Моделирование производства мороженого: определение ограничений и оптимизация плана

Проблема:




Conaprole, крупнейшая молочная компания Уругвая, производит более 150 SKU мороженого на заводе с пятью производственными линиями, используя до пяти различных конфигураций упаковки на каждой линии.


Частью процесса планирования продаж и операций компании является планирование производства мороженого на 12 месяцев вперед на постоянной основе. Спрос сильно зависит от сезона. Руководство завода готовило производственные линии к высокому сезону во время низкого сезона, беря в расчет сроки хранения продукта, вместительность морозильных камер на складе и затраты на их использование.


Узкие места, ограничения в процессах на производственных линиях и сложности с доступностью человеческих ресурсов, которые могут случаться время от времени, делали процесс планирования еще сложнее.


Задачей менеджмента было получить возможность пересматривать свои планы, чтобы лучше удовлетворять спрос и избегать дефицита ключевых продуктов. Они также стремились оптимизировать использование производственных мощностей. Компания Ite Consult использовала имитационное моделирование в качестве инструмента решения этих проблем.


Цели созданной имитационной модели:

  • Оптимизация различных сценариев производства на ближайшие 12 месяцев плавающего спроса. 
  • Оптимизация производственных планов на предмет избегания дефицита по всем SKU.
  • Оптимизация использования производственных мощностей при оптимизированном плане.

Решение:

Используя возможности AnyLogic в дискретно-событийном моделировании, консультанты разработали модель, интегрированную с платформой, которую компания использовала для планирования продаж и операций, а также с SAP Material Management and Production Planning. Созданное решение включало три вида экспериментов с моделью производственной системы. Каждый из них был направлен на решение одной из обозначенных задач.


В первом эксперименте модель проверяла изначальный производственный план, определяя дефицит и невыполненные заказы, которые могут произойти при следовании этому плану. Эксперимент позволил менеджменту узнавать о необходимостях дополнительного производства, основываясь на спросе и изначальных запасах. Он также дал пользователям возможность вручную изменять некоторые параметры системы и таким образом узнавать, как разные ситуации могут повлиять на работу системы. Среди таких ситуаций – необходимость останавливать производство на определенные периоды, модифицировать оборудование, изменять степень доступности производственных ресурсов или расписание работы персонала. Пользователи могли вручную изменять приоритеты SKU и анализировать влияние таких действий на прибыль (затраты в связи с дефицитом различались в зависимости от SKU). Наконец, специалисты получили возможность вручную проверять различные политики, например, как будет работать система при минимальном использовании производственных мощностей.

Логика модели планирования производства

Моделирование производственной линии 

Эксперимент варьирования параметров запускал модель системы 100 раз и искал решение, которое позволило бы удовлетворять спрос и максимизировать срок хранения продуктов в магазинах, при этом минимизируя складские издержки.


Третий эксперимент оптимизировал использование линий, высвобождая производственные мощности в пиковые периоды. Производство планировалось настолько близко к началу планируемых периодов, насколько возможно, чтобы оставить свободные мощности на всех линиях в качестве буфера.


Входные данные включали:

  • Спрос на каждый SKU
  • Товарные запасы на каждый SKU
  • Общая эффективность и средний абсолютный процент ошибки (mean absolute percentage error, MAPE), если требуется 
  • Размер партий, приоритеты, сроки хранения, занятость мест на складе 
  • Издержки

Ограничения, устанавливаемые для системы:

  • Назначение SKU на линии и подлинии
  • Пропускные способности линий и подлиний 
  • Ограничения по упаковке для линий 
  • Складские ограничения 
  • Расписания производства 
  • Время производства
Статистика модели производства

Статистика модели


Результат:




Все результаты моделирования с разбиением по месяцам и SKU экспортировались в файлы Excel. Также модель представляла изменения в спросе и уровне запасов в виде гистограмм. Наконец, она давала информацию о дефиците товара, если он случался.


Используя модель, менеджмент Conaprole получил возможность:

  • Изучить процессы на каждой производственной линии с сегментацией по SKU. 
  • Оптимизировать производственные планы, чтобы лучше удовлетворять спрос, максимизируя срок хранения товара в магазинах и минимизируя складские затраты.
  • Сбалансировать загрузку линий, чтобы высвободить производственные мощности на случай увеличения спроса.

Имитационная модель предоставила менеджменту возможность выбрать решение, которое позволило бы увеличить доход и минимизировать риск дефицита товара.

Другие проекты

  • Анализ производственных возможностей комплекса подводного кораблестроения
    В рамках работ по оценке перспектив развития производственных мощностей руководство ОАО "Адмиралтейские верфи" хотело проанализировать и оценить возможности реализации производственной программы по строительству и ремонту дизельных подводных лодок. Требовалось проверить, насколько предприятие справится с производственным планом на 2011-2016 гг. на существующих мощностях.
  • Моделирование работы участка контроля герметичности ядерного реактора
    На стадии проектирования участка контроля герметичности оболочек тепловыделяющих элементов реактора (ТВЭЛ) разработчикам необходимо было собрать данные о параметрах работы системы в ситуациях появления брака.
  • Имитационная модель электросталеплавильного цеха Челябинского металлургического комбината
    Модель имитирует переоборудованную инфраструктуру цеха, конфигурацию оборудования и все значимые параметры происходящих в цеху процессов. Это один из показательных примеров применения технологии имитационного моделирования в металлургической промышленности.
  • Планирование и оптимизация автоматизированного производства
    Centrotherm Photovoltaics AG – это мировой поставщик технологий и оборудования для рынка солнечной энергетики, полупроводников и микроэлектроники. Компании требовалось определить лучшие конфигурации фабрики и автоматизированной производственной линии для минимизации затрат и максимизации пропускной способности и надежности работы.
  • GE моделирует производство для поддержки принятия решений в реальном времени
    При запуске нового продукта – батарей Durathon, компании General Electric необходимо было увеличивать объемы выпуска продукции в условиях неопределённости одновременно с модернизацией производственных процессов и снижением себестоимости товаров. Специалисты GE использовали имитационное моделирование для решения этих задач.
  • Комплексный анализ производственных ресурсов судоверфи
    Крупнейший судостроительный завод General Dynamics NASSCO разработал комплексную систему компьютерного имитационного моделирования для судостроения и управления цепочками поставок на судоверфи, которая включает в себя построенную в AnyLogic имитационную модель всего цикла судостроительного процесса.
  • Моделирование прокладки тоннеля с использованием тоннелепроходческого комплекса
    Цена часа простоя тоннелепроходческого комплекса обычно очень высока, и менеджеры делают всё возможное, чтобы избежать его остановок. Целью моделирования, проведенного в Рурском университете, стало создание инструмента для определения узких мест в процессах при прокладке туннелей, помогающего снизить потери при простоях.
  • Производственное планирование в кораблестроении
    Менеджмент одного из крупнейших итальянских производителей яхт нуждался в решении, которое помогло бы упростить планирование производственных процессов и повысить эффективность использования человеческих ресурсов на производстве. Целью проекта было обеспечение менеджеров компании-клиента исчерпывающей информацией для планирования, которая позволила бы им тестировать и оптимизировать производственные планы до их внедрения.
  • Анализ стратегий управления при запуске переходе к серийному производству самолётов
    Группа компаний Airbus приняла участие в проекте ARUM, направленному на создание IT-решения для уменьшения рисков, планирования и поддержки принятия решений при переходе к серийному производству в областях авиа- и судостроения. Для оценки работы ARUM участники решили создать имитационную модель сборочной линии самолётов Airbus.
  • Простая модель помогает Intel избежать простоев на производстве
    Заводы компании Intel использовали определённый тип оборудования, который часто выходил из строя, приводя к уменьшению объемов производства. Запасные детали стоили дорого и были неравномерно распределены между заводами: одни фабрики часто испытывали нехватку материалов, другие приобретали слишком много запчастей.