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.
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.
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 :
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.
Le système de manutention de l'usine était très complexe :
Le client avait besoin de réponses à de nombreuses questions interconnectées :
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.
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 :
L'équipe a collecté et validé de nombreuses données, notamment
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.
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 :
Le modèle a utilisé la fonctionnalité de table de données de Simio pour importer et gérer :
Les capacités de Simio ont permis
Le modèle offre de puissantes capacités de visualisation :
La simulation a révélé plusieurs problèmes de conception qui auraient pu entraîner des problèmes opérationnels :
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
Ces informations ont conduit à des modifications de l'agencement qui ont amélioré la fluidité du trafic et évité les goulets d'étranglement.
En utilisant le module d'expérimentation de Simio, l'équipe a réalisé 35 scénarios testant différentes combinaisons de :
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'optimisation basée sur la simulation a apporté des avantages substantiels :
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.
La simulation a permis de déterminer
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.
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.
La valeur du modèle Simio s'est étendue bien au-delà du dimensionnement initial de la flotte d'AGV :
Le modèle de simulation est devenu un outil d'amélioration continue pour :
Le projet de simulation unique a fourni de multiples outils :
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 :
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
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.