Повышение надёжности и рентабельности цепи поставок металлургического завода

Повышение надёжности и рентабельности цепи поставок металлургического завода

Проблема

Сегодня многие сталелитейные компании сталкиваются с острой необходимостью повысить окупаемость инвестиций и уровень сервиса. Большинство сталепроизводителей пытается достичь уровня надёжности хотя бы в 80%, однако нынешним клиентам и инвесторам, как правило, этого уровня далеко не достаточно.

Моделирование производства стали

С этой проблемой столкнулся и один из крупнейших и старейших европейских производителей стали. Все попытки улучшить ситуацию и создать стабильную, эффективную систему оборачивались бесконечным устранением «узких мест». Компания обратилась за помощью к консалтинговой компании Goldratt Research Labs. Вместе они приняли решение преобразовать и оптимизировать цепь поставок компании, поскольку она была крайне уязвима к внешним изменениям, обладала низкой рентабельностью и коэффициентом возврата инвестиций.

Цепь поставок компании была настолько сложной, что руководство не могло провести никаких действенных преобразований. Вводить какие-либо новые правила было очень трудно и рискованно, поскольку результат был плохо предсказуем. Статические инструменты для поддержки принятия решений, такие как ERP (enterprise resource planning software — программное обеспечение для планирования ресурсов предприятия) или электронные таблицы Excel не могли помочь, так как были изначально не предназначены для поддержки принятия решений в настолько сложной среде.

Чтобы полностью учесть все взаимозависимости, ограничения, динамику и нестабильность цепи поставок, было решено создать её имитационную модель. С помощью моделирования инженеры могли отразить все особенности системы, выявить недостатки и протестировать возможные решения в безопасной цифровой среде. Имитационное моделирование должно было помочь руководству принимать более быстрые и эффективные решения, а также делать надежные прогнозы, которые должны были стать основой надежных гарантий для инвесторов и клиентов.

Решение

Было разработано несколько моделей, которые совместно могли отобразить всю цепь поставок металлургического завода. Программное обеспечение AnyLogic позволяет совмещать в одной модели различные методы моделирования. Инженеры воспользовались этой возможностью и интегрировали в модели агентный, дискретно-событийный и системно-динамический подходы. Это помогло отразить в моделях все компоненты, процессы и взаимосвязи системы. Созданные модели обладали функционалом для:

Данные для моделей (более 70 таблиц Excel) были взяты из систем ERP и EMS (англ. Enterprise Management System, системы управления предприятием), которыми пользовалась компания. При этом функция автоматичской подгрузки данных в модель из внешних источников, предусмотренная в AnyLogic, позволила разработчикам значительно сэкономить время.

В моделях реализована подробная двух- и трехмерная анимация. С помощью инструментов визуализации AnyLogic разработчикам удалось создать удобный и простой интерфейс.

Модели можно экспортировать на любой компьютер как отдельные приложения, которые запускаются без специального программного обеспечения. Кроме того, можно запускать модели и проводить эксперименты удаленно, в облаке, с помощью онлайн-сервиса AnyLogic Cloud. Этот онлайн-сервис позволяет обмениваться моделями, обсуждать различные сценарии и предоставлять коллегам или клиентам аналитические данные, полученные при моделировании, что сегодня принципиально важно для быстрого и эффективного принятия решений. B AnyLogic Cloud запускать модели можно в браузере с любого устройства, в том числе с мобильных телефонов и планшетов.

Имитационное моделирование конечного участка производства горячих рулонов

Имитационное моделирование конечного участка производства горячих рулонов

Конечный участок производства горячих рулонов был перегружен готовой продукцией. Рулоны постоянно приходилось перекладывать с места на место, чтобы достать необходимый. Рулонами была загромождена даже автостоянка, что явно указывало неэффективную работу системы. Необходимо было выработать новые решения, чтобы избежать образования завалов и стабилизировать поток продукции.

Разработанная модель отобразила местоположение всех рулонов на производственных площадках. При этом были указаны тип, место назначения и место хранения каждого рулона.

Модель помогла разработать действенные решения проблемы загромождения производственных площадок готовой продукцией. При этом были учтены такие факторы как производительность, экономическая эффективность и запас промежуточных продуктов. Были протестированы различные эксплуатационные изменения, которые могли бы способствовать лучшему планированию и контролю производства, например, увеличение мощности широкополосного стана горячей прокатки и удвоение ширины рулона. Созданная модель также позволила найти наиболее способ обновить и оптимизировать парк грузовых вагонов. В будущем модель может использоваться для тестирования новых операционных правил, которые позволят полностью автоматизировать процесс управления производством горячих рулонов.

Моделирование производства стали и слябов

Моделирование производства стали и слябов

Производство стали — сложный процесс, включающий в себя множество операций, которые необходимо скоординировать друг с другом. Поэтому очень трудно предсказать, как повлияет на производственные процессы изменение ассортимента продукции или операционных правил. Была необходима подробная модель, чтобы предсказать последствия изменений, необходимых для повышения эффективности производства.

Моделирование позволило разработчикам отразить все элементы производственной системы в виртуальной среде. В подробной двумерной модели производства пользователь может кликнуть на любой кран или продукт и увидеть его статус и текущие операции. В основе модели лежит логическая схема, составляющая график всех производственных операций. Ассортимент продукции и другие параметры можно задать и изменить. При необходимости возможен переход на ручное планирование.

Моделирование производства стали и сляба позволило:

Модель цепи поставок чёрной металлургии

Модель цепи поставок чёрной металлургии

Как упоминалось выше, компания столкнулась с проблемой перегрузки производственных площадок и низкой надежностью. Компания располагала большим материально-производственным запасом и не могла рационально им управлять. Необходимо было:

Задачей Goldratt Research было снабдить менеджеров компании-клиента инструментом оптимизации и поддержки принятия решений, который они могли бы использовать для выполнения вышеописанных задач.

Разработанная модель подробно отображает все звенья цепи поставок. Пользователь может кликнуть на интерактивный элемент в схеме производственно-сбытовой системы и увидеть, какие процессы в нем происходят. Модель предоставляет пользователю информацию о количестве продукции на складе, состоянии оборудования, финансовых показателях и т.д. Благодаря возможностям платформы AnyLogic, в модель также удалось включить элементы машинного обучения. За счёт этого модель можно использовать как инструмент прогнозирования и планирования, который учится на прошлом опыте и советует, когда следует уменьшать или увеличивать запасы продукции.

Модель показала, что в основном проблемы компании были вызваны тем, что руководство всегда выбирало самый дешёвый вариант производства и транспортировки. Другая проблема заключалась в постоянном колебании мощности производства. Модель позволила:

Результат

С помощью модели компании Goldratt Research и её клиенту удалось выяснить причины образования скоплений готовой продукции и низкой надежности, с которыми компания столкнулась в последние годы.

Что касается поиска решений, модели позволили в безрисковой цифровой среде недорого и быстро просчитать влияние любых изменений на операционные и финансовые показатели. Модели также использовались для взаимной проверки результатов.

Кроме того, модели можно в дальнейшем использовать на еженедельной, ежемесячной или ежегодной основе для анализа рабочих процессов, принятия принципиально важных решений и предоставления клиентам и инвесторам надёжных гарантий.

Презентация Алана Барнарда и Жако-Бена Восло из Goldratt на конференции AnyLogic 2018

Похожие проекты

Другие истории успеха