Comment Dijitalis a économisé 1,5 million de dollars grâce à la simulation d'optimisation des AGV dans la fabrication électronique

Le défi

Résumé

Dijitalis Consulting, une société leader dans le domaine de la simulation et de l'optimisation, a été chargée d'optimiser les investissements dans les véhicules à guidage automatique (AGV) pour un fabricant mondial de produits électroniques. Le client prévoyait des améliorations significatives de ses installations, y compris le remplacement de sa flotte de 132 véhicules AGV obsolètes qui causaient fréquemment des retards de production. En utilisant les puissantes capacités de simulation de Simio, Dijitalis a créé un modèle de fabrication de jumeau numérique complet de l'installation de 72 000 m², comprenant 15 lignes d'assemblage, 6 zones de stationnement AGV et 169 points de livraison.

La simulation a révélé que seuls 95 AGV étaient nécessaires, soit 37 de moins que ce qui avait été initialement proposé, ce qui a permis de réaliser des économies de plus de 1,5 million de dollars sur les dépenses d'investissement. Au-delà de la réduction des coûts, le modèle Simio est devenu un outil d'amélioration continue inestimable, permettant au client de tester les modifications d'agencement, les changements de processus et les calendriers de production avant leur mise en œuvre. Cette étude de cas montre comment la prise de décision basée sur la simulation peut apporter un retour sur investissement substantiel tout en garantissant l'excellence opérationnelle.

Historique du client

Dijitalis Consulting a été créée en 2006 à Istanbul et a mené à bien plus de 250 projets pour plus de 400 clients dans 15 pays. L'entreprise est spécialisée dans la construction de modèles mathématiques pour analyser les flux de matériaux, identifier les inefficacités et tester les améliorations des installations pour des clients dans les secteurs de l'automobile, de la fabrication, de la logistique et du textile.

Le client, un fabricant mondial de produits électroniques, exploite un site de production de 34 000 m² comprenant 15 lignes d'assemblage. Sa flotte AGV existante, composée de 132 véhicules, était obsolète et provoquait fréquemment des retards de production en se bloquant dans le réseau de chemins et en ne parvenant pas à livrer les matériaux à temps. L'entreprise était en train de lancer des investissements majeurs, notamment des entrepôts automatisés, un nouvel atelier de peinture, une augmentation de la capacité de production et une nouvelle flotte de véhicules AGV.

Défi : Au-delà du simple dimensionnement de la flotte

Le client était confronté à une décision complexe concernant son investissement dans l'AGV. La question principale était de savoir combien d'AGV il fallait acheter, mais le défi allait bien au-delà du simple dimensionnement de la flotte :

Incertitude des fournisseurs

Les fabricants d'AGV cherchent généralement à vendre le plus grand nombre de véhicules possible sans effectuer d'analyse détaillée pour déterminer le nombre optimal. Ils développent rarement des modèles complexes pour prouver leurs recommandations, laissant les clients prendre des décisions basées sur des estimations approximatives ou sur leur expérience passée.

Complexité opérationnelle

Le système de manutention de l'usine était très complexe :

• 15 lignes d'assemblage avec des calendriers de production variables
• 6 emplacements de stationnement AGV desservant 169 points de livraison
• Des milliers de références différentes réparties sur 27 groupes de matériaux
• Changements fréquents nécessitant une livraison précise des matériaux

De multiples questions interconnectées

Le client avait besoin de réponses à de nombreuses questions interconnectées :

• Le programme de production est-il réalisable avec le nouveau système AGV ?
• Y aura-t-il des ruptures de stock pendant la production ?
• Quand les changements doivent-ils avoir lieu ?
• Comment le processus d'approvisionnement doit-il être conçu ?
• Quand l'approvisionnement en matériaux pour les nouvelles commandes doit-il commencer ?
• Combien de stations de chargement AGV sont nécessaires ?
• Y aura-t-il des impasses dans le réseau de chemins ?
• Quelles sont les zones qui connaîtront une forte congestion du trafic ?

Les calculs traditionnels basés sur des feuilles de calcul ne pouvaient pas prendre en compte les interactions dynamiques entre ces facteurs, faisant de la simulation la seule approche viable pour une optimisation complète.

La solution

La solution : Modélisation de simulation basée sur les données avec Simio

Dijitalis a employé une approche structurée en utilisant le logiciel de simulation Simio pour créer un jumeau numérique complet des opérations de manutention de l'installation :

Collecte et validation des données

L'équipe a collecté et validé de nombreuses données, notamment

• L'agencement et les dimensions de l'installation à partir des dessins AutoCAD
• La nomenclature de tous les produits
• Emplacements de l'entrepôt et du stockage des matériaux
• les spécifications de l'AGV et les stations de stationnement
• Les programmes de production et les changements de production

Conception du processus d'approvisionnement

Après une analyse approfondie, l'équipe a conçu un système d'approvisionnement basé sur la poussée plutôt que sur la traction. Cette décision a été prise sur la base de plusieurs facteurs :

Mise en œuvre Pratique: Un système à flux tiré nécessiterait le calcul de points de commande et de quantités optimales pour des milliers d'unités de stock différentes, ce qui rendrait sa mise en œuvre et sa gestion peu pratiques.

Simplicité opérationnelle: Le système "push" ne nécessitait qu'un seul paramètre - le nombre de minutes avant le changement pour commencer à fournir des matériaux pour le produit suivant.

Disponibilité du stockage: Les chaînes de montage disposaient d'un espace de stockage suffisant pour s'adapter à l'approche du système "push".

Le processus utilisait les données du plan de production, les informations sur les palettes et la nomenclature pour calculer le temps de production restant et déclencher l'approvisionnement en matériaux pour le produit suivant au moment opportun avant le changement.

Développement du modèle de simulation dans Simio

La structure orientée objet du logiciel de simulation Simio et ses capacités axées sur les données ont joué un rôle déterminant dans la création d'un modèle précis et flexible :

Approche axée sur les données

Le modèle a utilisé la fonctionnalité de table de données de Simio pour importer et gérer :

• les définitions des lignes de production avec les coordonnées et les horaires
• Les plans de production avec les séquences de commandes et les tailles de lots
• Les zones de parking AGV avec des coordonnées précises
• Les emplacements des points de stockage extraits d'AutoCAD
• Informations sur l'acheminement des matériaux pour 435 itinéraires différents
• Nomenclature pour 387 UGS différentes

Création efficace de modèles

Les capacités de Simio ont permis

• Création automatique de 169 objets de destination d'approvisionnement à des coordonnées précises
• Définition d'objets de bibliothèque personnalisés pouvant être modifiés globalement
• Intégration des données de production par le biais de structures de bases de données relationnelles
• L'utilisation de l'élément Matériel pour définir des nomenclatures sans créer des milliers d'entités individuelles.

Visualisation et analyse

Le modèle offre de puissantes capacités de visualisation :

• Représentation en 3D de l'installation et des mouvements des AGV
• Suivi en temps réel de l'utilisation et de l'emplacement des AGV
• Cartes thermiques montrant la densité du trafic et les temps d'attente
• Suivi détaillé des flux de matériaux et des niveaux d'inventaire

Vérification et amélioration du modèle

La simulation a révélé plusieurs problèmes de conception qui auraient pu entraîner des problèmes opérationnels :

Prévention des impasses

La conception initiale prévoyait une voie unique bidirectionnelle dans une zone à forte circulation. La simulation a montré que cela aurait provoqué des blocages car les AGV venant de directions opposées se seraient bloqués les uns les autres. L'équipe a recommandé de passer à des voies unidirectionnelles dans des directions opposées, éliminant ainsi le risque de blocage.

Optimisation du trafic

Les cartes thermiques générées par la simulation ont permis d'identifier

• les zones où le volume de trafic est élevé
• les endroits où les AGV passent le plus de temps à attendre
• les points de jonction causant des embouteillages.

Ces informations ont conduit à des modifications de l'agencement qui ont amélioré la fluidité du trafic et évité les goulets d'étranglement.

Test et optimisation des scénarios

En utilisant le module d'expérimentation de Simio, l'équipe a réalisé 35 scénarios testant différentes combinaisons de :

• Nombre d'AGV dans chaque aire de stationnement
• Nombre de stations de chargement dans chaque zone
• Déclenchement de l'heure de libération de la commande (minutes avant le changement)

L'ICP principal était le retard de production, avec un objectif de zéro minute. Les ICP secondaires comprenaient les taux d'utilisation des AGV et le nombre d'AGV disponibles dans les aires de stationnement comme tampon pour la maintenance ou les pannes.

L'impact sur l'entreprise

Résultats : 1,5 million de dollars d'économies et d'excellence opérationnelle

L'optimisation basée sur la simulation a apporté des avantages substantiels :

Réduction des dépenses d'investissement

Le scénario optimal n'a nécessité que 95 AGV au lieu des 132 initialement proposés, ce qui représente une réduction de 28 % de la taille de la flotte. Le coût moyen d'un AGV étant de 50 000 dollars, cela s'est traduit par des économies de dépenses d'investissement de plus de 1,5 million de dollars.

Allocation optimisée des ressources

La simulation a permis de déterminer

• le nombre précis d'AGV nécessaires dans chaque aire de stationnement
• le nombre optimal de stations de chargement nécessaires dans chaque zone
• qu'un délai de libération des commandes de 16 minutes avant le changement de format était suffisant.

Utilisation équilibrée

Le scénario optimisé a permis d'atteindre des taux d'utilisation moyens des AGV de 65 à 66 %, ce qui représente un équilibre efficace entre la disponibilité des ressources et les exigences opérationnelles. La simulation a révélé des schémas d'utilisation tout au long de la journée, avec des pics lors des changements de format du matin et des productions par lots de l'après-midi.

Aucun retard de production

Plus important encore, la configuration optimisée a permis d'éviter tout retard de production dû à des problèmes de livraison de matériel, maintenant ainsi l'efficacité de la production tout en minimisant l'investissement en capital.

Au-delà de l'optimisation initiale : Un outil d'amélioration continue

La valeur du modèle Simio s'est étendue bien au-delà du dimensionnement initial de la flotte d'AGV :

Aide à la décision continue

Le modèle de simulation est devenu un outil d'amélioration continue pour :

• Tester les modifications de l'agencement
• Évaluer les changements de processus
• Valider les programmes de production
• Évaluer l'impact de l'introduction de nouveaux produits

Gestion complète des installations

Le projet de simulation unique a fourni de multiples outils :

• Optimisation des coûts CapEx et OpEx
• Prévention des impasses dans le réseau de transport
• Optimisation de la gestion de l'approvisionnement
• Aide à la décision pour les nouveaux investissements
• Optimisation des ressources basée sur des paramètres

Des opérations à l'épreuve du temps

Au fur et à mesure que le portefeuille de produits et les exigences de production du client évoluent, le modèle Simio continue d'apporter de la valeur ajoutée :

• Testant la faisabilité de nouveaux programmes de production
• L'évaluation de l'impact des changements de produits sur les flux de matériaux
• Identifiant les goulots d'étranglement potentiels avant qu'ils ne se produisent
• Soutenir la prise de décision basée sur les données

Conclusion : La puissance de la prise de décision basée sur la simulation

Cette étude de cas démontre l'impact transformateur de la prise de décision basée sur la simulation sur la planification des investissements et l'optimisation opérationnelle. En remplaçant les estimations approximatives et les recommandations des fournisseurs par une analyse fondée sur les données, Dijitalis a aidé son client à

• économiser plus de 1,5 million de dollars en achats inutiles d'AGV
• Assurer l'efficacité de la production avec zéro retard de livraison de matériel
• Prévenir les goulots d'étranglement potentiels et les problèmes opérationnels
• Créer un atout précieux pour l'amélioration continue et l'aide à la décision.

Ce projet montre comment les puissantes capacités de simulation de Simio peuvent offrir un retour sur investissement substantiel tout en fournissant des informations qu'il serait impossible d'obtenir par des méthodes d'analyse traditionnelles. Pour les opérations de fabrication et de logistique confrontées à des défis complexes de manutention, la simulation offre une approche éprouvée pour optimiser les investissements et améliorer les performances opérationnelles.