Снижение инвестиционных рисков при расширении производства: кейс от консультантов

Наши коллеги, консультанты из российской компании NFP, разрабатывают имитационные модели для бизнеса. Одна из них – модель цеха по производству крепёжных изделий. Предприятие-владелец планировало инвестировать в новые производственные мощности, чтобы увеличить выпуск продукции. Чтобы проанализировать инвестиционные риски и оптимизировать новые процессы на производстве, консультанты использовали имитационную модель. Мы публикуем историю успеха компании NFP от имени авторов проекта - Андрея Гарифова и Алексея Андрианова.

Имитационное моделирование в производстве

Процесс масштабирования производства является нетривиальной задачей и требует комплексного подхода к проработке и оценке инвестиционного проекта.

Для анализа рисков обычно используют аналитические инструменты, которые хорошо подходят для создания финансовых моделей, например, Excel. Однако, большинство из них не позволяет полноценно описать сложные взаимозависимые производственные процессы и отследить последствия событий в динамике.

Одним из современных методов оценки производственных рисков является имитационное моделирование. С его помощью можно создать виртуальную копию предприятия любого масштаба для тестирования различных сценариев производства и детализировать процессы – как на уровне взаимодействия цехов предприятия, так и элементов каждого станка.

Пользователь модели может проводить эксперименты по оптимизации бизнес-процессов, наблюдать за работой модели в динамике и изменением статистики, а также, при необходимости, самостоятельно менять характеристики системы. Результаты моделирования подскажут, как повысить эффективность реального производства.

Проблема

Компания-производитель крепёжных изделий планировала инвестировать в новые производственные мощности, чтобы увеличить выпуск продукции. Для анализа рисков проекта и поиска оптимизационных решений наша команда консультантов должна была разработать модель будущего производственного цеха с планируемой инфраструктурой, которая помогла бы ответить на вопросы:

• Способна ли обновлённая система производить заданный объем изделий в соответствии с требуемой номенклатурой?
• Какие узкие места могут возникнуть в процессе производства?
• Как можно оптимизировать процесс?

Решение

Перед разработкой модели мы формализовали задачи, которые она помогла бы решить:

• рассчитать загрузку производственных мощностей с учётом технологических простоев;
• определить достаточное количество площадей для складирования незавершённого производства;
• проверить, сможет ли цех производить заданный объем продукции в соответствии с требуемой товарной номенклатурой;
• определить оптимальное количество погрузчиков и балочных кранов;
• протестировать альтернативную расстановку оборудования, чтобы оптимизировать производственные процессы.

Чтобы правильно построить логику модели и рассчитать её начальные параметры, рабочая группа изучила производственный цикл предприятия и учла характеристики каждой производственной единицы. На основе собранных данных мы разработали точную цифровую модель цеха с интерактивным интерфейсом для настройки сценариев. В модели мы также отразили:

• мощности линий для каждого вида поступающих заготовок;
• технологические простои оборудования;
• скорость кранов и погрузчиков;
• массу поступающих заготовок;
• количество отбраковки изделий;
• вместимость контейнеров;
• размеры и вместимость зон складирования;
• габариты оборудования и др.

Перед запуском модели пользователь может изменить значения параметров (скорость погрузчиков, количество станков, мощность оборудования и др.) для тестирования различных сценариев производства. После запуска программа визуализирует процесс и предоставляет статистику об объёме, произведённом на каждой линии, загруженности линий и заполнении зон складирования.

Результат

По результатам 100 экспериментов с разными значениями параметров мы определили узкие места в производстве:

• В процессе работы модели место складирования перед линией гальваники заполнилось на 100%. Через год нехватка площади составила более 40%.
• Из-за неравномерного распределения станков в цехе контейнеры с заготовками нужно было перевозить между помещениями. Это требовало большого количества погрузчиков.
• Единственный в цехе балочный кран не позволял произвести необходимый объем продукции из-за поломок и ремонтов в течение года. Кроме того, зона складирования перед краном была постоянно переполнена.

Чтобы оптимизировать узкие места, мы изменяли устройство цеха в модели – перераспределяли площади и переносили оборудование – и тестировали альтернативные конфигурации. В результате мы выбрали конфигурацию цеха, при которой расстановка оборудования не мешала бы производить необходимый объем продукции. Кроме того, мы рекомендовали установить дополнительный балочный кран и увеличить количество погрузчиков до 4: по нашим оценкам, это бы увеличило производительность всего цеха минимум на 7%.

Если бы на этапе создания проекта не были учтены узкие места, предприятие столкнулось бы с серьёзными последствиями после начала работы обновлённого цеха:

• Нужно было бы переносить действующие станки, что потребовало бы остановки производства и выделения дополнительных инвестиций;
• Руководству пришлось бы закупать дополнительно 6 погрузчиков вместо 4.
• Компания не смогла бы наладить производство нужных объёмов продукции, что привело бы к снижению рентабельности.

Имитационное моделирование производственного процесса позволяет снизить инвестиционные риски и найти пути оптимизации производственных процессов до их внедрения в реальный производственный цикл.

Ещё один проект от команды NFP – модель для анализа денежных потоков.

Другие модели NFP доступны на AnyLogic Cloud.

Появились вопросы по работе модели? Задавайте их в комментариях, а команда разработчиков NFP ответит на них.