2021 Simio Sync : Transformation numériqueApplications

COVID-19 a fait de la transformation numérique un impératif, exposant les leviers de valeur traditionnels de la portée, de l'échelle et de l'efficacité comme n'étant plus pertinents pour être compétitif dans le secteur manufacturier. Une étude de la HBR a révélé que les entreprises ont dépensé 1,3 billion de dollars pour la transformation numérique, dont 900 milliards de dollars ont été gaspillés en raison de projets pilotes qui n'ont pas été mis à l'échelle. Qu'est-ce qui différencie les leaders des retardataires ? Sachin Lulla, EY Americas Consulting Sector Leader for Advanced Manufacturing & Mobility, sera l'un des orateurs principaux du Simio Sync 2021 et partagera son point de vue sur la manière dont les entreprises de fabrication avancée peuvent accélérer leur parcours de transformation numérique. Écoutez la présentation de Sachin et apprenez-en plus sur : Comment la pandémie a accéléré le besoin de transformation et quels sont les principaux moteurs Pourquoi la plupart des transformations numériques dans l'industrie manufacturière échouent-elles ? Comment construire un pont entre le présent et le futur et au-delà ?

Alors que nous entrons dans une ère de volatilité soutenue et de transitions hyper rapides dans l'environnement commercial externe, la préparation aux crises devient essentielle pour garantir la résilience des entreprises et de la chaîne d'approvisionnement. Les éléments clés de la préparation aux crises comprennent la surveillance proactive de l'environnement externe, la capacité de prédire l'impact des scénarios de choc de l'offre et de la demande et la capacité de recommander des actions correctives et des réponses optimales à des scénarios hautement perturbateurs. Dans les secteurs pharmaceutique et médical, les effets de ces perturbations peuvent être ressentis par les patients et les prestataires de soins de santé. Historiquement, les équipes chargées de la continuité des activités gèrent les crises liées à des ruptures d'approvisionnement ou à des hausses de la demande au moyen de plans d'urgence prédéfinis. Cependant, l'approche traditionnelle de la préparation aux crises est axée sur l'activation de plans d'atténuation des risques pour un ensemble de scénarios de perturbation bien connus. En revanche, il est difficile de prévoir des scénarios à faible probabilité/gravité élevée (les événements dits "cygne noir") puisque, par définition, leur occurrence est rare et qu'il existe peu de données historiques sur lesquelles s'appuyer (par exemple, une perte d'approvisionnement en matières premières et un pic de la demande se produisant simultanément). La question est donc la suivante : pouvons-nous créer un "moteur de recommandation" qui propose des plans de réponse pour un grand nombre de scénarios de perturbation à faible ou forte probabilité de manière hautement automatisée afin que les équipes de la chaîne d'approvisionnement puissent se concentrer sur l'architecture de l'infrastructure et de l'exécution nécessaires plutôt que sur la planification manuelle des mesures d'urgence ? Les plates-formes numériques automatisées de scénarios offrent une opportunité considérable de fournir ce service. Chez Johnson & Johnson, nous avons pris des mesures dans ce sens pour mettre en place de telles plateformes de scénarios numériques, en tirant parti des technologies de jumeau numérique et d'IA pour améliorer la durabilité, l'agilité et la résilience de nos chaînes d'approvisionnement et garantir la sécurité de l'approvisionnement (SoS) pour nos patients et nos clients. Ces plateformes de jumeaux numériques E2E basées sur la technologie Simio se concentrent sur la création de répliques virtuelles de réseaux de chaîne de valeur de bout en bout entre les fournisseurs, les sites de fabrication et de distribution et les sites des clients. Cela permet d'optimiser simultanément les arbitrages décisionnels (à l'échelle et à la vitesse) concernant les nouvelles capacités de fabrication et de test de qualité, les stocks de sécurité et les politiques d'inventaire, les allocations de produits en ciblant des résultats tels que la trésorerie, le coût du produit, le service et l'efficacité du capital. Nous débloquons ainsi un degré élevé de flexibilité pour "jouer au wargame" diverses combinaisons de scénarios d'offre et de demande et une capacité toujours prête à anticiper la prochaine crise.

Depuis plus de dix ans, Bayer utilise des modèles holistiques de simulation à événements discrets d'environnements de fabrication complexes, également connus sous le nom d'"usines virtuelles". Grâce à divers programmes stratégiques internes, ces usines virtuelles ont créé une valeur commerciale considérable à travers plus de 50 projets réussis (de Bayer Crop Science à Bayer Pharmaceuticals). L'opérationnalisation de ces usines virtuelles en se connectant aux systèmes de données de l'entreprise afin de créer des jumeaux numériques, est une technologie clé pour libérer la valeur de la fabrication intelligente et de l'industrie 4.0 chez Bayer. Un exemple réel d'un Simio Digital Twin en action chez Bayer Consumer Health sera montré dans une présentation séparée par Pietro Bertuzzi. Cette présentation abordera la configuration organisationnelle chez Bayer, la portée actuelle des applications, les étapes récentes vers la fabrication intelligente, y compris le Simio Digital Twin, et les initiatives futures pour mettre en œuvre un cycle de vie de modèle transparent de la conception aux opérations numériques, ainsi que l'interconnexion à un jumeau numérique de la chaîne d'approvisionnement.

Seegrid s'est associé à Simio pour développer un modèle de simulation flexible qui permet une utilisation collaborative au sein de l'équipe de conception de la solution.

La transformation des opérations numériques de bout en bout consiste à réinventer les entreprises grâce à des technologies numériques avancées afin d'atteindre de nouveaux niveaux d'efficacité, d'expérience client et de durabilité dans leurs fonctions d'ingénierie, de fabrication et de chaîne d'approvisionnement. La transformation n'est plus un événement qui se produit une fois par génération... c'est désormais une constante. L'accélération du rythme de l'innovation, combinée à l'évolution rapide du contexte social, environnemental et réglementaire, oblige les organisations et les écosystèmes à évoluer en permanence pour survivre et prospérer. La convergence et l'application des nouvelles technologies aux entreprises, aux organisations et aux consommateurs sont à l'origine de l'évolution rapide des cycles. La transformation numérique exige des organisations qu'elles se transforment, il ne s'agit pas seulement de technologie. Les dirigeants doivent réaligner les objectifs commerciaux, créer de nouveaux modèles commerciaux, transformer les expériences et industrialiser les opérations - en prenant soin de se transformer en nouveaux modèles commerciaux et opérationnels, et non pas de faire correspondre le numérique à l'ancien.

D'après une étude menée auprès de 600 entreprises couvrant 8 secteurs d'activité et situées aux États-Unis, en Europe et en Asie, la maturité numérique moyenne est de 39 % (100 % indiquant un déploiement complet). Sur les 40 capacités numériques clés sur lesquelles l'étude s'est concentrée, trois résident dans un groupe numérique axé sur la planification, la simulation et le contrôle de l'exécution. Il est intéressant de noter que l'étude montre que les leaders numériques ont adopté les jumeaux numériques en tant que technologie de transformation pour soutenir les capacités opérationnelles clés, notamment la simulation et la planification dynamique. L'étude a également révélé les facteurs qui accélèrent la transformation numérique ainsi que ceux qui semblent ralentir l'adoption de la technologie numérique.

Dans cette présentation, nous vous emmènerons à la découverte et à la transformation de plusieurs entreprises qui ont adopté la technologie numérique et commencé à transformer leur mode de fonctionnement et la manière dont elles servent leurs clients.

La transformation numérique fait partie de la réalité des entreprises et la nécessité d'utiliser les données pour prendre des décisions stratégiques et de démocratiser l'information dans l'ensemble de l'entreprise a été accélérée par la pandémie. Les entreprises de tous les secteurs ont été forcées d'évoluer et de devenir résilientes face à l'incertitude. La capacité d'une organisation à exploiter les données, à visualiser son système, à effectuer des analyses de scénarios et à obtenir des informations sur les processus opérationnels en temps réel est essentielle pour développer des stratégies commerciales fructueuses. La solution Digital Twin de Simio, basée sur la simulation, peut devenir l'élément central de la technologie permettant une transformation numérique, aidant les entreprises à prendre de meilleures décisions, à optimiser les opérations et à stimuler la croissance - quel que soit le point où vous vous trouvez sur le chemin de la transformation numérique. Le voyage commence par un modèle virtuel permettant d'analyser et de prédire ce qui pourrait se produire dans une situation donnée. Le modèle peut ensuite être connecté aux systèmes de l'entreprise, puis devenir un jumeau numérique de processus, pour produire un programme de production détaillé qui utilise des données opérationnelles, des données de système réelles comme entrée. Au fur et à mesure que la maturité numérique augmente, le jumeau numérique Simio peut prendre en charge la prise de décision autonome où la meilleure action est prescrite automatiquement et renvoyée aux systèmes d'entreprise de soutien pour exécution dans le cadre d'un flux de travail entièrement intégré. Rejoignez Renee Thiesing, vice-présidente des produits chez Simio, qui nous emmène sur le chemin de la transformation numérique, en soulignant comment la solution de Simio peut ajouter de la valeur à chaque étape du processus de transformation. Vous verrez les produits Simio en action, y compris des exemples d'intégration avec d'autres systèmes d'entreprise et quelques nouvelles fonctionnalités des produits Simio.

Tout au long de Simio Sync, vous entendrez des histoires de réussite provenant de tous les points du spectre de la conception à l'exploitation. Chaque succès a été durement gagné et a permis de tirer des leçons précieuses. Nous avons demandé à nos clients de Digital Twin de partager certaines de leurs expériences dans l'espoir d'encourager d'autres personnes à se lancer dans l'aventure, en s'inspirant de leur expérience et en tirant parti des leçons apprises. La discussion sera centrée sur des défis tels que :

• Évaluer les niveaux de préparation en interne, déterminer les limites des écarts de compétences et les ressources en personnel nécessaires à l'adoption de nouvelles technologies.
• Gérer les pipelines de données.
• La mise en œuvre de méthodologies de construction agiles et itératives pour faire face efficacement aux obstacles qui surgissent lors de l'utilisation de nouvelles technologies de transformation numérique telles que le jumeau numérique.
• Déterminer les compromis que les organisations envisagent en raison de l'indisponibilité des données ou de la qualité des données disponibles.

La table ronde sera composée de membres des équipes de mise en œuvre ayant une expertise technique, à la fois interne et externe. Le public apprendra à gérer les processus d'adoption de la transformation numérique.

La demande de prise de décision en temps réel dans l'industrie manufacturière a attiré l'attention sur le domaine des jumeaux numériques (DT). L'idée est de créer une contrepartie numérique du système physique sur la base de données d'entreprise afin d'exploiter les effets de nombreux paramètres et de prendre des décisions en connaissance de cause. Sur cette base, cet article propose un cadre de simulation et d'optimisation pour le modèle DT d'une usine de fabrication de boissons. Un modèle de simulation piloté par les données développé dans Simio est intégré à Python pour effectuer une optimisation multi-objectifs à l'aide de NSGA-II. Le cadre explore les solutions optimales en simulant de multiples scénarios en modifiant la disponibilité des opérateurs et les règles de répartition/ordonnancement. Les résultats montrent que l'optimisation par simulation peut être intégrée dans les modèles Digital-Twin dans le cadre de la planification et de l'ordonnancement de la production en temps réel.

L'entreprise Simio Shelving Shop est un fabricant et un grossiste de rayonnages spécialisé dans plusieurs types d'unités de rayonnages avec des variations de design. L'atelier connaît actuellement un faible taux d'exécution des commandes, ce qui affecte ses résultats. La direction a récemment engagé un consultant externe chargé de formuler des recommandations en vue de réorganiser le système d'inventaire et de stockage. Le consultant a recommandé un nouveau paradigme de stockage tampon et d'inventaire, le Demand Driven Materials Requirement Planning (DDMRP), pour résoudre le problème endémique des ruptures de stock.

L'usine utilise actuellement des niveaux de stockage statiques, où toutes les stations disposent d'une quantité fixe de matières premières stockées à leur poste, et l'usine maintient un nombre fixe de chaque article final prêt à être expédié. La méthode actuelle de stockage tampon, combinée aux variations des délais et de la qualité dans l'usine et chez ses fournisseurs, entraîne des ruptures de stock de produits finis et de matières premières. La direction a accepté la recommandation du consultant d'incorporer une solution de stockage tampon DDMRP dans l'usine, car elle est convaincue qu'une solution de stockage tampon dynamique améliorera une série d'indicateurs clés de performance (ICP), en particulier le taux de remplissage et le coût moyen des stocks. Comme objectif secondaire, la direction recherche également de meilleures méthodes de contrôle du risque dans les niveaux de tampon, ce que les profils de tampon DDMRP fourniront.

Le défi consiste à mettre en place des tampons DDMRP dynamiques dans l'usine. Pour ce faire, il faudra exploiter les données préexistantes provenant des ventes, de la qualité, des machines et des fournisseurs afin de déterminer l'emplacement des tampons, puis d'affiner les paramètres des tampons afin d'améliorer les indicateurs clés de performance (KPI) sélectionnés. Une fois les tampons intégrés, la direction souhaite prédire l'évolution des indicateurs clés de performance de l'usine. En outre, la direction souhaite réévaluer les fournisseurs potentiels, dont les délais de livraison et la qualité des produits varient. Cette évaluation comprendra la recréation de tampons optimaux pour les fournisseurs potentiels afin de déterminer l'impact que le fournisseur pourrait avoir sur le taux de remplissage et le coût moyen des stocks de l'entreprise.