Digitale Zwillingsfertigung: Optimierung der Snack-Food-Produktion mit Simio

Die Herausforderung

Zusammenfassung

In dieser Fallstudie wird untersucht, wie Argon Consulting eine Simio-basierte digitale Zwillingslösung für einen großen australischen Snackfood-Hersteller implementierte. Der Kunde stand vor großen Herausforderungen bei der Planung an mehreren Produktionsstandorten, einschließlich einer komplexen Umstellung auf eine neue hochmoderne Anlage. Durch den Ersatz der manuellen Excel-basierten Planung durch ein dynamisches Simio-Modell lieferte Argon eine Lösung, die die Produktionsplanung optimierte, die Ressourcenauslastung verbesserte und die strategische Entscheidungsfindung unterstützte. Der Ansatz des digitalen Zwillings in der Fertigung ermöglichte es dem Kunden, komplexe Produktionseinschränkungen zu visualisieren, Szenarien virtuell zu testen und die Produktion nahtlos von einer Anlage zur anderen zu verlagern, während gleichzeitig ein hohes Maß an Kundenservice aufrechterhalten wurde.

Hintergrund des Kunden

Der Kunde ist ein bedeutender Hersteller von Snackprodukten auf dem australischen Markt, der mehrere Produkttypen herstellt, darunter Kartoffelchips, Maischips und extrudierte oder geblasene Pelletsnacks. Die Produkte werden in verschiedenen Formaten verkauft, von großen Tüten bis hin zu kleineren Multipacks in Lunchbox-Größe. Das Unternehmen betreibt zwei Produktionsstätten in Sydney, hat aber vor kurzem den Bau einer neuen, hochmodernen Fabrik abgeschlossen, die die ursprünglichen Anlagen ersetzen soll.

Argon Consulting hatte eine langfristige Beziehung zu dem Kunden aufgebaut und verschiedene Projekte zur Verbesserung der Betriebsabläufe durchgeführt, darunter:

• Szenariomodellierung und Design für den neuen Standort
• Projektmanagement für die Inbetriebnahme und den vertikalen Start-up
• Detaillierte Kapazitätsmodellierung für das automatische Lager
• Arbeitsplanung und Prozessverbesserungen

Die Produktionsumgebung war sehr komplex, mit mehreren gemeinsam genutzten Anlagen wie Friteusen und Gewürztrommeln, komplizierter Produktführung und strengen betrieblichen Auflagen, die die Zeitplanung besonders schwierig machten.

Die Herausforderung: Komplexe Terminplanung in einer Umgebung mit zahlreichen Beschränkungen

Der Planungsprozess des Kunden stand vor zahlreichen Herausforderungen, die die betriebliche Effizienz einschränkten:

Beschränkungen der Excel-basierten Planung

Vor der Simio-Implementierung wurde die gesamte Terminplanung mit Excel-Tabellen durchgeführt. Dieser manuelle Ansatz konnte die komplexen Interaktionen zwischen den gemeinsam genutzten Anlagen in der Fabrik nicht effektiv handhaben. Die Fertigungssimulationssoftware musste mehrere kritische Beschränkungen berücksichtigen:

• Komplexe gemeinsame Nutzung von Anlagen: Mehrere Produktlinien teilten sich wichtige Ressourcen wie Friteusen und Gewürztrommeln, wodurch komplizierte Abhängigkeiten entstanden, die Excel nicht effektiv modellieren konnte.
• Lücken im Kapazitätsverständnis: Die tatsächliche Produktionskapazität bei unterschiedlichen Produktmischungen war nicht ausreichend bekannt, insbesondere das empfindliche Gleichgewicht zwischen der Produktion kleiner und großer Beutel.
• Schnelle Innovationszyklen: Die ständige Einführung neuer Produkte und Geschmacksrichtungen in der Snackindustrie führte zu einer zusätzlichen Komplexität, die mit statischen Tools nur schwer zu berechnen war.
• Siloisierte Planungsprozesse: Betriebs-, Wartungs- und Planungsteams hatten Schwierigkeiten, ihre Aktivitäten aufeinander abzustimmen, so dass es schwierig war, Unterbrechungen durch technische Stillstände zu minimieren und gleichzeitig den Kundenservice aufrechtzuerhalten.
• Ineffiziente manuelle Prozesse: Zeitplanänderungen erforderten langsame, manuelle Aktualisierungen von Tabellenkalkulationen, was die Reaktionsfähigkeit auf Produktionsprobleme einschränkte.

Die Herausforderungen bei der Planung der Lebensmittelproduktion wurden durch spezifische betriebliche Anforderungen zusätzlich erschwert:

• Die Friteusen mussten konstante Ausstoßraten einhalten
• Geschmacksumstellungen erforderten eine bestimmte Reihenfolge von hellen zu dunklen Geschmacksrichtungen
• Die Produktion von kleinen Beuteln erforderte die gleichzeitige Produktion von großen Beuteln, um die Leistung der Fritteusen auszugleichen.

Die Lösung

Die Lösung: Implementierung der digitalen Zwillingsfertigung mit Simio

Argon entwickelte eine umfassende Digital Twin Manufacturing-Lösung mit Simio, um diese Herausforderungen zu bewältigen. Die Implementierung erfolgte in mehreren Phasen:

Phase 1: Anfängliche Modellentwicklung

• Erstellung eines Dispositionsmodells in Simio für die beiden bestehenden Standorte
• Integration des Modells in das ERP-System des Kunden, um die Dateneingabe zu automatisieren
• Validierung des Modells anhand der tatsächlichen Produktionsdaten
• Implementierung des Modells in den regulären Planungsprozess

Phase 2: Ausweitung auf den neuen Standort

• Erweiterung des Modells um den neuen Standort auf der grünen Wiese
• Verwendung des Modells für Szenariotests, um die Auswahl der Anlagen und das Standortlayout zu bestimmen
• Unterstützung des Volumenübergangs zwischen altem und neuem Standort

Phase 3: Schulung und Übergabe

Schulung des Planungsteams zur effektiven Nutzung von Simio

Etablierung von Prozessen für die Manipulation und Optimierung von Zeitplänen

Einrichtung von Ausgabetabellen zur Einspeisung in betriebliche Dashboards

Architektur der Fertigungssimulationssoftware

Das Simio-Modell wurde so konzipiert, dass es die komplexe Produktionsumgebung genau darstellt:

• Prozessmodellierung: Das Modell konzentrierte sich auf die kritischen Produktionsstufen vom Frittieren bis zum Verpacken der Kisten, wobei davon ausgegangen wurde, dass der Rohstoffeinsatz und die Lagerhaltung keine Einschränkungen darstellen.
• Datenintegration: Die Lösung wurde mit dem ERP-System des Kunden integriert, um SKU-Stammdaten, Bedarfsinformationen und Stücklisten zu importieren. Zusätzliche Konfigurationsdaten wurden in Excel mit Power Query gepflegt.
• Ressourcen-Modellierung: Alle Produktionsanlagen wurden modelliert, darunter:
  • Friteusen mit spezifischen Ausgabekapazitäten
  • Gewürztrommeln mit Geschmacksvorgaben
  • Verpackungsmaschinen für verschiedene Verpackungsgrößen
  • Sammelpacker und innere Autobahnen
  • Gemeinsame Ressourcen und ihre Verbindungen untereinander
• Terminierungslogik: Das Modell implementiert komplexe Planungsregeln:
  • Feste Reihenfolge der Produkttypen (Pommes frites → Dünnschnitt → Crinkle)
  • Abfolge der Geschmacksrichtungen von leicht (Salz) bis schwer (Barbecue, Chili)
  • Gleichgewicht zwischen der Produktion von kleinen und großen Tüten, um die Leistung der Fritteuse aufrechtzuerhalten
  • Ressourcenzuweisung auf der Grundlage von Verfügbarkeit und Beschränkungen
• Flussmodellierung: Die Lösung nutzte die Flussfunktionen von Simio, um die Auslastung der Friteusen kontinuierlich zu berechnen und so die richtige Balance und Auslastung sicherzustellen.

Technische Details der Implementierung

Die Simulationsmodellierung für die Fertigungsimplementierung nutzte mehrere Schlüsselfunktionen von Simio:

Modell-Struktur

• Quellen, die mit Bedarfstabellen verknüpft sind, in denen Aufträge für jeden Produktstrom freigegeben wurden
• Server, die Bagger repräsentieren, die benötigte Ressourcen beschlagnahmen
• Fluss-Assets, die die kontinuierliche Produktion von den Friteusen bis zu den Verpackern modellieren
• Ressourcen, die gemeinsam genutzte Anlagen wie Sammelpacker und Gewürzfässer darstellen

Intelligenz bei der Planung

Die Intelligenz des Modells wurde in erster Linie durch Auswahlausdrücke und Bedingungen implementiert, die bestimmten, welche Aufträge welchen Verpackern zugewiesen wurden. Zu den wichtigsten Bedingungen gehörten:

• Anpassung der Friteusenschnitte: Es wurde sichergestellt, dass die Produkte nur den Friteusen zugewiesen wurden, die den entsprechenden Schnitttyp (dünn, knusprig usw.) herstellen.
• Kompatibilität der Aromatrommeln: Überprüfung, ob die Produkte den Verpackungsmaschinen mit kompatiblen Aromatrommeln oder speziellen Gewürzen zugewiesen wurden
• Überfüllungsmanagement: Aufrechterhaltung einer ausreichenden Bagger-Kapazität, um den Ausstoß der Friteusen zu bewältigen und gleichzeitig eine übermäßige Überbelegung zu vermeiden, die zu einer geringen Auslastung führen würde

Benutzeroberfläche und Interaktion

Das Modell bietet den Planern mehrere Möglichkeiten zur Bearbeitung von Plänen:

• Drag-and-Drop-Planung: Verschieben von Aufträgen zwischen Linien in der Simio-Betriebsansicht
• Erzwungenes Routing: Zuweisung bestimmter Produkte an bestimmte Abfüller über Datentabellen
• Ausschluss von Routen: Verhindern, dass bestimmte Produkte auf bestimmten Linien laufen
• Modellierung von Ausfallzeiten: Hinzufügen von geplanten Wartungs- oder Ausfallzeiten zur Bewertung der Auswirkungen

Integration der Ausgabe

Das Modell generierte detaillierte Ausgabetabellen, die in folgende Tabellen einflossen:

• Power BI Produktions-Dashboards
• Anzeigen und Tablets in der Fabrik
• Tägliche, wöchentliche und monatliche Betriebsüberprüfungen

Die geschäftlichen Auswirkungen

Ergebnisse: Vorteile bei der Optimierung der Fabrikplanung

Die Implementierung des Simio-basierten digitalen Zwillings brachte in mehreren Bereichen erhebliche Vorteile:

Operative Verbesserungen

• Verbesserte Planqualität: Effizientere Produktionsabläufe mit weniger Umrüstungen
• Bessere Ressourcenauslastung: Verbesserte Auslastung der Friteusen und ausgewogene Produktion
• Geringerer manueller Aufwand: Die Planer verbrachten weniger Zeit mit der Erstellung von Plänen und hatten mehr Zeit für strategische Entscheidungen
• Erhöhte Sichtbarkeit: Planinformationen sind in der gesamten Fabrik auf Displays und Tablets verfügbar

Strategische Fähigkeiten

• Szenario-Tests: Möglichkeit, verschiedene Produktionsszenarien vor der Implementierung zu bewerten
• Analyse von Anlageninvestitionen: Datengestützte Entscheidungen über den Zeitpunkt von Investitionen in neue Anlagen
• Unterstützung bei der Volumenumstellung: Nahtloses Management der Produktion an drei Standorten während der Umstellung

Organisatorische Ausrichtung

• Funktionsübergreifende Koordinierung: Bessere Abstimmung zwischen Betrieb, Wartung und Planung
• Datengestützte Entscheidungen: Gemeinsames Verständnis von Beschränkungen und Fähigkeiten
• Verbesserte Service-Levels: Aufrechterhaltung eines hohen Kundenservices während einer komplexen Standortumstellung

Langfristiger Wert

Die durch das Modell bereitgestellten Fähigkeiten zur Planung der Fertigungskapazität bieten dem Kunden auch weiterhin einen Mehrwert:

• Evaluierung des zukünftigen Kapazitätsbedarfs
• Planung für neue Produkteinführungen
• Optimierung der Produktion in der neuen Anlage

Künftige Anwendungen und laufende Entwicklung

Der Erfolg der ersten Implementierung hat zu mehreren laufenden und geplanten Erweiterungen geführt:

Kapazitätsplanung

Das Modell wird zur Bewertung des langfristigen Kapazitätsbedarfs eingesetzt und hilft dem Kunden bei der Bestimmung:

• Wann zusätzliche Anlagen aufgrund von Wachstumsprognosen benötigt werden
• wie der Produktmix optimiert werden kann, um die vorhandene Kapazität zu maximieren
• welche Beschränkungen zuerst angegangen werden sollten, um den größtmöglichen Nutzen zu erzielen

Einführung neuer Produkte

Der digitale Zwilling ist heute ein integraler Bestandteil des Prozesses zur Einführung neuer Produkte:

• Testen der Produktion von neuen Geschmacksrichtungen und Produkten vor der Einführung
• Bewertung der Auswirkungen auf die Gesamtkapazität und die Terminplanung
• Optimierung von Verpackungsformaten auf der Grundlage von Produktionseinschränkungen

Kontinuierliche Verbesserung

Das Modell wird ständig weiterentwickelt:

• Zusätzliche Datenintegrationspunkte
• Verbesserte Visualisierungsmöglichkeiten
• Ausgefeiltere Planungsalgorithmen

Schlussfolgerung: Der Wert von Digital Twin Manufacturing

Die Implementierung der Fertigungssimulationssoftware von Simio für diesen Snackfood-Hersteller zeigt den erheblichen Wert der Digital Twin-Technologie in komplexen Produktionsumgebungen. Durch die Erstellung eines dynamischen, präzisen Modells des Produktionsprozesses ermöglichte Argon dem Kunden,:

• Ersetzen der statischen, manuellen Planung durch dynamische, einschränkungsbewusste Planung
• einen nie dagewesenen Einblick in komplexe Produktionszusammenhänge zu erhalten
• datengestützte Entscheidungen über Terminierung, Kapazität und Investitionen in Anlagen zu treffen
• Erfolgreiche Bewältigung eines komplexen Übergangs zwischen Produktionsstandorten

Die Lösung für die Produktionsplanung in der Lebensmittelbranche liefert weiterhin einen Mehrwert, während der Kunde seine neue Anlage optimiert und zukünftiges Wachstum plant. Der Ansatz des digitalen Zwillings hat die Disposition von einer taktischen Notwendigkeit in einen strategischen Vorteil verwandelt, der effizientere Abläufe und bessere Entscheidungen im gesamten Unternehmen ermöglicht.

Diese Fallstudie veranschaulicht, wie Simios Simulationsfähigkeiten selbst die komplexesten Herausforderungen in der Fertigung bewältigen können und dabei sowohl unmittelbare betriebliche Vorteile als auch langfristigen strategischen Wert liefern.