Wie Dijitalis durch AGV-Optimierungssimulationen in der Elektronikfertigung 1,5 Millionen Dollar einsparen konnte

Die Herausforderung

Zusammenfassung

Dijitalis Consulting, ein führendes Simulations- und Optimierungsunternehmen, wurde mit der Optimierung von Investitionen in fahrerlose Transportsysteme (FTS) für einen globalen Elektronikhersteller beauftragt. Der Kunde plante umfangreiche Modernisierungen seiner Anlagen, einschließlich des Austauschs seiner veralteten AGV-Flotte von 132 Fahrzeugen, die häufig zu Produktionsverzögerungen führten. Mithilfe der leistungsstarken Simio-Simulationsfunktionen erstellte Dijitalis ein umfassendes digitales Zwillings-Fertigungsmodell der 72.000 m² großen Anlage mit 15 Montagelinien, 6 FTS-Parkplätzen und 169 Lieferpunkten.

Die Simulation ergab, dass nur 95 FTS benötigt wurden - 37 weniger als ursprünglich vorgeschlagen - was zu Einsparungen bei den Investitionskosten von über 1,5 Millionen Dollar führte. Über die Kostenreduzierung hinaus wurde das Simio-Modell zu einem unschätzbaren Werkzeug zur kontinuierlichen Verbesserung, das es dem Kunden ermöglichte, Layoutänderungen, Prozessänderungen und Produktionspläne vor der Implementierung zu testen. Diese Fallstudie zeigt, wie simulationsgestützte Entscheidungsfindung eine beträchtliche Kapitalrendite erzielen und gleichzeitig betriebliche Spitzenleistungen sicherstellen kann.

Hintergrund des Kunden

Dijitalis Consulting wurde 2006 in Istanbul gegründet und hat seither über 250 Projekte für mehr als 400 Kunden in 15 Ländern erfolgreich durchgeführt. Das Unternehmen hat sich auf die Erstellung mathematischer Modelle zur Analyse des Materialflusses, zur Ermittlung von Ineffizienzen und zur Prüfung von Anlagenverbesserungen für Kunden aus der Automobil-, Fertigungs-, Logistik- und Textilbranche spezialisiert.

Der Kunde, ein weltweit tätiger Elektronikhersteller, betreibt eine 34.000 m² große Produktionsanlage mit 15 Montagelinien. Die bestehende FTS-Flotte von 132 Fahrzeugen war veraltet und verursachte häufig Produktionsverzögerungen, da sie im Wegenetz stecken blieben und das Material nicht pünktlich liefern konnten. Das Unternehmen leitete größere Investitionen ein, darunter automatisierte Lager, eine neue Lackiererei, eine höhere Produktionskapazität und eine neue FTS-Flotte.

Herausforderung: Mehr als eine einfache Flottendimensionierung

Der Kunde stand vor einer komplexen Entscheidung bezüglich seiner FTS-Investition. Die Hauptfrage war zwar, wie viele FTS angeschafft werden sollten, aber die Herausforderung ging weit über die einfache Flottengröße hinaus:

Unsicherheit bei den Anbietern

FTS-Hersteller versuchen in der Regel, so viele Fahrzeuge wie möglich zu verkaufen, ohne eine detaillierte Analyse durchzuführen, um die optimale Anzahl zu ermitteln. Sie entwickeln nur selten komplexe Modelle, um ihre Empfehlungen zu belegen, und überlassen es den Kunden, Entscheidungen auf der Grundlage grober Schätzungen oder früherer Erfahrungen zu treffen.

Betriebliche Komplexität

Das Materialflusssystem des Werks war sehr komplex:

• 15 Montagelinien mit unterschiedlichen Produktionsplänen
• 6 AGV-Parkplätze, die 169 Lieferstellen bedienen
• Tausende von verschiedenen SKUs in 27 Materialgruppen
• Häufige Umstellungen, die ein präzises Timing der Materiallieferung erfordern

Mehrere miteinander verknüpfte Fragen

Der Kunde benötigte Antworten auf zahlreiche miteinander verknüpfte Fragen:

• Ist der Produktionsplan mit dem neuen FTS-System realisierbar?
• Wird es während der Produktion zu Fehlbeständen kommen?
• Wann sollten Umstellungen stattfinden?
• Wie sollte der Versorgungsprozess gestaltet werden?
• Wann soll die Materialbereitstellung für neue Aufträge beginnen?
• Wie viele FTS-Ladestationen werden benötigt?
• Wird es zu Engpässen im Wegenetz kommen?
• In welchen Bereichen wird es zu starken Verkehrsstaus kommen?

Herkömmliche, auf Tabellenkalkulationen basierende Berechnungen konnten die dynamischen Wechselwirkungen zwischen diesen Faktoren nicht berücksichtigen, so dass die Simulation der einzige brauchbare Ansatz für eine umfassende Optimierung war.

Die Lösung

Die Lösung: Datengestützte Simulationsmodellierung mit Simio

Dijitalis wandte einen strukturierten Ansatz mit der Simio-Simulationssoftware an, um einen umfassenden digitalen Zwilling der Materialtransportabläufe der Anlage zu erstellen:

Datenerfassung und -validierung

Das Team sammelte und validierte umfangreiche Daten, darunter:

• Anlagenlayout und Abmessungen aus AutoCAD-Zeichnungen
• Materialliste für alle Produkte
• Lagerhaus und Materiallagerplätze
• FTS-Spezifikationen und Parkstationen
• Produktionszeitpläne und Umrüstungen

Entwurf des Versorgungsprozesses

Nach einer sorgfältigen Analyse entschied sich das Team für ein Push- und nicht für ein Pull-System. Diese Entscheidung beruhte auf mehreren Faktoren:

Praktikabilität der Implementierung: Ein Pull-System würde die Berechnung optimaler Bestellpunkte und -mengen für Tausende von verschiedenen Artikeln erfordern, was die Implementierung und Verwaltung unpraktisch macht.

Betriebliche Einfachheit: Das Push-System benötigte nur einen Parameter - wie viele Minuten vor der Umstellung, um mit der Materialversorgung für das nächste Produkt zu beginnen.

Verfügbarkeit des Lagers: Die Montagelinien verfügten über ausreichend Lagerplatz, um den Ansatz des Push-Systems zu unterstützen.

Der Prozess verwendete Produktionsplandaten, Paletteninformationen und Stücklisten, um die verbleibende Produktionszeit zu berechnen und die Materialversorgung für das nächste Produkt zum richtigen Zeitpunkt vor der Umstellung auszulösen.

Entwicklung des Simulationsmodells in Simio

Die objektorientierte Struktur und die datengesteuerten Funktionen der Simio-Simulationssoftware waren entscheidend für die Erstellung eines genauen, flexiblen Modells:

Datengesteuerter Ansatz

Das Modell nutzte die Datentabellenfunktionalität von Simio zum Importieren und Verwalten:

• Definitionen von Produktionslinien mit Koordinaten und Zeitplänen
• Produktionspläne mit Auftragsreihenfolgen und Losgrößen
• AGV-Parkplätze mit genauen Koordinaten
• Aus AutoCAD extrahierte Lagerstandorte
• Materialplanungsinformationen für 435 verschiedene Arbeitspläne
• Stücklisten für 387 verschiedene SKUs

Effiziente Modellerstellung

Die Fähigkeiten von Simio ermöglichen:

• Automatische Erstellung von 169 Versorgungszielobjekten an präzisen Koordinaten
• Definition von benutzerdefinierten Bibliotheksobjekten, die global modifiziert werden können
• Integration von Produktionsdaten über relationale Datenbankstrukturen
• Verwendung des Elements Material zur Definition von Stücklisten, ohne dass Tausende von Einzelobjekten erstellt werden müssen

Visualisierung und Analyse

Das Modell bot leistungsstarke Visualisierungsmöglichkeiten:

• 3D-Darstellung der Anlage und der AGV-Bewegungen
• Echtzeit-Überwachung der AGV-Auslastung und -Standorte
• Wärmekarten, die Verkehrsdichte und Wartezeiten anzeigen
• Detaillierte Verfolgung von Materialfluss und Lagerbeständen

Modellüberprüfung und -verbesserung

Die Simulation zeigte mehrere Konstruktionsprobleme auf, die zu betrieblichen Problemen geführt hätten:

Deadlock-Verhinderung

Der ursprüngliche Entwurf sah eine einspurige Zweirichtungsbahn in einem Bereich mit hohem Verkehrsaufkommen vor. Die Simulation zeigte, dass dies zu Blockaden führen würde, da sich FTS aus entgegengesetzten Richtungen gegenseitig blockieren würden. Das Team empfahl, auf einspurige Pfade in entgegengesetzten Richtungen umzusteigen, um das Risiko von Blockaden zu beseitigen.

Optimierung des Verkehrs

Die aus der Simulation generierten Heatmaps zeigten:

• Bereiche mit hohem Verkehrsaufkommen
• Orte, an denen die AGVs die meiste Zeit mit Warten verbringen
• Kreuzungspunkte, die Staus verursachen

Diese Erkenntnisse führten zu Layoutänderungen, die den Verkehrsfluss verbesserten und Engpässe verhinderten.

Szenariotest und Optimierung

Mit Hilfe des Simio-Experimentiermoduls führte das Team 35 Szenarien durch, in denen verschiedene Kombinationen getestet wurden:

• Anzahl der AGVs in jedem Parkbereich
• Anzahl der Ladestationen in jedem Bereich
• Auslöser für die Auftragsfreigabe (Minuten vor der Umstellung)

Der primäre KPI war die Produktionsverzögerung, mit einem Ziel von null Minuten. Zu den sekundären KPIs gehörten die FTS-Auslastungsraten und die Anzahl der FTS, die in den Parkbereichen als Puffer für Wartung oder Ausfälle zur Verfügung stehen.

Die geschäftlichen Auswirkungen

Ergebnisse: Einsparungen in Höhe von 1,5 Millionen Dollar und betriebliche Exzellenz

Die simulationsbasierte Optimierung brachte erhebliche Vorteile:

Verringerung der Investitionsausgaben

Das optimale Szenario erforderte nur 95 FTS anstelle der ursprünglich vorgeschlagenen 132, was eine Reduzierung der Flottengröße um 28 % bedeutet. Bei durchschnittlichen FTS-Kosten von 50.000 US-Dollar bedeutete dies Einsparungen bei den Investitionsausgaben von über 1,5 Millionen US-Dollar.

Optimierte Ressourcenzuweisung

Die Simulation ermittelte:

• Die genaue Anzahl der in jedem Parkbereich benötigten AGVs
• Die optimale Anzahl von Ladestationen in jedem Bereich
• Eine Auftragsfreigabezeit von 16 Minuten vor der Umstellung war ausreichend

Ausgewogene Auslastung

Das optimierte Szenario erreichte eine durchschnittliche FTS-Auslastung von 65-66%, was ein effizientes Gleichgewicht zwischen Ressourcenverfügbarkeit und Betriebsanforderungen darstellt. Die Simulation zeigte Auslastungsmuster über den ganzen Tag hinweg, mit Spitzenwerten während der morgendlichen Umstellung und der nachmittäglichen Chargenproduktion.

Null Produktionsverzögerungen

Am wichtigsten ist, dass die optimierte Konfiguration sicherstellte, dass es keine Produktionsverzögerungen aufgrund von Materiallieferproblemen gab, wodurch die Produktionseffizienz aufrechterhalten und gleichzeitig die Kapitalinvestitionen minimiert wurden.

Über die anfängliche Optimierung hinaus: Ein Werkzeug zur kontinuierlichen Verbesserung

Der Wert des Simio-Modells ging weit über die anfängliche Dimensionierung der FTS-Flotte hinaus:

Kontinuierliche Entscheidungsunterstützung

Das Simulationsmodell wurde zu einem Werkzeug für kontinuierliche Verbesserungen:

• Testen von Layout-Änderungen
• Bewertung von Prozessänderungen
• Validierung von Produktionsplänen
• Bewertung der Auswirkungen neuer Produkteinführungen

Umfassendes Facility Management

Das einzelne Simulationsprojekt lieferte mehrere Werkzeuge:

• CapEx- und OpEx-Kostenoptimierung
• Verhinderung von Blockaden im Streckennetz
• Optimierung des Versorgungsmanagements
• Entscheidungshilfe für neue Investitionen
• Parameterbasierte Ressourcenoptimierung

Zukunftssicherer Betrieb

Wenn sich das Produktportfolio und die Produktionsanforderungen des Kunden weiterentwickeln, bietet das Simio-Modell weiterhin einen Mehrwert durch:

• Prüfung der Machbarkeit neuer Produktionspläne
• Bewertung der Auswirkungen von Produktänderungen auf den Materialfluss
• Identifizierung von potenziellen Engpässen, bevor sie auftreten
• Unterstützung der datengestützten Entscheidungsfindung

Schlussfolgerung: Die Macht der simulationsbasierten Entscheidungsfindung

Diese Fallstudie zeigt die transformative Wirkung der simulationsbasierten Entscheidungsfindung auf die Investitionsplanung und die betriebliche Optimierung. Indem Dijitalis grobe Schätzungen und Lieferantenempfehlungen durch datengestützte Analysen ersetzte, half es seinem Kunden:

• Einsparung von über 1,5 Millionen Dollar an unnötigen AGV-Käufen
• Sicherstellung der Produktionseffizienz ohne Verzögerungen bei der Materiallieferung
• Verhinderung potenzieller Engpässe und betrieblicher Probleme
• eine wertvolle Ressource für laufende Verbesserungen und Entscheidungshilfen zu schaffen

Das Projekt zeigt, wie die leistungsstarken Simio-Simulationsfunktionen einen beträchtlichen ROI erzielen und gleichzeitig Einblicke liefern können, die mit herkömmlichen Analysemethoden nicht möglich wären. Für Produktions- und Logistikbetriebe, die mit komplexen Herausforderungen im Bereich der Materialhandhabung konfrontiert sind, bietet die Simulation einen bewährten Ansatz zur Optimierung von Investitionen und zur Verbesserung der betrieblichen Leistung.