Der Einsatz von Simio Scheduling in der Industrie 4.0

Die Herausforderung

von Devdatta Deo, Alex D. Molnar

Vorgestellt auf der Wintersimulationskonferenz 2019

Die Simulation wird traditionell in Systementwicklungsprojekten eingesetzt, deren grundlegendes Ziel die Bewertung von Alternativen und die Vorhersage und Verbesserung der langfristigen Systemleistung ist. In dieser Rolle ist die Simulation zu einem Standardwerkzeug für Unternehmen geworden, das viele dokumentierte Erfolgsgeschichten vorzuweisen hat. Neben diesen traditionellen Systementwurfsanwendungen kann die Simulation auch eine wichtige Rolle bei der Terminplanung spielen, indem sie die kurzfristige Leistung eines Systems vorhersagt und verbessert. In der Fertigung geht der neue Trend hin zu digital vernetzten Fabriken, die eine Reihe einzigartiger Anforderungen mit sich bringen, die mit herkömmlichen Simulationswerkzeugen nicht erfüllt werden können. Simio wurde von Grund auf so konzipiert, dass es sowohl für traditionelle Anwendungen als auch für fortschrittliche Planungen geeignet ist, und zwar mit der Grundidee, dass ein einziges Simio-Modell beide Zwecke erfüllen kann. In diesem Beitrag konzentrieren wir uns auf die Anwendung der Simio-Simulation in der Industrie 4.0-Umgebung.

Einführung

Simio ist ein Simulationsmodellierungsrahmen, der auf intelligenten Objekten basiert. Die intelligenten Objekte werden von Modellierern erstellt und können dann in mehreren Modellierungsprojekten wiederverwendet werden. Die Objekte können auch in Bibliotheken gespeichert und leicht gemeinsam genutzt werden. Einsteiger in die Modellierung ziehen es vielleicht vor, vorgefertigte Objekte aus Bibliotheken zu verwenden; das System ist jedoch so konzipiert, dass es auch Anfängern leicht fällt, ihre eigenen intelligenten Objekte zu erstellen. Ein Simio-Objekt kann eine Maschine, ein Roboter, ein Flugzeug, ein Kunde, ein Arzt, ein Tank, ein Bus, ein Schiff oder jedes andere Objekt sein, das Ihnen in Ihrem System begegnen könnte. Ein Modell wird durch die Kombination von Objekten erstellt, die die physischen Komponenten des Systems darstellen. Ein Simio-Modell sieht aus wie das reale System.

Die Objekte werden nach den Konzepten der Objektorientierung erstellt. Im Gegensatz zu anderen objektorientierten Simulationssystemen ist der Prozess der Objekterstellung jedoch sehr einfach und vollständig grafisch. Dank der patentierten Objektarchitektur von Simio ist es nicht notwendig, Programmiercode zu schreiben, um neue Objekte zu erstellen. Weitere Informationen zu Simio finden Sie in den Büchern von Kelton, Sturrock und Smith, Joines und Roberts oder Pegden und Sturrock (Kelton, Smith und Sturrock 2018; Joines und Roberts 2015; Pegden und Sturrock 2013).

Simio wurde entwickelt, um Anwendungen sowohl im Systemdesign als auch in der Planung zu unterstützen, mit Vorteilen, die es ideal für die zunehmend digitale Fertigungsumgebung machen. Zu den einzigartigen Funktionen, die für eine erfolgreiche Anwendung der Simulation auf die Planung erforderlich sind, gehören Datenintegrationsfunktionen für den Zugriff auf Unternehmensdaten, eine detaillierte Transaktionsprotokollierung, eine cloudbasierte Bereitstellung detaillierter Planungsergebnisse und eine auf Variabilität und Ungewissheit basierende Planungsrisikoanalyse (Risk-based Planning and Scheduling oder RPS). Simio wurde von Grund auf so konzipiert, dass diese Funktionen in seine objektbasierte Architektur integriert sind.

In den folgenden Abschnitten geben wir zunächst einen Überblick über die Herausforderungen, die Industrie 4.0 mit sich bringt, diskutieren alternative Planungsansätze und konzentrieren uns dann auf die Simio-Lösung zur Lösung der einzigartigen Probleme, die mit Industrie 4.0-Umgebungen verbunden sind.

Das Aufkommen von Industrie 4.0

Die "vierte industrielle Revolution" oder Industrie 4.0 bezeichnet die Umsetzung der Digitalisierung in der Fertigung. Sie ist ein natürlicher Trend und das Ergebnis fortlaufender technischer Verbesserungen, die es ermöglichen, Prozessressourcen zu automatisieren und miteinander zu verknüpfen. Durch die Verbindung mit Daten sind sie in der Lage, intelligent auf ihre Umgebung zu reagieren, Daten zu messen und zu sammeln, um Entscheidungen zu treffen und folglich Maßnahmen zu ergreifen.

Zu den Technologien der Industrie 4.0 gehören das Internet der Dinge (IoT), Big-Data-Analysen und künstliche Intelligenz (KI). Cloud Computing und Systemintegration ermöglichen es Komponenten wie autonomen Robotern und additiver Fertigung, zusammenzuwachsen und zum Nutzen der Industrie zu kooperieren.

Vernetzte Fabriken oder "Smart Factories", wie sie genannt werden, nutzen diese Technologien der dritten Plattform und erfordern die Konvergenz von Informationstechnologie (IT) und Betriebstechnologie (OT), Robotik, Daten und Prozessen. Weitere Informationen zu Industrie 4.0 finden Sie in dem Buch von Pegden, Deliver on Your Promise: How Simulation-Based Scheduling Will Change Your Business (Pegden 2017).

Die Lösung

Planung und Terminierung

Planung und Terminierung sind Begriffe, die manchmal austauschbar verwendet werden; in einem Fertigungskontext ist die Planung jedoch der Prozess der Definition der zu erledigenden Aufgaben, während die Terminierung der Prozess der Sequenzierung dieser Aufgaben, der Auswahl von Start- und Endzeiten für jede Aufgabe und der Zuweisung der begrenzten Ressourcen zur Durchführung der geplanten Arbeit ist. Bei der Terminplanung wird ein Plan in eine schrittweise Abfolge von Aufgaben umgewandelt, die auszuführen sind, um bestimmte Ziele zu erreichen, z. B. die Fertigstellung jedes Auftrags bis zu einem bestimmten Termin.

Ein anfänglicher Plan wird oft mit Hilfe eines rückwärts gerichteten Sequenzierungsansatzes erstellt, der auf einfachen Vorlaufzeiten für jeden Auftrag basiert. Wenn z. B. ein Auftrag bis zu einem bestimmten Datum abgeschlossen werden muss und eine geplante Vorlaufzeit von drei Wochen hat, muss er mindestens drei Wochen vor dem Fälligkeitstermin beginnen. Wenn dieser Auftrag Vorgängeraufträge hat, müssen diese alle (auf der Grundlage ihrer Durchlaufzeiten) so geplant werden, dass sie vor dem erforderlichen Starttermin für diesen Auftrag abgeschlossen sind. Diese Rückwärtsreihenfolge wird so lange fortgesetzt, bis der erforderliche Starttermin für alle Aufträge festgelegt ist. Häufig arbeitet dieser Planungsprozess mit einem festen Planungszeitraum (z. B. eine Woche), wobei jeder Auftragsstartzeitpunkt dem Startzeitpunkt einer Planungsperiode zugeordnet wird. Der Planungsprozess kann auch eine Materialplanung durchführen, um sicherzustellen, dass alle erforderlichen Materialien zu Beginn jeder Planungsperiode verfügbar sind. Dies ist die Aufgabe eines typischen ERP/MRP/APS-Systems.

Die Durchlaufzeiten, die bei diesem Rückwärtsplanungsansatz verwendet werden, setzen sich aus einer Bearbeitungszeit und einer Wartezeit zusammen. Die geschätzte Wartezeit ist in der Regel viel größer als die Bearbeitungszeit und soll die Zeit erfassen, die der Auftrag auf begrenzte Ressourcen im System warten muss. In Wirklichkeit ist die Wartezeit nicht bekannt, sie ist sehr dynamisch und hängt vom aktuellen Zustand des Systems ab. Diese Variable wird jedoch in der Planungsphase ignoriert, und es wird eine einzige statische Warteschlangenzeit verwendet, um einen groben Gesamtplan zu erstellen.

Die Umwandlung eines Plans in einen detaillierten Arbeitsplan, der die begrenzte Kapazität des Systems vollständig berücksichtigt, ist ein komplexes Problem, für das keine exakte Lösung bekannt ist, weshalb wir eine gute und keine optimale Lösung anstreben. In einigen Fällen wird die Planungsphase manuell mit Hilfe einer Tabellenkalkulation oder einer Plantafel durchgeführt. Es gibt jedoch auch Planungswerkzeuge für endliche Kapazitäten, die speziell für diesen Zweck auf der Grundlage eines mathematischen oder Simulationsmodells des Systems entwickelt wurden.

In einer Smart Factory hat der dezentralisierte Fertigungsprozess mit einer digitalen Lieferkette das Potenzial zur Selbstoptimierung seiner Systeme und Prozesse, so dass neben dem wichtigen Aspekt der Cybersicherheit die Planung der zweite Eckpfeiler von Industrie 4.0 ist.

Mathematische Modelle versus Simulationsmodelle

In der etablierten Fertigung, zum Beispiel mit ILOG oder PP/DS im SAP-System, wird die Planung mit einem mathematischen Modell angegangen, bei dem eine Reihe von Gleichungen mit gemischt-ganzzahliger linearer Programmierung, constraint-basierter Programmierung (CBP) oder Heuristiken wie genetischen Algorithmen "gelöst" werden, um die bestmöglichen Lösungen zu finden.

Obwohl CBP relativ große und komplexe Modelle lösen kann, hat dieser Ansatz einige Einschränkungen, wenn es um die Erstellung von detaillierten Zeitplänen geht. Es gibt Situationen, in denen die Komplexität des Prozesses nicht genau modelliert werden kann oder in denen Details ausdrücklich aus dem Modell herausgehalten werden müssen, um den zugrunde liegenden Solver nicht zu überfordern. Auch ist ein hohes Maß an Erfahrung und Wissen erforderlich, um diese Systeme erfolgreich einzusetzen.

In einer Industrie 4.0-Anwendung werden kontinuierlich große Datenmengen aus allen Bereichen des Prozesses gesammelt. Das bedeutet, dass eine fortschrittliche Verarbeitung in Echtzeit angewendet werden kann, um die genaue Situation zu analysieren, neu zu bewerten und zu optimieren. Da alle Prozessressourcen miteinander verbunden sind, können diese Entscheidungen direkt in die Fertigung zurückgespielt werden, so dass eine fast sofortige Reaktion möglich ist, um den Fluss entsprechend anzupassen. Es wird eine einfache, schnelle und flexible alternative Methode benötigt, um diese Sofortpläne in Echtzeit während des Prozesses zu erstellen.

An dieser Stelle ist ein Simulationsmodell viel nützlicher als ein mathematisches Modell. Im Simulationsmodell beschreiben wir die Logik innerhalb des Systems auf jeder gewünschten Detailstufe. Die gesamte komplexe Materialhandhabung (fahrerlose Transportsysteme, Förderbänder, Roboter oder andere Geräte), die innerhalb und zwischen den Arbeitsplätzen in der Industrie 4.0 stattfindet, kann detailliert modelliert werden. Da wir das Modell simulieren und nicht "lösen", können wir so viele Details in das Modell einbeziehen, wie wir wollen, ohne dass sich dies wesentlich auf die Ausführungszeit auswirkt.

Wenn das Modell "läuft", spielt es das Verhalten des realen Systems nach, indem es die tatsächliche Bewegung der Aufträge durch das System in einer zeitlich geordneten Abfolge simuliert. Im Gegensatz zu einem mathematischen Modell können wir mit dem Simulationsmodell auch das Systemverhalten animieren und sehen, wie das System im Laufe der Zeit ausgeführt wird. Dies ist nicht nur für die Validierung und Überprüfung des Systems nützlich, sondern auch, um die Beteiligten von der Gültigkeit des Zeitplans zu überzeugen. Abbildung 1 zeigt einen Beispielscreen-Shot einer laufenden Animation einer Produktionsanlage.

Modellierung für Planungszwecke

Die Qualität des von einem Simulationsmodell erstellten Terminplans wird durch die im Modell verwendete Terminplanungslogik bestimmt. Es gibt zwei kritische Terminierungsentscheidungen, die während der Ausführung der Simulation wiederholt getroffen werden. Die erste ist die Entscheidung über die Ressourcenauswahl, die getroffen wird, wenn ein Auftrag eine von zwei oder mehr alternativen Ressourcen nutzen kann. Dabei kann es sich um eine Ressource wie eine Maschine, einen Operationssaal, Arbeitskräfte oder ein Materialhandlinggerät handeln. Hier muss eine Entscheidung getroffen werden, welche Ressource dem Auftrag zugewiesen wird. In einigen Fällen kann der Auftrag (z. B. ein Produktionslos) aufgeteilt und mehreren Ressourcen zugewiesen werden. Die zweite kritische Entscheidung ist die Auftragsauswahlentscheidung, die in der Simulation getroffen wird, wenn eine Ressource frei wird und mehr als ein Auftrag darauf wartet, von dieser Ressource bearbeitet zu werden. Hier geht es um die Entscheidung, welcher Auftrag als nächster bearbeitet werden soll. Diese beiden kritischen Entscheidungen werden durch modellspezifische Planungsregeln getroffen.

Die Regeln für die Ressourcenauswahl und die Jobauswahl arbeiten zusammen mit der Logik des Simulationsmodells, um den Zeitplan zu erstellen. Diese Regeln können von sehr einfachen Regeln wie der Minimierung von sequenzabhängigen Rüstvorgängen bis hin zu komplexeren hybriden Regeln reichen, die die Theory-of-Constraints zur Durchsatzoptimierung mit Make-to-Order-Strategien kombinieren, die auf Fälligkeitsdaten abzielen. Ein wichtiger Vorteil der simulationsbasierten Terminierung ist die Möglichkeit, auf einfache Weise benutzerdefinierte Regeln für spezielle Terminierungssituationen zu integrieren.

Beachten Sie, dass sowohl das mathematische Modell als auch das Simulationsmodell nicht darauf abzielen, einen optimalen Zeitplan zu erstellen (dies ist unmöglich, da das Zeitplanungsproblem NP-hart ist), sondern vielmehr einen guten, realisierbaren Zeitplan zu erstellen, der die Kapazitätsbeschränkungen im System respektiert. Im Falle eines mathematischen Modells entwickeln wir eine Reihe von Gleichungen und verwenden dann eine Heuristik, um einen "guten" machbaren Zeitplan zu finden. Im Falle des Simulationsmodells generieren wir den Zeitplan mit Hilfe heuristischer Entscheidungsregeln, die in das Modell eingebaut sind, um einen "guten" Zeitplan zu erstellen. Simio bietet dem Planer mehrere Möglichkeiten, Anpassungen am System oder am Zeitplan vorzunehmen und zu sehen, wie sich diese Änderungen auf den Plan auswirken und somit möglicherweise die ursprüngliche Empfehlung verbessern.

Deterministische Zeitpläne

Bei der Zeitplanung müssen wir immer deterministische Aufgabenzeiten verwenden und das Potenzial für ungeplante Zufallsereignisse ignorieren, da es sonst unmöglich ist, einen detaillierten Zeitplan zu erstellen. Erfahrene Planer wissen, dass die optimistischen Pläne, die von Planungswerkzeugen zu Beginn einer Planungsperiode erstellt werden, am Ende der Planungsperiode häufig nicht eingehalten werden. Zeitpläne, die anfangs machbar erscheinen, werden im Laufe der Zeit undurchführbar, da die Leistung durch Variationen beeinträchtigt wird. Aufgaben dauern manchmal länger als erwartet, Arbeiter sagen die Arbeit ab, Rohstoffe kommen zu spät an, Maschinen gehen kaputt usw., und all das verschlechtert den ursprünglichen Zeitplan. Der ursprüngliche Zeitplan stellt den "glücklichen Weg" dar, der in der Praxis selten realisiert wird, was dazu führt, dass zu viel versprochen und zu wenig geliefert wird. Simulationsmodellierer sind jedoch sehr vertraut mit der wichtigen Rolle, die die Variation bei der Bestimmung der Systemleistung spielt, und wir würden nicht daran denken, die Variation aus einem Simulationsentwurfsmodell wegzulassen; wir wissen, dass dies zu optimistischen und unrealistischen Projektionen der Systemleistung führen würde.

Obwohl ein simulationsgestützter Zeitplan die erwarteten Werte aller gelieferten Verteilungen verwendet und somit deterministisch ist, nutzt Simio das Wissen um die Variation, um einen simulationsgestützten Zeitplan auf die nächste Stufe zu heben. Durch die Transparenz der Abweichungen von den Verteilungen des Modells können die Benutzer analysieren, wie sich Änderungen an den Modellregeln, Entitätsattributen (z. B. Priorität) usw. auf den Zeitplan auswirken und möglicherweise die ursprünglichen Empfehlungen verbessern.

Risikobasierte Planung und Terminierung

Simio geht explizit auf die optimistische Projektion eines deterministischen Zeitplans ein, indem es die in das Simulationsmodell eingebaute Variation ausnutzt, um auf das mit einem bestimmten deterministischen Zeitplan verbundene Risiko zuzugreifen. Dieser patentierte Ansatz wird als Risk-based Planning and Scheduling (RPS) bezeichnet. RPS wird verwendet, um Zeitpläne zu erstellen, die die Risiken minimieren und die Kosten in Anwesenheit von Ungewissheit reduzieren. RPS ergänzt den deterministischen Zeitplan um Risikomaße, die es dem Entscheidungsträger ermöglichen, die zugrunde liegenden Schwankungen und Unsicherheiten im System angemessen zu berücksichtigen.

RPS verwendet das Simio-Simulationsmodell, um sowohl die detaillierten Beschränkungen als auch die Variationen im System vollständig zu erfassen. Das Simulationsmodell kann die komplexen Verarbeitungs- und Materialhandhabungszwänge, die in einer Industrie 4.0-Situation involviert sind, beinhalten, wie z.B. Öfen, Gabelstapler, Förderbänder, sich bewegende Bediener usw., sowie komplexe Arbeitsmannschaften und autonome Roboter.

RPS verwendet dieses Modell dann auf zwei Arten. Die erste ist die Erstellung eines detaillierten Zeitplans. In diesem Fall wird das Modell automatisch von Simio in einem rein deterministischen Modus ausgeführt; die Maschinen gehen nicht kaputt, die Prozesszeiten sind immer konstant, das Material kommt pünktlich an, usw. Beachten Sie, dass es nicht notwendig ist, Abweichungen und ungeplante Ereignisse aus Ihrem Entwurfsmodell zu entfernen, um es für die Terminplanung zu verwenden, da Simio dies automatisch für Sie erledigt. Dies ist die deterministische (optimistische) Sichtweise, die von allen Terminplanungssystemen angenommen wird. Sobald der Zeitplan erstellt wurde, repliziert RPS dasselbe Simulationsmodell, wobei Variationen automatisch wieder in das System eingefügt werden, und führt eine probabilistische Analyse durch, um die mit dem Zeitplan verbundenen Risiken abzuschätzen. Die von RPS generierten Risikomaße umfassen die Wahrscheinlichkeit, dass die benutzerdefinierten Ziele erreicht werden, sowie die erwartete, pessimistische und optimistische Leistung des Zeitplans. Abbildung 2 zeigt eine Beispieltabelle mit Risikokennzahlen für die Wahrscheinlichkeit der Einhaltung von Zeit- und Budgetvorgaben, die je nach Risikostufe farblich gekennzeichnet sind: grau für niedriges Risiko, gelb für mittleres Risiko, rot für hohes Risiko.

Durch die frühzeitige Erkennung des mit einem bestimmten Zeitplan verbundenen Risikos liefert RPS die notwendigen Informationen, um im operativen Plan frühzeitig Maßnahmen zur Risikominderung und Kostensenkung zu ergreifen. RPS bietet eine realistische Sicht auf die erwartete Termineinhaltung. Spezifische Alternativen, wie z. B. Überstunden oder die Beschaffung von externem Material/Komponenten von Zulieferern, können im Hinblick auf ihre Auswirkungen auf die Risiken der Einhaltung der Terminvorgaben und die Kosten für die Minderung dieser Risiken verglichen werden, wodurch eine kundenzufriedenstellende Betriebsstrategie zu minimalen Kosten entsteht.

Sobald ein RPS-Modell erstellt ist, kann es mit Simio Scheduling Edition eingesetzt werden. Diese Version von Simio verfügt über eine anpassbare Benutzeroberfläche, die speziell für den täglichen Einsatz von RPS-Anwendungen entwickelt wurde. Die gesamte Funktionalität, die mit der Modellerstellung zusammenhängt, wurde entfernt, um die Benutzeroberfläche auf die Aktivitäten zu konzentrieren, die mit der Verwendung des Modells für die betriebliche Planung und Terminierung zusammenhängen.

Die Schnelligkeit und Flexibilität, mit der Simio Modelle für die operative Planung und Disposition einsetzt, erfüllt die Anforderungen von Smart Factories, Situationen kontinuierlich neu zu bewerten, Ergebnisse vorherzusagen und sich für optimale Ergebnisse anzupassen. Eine weitere Stärke von Simio ist die exzellente Darstellung der Ergebnisse, mit klaren visuellen Darstellungen von Zeitplänen und Modellen des systemweiten Fabrikstatus in Echtzeit, zusammen mit höherwertigen Kontextinformationen, in Form von Gantt-Diagrammen und kundenspezifischen Dashboards. Abbildung 3 zeigt ein Gantt-Diagramm mit Risikokennzahlen, die in der Scheduling Edition von Simio angezeigt werden. Dies ist eine von vielen Möglichkeiten, den resultierenden Zeitplan zu betrachten.

Simio-Funktionen für Industrie 4.0

Obwohl theoretisch jede Allzweck-Simulationssprache als Basis für einen Finite-Kapazitäts-Scheduler innerhalb von Industrie 4.0 verwendet werden kann, gibt es eine Reihe von einzigartigen Merkmalen dieses Anwendungsbereichs, die eine Reihe von speziellen Modellierungsfunktionen erfordern, die in einem Simulationswerkzeug, das auf Konstruktionsanwendungen ausgerichtet ist, nicht enthalten sind. Diese Funktionen wurden von Grund auf in Simio integriert und umfassen die folgenden:

• Integration mit externen relationalen Datenquellen. Die Daten für die Zeitpläne stammen typischerweise aus geschäftlichen Transaktionssystemen wie ERP oder, im Falle einer Smart Factory, aus den Ressourcen selbst. Durch diese Integration mit Echtzeit-Fertigungssystemen (MES) initialisiert Simio das Modell mit Echtzeitdaten und löst automatisch eine Neuplanung aus, wenn eine Ressource ausfällt (datengesteuerte Modelle und Terminierung). Es ist wichtig, dass diese relationalen Daten automatisch in den Simulator heruntergeladen und für einen schnellen Zugriff im Speicher gehalten werden können. Simio bietet Datenbindung für den einfachen Zugriff auf externe relationale Daten sowie Integrationsfunktionen für MES-Systeme. Simio bietet auch eine Standardschnittstelle für das beliebte Wonderware MES-System.
• Datengenerierte Modelle. In einigen Fällen kann das Datenschema für eine Implementierung dem ISA 95-Standard für die Darstellung von Fertigungsdaten folgen. Dies vereinfacht ein Projekt erheblich und ermöglicht die schnelle und automatische Generierung der zugehörigen Datentabellen mit den verfügbaren RPS-Tools. In diesem Fall kann auch ein anfängliches Constraint-Modell automatisch mit denselben Werkzeugen erzeugt werden.
• Transaktionsprotokollierung. Bei Konstruktionsanwendungen liegt der Schwerpunkt auf zusammenfassenden Daten wie Durchschnittswerten, Maximum/Minimum, Halbwertsbreite usw. Bei der Planung müssen wir uns auf die detaillierte Verfolgung einzelner Elemente konzentrieren. Simio bietet diese Funktionalität, indem es alle wichtigen Transaktionen (z.B. Ressourcenbelegung, eingeschränkte Wartezeiten, usw.) während der Modellausführung protokolliert.
• Spezialisierte Berichte. Planer erwarten spezielle Berichte, wie z.B. eine Liste der zu erledigenden Arbeiten, Berichte über Verspätungen, etc. Die Möglichkeit, diese Berichte einfach zu erstellen und anzupassen, ist von wesentlicher Bedeutung. Es ist auch wichtig, dass diese Berichte auf mobilen Geräten veröffentlicht und verbreitet werden können, damit sie im gesamten Unternehmen genutzt werden können. Die Simio Portal Edition bietet diese kritische Funktionalität, indem sie es ermöglicht, Simio-Modelle in die Cloud hochzuladen, um sie dort schnell auf einer skalierbaren Anzahl von Prozessoren auszuführen und die Ergebnisse dann an eine beliebige Anzahl von autorisierten Benutzern auf mobilen Geräten zu verteilen. Die Ergebnisse können über benutzerdefinierte Dashboards, die für jede Anwendung erstellt werden, angezeigt werden. Abbildung 4 zeigt ein Beispiel für ein benutzerdefiniertes Dashboard, in dem die geplante Aktivität für eine bestimmte Ressource (Cut1) dargestellt ist.
• Anpassbare Planerschnittstelle. Die Person, die die Simulation in einer Planungsanwendung verwendet, braucht kein Modell zu erstellen. Dieser Benutzer benötigt eine spezielle Benutzeroberfläche (Simio Scheduling Edition), um das Modell anzuzeigen und auszuführen, Zeitpläne zu erstellen, das Zeitplanrisiko zu analysieren, Berichte anzuzeigen und die Ergebnisse für andere zu veröffentlichen. Die Schnittstelle ist für jede Anwendung leicht anpassbar.
• Interaktive Gantt-Diagramm-Anzeige. Der beste Weg, den resultierenden Zeitplan zu betrachten, ist ein Gantt-Diagramm. Die in Simio integrierten Gantt-Diagramme bieten diese Funktionalität und erleichtern dem Planer die manuelle Bearbeitung des Zeitplans im Gantt-Diagramm. Typische Bearbeitungen sind das Verschieben von Aufträgen von einer Ressource zu einer anderen oder die Eingabe von Ausfallzeiten für eine bestimmte Ressource.
• Spezialisierte Planungsregeln. Die Qualität des generierten Terminplans wird weitgehend von den Terminierungsregeln bestimmt, die für die Auswahl von Ressourcen und Vorgängen festgelegt werden. Ein vollständiger Satz von Regeln muss in das Simulationswerkzeug integriert werden, um eine breite Palette von Fertigungsanwendungen zu unterstützen. Simio erleichtert die Auswahl von Standardterminierungsregeln (Minimierung der Umstellung, frühestes Fälligkeitsdatum, kürzeste verbleibende Durchlaufzeit, kritisches Verhältnis usw.) sowie das Erstellen und Hinzufügen benutzerdefinierter Regeln zu einem Modell.
• Risikobasierte Planung und Terminierung. Da alle deterministischen Zeitpläne von Natur aus optimistisch sind, ist es wichtig, dass der Zeitplan das mit einem bestimmten Zeitplan verbundene Risiko bewerten kann. Die patentierten RPS-Funktionen von Simio bieten automatische Risikomessungen für einen Zeitplan.

Beispiel für Simio Industrie 4.0 Scheduling-Anwendungen

Die Scheduling-Funktionen von Simio können in vielen Anwendungsbereichen eingesetzt werden. Obwohl die Anwendung für die Planung in der Fertigung offensichtlich ist, hat Simio Scheduling auch wichtige Anwendungen in Bereichen wie Transport/Logistik und Gesundheitswesen.

Ein Beispiel für den Einsatz von Simio Scheduling in der Fertigung ist BAE Systems, das sich auf das Modell der Industrie 4.0 zubewegt und auf eine digitale Fertigung umstellt. Als Auftragnehmer im Verteidigungsbereich müssen sie Produktionsressourcen zuverlässig planen und vorhersagen, um die Anforderungen des Militärs rechtzeitig und innerhalb des Budgets zu erfüllen. Vertragsmanager suchen nach effektiveren Methoden zur Risikominderung bei den Produktionsressourcen. Sie fordern genaue und zeitnahe Key Risk Indicators (KRIs) für Material, Arbeit und Ausrüstung. BAE Systems (BAE) nutzte die Enterprise Edition von Simio, die risikobasierte Planungs- und Terminierungsfunktionen (RPS) enthält. Diese Funktion integriert herkömmliche Planungs- und Terminierungsfunktionen mit stochastischer Modellierung zur Risikoanalyse. Die Planungssoftware von Simio bot Planern und Disponenten eine maßgeschneiderte Schnittstelle für die Erstellung von Zeitplänen, die Durchführung von Risiko- und Kostenanalysen, die Untersuchung potenzieller Verbesserungen und die Anzeige dieser Parameter in 3D-Animationen. Anhand von Gantt-Diagrammen lässt sich der zeitliche Ablauf von Prozessen leicht nachvollziehen und untersuchen, wie sich Änderungen bei Ausrüstung oder Mitarbeitern auf diesen Ablauf auswirken.

Simio-Anwender wie BAE können Simulationen durchführen, wenn sich Systemausfälle, Mitarbeiterverfügbarkeit oder andere Faktoren ändern. Das Ergebnis ist ein "Finger am Puls", der schnelle Anpassungen ermöglicht und eine sichere Entscheidungsfindung unterstützt. Die Software Simio Enterprise Edition mit Planungsfunktionalität half BAE Systems bei der Einhaltung von Produktionsterminen. BAE setzt Simio nun ein, um eine Vielzahl von Prognose- und Planungsherausforderungen zu bewältigen, einschließlich der Reduzierung von Überstunden, der Entwicklung von Ausbildungszielen, der Vorbereitung von Angeboten und der Bewertung von Kapitalinvestitionen.

Simio wurde auch in Fertigungsumgebungen eingesetzt, in denen das Wonderware MES von Schneider Electric läuft. Wonderware MES ermöglicht die Verfolgung der laufenden und abgeschlossenen Arbeiten in Echtzeit und bietet dem Bediener Einblick in den aktuellen und vergangenen Zustand des Systems, das in Industrie 4.0-Anwendungen eingesetzt wird. Die Planungssoftware von Simio projiziert den aktuellen Zustand auf der Grundlage der geplanten Arbeiten für die Anlage in die Zukunft. Durch die direkte Integration mit Wonderware haben die Bediener Einblick in den vergangenen, gegenwärtigen und zukünftigen Zustand und können den geplanten Zeitplan und realisierbare Alternativen einsehen, wenn der Plan aufgrund unerwarteter Probleme nicht mehr durchführbar ist. Die Simio-Lösung liefert außerdem zeitnahes Management-Feedback zu Produktions-, Ausschuss- und anderen Statusdaten, um angemessene und rechtzeitige Abhilfemaßnahmen in der Fabrik der Zukunft zu unterstützen.

Die geschäftlichen Auswirkungen

Zusammenfassung

Das Aufkommen von Industrie 4.0 hat den Bedarf an Simulationen für die tägliche Planung komplexer Systeme mit teuren und konkurrierenden Ressourcen beschleunigt. Dies hat den Wert der Simulation über ihre traditionelle Rolle der Verbesserung des Systemdesigns hinaus in den Bereich des schnelleren, effizienteren Prozessmanagements und der Steigerung der Leistungsproduktivität erweitert. Mit Simio kann dasselbe Modell, das für die Bewertung und Erstellung des Systementwurfs erstellt wurde, zu einem wichtigen Geschäftswerkzeug für die Planung der täglichen Abläufe in der Industrie 4.0-Umgebung werden.

Biographien der Autoren

DEVDATTA DEO ist ein Anwendungsingenieur bei Simio LLC. Er bietet technische Unterstützung, Produkttests und Beratungsdienste an. Er hat einen Master-Abschluss in Industrial and Systems Engineering vom Rochester Institute of Technology. Devdatta hat in der Fertigungsindustrie für elektrische Komponenten gearbeitet und hat Simulationsprojekte in der pharmazeutischen Fertigung, der Lebensmittelverarbeitung, dem Transportwesen und der Raffinerie/Ölverarbeitung unterstützt. Seine E-Mail lautetddeo@simio.com.

ALEX D. MOLNAR ist ein Anwendungsingenieur bei Simio LLC. Als Absolvent der Ohio University, der Ingenieurwesen und Pädagogik studiert hat, hatte er die Gelegenheit, viele technische und zwischenmenschliche Fähigkeiten zu vertiefen. Mit seinen einzigartigen Fähigkeiten bietet Alex technischen Support und Schulungen für Simios Partner und Direktkunden. Darüber hinaus hilft er bei anderen produktbezogenen Aufgaben, wie z. B. beim Testen, als Sprachrohr der Kunden und bei der konzeptionellen Entwicklung. Alex trägt auch zu den internen Projekten und der Strategie des Unternehmens bei. Alex' E-Mail Adresse lautetamolnar@simio.com. Weitere Informationen zum Unternehmen finden Sie unterwww.simio.com.

Referenzen

Joines, J. A., S. D. Roberts. 2015. Simulation Modeling with Simio: A Workbook. 4th ed. Pittsburgh: Simio LLC

Kelton, W. D., J. S. Smith, und D. T. Sturrock. 2018. Simio and Simulation: Modeling, Analysis, Applications. 5th ed. Pittsburgh: Simio LLC

Pegden, C. D., D. T. Sturrock. 2013. Rapid Modeling Solutions: Einführung in die Simulation und Simio. Pittsburgh: Simio LLC

Pegden, C. D. 2017. Deliver on Your Promise: How Simulation-Based Scheduling Will Change Your Business. Pittsburgh: Simio LLC

Sturrock, D. T. 2011. Success in Simulation, Fortlaufender Blog und Diskussion. Zugriff am 15. Juli.https://www.simio.com/blog/about-this-blog/.