Simio-Bereitstellung & Anwendungs-Workstreams

1. einleitung

Die Industrie 3.0 war für die Computerisierung und Automatisierung der Fertigungsindustrie verantwortlich, was dazu führte, dass umfangreiche Daten auf Transaktions- und Ausführungsebene erstellt, gespeichert und analysiert wurden, um die Systemleistung zu optimieren und zu verbessern, wodurch ein digitaler Schatten der Fabrik (digitale Momentaufnahme) entstand. Im Rahmen dieser Transformation der Industrie 3.0 wurde die Datenanalyse eingesetzt, um aussagekräftige Muster und Trends zu erkennen und zu kommunizieren. Die Anwendung der Datenanalyse historischer Informationen ist zwar nützlich, aber mühsam, und sie versucht, Unternehmen dabei zu helfen, Entscheidungen über die Zukunft zu treffen, indem sie in den Rückspiegel schaut.

In der heutigen Welt müssen Unternehmen äußerst flexibel sein, um in einem sich ständig verändernden und zunehmend unsicheren Geschäftsumfeld bestehen zu können - und gleichzeitig mit einer schnell wachsenden Kombination von Produkten, Dienstleistungen, Materialien, Technologien, Maschinen und menschlichen Fähigkeiten umgehen zu können. Eine erfolgreiche Fertigungslieferkette erfordert die Orchestrierung, Koordinierung und Synchronisierung jedes dieser Elemente, die unabhängig voneinander und zusammenhängend miteinander arbeiten. Im Zuge von Industrie 4.0 sind Computer miteinander verbunden und kommunizieren mit dem Ziel, Entscheidungen zu treffen und Abläufe mit minimaler menschlicher Beteiligung zu steuern, aber Unternehmen haben Schwierigkeiten, diese vielschichtigen und komplexen digitalen Transformationsprojekte zu bewältigen. Im Folgenden sind einige der wichtigsten Herausforderungen aufgeführt, mit denen die Beteiligten und Transformationsprojekte auf ihrem Weg zu einer hochgradig agilen und "intelligenten" (Low-Touch/No-Touch) Fertigungslieferkette konfrontiert sind:

• Verstehen der aktuellen Prozesse und Einschränkungen Obwohl Menschen seit mehr als einem Jahrhundert in Fabriken und Lieferketten arbeiten, ist es immer noch schwierig, alle Prozesse im Detail zu verstehen und zu artikulieren, da viele der Informationen zwischen Abteilungen oder verschiedenen Organisationsstrukturen innerhalb des Unternehmens aufgeteilt sind. Das Verständnis beginnt mit der Identifizierung aller physischen Zwänge im Prozess der Materialbeschaffung sowie der Herstellung und Verteilung der Produkte an die Kunden. Es gibt auch viele verschiedene Dokumente, die die Geschäftsregeln beschreiben, die den Prozess regeln und oft im Widerspruch zur aktuellen Realität stehen. In den meisten Unternehmen ist ein großer Teil des Ausführungs-Know-hows und der detaillierten Entscheidungslogik immer noch Stammeswissen und lässt sich nur schwer in einem System abbilden, da es in den Köpfen der Menschen steckt, die diese täglichen Entscheidungen in den Betrieben treffen.
• DieIdentifizierung der besten Datenquellen und die Aggregation genauer und relevanter Daten Die aktuelle Qualität und Korrelation der Daten zwischen den verschiedenen Unternehmenssystemen ist eine große Herausforderung, da die Werte für identische Felder in den verschiedenen Systemen häufig variieren, was es schwierig macht, die Genauigkeit zu ermitteln. Der Detaillierungsgrad und die Aufzeichnungshäufigkeit zwischen den Systemen ist je nach Systemanwendung unterschiedlich, was die Korrelation und Aggregation von Daten noch komplexer macht. Die Synchronisierung verschiedener Datenquellen, um sicherzustellen, dass sie alle zeitrelevant sind (gleicher Zeitstempel), ist eine Herausforderung, da einige Systeme nahezu in Echtzeit arbeiten, während andere nur einmal pro Tag als Batch-System laufen. Die Identifizierung der Datenquellen und des Datenflusses, um eine relevante Datenpipeline zur Unterstützung der Prozessmodellierung, -steuerung, des Dashboarding und der Analyse aufzubauen, ist der Schlüssel zum Transformationsprozess.
• Identifizierung und Erkundung von Bereichen für die Umgestaltung und Modernisierung Es ist schwierig, den Wert, den bestimmte Prozessänderungen und -optimierungen zur Leistungssteigerung in der Fabrik oder der Lieferkette liefern können, genau zu identifizieren und zu bestimmen. Bestimmte Leistungs- oder Wertsteigerungen werden oft überbewertet, was zu großen Investitionen in Kapazitäten und Erweiterungen der physischen Infrastruktur für künftiges Wachstum und neue Produkte führt, ohne dass ein detailliertes Verständnis der Anforderungen und der potenziellen Auswirkungen auf das Unternehmen vorliegt. Automatisierungs- und Digitalisierungsinitiativen zur Verbesserung von Effizienz und Leistung sind ebenfalls eine Herausforderung. Diese Projekte werden oft isoliert entwickelt und verfehlen damit ihr Ziel: Sie liefern nicht den erwarteten Gesamtwert und die erwartete Prozessumwandlung, die erforderlich ist, um das Unternehmen bei der Erreichung seiner digitalen Transformationsziele voranzubringen.
• Genaue Vorhersage des zukünftigen Verhaltens und der Leistung Die Transformation umfasst in der Regel viele gleichzeitige Aspekte eines Unternehmens, einschließlich, aber nicht beschränkt auf Personal, Prozesse, Ausrüstung, neue Produkte, Verkauf, globale Reichweite und Vertrieb. Ohne ein Verständnis der End-to-End-Auswirkungen der vorgeschlagenen Änderungen auf den Geschäftsbetrieb besteht die Gefahr, dass die Erwartungen nicht erfüllt werden und Geld für Investitionen verschwendet wird, die nicht den erwarteten Nutzen bringen. Dazu gehört es, die Auswirkungen der Automatisierung (Robotik, AMR, Materialhandhabung usw.) zu verstehen, Alternativen zu bewerten, um den ROI verschiedener Optionen zu verstehen, und zukünftige Ergebnisse zu visualisieren und allen Beteiligten zu präsentieren, damit sie sich beteiligen und Entscheidungen treffen können.

Auf der Grundlage jahrelanger Simulations- und Analyseerfahrung ist klar, dass der effektivste Weg zur Ermöglichung und Erleichterung der digitalen Transformation und zur Bewältigung der oben genannten Herausforderungen in der Erstellung und Nutzung eines detaillierten simulationsbasierten virtuellen Modells oder eines Offline Process Digital Twin des Prozesses (d. h. der Fabrik und/oder der Lieferkette) besteht. Dieses Modell kann für die Gestaltung und Analyse der aktuellen und zukünftigen Prozesse als prädiktive Lösung verwendet werden. Das virtuelle Modell kann dann auch mit Echtzeitdaten der Unternehmenssysteme verbunden werden, um als Online Process Digital Twin für den operativen Einsatz und die Entscheidungsfindung in nahezu Echtzeit als präskriptive Lösung zu dienen. Die zugrundeliegende Technologie wird im Simio Simulation Solution Whitepaper näher beschrieben , das ebenfalls auf der Simio Website verfügbar ist.

Dieses Whitepaper beschreibt die Simio Intelligent Adaptive Process Digital Twin Lösung und die verschiedenen Arbeitsabläufe der digitalen Transformation, die durch den Einsatz dieser Technologie unterstützt werden können. Während des Lebenszyklus eines digitalen und geschäftlichen Transformationsprojekts entstehen in den verschiedenen Phasen des Projekts unterschiedliche Anforderungen. Ein einziger integrierter Process Digital Twin des Unternehmens kann die kontinuierliche Bewertung sowohl der aktuellen als auch der zukünftigen Leistung erleichtern. Darüber hinaus kann das Process Digital Twin-Modell auch in der Cloud eingesetzt werden, um operative Entscheidungshilfen sowie die Planung und Orchestrierung der laufenden Operationen zu ermöglichen.

Bitte laden Sie das untenstehende PDF herunter, um weiterzulesen...