Ведущие мировые производители автомобильного транспорта используют имитационное моделирование: оптимизируют работу производственных линий, улучшают планирование, внедряют новые технологии и оборудование. Моделирование дает им конкурентное преимущество и помогает избежать дорогостоящих ошибок.
В этой статье – пять реальных проектов. В них автопроизводители рассказывают о задачах, решённых с помощью моделирования в AnyLogic.
Оптимизация работы производственных линий
Инженеры, работающие над оптимизацией производства фургонов Sprinter Mercedes Benz, выступили с докладом на конференции AnyLogic 2021. Они рассказали о разработке имитационной модели, которая помогла улучшить процессы и стала инструментом для дальнейшей оптимизации и планирования.
Инженеры создали модель автомобилестроительного завода и детально отразили в ней работу производственной линии. На основе полученных данных они усовершенствовали текущие процессы на заводе и увеличили его производительность на 5%. Они также определили, что показатель можно увеличить еще на 5% за счет автоматизации.
Далее с помощью построенной модели инженеры планируют протестировать, как внедрение автоматически управляемых тележек (AGV) для обслуживания производственной линии повлияет на общую производительность. Таким образом, со временем эта модель поможет полностью автоматизировать внутреннюю логистику завода.
Лидер в сфере производства товаров промышленного назначения CNH Industrial начал внедрять технологии Индустрии 4.0. В рамках этого компания решила разработать новый подход к техническому обслуживанию (ТО) сборочной линии коммерческих фургонов Iveco Daily.
В автомобильной промышленности и смежных с ней отраслях компании могут нести значительные финансовые потери из-за простоев оборудования. Стоимость одной минуты простоя может составлять более 160 тыс. долларов. Чтобы снизить затраты, CNH хотела повысить качество технического обслуживания оборудования, тем самым сократив время простоя.
Чтобы проверить разные стратегии ТО, инженеры создали имитационную модель линии сварки шасси фургонов, которая при запуске автоматически считывала данные из внешних источников. С её помощью они протестировали сценарии «что, если» и сравнили их результаты, чтобы выбрать наилучший сценарий.
Кроме того, с помощью методов машинного обучения инженеры разработали прогнозную модель и интегрировали ее в модель AnyLogic. Прогнозная модель предсказывала износ роботов, которые обслуживали производственную линию.
В результате, на основе имитационной модели инженеры создали цифрового двойника линии сварки шасси фургонов. Цифровой двойник мог сопоставлять получаемые с датчиков данные о работе реального оборудования с его виртуальными аналогами в имитационной модели.
Так, руководство компании CNH получило инструмент, который помогает им выбирать подходящие стратегии ТО оборудования, а также анализировать экономические и производственные показатели.
Оптимизация автономных мобильных роботов для сборочной линии
Обычно на производстве перевозкой деталей занимаются автоматически управляемые тележки (AGV). Но в последнее время всё чаще вместо них используют более сложные и эффективные устройства – автономные мобильные роботы (AMR).
Общая сумма затрат на приобретение и эксплуатацию мобильных роботов бывает ниже, чем на AGV, поэтому компании всё чаще отдают предпочтение первым. Но для того, чтобы AMR были действительно эффективными, нужен правильный алгоритм работы.
На конференции AnyLogic 2021 инженер-логист Tesla и бывший научный сотрудник BMW Group представил проект. Компании BMW нужно было определить, как эффективнее всего распределять задачи между AMR на производстве. Для этого инженеры использовали моделирование в облаке – в AnyLogic Cloud.
На основе имитационной модели и алгоритма Jonker-Volgenant-Castanon (JVC) компания разработала новый метод распределения задач. Благодаря этому она сократила количество автономных мобильных роботов на промышленном объекте на 30% без ущерба для производства.
Адаптация к изменениям на рынке автомобилей
Имитационное моделирование можно использовать не только для оптимизации процессов на производственных линиях. Изменения на рынке автомобилей могли стать угрозой для одного из международных производителей: всё чаще люди предпочитают аренду автомобиля его покупке. Чтобы стать более устойчивым к таким изменениям, производитель решил изменить свои бизнес-процессы.
Компания подошла к проблеме с точки зрения социальной теории. Специалисты построили имитационную модель бизнес-процессов и взаимодействия сотрудников. С помощью системно-динамического и агентного моделирования в AnyLogic специалисты детально отразили систему рабочих связей, их динамическую природу и теорию адаптивных циклов (adaptive-cycle theory). Также при запуске модель использует подключённые библиотеки на Python для анализа рабочих связей через открытый API AnyLogic.
В результате имитационное моделирование помогло автомобильной компании эффективнее управлять работой сотрудников, повысило устойчивость и способствовало ее инновационному развитию.
Прогнозирование рыночного спроса в США
Еще один пример проекта в автомобильной промышленности от всемирно известного американского производителя мотоциклов.
Компания хотела получить стратегический прогноз на ближайшие 5 лет. Для этого нужно было оценить динамику спроса на ее продукты и потенциальную прибыль.
Специалисты разработали имитационную модель рынка США, которая учитывала географию, демографию, а также данные по занятости населения и отношению покупателей к продуктам. После тщательного тестирования модели на исторических данных компания использовала полученные результаты для разработки маркетинговой стратегии и плана производства.
Оптимизация работы производственных линий, интеграция алгоритмов машинного обучения и алгоритмов управления роботами, анализ поведения людей – это лишь часть задач, которые производители автомобилей решают с помощью моделирования в AnyLogic.
Узнайте, как компании повышают эффективность производства и улучшают свои процессы, – из наших бизнес-кейсов. Если вам интересно самим попробовать AnyLogic, скачайте бесплатную версию Personal Learning Edition.
