Fertigungssimulationssoftware: Wie Northrop Grumman seine Modellierungsfähigkeiten mit Simio erweitert hat

Die Herausforderung

Einführung

Northrop Grumman, ein weltweit tätiges Unternehmen für Luft- und Raumfahrt und Verteidigungstechnologie, stand aufgrund der Komplexität und des Umfangs seiner Fertigungsprozesse vor großen Herausforderungen bei der Produktionsplanung. Der Standort Space Park des Unternehmens, der für die Entwicklung komplexer und innovativer Projekte wie dem James Webb Space Telescope verantwortlich ist, benötigte fortschrittliche Simulationsfunktionen, um seine Produktionsprozesse effektiv zu planen und zu steuern. In dieser Fallstudie wird untersucht, wie Northrop Grumman die Fertigungssimulationssoftware von Simio nutzte, um ein revolutionäres langfristiges Planungsmodell zu entwickeln, das die Modellierungsmöglichkeiten drastisch erweiterte und die strategische Entscheidungsfindung verbesserte.

Marie Scholl, Wirtschaftsingenieurin bei Northrop Grumman am Standort Space Park, erklärt: "Wir brauchten flexible Möglichkeiten, um diese Projekte zum Leben zu erwecken." Die vertikal integrierten Fertigungsprozesse des Unternehmens, die sich von der See- bis zur Raumfahrt erstrecken, erforderten Simulationswerkzeuge, die sowohl den unmittelbaren Produktionsbedarf als auch die langfristige strategische Planung abdecken können. In dieser Fallstudie wird beschrieben, wie Northrop Grumman durch den Einsatz der Simulationstechnologie von Simio seine Produktionsplanung und Ressourcenzuweisung verändert hat.

Hintergrund des Unternehmens

Northrop Grumman ist an der Spitze der Luft- und Raumfahrt- sowie der Verteidigungstechnologie tätig und entwickelt komplexe Systeme, die, wie das Unternehmen sagt, "das Unmögliche möglich machen". Der Standort Space Park ist für die Entwicklung anspruchsvoller Technologien verantwortlich, die von Raumfahrtsystemen bis hin zu fortschrittlichen Computerlösungen reichen. Die Fertigungsprozesse des Unternehmens sind hochspezialisiert und umfassen komplizierte Komponenten und innovative Produktionstechniken.

"Die Dinge, die wir bauen, sind kompliziert, komplex und innovativ", beschreibt Scholl die Tätigkeit des Unternehmens. "Wir sind sehr vertikal integriert, was es uns ermöglicht, ein breites Spektrum an nicht-traditionellen Fertigungsprojekten zu realisieren, von der Seefahrt bis zur Raumfahrt und allem, was dazwischen liegt."

Diese Komplexität stellt die Produktionsplanung vor besondere Herausforderungen. Da jeden Monat Tausende von Aufträgen durch die Produktionsstätten fließen, die jeweils mehrere Arbeitsgänge und spezifische Ressourcenanforderungen haben, benötigte Northrop Grumman hochentwickelte Simulationswerkzeuge, um seine Produktionsumgebung effektiv zu verwalten. Die Beteiligten des Unternehmens - Fertigungsleiter, Fertigungsteams, Programmmanager und Führungskräfte - benötigten alle unterschiedliche Einblicke in die Produktionsplanung und Ressourcenzuweisung.

Die Herausforderung: Die Grenzen der kurzfristigen Modellierung

Northrop Grumman entwickelte zunächst ein kurzfristiges Produktionsplanungsmodell mit der Fertigungssimulationssoftware von Simio. Dieses Modell nahm detaillierte Informationen aus verschiedenen Datenquellen auf, erstellte ein Simulationsmodell, erstellte einen realisierbaren Produktionsplan und lieferte Ergebnisse für die tägliche Produktionsplanung. Das Modell war für die Planung von bis zu 12 Monaten in die Zukunft wirksam und bot wertvolle Erkenntnisse für die täglichen Aufgaben, den Einsatz von Mitarbeitern und die Anpassung von Prioritäten.

Scholl erklärt jedoch: "Kein Modell ist perfekt. Bei diesem kurzfristigen Modell sind die Grenzen bekannt. Zu diesen Einschränkungen gehören:

• Extreme Detailanforderungen: Der hohe Detaillierungsgrad des Modells machte die Durchführung von Simulationen zeitaufwändig und erforderte eine umfangreiche Datenbereinigung vor der Implementierung.
• Begrenzter Zeithorizont: Da die Daten nach 12 Monaten nicht mehr so zuverlässig waren, konnte das Modell nur für ein Jahr oder weniger laufen, was die Planung langfristiger Veränderungen erschwerte.
• Eher reaktiv als proaktiv: Die Beschränkung auf 12 Monate machte das Unternehmen reaktiver, als es seine Genehmigungsverfahren manchmal zuließen, insbesondere bei der Anordnung von Geräten und personellen Veränderungen.
• Schulungseinschränkungen: Da die Prognosen nur 12 Monate in die Zukunft reichten, war es schwierig, die Mitarbeiter rechtzeitig für den künftigen Produktionsbedarf zu schulen.

Diese Einschränkungen schufen eine erhebliche Lücke in den Planungsfähigkeiten von Northrop Grumman. Scholl: "Wir müssen wissen, ob wir jetzt mehr Teammitglieder einstellen oder mehr Ausrüstung kaufen sollten, damit wir zu gegebener Zeit über die erforderlichen Fähigkeiten und Ressourcen verfügen. Außerdem wollen wir potenzielle Layout- und Anlagenverbesserungen testen und sogar größere Pläne, wie die Eröffnung eines völlig neuen Gebäudes, in Angriff nehmen.

Das Unternehmen benötigte eine Lösung, die Einblicke über den 12-Monats-Horizont hinaus bietet und gleichzeitig weniger detaillierte Dateneingaben erfordert. Dies führte zur Entwicklung eines völlig neuen Ansatzes für die Simulationsmodellierung.

Die Lösung

Die Lösung: Ein Tok4n-basiertes langfristiges Modell

Entwicklung eines neuen Modellierungsansatzes

Um die Grenzen ihres Kurzzeitmodells zu überwinden, entwickelten die Ingenieure von Northrop Grumman ein innovatives Langzeitmodell, das die Token-basierten Simulationsfunktionen von Simio nutzt. Dieser Ansatz bedeutete eine deutliche Abkehr von den traditionellen Modellierungstechniken.

"Wir haben einen völlig neuen Ansatz für dieses Modell gewählt und bei Null angefangen", erklärt Scholl. "Wir haben uns mit manuellen Daten auseinandergesetzt, neu überlegt, wie Teilefamilien und Aufgaben erstellt und ausgeführt werden, und dieses Modell so gestaltet, dass es mindestens fünf Jahre lang läuft."

Durch den Token-basierten Simulationsansatz entfiel die Notwendigkeit einer detaillierten Visualisierung der Teile, die sich durch den Produktionsprozess bewegen. Stattdessen verwendete das Modell Token - virtuelle Einheiten, die Informationen tragen und Prozessschritte ausführen - um den Arbeitsfluss durch das System darzustellen. Dieser Ansatz reduzierte die Rechenanforderungen drastisch, ohne die für die strategische Planung erforderliche Genauigkeit zu beeinträchtigen.

Wichtige Innovationen im Langzeitmodell

Das langfristige Modell enthielt mehrere innovative Ansätze zur Vereinfachung der Datenanforderungen bei gleichzeitiger Beibehaltung der Planungsgenauigkeit:

• Zusammengefasste Verfügbarkeit von Arbeitskräften: Anstelle von detaillierten Arbeitszeitplänen verwendete das Modell einen "Arbeitstage pro Monat"-Ansatz, der Ausfallzeiten und Effizienzkoeffizienten berücksichtigte.
• Vereinfachung der Teilefamilie: Anstatt jede einzelne Teilenummer zu modellieren, gruppierte das Modell ähnliche Teile in "Teilefamilien" mit allgemeinen Aufgabensätzen.
• Vereinfachte Stückliste: Das Modell verwendet einen allgemeineren Ansatz für Materialien und konzentriert sich auf die Art der benötigten Komponenten und nicht auf spezifische Teilenummern.
• Monatliche Bucket-Planung: Die Aufgaben wurden monatlichen "Buckets" und nicht bestimmten Tagen oder Uhrzeiten zugewiesen, was eine strategischere Sicht auf die Ressourcennutzung ermöglichte.

Scholl beschreibt es so: "Ein Token ist wie die unsichtbare Person hinter den Kulissen, die alles ausführt. Die Prozessschritte sagen ihm, was er tun soll. Manchmal teilt er sich selbst auf, so dass mehrere Token parallel bearbeitet werden können."

Mit diesem innovativen Ansatz konnte Northrop Grumman ein Modell erstellen, das schnell ausgeführt werden kann und gleichzeitig wertvolle Erkenntnisse für die langfristige Planung liefert. "Mit diesen einzigartigen neuen Möglichkeiten der Modellierung wurde unser Langzeitmodell geboren", sagt Scholl. "Es ermöglicht uns erfolgreich einen Fünfjahresausblick, erfordert einen geringeren Aufwand, um nützliche Eingaben zu erhalten, da wir weniger detaillierte Ausgaben benötigen, und das alles, während das Modell in nur wenigen Minuten läuft."

Umsetzung: Einbindung des Langzeitmodells

Bei der Implementierung des Langzeitmodells musste sorgfältig überlegt werden, wie es das bestehende Kurzzeitmodell ergänzen sollte. Northrop Grumman entwickelte ein klares Verständnis für die Unterschiede zwischen den beiden Modellen und wie sie zusammenarbeiten sollten, um eine umfassende Planungslösung zu bieten.

Vergleich von Kurzzeit- und Langzeitmodellen

Das Implementierungsteam erstellte einen detaillierten Vergleich der beiden Modelle, um sicherzustellen, dass die Beteiligten die geeigneten Anwendungsfälle für jedes Modell verstanden:

Dieser Vergleich half den Beteiligten zu verstehen, wann die einzelnen Modelle eingesetzt werden sollten und wie die Ergebnisse zu interpretieren sind. Scholl erklärt: "Verschiedene Aspekte dieser Modelle sind für unterschiedliche Interessengruppen von Vorteil."

Anwendungsfälle und Stakeholder-Ausrichtung

Das Implementierungsteam ermittelte drei Hauptanwendungsfälle für das langfristige Modell:

1. Analyse des aktuellen Zustands: Durchführung des Modells mit den aktuellen Arbeitskräften und Ressourcen, um die erwartete Leistung des Zeitplans und die Ressourcennutzung zu ermitteln.
2. Bestimmung des idealen Personalbestands: Ausführen des Modells mit unendlich vielen Mitarbeitern und aktuellen Ressourcen, um zu ermitteln, wie viele Mitarbeiter zur Einhaltung des Zeitplans erforderlich sind.
3. Optimierung der Ressourcen: Testen der Auswirkungen des Hinzufügens, Aktualisierens oder Entfernens von Ressourcen zur Beseitigung von Engpässen.

Diese Anwendungsfälle wurden auf die spezifischen Bedürfnisse der Beteiligten abgestimmt. Produktionsleiter und Teams, die sich auf die täglichen Details konzentrieren, nutzten die kurzfristigen Modellergebnisse. Produktionsleiter und Programmmanager, die einen Horizont von 1-12 Monaten im Auge haben, verwendeten das Kurzzeitmodell für die Jahresplanung. Programmmanager, Führungskräfte und Produktionsmanager, die an einer Planung über ein Jahr hinaus interessiert sind, nutzten das langfristige Modell für Kapazitäts- und Personalanforderungen.

Scholl merkt an: "Wirtschaftsingenieure stehen diesen Teams bei jedem Schritt zur Seite, um sie bei der Nutzung, Prüfung und Interpretation der Ergebnisse beider Modelle zu unterstützen."

Ergebnisse und Vorteile

Die Implementierung des Token-basierten Langzeitmodells brachte Northrop Grumman erhebliche Vorteile bei der Produktionsplanung. Das Modell ging erfolgreich auf die Einschränkungen des kurzfristigen Modells ein und lieferte gleichzeitig wertvolle neue Erkenntnisse für die strategische Entscheidungsfindung.

Erweiterter Planungshorizont

Der bedeutendste Vorteil war die Möglichkeit, fünf oder mehr Jahre in die Zukunft zu planen, während das Kurzzeitmodell auf 12 Monate beschränkt war. Dieser erweiterte Planungshorizont ermöglichte eine proaktivere Entscheidungsfindung bei der Personal-, Geräte- und Anlagenplanung.

"Wenn uns das Modell zeigt, dass in zwei Jahren ein großer Bedarf besteht, der mit unserem derzeitigen Personalbestand nicht rechtzeitig gedeckt werden kann, haben wir die Zeit, um die benötigten Fähigkeiten zu schulen oder sogar bei Bedarf mehr Mitarbeiter einzustellen", erklärt Scholl. "Das ist eine viel proaktivere Methode als das kurzfristige Modell."

Verbesserte Modellleistung

Der Token-basierte Simulationsansatz verbesserte die Modellleistung drastisch und reduzierte die Laufzeiten von Stunden auf Minuten. Dieser Effizienzgewinn ermöglichte häufigere Modellläufe und Szenariotests und verbesserte die Fähigkeit des Teams, verschiedene Planungsoptionen zu bewerten.

"Da nur Token, Prozesse und Datentabellen verwendet werden, kann das Modell mit dieser Methode innerhalb weniger Minuten ausgeführt werden", so Scholl. Diese Leistungsverbesserung war entscheidend für ein Modell, das fünf Jahre der Produktionstätigkeit simulieren sollte.

Reduzierte Datenanforderungen

Der vereinfachte Datenansatz des Langzeitmodells reduzierte den Aufwand für die Erstellung und Pflege des Modells erheblich. Durch die Verwendung von Teilefamilien, verallgemeinerten Aufgaben und monatlichen Eimern benötigte das Modell weniger detaillierte Daten und lieferte dennoch wertvolle Planungserkenntnisse.

"Es ist schneller, Daten für dieses Modell zu erstellen, aber es führt auch zu einem leichten Anstieg der Zeit für den Vergleich mit menschlichen Fehlern", räumt Scholl ein. Dieser Kompromiss war jedoch angesichts des strategischen Planungsschwerpunkts des Modells akzeptabel.

Verbesserte Entscheidungsfindungsfähigkeiten

Das Langzeitmodell bot Northrop Grumman neue Möglichkeiten zum Testen und Bewerten von strategischen Entscheidungen. Die Möglichkeit, Was-wäre-wenn-Szenarien für Personal-, Ausrüstungs- und Anlagenänderungen durchzuführen, ermöglichte eine fundiertere Entscheidungsfindung für langfristige Investitionen.

"Diese Optionen geben uns die Flexibilität, Theorien digital zu testen und Pläne für zusätzliche Ressourcen weit im Voraus zu erstellen", erklärt Scholl. Diese Fähigkeit war besonders wertvoll für die Planung größerer Veränderungen wie Anlagenerweiterungen oder die Einführung neuer Programme.

Die geschäftlichen Auswirkungen

Zukünftige Direktio4en

Northrop Grumman arbeitet weiter an der Verbesserung und Erweiterung seiner Simulationsmodellierungsfähigkeiten. Das Unternehmen hat mehrere Schlüsselbereiche für die zukünftige Entwicklung identifiziert:

Verbesserte Benutzerfreundlichkeit

Das Team arbeitet daran, die Benutzerfreundlichkeit der Modellergebnisse durch angepasste Dashboards und Visualisierungstools zu verbessern. "Wir setzen Tableau als Visualisierungstool ein, damit die Endbenutzer ähnliche Ergebnisse anzeigen und mit ihnen interagieren können", erklärt Scholl. "Wir passen die Dashboards an ihre täglichen Bedürfnisse an, um die Produktivität schnell zu steuern."

Prozessdokumentation und Schulung

Um eine effektive Nutzung der Modelle zu gewährleisten, entwickelt das Team eine umfassende Prozessdokumentation und Schulungsmaterialien. "Wir müssen einen Prozessablauf für die Benutzer erstellen, dem sie folgen können", so Scholl. "Wir brauchen eine Beschreibung der allgemeinen Schritte, wie die Modelle funktionieren, wie man Daten erhält und eingibt, wie, wann und warum man das Modell ausführt, wie man die Ergebnisse liest und wie man die Pläne und die Produktion auf der Grundlage der Ergebnisse verbessern kann."

Modellvalidierung und -integration

Das Team arbeitet an der Validierung des langfristigen Modells, indem es seine Ergebnisse mit dem kurzfristigen Modell vergleicht. "Die Kreuzvalidierung unserer Ergebnisse mit dem Kurzzeitmodell wird seine Gültigkeit beweisen", erklärt Scholl. "Wenn die Zahlen im ersten Jahr des Langzeitmodells mit denen des Kurzzeitmodells übereinstimmen, dann wissen wir, dass unser Langzeitmodell gültig ist."

Ausgedehnte Implementierung

Northrop Grumman plant, die Umsetzung des Langzeitmodells auf weitere Fertigungsbereiche auszuweiten. "Wir müssen ein Pilotteam finden, das die Anwendung unseres Langzeitmodells übernimmt", sagt Scholl. "Wir möchten ein Team auswählen, das über die besten verfügbaren Daten verfügt und bereit und begeistert ist, dieses Modell anzuwenden.

Fazit

Northrop Grummans Implementierung der Token-basierten Simulationsfunktionen von Simio stellt einen bedeutenden Fortschritt in der Fertigungssimulation und Produktionsplanung dar. Durch die Entwicklung eines innovativen Langzeitmodells, das die bestehenden kurzfristigen Planungsmöglichkeiten ergänzt, hat das Unternehmen eine umfassende Lösung für die Produktionsplanung über mehrere Zeithorizonte geschaffen.

Der Token-basierte Ansatz für die Simulationsmodellierung hat sich als effektive Lösung für die langfristige strategische Planung erwiesen und liefert wertvolle Erkenntnisse bei reduzierten Datenanforderungen und verbesserter Leistung. Scholl fasst zusammen: "Von den kleinsten Details bis hin zu umfassenden Fünfjahresprognosen stehen die Wirtschaftsingenieure diesen Teams bei jedem Schritt zur Seite, um sie bei der Nutzung, Prüfung und Interpretation der Ergebnisse beider Modelle zu unterstützen."

Diese Fallstudie zeigt die Leistungsfähigkeit innovativer Simulationsansätze zur Bewältigung komplexer Herausforderungen in der Fertigungsplanung. Indem Northrop Grumman über traditionelle Modellierungstechniken hinausgeht und die flexiblen Simulationsmöglichkeiten von Simio nutzt, hat das Unternehmen seine Fähigkeit verbessert, für die Zukunft zu planen und fundierte strategische Entscheidungen zu treffen.