Boeing Wichita, dont l'histoire s'étend sur près d'un siècle d'excellence en matière de fabrication aérospatiale, était confronté à un défi opérationnel critique qui menaçait de limiter les capacités de production futures. Le site, qui a produit plus de 1 600 B-29, 744 B-52 et plus de 10 000 fuselages de 737 depuis les années 1920, exploite une installation de peinture spécialisée responsable des capots de moteur, des inverseurs de poussée et des entrées d'air - les composants extérieurs visibles des moteurs d'avions commerciaux.
Le défi de la planification des capacités de fabrication est né de deux facteurs convergents qui ont fondamentalement modifié le paysage opérationnel. Les anciens modèles d'avions étaient progressivement retirés du marché tandis que de nouvelles lignes de produits introduisaient des composants nettement plus volumineux qui mettaient à rude épreuve les capacités des équipements existants. Les nouvelles pièces étaient nettement plus grandes que leurs prédécesseurs et nécessitaient des matériaux de peinture et des processus de durcissement différents qui exigeaient deux cycles complets pour les opérations de peinture et de durcissement au lieu d'un seul passage traditionnel.
L'installation de peinture existante de Boeing, initialement dimensionnée pour la demande de produits des années 1980 et 1990, fonctionnait avec des systèmes de sablage, de lavage, de peinture, de durcissement et de tamponnage général des pièces qui ne pouvaient plus répondre à l'évolution des besoins. L'installation traitait environ 20 pièces différentes réparties sur trois familles de modèles d'avions, chacune ayant des taux de production uniques mesurés en nombre d'avions par mois (APM). La complexité du système était amplifiée par des routages de pièces uniques où certains composants nécessitaient plusieurs passages dans les opérations de peinture, des durées de processus variables pour chaque étape et des probabilités de reprise individuelles pour différents types de pièces.
Contraintes opérationnelles critiques :
Les pièces ne pouvaient être mises en lots que s'il s'agissait de types identiques avec des finitions correspondantes arrivant à moins d'une heure d'intervalle
Les études de capacité traditionnelles basées sur Excel sur lesquelles Boeing s'appuyait se sont révélées inadéquates pour gérer les schémas d'acheminement complexes, les comportements de mise en lots et les exigences de planification dynamique. Ces approches basées sur des feuilles de calcul n'offraient aucune visibilité sur les exigences de dimensionnement des stocks tampons et ne permettaient pas de prédire les performances de livraison à temps pour chaque pièce. La question de savoir ce qu'est un plan de capacité est devenue fondamentale, car Boeing avait besoin de capacités analytiques sophistiquées capables de modéliser les interdépendances complexes au sein des opérations de ses installations de peinture.
La convergence d'une demande croissante et de l'introduction de pièces plus grandes et plus complexes a créé une pression de capacité sans précédent sur le système existant. Le changement de modèle exigeait que les pièces passent deux fois par les processus de peinture et de séchage, ce qui doublait effectivement le temps de traitement de ces composants tout en consommant le même espace physique d'équipement. Cette contrainte, combinée à l'incapacité de traiter des pièces plus grandes en raison de la taille limitée des équipements, menaçait de créer des goulots d'étranglement susceptibles d'affecter la capacité de Boeing à respecter les engagements de livraison de ses clients.
Les cabines de peinture et les fours de l'usine, conçus pour des produits anciens de plus petite taille, devaient faire face à des taux d'utilisation proches de la capacité maximale avant même la mise en œuvre complète des nouvelles lignes de produits. Les dirigeants de Boeing ont reconnu que sans une analyse précise de la planification de la capacité de production, ils risquaient soit de surinvestir dans des équipements inutiles, soit de ne pas se préparer suffisamment aux scénarios de demande future qui pourraient compromettre les performances opérationnelles.
Boeing s'est associé à Simio pour développer une approche de simulation aérospatiale complète capable de modéliser avec précision les opérations complexes de l'usine de peinture et de fournir des informations basées sur des données pour les décisions de planification de la capacité. La collaboration s'est appuyée sur les capacités de simulation d'événements discrets de Simio pour créer deux modèles analytiques distincts conçus pour répondre aux questions stratégiques critiques concernant la capacité de l'installation et les besoins en équipement.
L'implémentation du logiciel d'ingénierie aérospatiale a utilisé l'architecture orientée objet de Simio pour créer des représentations numériques détaillées des opérations des installations de peinture de Boeing. L'approche de modélisation a reconnu que la simulation d'événements discrets pouvait gérer la complexité opérationnelle que les méthodes traditionnelles basées sur Excel ne pouvaient pas traiter, y compris les modèles d'acheminement compliqués, les comportements de mise en lots, les règles de traitement spéciales et l'évaluation complète des performances pour les pièces individuelles et l'efficacité globale du système.
Les modèles de simulation fonctionnaient comme des systèmes entrée-processus-sortie où les entrées comprenaient les prévisions de la demande, l'acheminement des pièces, les horaires des travailleurs, la durée des processus et les probabilités de reprise pour chaque type de composant. La section processus décrivait le comportement complet du système, y compris la conversion de la demande en arrivées de pièces, les règles de traitement personnalisées régissant le lancement des opérations de peinture, les contraintes de disponibilité des ressources et les délais de déplacement des pièces entre les opérations. Les mesures de sortie se sont concentrées sur les pourcentages de livraison à temps, les taux d'utilisation des équipements et des travailleurs, les journaux de consommation d'espace et le suivi en temps réel des pièces au sein du système.
Le modèle de l'état actuel s'est concentré sur la configuration du système existant, incorporant des opérations de sablage, de lavage, de peinture, de durcissement et de tamponnage général des pièces, dimensionnées en fonction de la demande des produits existants. L'approche de modélisation aérospatiale a pris en compte le fait que la mise en lots pouvait théoriquement se produire pour les petites pièces, mais ne se produisait généralement pas en raison des faibles taux de production qui empêchaient les arrivées simultanées dans le système de peinture.
Le modèle a intégré des contraintes opérationnelles critiques, notamment le fait que les nouveaux modèles de pièces s'adaptent à peine à l'équipement existant, ce qui rend la mise en lots impossible pour ces composants de plus grande taille. La nécessité pour les nouvelles pièces d'effectuer deux cycles dans les processus de peinture et de durcissement a été représentée avec précision, ainsi que la pression sur la capacité créée par l'augmentation de la demande combinée à ces changements de traitement.
Pour examiner le potentiel de débit maximal, le modèle de l'état actuel comprenait à la fois la cabine de peinture principale et les systèmes de four, ainsi qu'une cabine de peinture supplémentaire actuellement utilisée à des fins de formation. Cette configuration a permis à Boeing de comprendre les limites absolues de capacité de son infrastructure existante et d'identifier le moment où la demande dépassera la capacité disponible.
Le modèle de l'état futur a répondu à la question stratégique de Boeing concernant les besoins d'expansion de nouveaux bâtiments en modélisant l'agencement optimal des installations et les configurations des équipements. Le logiciel de simulation aérospatiale a permis d'évaluer divers scénarios en supposant les mêmes acheminements de pièces, durées et taux de reprise des opérations actuelles, tout en incorporant des paramètres opérationnels améliorés.
La configuration future supposait des opérations en deux équipes, cinq jours par semaine, avec de nouveaux équipements dimensionnés pour permettre la mise en lots de deux pièces de toute taille tout au long du processus, éliminant ainsi les limitations de taille des équipements. La conception du modèle a suivi les principes de la théorie des contraintes, identifiant la cabine de peinture comme la contrainte du système en raison du coût élevé de l'équipement et des besoins en main-d'œuvre qualifiée.
L'optimisation de l'agencement de l'installation a utilisé un système basé sur la traction, dans lequel les pièces se déplacent depuis les tampons d'arrivée jusqu'aux opérations de ponçage, de lavage et de masquage, puis sont poussées à travers les opérations de durcissement, de démasquage, de pochoir, d'assurance qualité et de mise à disposition pour l'expédition. Lorsque les pièces terminaient les opérations de peinture, le composant suivant le plus urgent avançait pour prendre sa place, créant ainsi un flux rationalisé qui minimisait les goulets d'étranglement et maximisait l'utilisation de l'équipement.
La méthodologie de la solution comprenait plusieurs scénarios de demande testant diverses combinaisons de configurations d'équipement et de méthodes opérationnelles. Chaque scénario comprenait trois familles de pièces avec des taux de programme d'un avion par mois, la demande étant maintenue constante pendant des périodes de 12 mois afin d'évaluer les performances du système dans des conditions opérationnelles soutenues.
Le logiciel d'ingénierie aérospatiale a permis de tester différentes méthodes, notamment des approches avec ou sans mise en lots et des technologies de durcissement au four ou en cabine d'essorage. Les quantités d'équipement ont été systématiquement ajustées et les itérations du modèle exécutées jusqu'à ce que les configurations optimales soient identifiées pour chaque scénario de demande et chaque combinaison de méthodes.
La quantification des performances a utilisé les jours de flux planifiés du système ERP de Boeing comparés aux jours de flux modélisés pour calculer les pourcentages de livraison à temps et le nombre total de jours de retard. Cette méthodologie de notation a permis une comparaison objective des différents scénarios et configurations d'équipement afin d'identifier les solutions optimales pour les différentes exigences opérationnelles.
L'analyse de la planification de la capacité des installations de peinture basée sur Simio a fourni des informations complètes qui ont fondamentalement transformé l'approche de Boeing en matière d'expansion des installations et de décisions d'investissement dans l'équipement. Les modèles de simulation à événements discrets ont fourni des réponses précises à des questions stratégiques critiques tout en révélant des opportunités d'optimisation que les méthodes analytiques traditionnelles ne pouvaient pas identifier.
Le modèle de l'état actuel a définitivement établi que l'équipement des installations existantes ne pouvait pas répondre aux exigences de la demande future. En utilisant l'analyse graphique du "nombre de pièces dans le système", la simulation a identifié le point précis où la capacité du système serait dépassée, la forte pente positive indiquant le moment où l'installation ne pourrait plus suivre le rythme de l'augmentation des taux d'arrivée.
Le processus de validation a comparé les prévisions de la simulation avec les prévisions du tableau de charge basé sur Excel, confirmant que la demande dépasserait la capacité à peu près dans les mêmes délais en tenant compte des modifications des hypothèses, notamment l'absence d'heures supplémentaires, l'absence de reprise et l'absence de délai supplémentaire d'extinction de l'amorce en raison des conditions environnementales. L'utilisation par le modèle des temps des experts en la matière avec variabilité a fourni une représentation plus précise des durées réelles des processus par rapport aux tableaux de charge Excel qui utilisaient des normes de pièces sans variabilité et surestimaient par conséquent la capacité.
Plusieurs itérations du modèle de l'état actuel ont exploré diverses stratégies d'extension de la capacité, y compris la réactivation d'une cabine de peinture mise hors service et précédemment reléguée à la formation de nouveaux peintres. Cependant, même avec ces ressources supplémentaires et leurs limites, l'analyse a confirmé que l'infrastructure existante ne pouvait pas répondre aux augmentations de la demande prévues dans les délais requis.
L'analyse du modèle de l'état futur a révélé des informations importantes sur les configurations optimales de l'équipement et les méthodes opérationnelles. Le test de quatre scénarios de demande différents pour quatre méthodes distinctes - mise en lots avec four, mise en lots avec essorage, pas de mise en lots avec four, et pas de mise en lots avec essorage - a fourni des données complètes pour la prise de décisions stratégiques.
Résultats de la configuration de l'équipement :
La combinaison de mise en lots avec four a nécessité quatre cabines de peinture et trois fours pour un total de sept équipements.
L'analyse a démontré que l'optimisation du flux des cabines de peinture par le biais d'une cuisson au four séparée, bien qu'apparemment optimale pour minimiser l'équipement coûteux des cabines de peinture, s'avérait en fait moins efficace lorsque l'on considérait l'ensemble du système. L'approche de la technologie d'essorage, qui combine la peinture et le séchage dans le même espace d'équipement, a permis de réduire le nombre total d'équipements et les exigences en matière d'aménagement des installations.
L'un des avantages significatifs de l'approche par simulation d'événements discrets a été la quantification des besoins en matière de taille des tampons et de consommation d'espace dans l'ensemble de l'installation. Chaque type de pièce consomme des surfaces différentes aux différentes étapes du processus, avec des besoins d'espace supplémentaires pour une exécution correcte du travail - deux pieds supplémentaires autour des pièces dans les fours pour la circulation de l'air, trois pieds autour des zones d'opérations manuelles pour l'accès aux escaliers portables, et six pieds autour des opérations de la baie de lavage pour le fonctionnement du nettoyeur à haute pression.
Le logiciel de simulation aérospatiale a suivi la consommation d'espace à chaque étape du processus, en particulier dans les zones de transit, ce qui a permis d'allouer avec précision les besoins en superficie pour un aménagement optimal des installations. Cette capacité a fourni à Boeing des données précises pour la planification de l'expansion des installations et l'optimisation de l'utilisation de l'espace.
La capacité du modèle à évaluer différents scénarios de reprise a fourni des informations essentielles pour la planification de la qualité et le dimensionnement des équipements. L'essai de taux de reprise de 0 à 25 % par incréments de 5 % a révélé l'impact considérable des performances de qualité sur les besoins en équipement :
À un taux de reprise de 10 % : Un four et un peintre supplémentaires sont nécessaires.
L'analyse a clairement démontré que les taux de reprise pour les nouveaux modèles de pièces influenceraient de manière significative les besoins en équipement, fournissant à Boeing des objectifs de qualité fondés sur des données qui ont un impact direct sur les besoins d'investissement dans les installations.
L'analyse complète a conduit Boeing à adopter l'approche spin pour les opérations de séchage, reconnaissant que l'optimisation de l'espace et la réduction du nombre d'équipements offraient une plus grande valeur que la maximisation de l'utilisation des cabines de peinture individuelles. Tous les équipements ont été dimensionnés pour permettre la mise en lots de grandes pièces, et l'agencement de l'installation a été optimisé sur la base d'observations fondées sur la simulation plutôt que sur les méthodes traditionnelles de planification de la capacité.
L'approche de modélisation aérospatiale s'est avérée supérieure à l'analyse de capacité basée sur Excel pour les systèmes complexes, car elle permettait de gérer les itinéraires complexes des pièces, d'incorporer les taux de reprise, de quantifier les tailles des tampons, d'ajouter la variabilité de la durée à l'analyse et d'évaluer les performances du système complet plutôt que celles des équipements individuels.
Le projet de planification de la capacité des installations de peinture de Boeing montre comment une technologie de simulation avancée transforme les processus traditionnels de planification de la fabrication tout en apportant une valeur stratégique mesurable. Le partenariat entre Boeing et Simio illustre le potentiel des logiciels de simulation aérospatiale pour relever des défis opérationnels complexes grâce à l'analyse et à l'optimisation basées sur les données.
L'approche de la simulation d'événements discrets a permis à Boeing d'être confiant dans ses décisions d'expansion des installations, d'obtenir des recommandations précises sur le dimensionnement des équipements et d'optimiser les méthodes opérationnelles afin de minimiser à la fois les besoins en espace et l'investissement en capital. La possibilité de tester plusieurs scénarios sans perturbation opérationnelle a permis à Boeing de prendre des décisions éclairées sur l'adoption de technologies et l'agencement des installations, ce qui aurait été impossible avec les méthodes analytiques traditionnelles.
Cette mise en œuvre valide la position de Simio en tant que leader de la technologie de simulation de jumeaux numériques intelligents, en démontrant comment les plates-formes de simulation modernes peuvent relever des défis complexes de fabrication aérospatiale tout en apportant une valeur commerciale mesurable. L'analyse réussie a fourni à Boeing un plan concret pour l'expansion des installations qui a équilibré les exigences opérationnelles avec l'efficacité du capital, assurant une performance optimale pour les demandes de production futures.
Le succès du projet renforce l'importance d'une analyse sophistiquée de la planification de la capacité de production dans les opérations aérospatiales, où des contraintes complexes et des produits de grande valeur nécessitent une optimisation précise pour maintenir l'avantage concurrentiel. L'expérience de Boeing montre que les entreprises qui sont prêtes à investir dans des capacités de simulation avancées peuvent obtenir des résultats opérationnels supérieurs tout en minimisant les risques associés aux décisions d'expansion des installations et d'investissement dans les équipements.
Boeing dispose de technologies de pointe en matière d'usinage, d'assemblage, d'automatisation et de fabrication de matériaux composites, soutenues par des capacités d'ingénierie de classe mondiale et un centre de recherche et de technologie dédié.