Logiciel de simulation de fabrication : comment Northrop Grumman a étendu ses capacités de modélisation avec Simio

Le défi

Présentation de l'entreprise

Northrop Grumman, entreprise mondiale de technologie aérospatiale et de défense, était confrontée à des défis importants en matière de planification de la production en raison de la complexité et de l'échelle de ses opérations de fabrication. Le site Space Park de l'entreprise, responsable de la création de projets complexes et innovants tels que le télescope spatial James Webb, avait besoin de capacités de simulation avancées pour planifier et gérer efficacement ses processus de production. Cette étude de cas explore la manière dont Northrop Grumman a exploité le logiciel de simulation de fabrication Simio pour développer un modèle révolutionnaire de planification à long terme qui a considérablement élargi ses capacités de modélisation et amélioré la prise de décision stratégique.

Comme l'explique Marie Scholl, ingénieur industriel sur le site Space Park de Northrop Grumman, "nous avions besoin de capacités flexibles pour nous aider à donner vie à ces projets". Les processus de fabrication verticalement intégrés de l'entreprise, qui s'étendent de la mer à l'espace, nécessitaient des outils de simulation capables de répondre à la fois aux besoins de production immédiats et à la planification stratégique à long terme. Cette étude de cas détaille comment l'implémentation de la technologie de simulation de Simio par Northrop Grumman a transformé son approche de la planification de la production et de l'allocation des ressources.

Contexte de l'entreprise

Northrop Grumman opère à la pointe de la technologie aérospatiale et de la défense, créant des systèmes complexes qui, selon ses propres termes, "rendent l'impossible possible". Son site de Space Park est responsable du développement de technologies sophistiquées allant des systèmes spatiaux aux solutions informatiques avancées. Les processus de fabrication de l'entreprise sont hautement spécialisés, impliquant des composants complexes et des techniques de production innovantes.

"Les choses que nous construisons sont complexes et innovantes", note M. Scholl pour décrire les activités de l'entreprise. "Nous sommes très intégrés verticalement, ce qui nous permet de réaliser un large éventail de projets de fabrication non traditionnels, de la mer à l'espace en passant par tout ce qui se trouve entre les deux.

Cette complexité crée des défis uniques pour la planification de la production. Avec des milliers de commandes qui transitent chaque mois par ses installations de fabrication, chacune avec des opérations multiples et des besoins en ressources spécifiques, Northrop Grumman avait besoin d'outils de simulation sophistiqués pour gérer efficacement son environnement de production. Les parties prenantes de l'entreprise, notamment les responsables de la fabrication, les équipes de fabrication, les responsables de programme et la direction générale, avaient toutes besoin de différents niveaux de compréhension de la planification de la production et de l'affectation des ressources.

Le défi : Limites de la modélisation à court terme

Northrop Grumman a d'abord développé un modèle de planification de la production à court terme à l'aide du logiciel de simulation de fabrication Simio. Ce modèle prenait des informations détaillées provenant de diverses sources de données, construisait un modèle de simulation, créait un plan de production réalisable et fournissait des résultats pour la planification de la production au jour le jour. Le modèle s'est avéré efficace pour planifier jusqu'à 12 mois à l'avance, offrant des informations précieuses pour les tâches quotidiennes, l'affectation des travailleurs et l'ajustement des priorités.

Toutefois, comme l'explique M. Scholl, "aucun modèle n'est parfait". Ce modèle à court terme présente des limites connues". Ces limites sont les suivantes

• Exigences de détail extrêmes : Le niveau de détail élevé du modèle a fait que les simulations ont pris beaucoup de temps et ont nécessité un nettoyage approfondi des données avant leur mise en œuvre.
• Horizon temporel limité : Les données détaillées devenant moins fiables au-delà de 12 mois, le modèle ne pouvait fonctionner que pendant un an ou moins, ce qui rendait difficile la planification de changements à long terme.
• Réaction plutôt que proactivité : La limitation à 12 mois a rendu l'entreprise plus réactive que ne le permettaient parfois ses processus d'approbation, notamment en ce qui concerne l'agencement des équipements et les changements de personnel.
• Contraintes de formation : Les prévisions ne portant que sur 12 mois, il était difficile de former le personnel aux compétences nécessaires à temps pour répondre aux besoins de la production future.

Ces limitations ont créé une lacune importante dans les capacités de planification de Northrop Grumman. Comme le fait remarquer M. Scholl, "nous devons savoir si nous devons embaucher plus de membres de l'équipe ou acheter plus d'équipement maintenant, afin de disposer des compétences et des ressources nécessaires le moment venu. Nous voulons également tester des améliorations potentielles de l'agencement et des installations, et même tenter des projets plus ambitieux, comme l'ouverture d'un tout nouveau bâtiment."

L'entreprise avait besoin d'une solution capable de fournir des informations au-delà de l'horizon de 12 mois tout en exigeant une saisie de données moins détaillée. Cela a conduit au développement d'une toute nouvelle approche de la modélisation de simulation.

La solution

La solution : Un modèle à long terme basé sur le Tok4n

Développement d'une nouvelle approche de modélisation

Pour répondre aux limites de leur modèle à court terme, les ingénieurs industriels de Northrop Grumman ont développé un modèle innovant à long terme en utilisant les capacités de simulation à base de jetons de Simio. Cette approche représentait une rupture significative par rapport aux techniques de modélisation traditionnelles.

"Nous avons adopté une toute nouvelle approche pour ce modèle en partant de zéro", explique Scholl. "Nous nous sommes attaqués aux données manuelles, nous avons repensé la façon dont les familles de pièces et les tâches étaient créées et exécutées, et nous avons conçu ce modèle pour qu'il fonctionne pendant au moins cinq ans.

L'approche de simulation basée sur les jetons a éliminé le besoin d'une visualisation détaillée des pièces se déplaçant dans le processus de production. Au lieu de cela, le modèle a utilisé des jetons - des entités virtuelles qui transportent des informations et exécutent des étapes du processus - pour représenter le flux de travail à travers le système. Cette approche a permis de réduire considérablement les besoins de calcul tout en conservant la précision nécessaire à la planification stratégique.

Principales innovations du modèle à long terme

Le modèle à long terme a incorporé plusieurs approches innovantes pour simplifier les exigences en matière de données tout en maintenant la précision de la planification :

• Résumé de la disponibilité des travailleurs : Au lieu d'utiliser des horaires détaillés pour les travailleurs, le modèle a utilisé une approche de "jours de travail par mois" qui incorpore des coefficients de perte de temps et d'efficacité.
• Simplification des familles de pièces : Plutôt que de modéliser chaque numéro de pièce spécifique, le modèle a regroupé les pièces similaires en "familles de pièces" avec des ensembles de tâches généralisées.
• Simplification de la nomenclature : Le modèle utilise une approche plus générale des matériaux, en se concentrant sur les types de composants nécessaires plutôt que sur les numéros de pièces spécifiques.
• Planification mensuelle : Les tâches ont été assignées à des "tranches" mensuelles plutôt qu'à des jours ou des heures spécifiques, ce qui permet d'avoir une vision plus stratégique de l'utilisation des ressources.

Comme le décrit Scholl, "un jeton est comme la personne invisible dans les coulisses, qui exécute tout. Les étapes du processus lui indiquent ce qu'il doit faire. Parfois, il se divise lui-même de manière à ce que plusieurs jetons puissent être traités en parallèle".

Cette approche innovante a permis à Northrop Grumman de créer un modèle qui pouvait fonctionner rapidement tout en fournissant des informations précieuses pour la planification à long terme. "Grâce à ces nouvelles méthodes de modélisation, notre modèle à long terme est né", explique M. Scholl. "Il nous permet d'avoir une vision à cinq ans, nécessite moins d'efforts pour obtenir des données utiles puisque nous avons besoin de résultats moins détaillés, tout en faisant tourner le modèle en quelques minutes seulement.

Mise en œuvre : Intégration du modèle à long terme

La mise en œuvre du modèle à long terme a nécessité une réflexion approfondie sur la manière dont il compléterait le modèle à court terme existant. Northrop Grumman a développé une compréhension claire des différences entre les deux modèles et de la manière dont ils fonctionneraient ensemble pour fournir une solution de planification complète.

Comparaison des modèles à court et à long terme

L'équipe d'implémentation a créé une comparaison détaillée des deux modèles pour s'assurer que les parties prenantes comprennent les cas d'utilisation appropriés pour chacun d'entre eux :

Cette comparaison a aidé les parties prenantes à comprendre quand utiliser chaque modèle et comment interpréter les résultats. Comme l'explique Scholl, "plusieurs aspects de ces modèles sont bénéfiques pour différentes parties prenantes".

Cas d'utilisation et alignement des parties prenantes

L'équipe chargée de la mise en œuvre a identifié trois cas d'utilisation principaux pour le modèle à long terme :

1. Analyse de l'état actuel : Exécution du modèle avec la main-d'œuvre et les ressources actuelles pour obtenir les résultats attendus en termes de calendrier et d'utilisation des ressources.
2. Détermination de l'effectif idéal : Exécution du modèle avec un nombre infini de travailleurs et les ressources actuelles afin d'identifier le nombre de personnes nécessaires pour respecter le calendrier.
3. Optimisation des ressources : Test de l'impact de l'ajout, de la mise à jour ou de la suppression de ressources pour réduire les goulets d'étranglement.

Ces cas d'utilisation ont été alignés sur les besoins spécifiques des parties prenantes. Les responsables et les équipes de fabrication qui se concentrent sur les détails quotidiens utilisent les résultats du modèle à court terme. Les chefs de fabrication et les responsables de programme qui se projettent sur un horizon de 1 à 12 mois ont utilisé le modèle à court terme pour la planification annuelle. Les responsables de programme, les dirigeants et les responsables de la fabrication intéressés par la planification au-delà de l'année ont utilisé le modèle à long terme pour les exigences en matière de capacité et d'effectifs.

Comme le souligne M. Scholl, "les ingénieurs industriels accompagneront ces équipes à chaque étape du processus pour les aider à utiliser, tester et interpréter les résultats des deux modèles".

Résultats et avantages

La mise en œuvre du modèle à long terme basé sur les jetons a apporté des avantages significatifs aux capacités de planification de la production de Northrop Grumman. Le modèle a permis de remédier aux limites du modèle à court terme tout en fournissant de nouvelles informations précieuses pour la prise de décisions stratégiques.

Horizon de planification amélioré

L'avantage le plus important a été la possibilité de planifier sur cinq ans ou plus, alors que le modèle à court terme était limité à 12 mois. Cette extension de l'horizon de planification a permis de prendre des décisions plus proactives en matière de personnel, d'équipement et de planification des installations.

"Si le modèle nous montre qu'il y a une forte demande dans deux ans qui ne pourra pas être satisfaite à temps avec notre main-d'œuvre actuelle, nous avons le temps de former les compétences nécessaires ou même d'embaucher plus de personnes si nécessaire", explique M. Scholl. "Il s'agit d'une méthode beaucoup plus proactive que ne le permet le modèle à court terme.

Amélioration des performances du modèle

L'approche de simulation basée sur les jetons a considérablement amélioré les performances du modèle, réduisant les temps d'exécution de plusieurs heures à quelques minutes. Ce gain d'efficacité a permis d'exécuter plus fréquemment les modèles et de tester les scénarios, améliorant ainsi la capacité de l'équipe à évaluer les différentes options de planification.

"Puisqu'il suffit d'utiliser des jetons, des processus et des tables de données, cette méthode permet au modèle de fonctionner rapidement, en quelques minutes", note M. Scholl. Cette amélioration des performances était essentielle pour un modèle destiné à simuler cinq années d'activité de production.

Exigences réduites en matière de données

L'approche simplifiée des données du modèle à long terme a permis de réduire considérablement les efforts nécessaires à la préparation et à la maintenance du modèle. En utilisant des familles de pièces, des tâches généralisées et des périodes mensuelles, le modèle a nécessité moins de données détaillées tout en fournissant des informations précieuses pour la planification.

"Il est plus rapide de créer des données pour ce modèle, mais cela implique une légère augmentation du temps de comparaison des erreurs humaines", reconnaît M. Scholl. Toutefois, ce compromis était acceptable compte tenu de l'objectif de planification stratégique du modèle.

Amélioration des capacités de prise de décision

Le modèle à long terme a fourni à Northrop Grumman de nouvelles capacités pour tester et évaluer les décisions stratégiques. La possibilité d'exécuter des scénarios de simulation pour les changements de personnel, d'équipement et d'installations a permis de prendre des décisions plus éclairées pour les investissements à long terme.

"Ces options nous permettent de tester des théories numériquement et de planifier des ressources supplémentaires longtemps à l'avance", explique Scholl. Cette capacité s'est avérée particulièrement précieuse pour planifier des changements majeurs tels que l'agrandissement des installations ou la mise en œuvre de nouveaux programmes.

L'impact sur l'entreprise

Orientations futures

Northrop Grumman continue d'améliorer et d'étendre ses capacités de modélisation de simulation. L'entreprise a identifié plusieurs domaines clés pour le développement futur :

Amélioration de la convivialité

L'équipe s'efforce d'améliorer la convivialité des résultats du modèle grâce à des tableaux de bord et des outils de visualisation personnalisés. "Nous utilisons Tableau comme outil de visualisation pour que les utilisateurs finaux puissent visualiser et interagir avec des résultats similaires", explique Scholl. "Nous personnalisons et adaptons les tableaux de bord à leurs besoins quotidiens afin de guider rapidement la productivité."

Documentation des processus et formation

Pour garantir une utilisation efficace des modèles, l'équipe est en train d'élaborer une documentation complète sur les processus et des supports de formation. "Nous devons créer un flux de processus utilisateur que les gens pourront suivre", note Scholl. "Il s'agit de décrire les étapes générales du fonctionnement des modèles, l'obtention et la saisie des données, comment, quand ou pourquoi exécuter le modèle, comment lire les résultats et comment améliorer les plans et la production sur la base des résultats.

Validation et intégration des modèles

L'équipe s'efforce de valider le modèle à long terme en comparant ses résultats avec le modèle à court terme. "La validation croisée de nos résultats avec le modèle à court terme prouvera sa validité", explique Scholl. "Si les chiffres correspondent généralement entre la première année du modèle à long terme et le modèle à court terme, nous saurons que notre modèle à long terme est valide.

Une mise en œuvre élargie

Northrop Grumman prévoit d'étendre la mise en œuvre du modèle à long terme à d'autres secteurs de fabrication. "Nous devons trouver une équipe pilote pour adopter l'utilisation de notre modèle à long terme", explique Scholl. "Nous voulons choisir une équipe qui dispose des meilleures données et qui est prête et enthousiaste à l'idée d'utiliser ce modèle.

Conclusion

La mise en œuvre par Northrop Grumman des capacités de simulation basées sur les jetons de Simio représente une avancée significative dans la simulation de la fabrication et la planification de la production. En développant un modèle innovant à long terme qui complète ses capacités de planification à court terme, l'entreprise a créé une solution complète pour la planification de la production sur plusieurs horizons temporels.

L'approche de la modélisation de simulation basée sur les jetons s'est avérée être une solution efficace pour la planification stratégique à long terme, fournissant des informations précieuses avec des exigences de données réduites et des performances améliorées. Comme le conclut M. Scholl, "des détails les plus infimes aux prévisions à cinq ans, les ingénieurs industriels accompagneront ces équipes à chaque étape pour les aider à utiliser, tester et interpréter les résultats des deux modèles".

Cette étude de cas démontre la puissance des approches de simulation innovantes pour relever les défis complexes de la planification de la fabrication. En allant au-delà des techniques de modélisation traditionnelles et en exploitant les capacités de simulation flexibles de Simio, Northrop Grumman a amélioré sa capacité à planifier l'avenir et à prendre des décisions stratégiques éclairées.