Die wichtigsten Unterscheidungsmerkmale von Simio im Bereich Daten und Integration
Simio wurde von Grund auf als agile Plattform für die Entwicklung von Digitalen Zwillingen auf Basis der diskreten Ereignissimulation für adaptive Prozesse entwickelt, wobei der Schwerpunkt auf nahtloser Datenintegration und optimierter Automatisierung über Unternehmenssysteme und andere wichtige Datenquellen hinweg liegt. Dieser Fokus hat die Daten- und Modellierungsfunktionen von Simio geprägt, um eine schnelle Modellentwicklung zu unterstützen, die sich automatisch an dynamische Dateneingaben anpasst.
- Simio basiert auf einer effizienten, ultraschnellen relationalen In-Memory-Datenbank, die so konfiguriert werden kann, dass sie mit dem Schema jeder externen Datenquelle übereinstimmt, was eine beispiellose Flexibilität bietet.
- Die offene Architektur von Simio bietet ein umfangreiches, vollständig konfigurierbares Set von Datenkonnektoren, die den rationellen Import von Transaktions- und Betriebsdaten aus beliebigen externen Quellen unterstützen.
- Simio bietet eine traditionelle Point-and-Click-Benutzeroberfläche sowie einen intuitiven, datengenerierten und datengesteuerten Ansatz für die Entwicklung und Ausführung von Process Digital Twin-Simulationsmodellen.
- Ein datengesteuerter Ansatz beschleunigt die Modellentwicklung für komplexe Szenarien, erleichtert die Wiederverwendung von Modellen und unterstützt die Skalierung von Modellen auf neue Standorte, Anwendungen mit mehreren Standorten und End-to-End-Lieferketten.
- Alle Process Digital Twin-Modellobjekte und -Eigenschaften sind datengeneriert und datengesteuert, was eine schnelle Modellerstellung ermöglicht und die langfristigen Supportanforderungen minimiert.
- Process Digital Twins passen sich automatisch an Änderungen in den Unternehmensdaten an, was eine felsenfeste Betriebszeit gewährleistet und den langfristigen Wartungsaufwand minimiert.
- Für die Erstellung von Simio Process Digital Twins sind keine Programmierkenntnisse erforderlich.
- Branchen- und unternehmensspezifische Vorlagen und Bibliotheken können leicht erstellt werden.
- Die Simio-Simulations-Engine ist darauf ausgelegt, unabhängig von der Modellgröße effizient und schnell zu laufen.
- Kurze Laufzeiten sind unerlässlich, um das volle Potenzial von grenzenlosen Experimenten und Szenarioanalysen auszuschöpfen.
- Simulationsläufe können manuell durchgeführt oder vollständig automatisiert und ereignisgesteuert gestaltet werden.
- Simio Discrete Event Simulation ist in der Lage, Process Digital Twin-Modelle großer, komplexer Betriebsumgebungen zu unterstützen, wie z.B. Produktions- und Lagereinrichtungen mit einem oder mehreren Standorten sowie durchgängige Lieferketten.
Daten und Integrationsfunktionen
-
Excel/CSV
Datenkonnektoren ermöglichen temporären oder benutzerspezifischen Systemen den Zugriff auf bedienerspezifische Daten, die in Excel- oder CSV-Dateien verwaltet werden, auf Snapshots von benutzerdefinierten Systemen und auf Daten, die während des Betriebs in Excel aufgezeichnet wurden.
-
Externe Datenbanken
Datenkonnektoren für Datenbankanwendungen wie SQL Server und Oracle erleichtern die direkte Integration mit Datenbanken, die für Staging und Datenumwandlung verwendet werden, sowie den direkten Zugriff auf unternehmensweite, anwendungsspezifische Datenquellen.
-
APIs und Webdienste
Simio-APIs oder Webservices können zur Integration mit MES-Systemen wie AVEVA und Tulip verwendet werden, um auf dynamische prozessbezogene Daten zuzugreifen, um einen Process Digital Twin mit dem aktuellen Fabrikstatus zu initialisieren und Ausführungsdaten, wie z.B. Aufgabenlisten und Startzeiten, an MES-Systeme zurückzuliefern.
-
Externe Tools und Geräte
Nutzen Sie branchenübliche Anwendungen wie PTC Kepware IoT Gateway und HighByte Intelligence Hub zur direkten Verbindung mit IoT-Geräten, externen Solvern und KI-basierten Anwendungen oder Algorithmen für dynamische Echtzeit-Eingaben und Optimierung während der Simulationslaufzeit.
-
Cloud-basierte Plattformen
Simio-Web-APIs erleichtern die Integration mit Cloud-basierten Datenquellen wie AWS, Azure und Google Cloud, die geschäftskritische Daten enthalten, die von den zugrunde liegenden Unternehmenssystemen veröffentlicht werden, sowie die direkte Integration mit Unternehmensressourcen- und Lieferkettenplanungssystemen (ERP/SCP) wie SAP S/4HANA, OMP, Kinaxis, Oracle und Microsoft Dynamics.
Ansätze zur Integration
Um die Integration mit Unternehmenssystemen wie Enterprise Resource Planning (ERP), Manufacturing Execution Systems (MES), Supply Chain Planning (SCP) und Preventative Maintenance (PM) zu erleichtern, hat Simio zwei Implementierungsmethoden entwickelt, die auf die bestehende IT-Infrastruktur und die Präferenzen des Kunden zugeschnitten sind. Diese Methoden unterstützen sowohl indirekte ("Push") als auch direkte ("Pull") Ansätze, die den spezifischen Anforderungen und dem Reifegrad der Daten des Kunden entsprechen.
Ansatz der direkten Integration (PULL)
Durch die Nutzung der Flexibilität von Simios Web-API-Datenkonnektor kann Simio vor der Ausführung eines Simulationslaufs eine PULL-Operation von Datensystemen auf der Grundlage von zeitlich festgelegten Ereignissen oder Benutzereingaben initiieren und so die Verwendung der neuesten Informationen sicherstellen. Der Nachteil einer PULL-Operation ist jedoch die potenziell hohe Anforderung an die IT-Infrastruktur und die Zieldatensysteme, abhängig vom Zeitpunkt des PULL-Ereignisses.
Direkter Integrations-Workflow:
- Simio initiiert den Integrationsworkflow, indem es eine GET-Anfrage an eine Middleware-Anwendung sendet, die mit einem ERP-, MES-, SCP- oder IoT-System verbunden ist.
- Nach Erhalt des von Simio initiierten Aufrufs fungiert die Middleware-Anwendung als Web-Messenger und leitet die Anfrage an das ERP/MES/SCP/IoT-System weiter, das dann die erforderlichen Daten generiert und an die Middleware-Anwendung zurückschickt.
- Die Middleware-Anwendung sendet die Nachricht in JSON- oder XML-Format an Simio, das sie in der speicherresidenten relationalen Datenbank von Simio speichert, wobei ein XSLT (v1.0)-Stylesheet für das Daten-Mapping und die Übersetzung verwendet wird.
- Nach Abschluss des Simulationslaufs nutzt Simio die vollständigen bidirektionalen Integrationsfunktionen und kann die Planungsinformationen zurück an die Middleware-Anwendung und anschließend an das ERP/MES/SCP/IoT-Quellsystem senden (POST).
.svg)
.svg)
Indirekter Integrationsansatz (PUSH)
Durch die Verwendung einer zusätzlichen Persistenzdatenschicht unterstützt Simio einen PUSH-Ansatz für die Integration mit bestehenden Unternehmenssystemen. Aktualisierungen von Unternehmenssystemen werden über eine Middleware-Anwendung in die Staging-Datenbank (Persistenzschicht) von Simio übertragen, um sicherzustellen, dass die Daten für Simulationsläufe und die Erstellung von Produktionsplänen verfügbar sind. Diese Methode ist ideal für die tägliche oder wöchentliche Routineplanung und minimiert, im Gegensatz zum PULL-Ansatz, die Belastung der IT-Infrastruktur.
Indirekter Integrations-Workflow
- Ausgelöst durch einen Job Scheduling-Prozess oder einen Trigger erzeugt das ERP/MES/SCP/IoT-System Nachrichten, die an eine Middleware-Anwendung gesendet werden.
- Bevor die Nachrichten an Simio weitergeleitet werden, muss die Middleware-Anwendung unter Umständen Transformations-Mappings durchführen, die auf der beabsichtigten Verwendung der Daten basieren, um sie an die Modelltabellenanforderungen von Simio anzupassen. Die aktualisierten Nachrichten werden dann mit Hilfe der Middleware-Datenbankadapter oder XML-Dateien an die Staging-Datenbank übertragen.
- Simio holt dann die Tabellendaten über einen Datenkonnektor aus der Datenbank und aktualisiert die Simio-In-Memory-Tabellen.
- Nach Abschluss des Simulationslaufs nutzt Simio die vollständigen bidirektionalen Integrationsfähigkeiten, die es ermöglichen, Planungsinformationen zurück in den Staging-Bereich zu übertragen, damit die Middleware-Anwendung und anschließend das ERP/MES/SCP/IoT-Quellsystem darauf zugreifen können.
Datendetail und Geschwindigkeit
Der Zustand der Datenintegrität Ihres Unternehmens, der Detaillierungsgrad der Daten, die Korrelation zwischen Systemen und die Geschwindigkeit, mit der Daten aktualisiert und verfügbar gemacht werden können, sind entscheidend dafür, wie granular ein Simio Process Digital Twin modelliert werden kann. Diese Faktoren wirken sich auch auf die Häufigkeit aus, mit der ein Unternehmen neue Pläne für die Ausführung oder Experimente zur Unterstützung der Entscheidungsfindung erstellen kann.
Detaillierungsgrad
Der in den Daten verfügbare Detaillierungsgrad - z. B. teil- und maschinenspezifische Arbeitspläne statt nur Arbeitszellen- und Produktfamilienarbeitspläne - bestimmt den Detaillierungsgrad des Modells.
- Beispiel: Um einzelne Arbeiter und ihre Fähigkeiten zu modellieren, benötigt der Simio Process Digital Twin den aktuellen und spezifischen Arbeitsplan für jeden Arbeiter, zusammen mit aktuellen Fähigkeitsmatrizen.
Datengeschwindigkeit
Die Datengeschwindigkeit bezieht sich darauf, wie schnell der Simio Process Digital Twin aktualisiert und erneut ausgeführt werden kann, um die aktuellsten Ergebnisse für die Ausführung oder Entscheidungsfindung zu liefern.
- Beispiel: Bei einem herkömmlichen ERP-System, das den WIP-Bestand über Nacht im Batch-Verfahren verarbeitet, kann der Simio Process Digital Twin aufgrund der zeitlichen Abhängigkeiten und der Genauigkeit der Daten nur begrenzt häufig ausgeführt werden.
