, esegui lo script principale:

   python generatore_ordini.py

3. Output:

   • I dati generati saranno salvati nei formati configurati (es. CSV), contenenti simulazioni di ordini e informazioni sui tempi di produzione.

---

Versioni

V2

• Utilizzo di Pandas per la lettura dei CSV.
• Ottimizzazione della scrittura con Datatable:
  • Tempo di elaborazione con Pandas (v1): 15 ore
  • Tempo di elaborazione con Datatable (v2): 0.22 secondi
• Aggiunto il calcolo dei tempi di carico e scarico per pezzo lavorato.
• Fixato il controllo su macchina presidiata.

V1

• Utilizzo di Pandas per la lettura dei file CSV.
• Generazione di dati simulati per test e proiezioni aziendali.

---