Fate — ведущая аргентинская компания по производству и экспорту автомобильных шин. Она владеет крупнейшим и самым современным в Аргентине заводом мощностью более 5 миллионов шин в год, на котором работают более 2 000 сотрудников.
Проблема
Компания Fate хотела оптимизировать свои процессы переработки для повышения производительности. Для этого ей требовался гибкий инструмент, позволяющий анализировать влияние различных сценариев на производительность. Этот инструмент предстояло разработать в рамках сложной системы, с учетом стандартизированной логики и критериев всего производства.
Проект охватывал предприятие по производству шин для пассажирского транспорта и три производственных участка: по обработке материалов, сборке шин и вулканизации.
Целью компании было не решение отдельной проблемы, а создание целостного представления обо всем производстве. Имитационная модель позволила бы Fate анализировать объемы и потребности производства, наличие рабочей силы, распределение задач для персонала и оборудования, узкие места и т. д.
Решение
Компания Fate заключила контракт с Eurystic на разработку модели и проведение имитационных экспериментов. Для этих целей Eurystic выбрала ПО AnyLogic, поскольку оно позволяет работать со сложными системами и процессами, зависимыми от времени. Кроме того, благодаря гибкости AnyLogic можно быстро создавать панели экспериментов. Также с помощью диаграмм состояний можно выявлять, например, работает ли оборудование исправно, или возникли сбои. Применение AnyLogic позволило разработчикам выполнять множество итераций и настраиваемых экспериментов для сравнения различных сценариев.
В зависимости от входных данных модели менялась конфигурация виртуальной производственной системы. После запуска имитационная модель показывала текущие и накопленные результаты на панели эксперимента. Эту информацию можно было экспортировать в другие программы.
В имитационной модели сочетались два подхода: агентный и дискретно-событийный. При агентном подходе использовались диаграммы состояний для таких агентов, как оборудование и персонал для перевозок, а для сложной внутренней логики обработки материалов использовались диаграммы действий. Однако для моделирования конвейерных лент лучше всего подошел дискретно-событийный подход.
Для модели такого масштаба требовался обширный набор входных данных и параметров, как показано на рисунке ниже.
Некоторые входные данные хранились в программе планирования ресурсов предприятия (ERP), но остальные были собраны вручную, систематизированы и структурированы для использования в модели. Чтобы модель можно было использовать на регулярной основе, ее необходимо было постоянно обновлять с учетом последней информации о компании, получаемой через ERP и из отчетности.
Производственный график для всего технологического оборудования, за исключением последнего процесса, определялся логикой и параметрами модели. Необходимо было собрать и стандартизировать логику для каждой единицы оборудования, а также обеспечить выполнение итоговых правил модели.
Логика транспортировки была аналогична планированию производственных графиков, при котором оптимизация потоков продукции осуществлялась путем определения правил и расстановки приоритетов.
По завершении моделирования информация экспортировалась в электронные таблицы и сравнивалась с реальными производственными результатами. После этого информацию можно было анализировать с помощью программы для бизнес-аналитики.
Из соображений конфиденциальности моделирование в презентации показано на основе вымышленных сценариев. Ниже приведены примеры пользовательского интерфейса.
Результаты
Во многих случаях для получения окончательного решения проводилось несколько итераций. Полученные результаты и выводы включали следующие:
- Завершение планирования производства.
- Визуализацию узких мест.
- Определение пропускной способности завода.
- Оценку распределения человеческих ресурсов, последствия устранения узких мест и путей их устранения.
- Оптимизацию внутренней логистики.
- Тестирование унификации материалов и компонентов, а также тестирование и оценку различных стратегий.
Имитационная модель позволила проверить множество идей. Те из них, которые продемонстрировали наибольший эффект и наименьшие затраты, можно будет дополнительно проанализировать и реализовать в будущем.
Этот проект был представлен на конференции AnyLogic 2021 Дамианом Марино из Eurystic и Алехандро Пазом из Fate.
Презентация доступна в формате PDF.
