O desafio
Resumo executivo
Este estudo de caso examina como a Argon Consulting implementou uma solução de gêmeos digitais baseada no Simio para um grande fabricante australiano de salgadinhos. O cliente enfrentou desafios significativos de programação em vários locais de produção, incluindo uma transição complexa para uma nova instalação de última geração. Ao substituir a programação manual baseada em Excel por um modelo dinâmico Simio, a Argon forneceu uma solução que otimizou a programação da produção, melhorou a utilização de recursos e apoiou a tomada de decisões estratégicas. A abordagem de fabricação de gêmeos digitais permitiu que o cliente visualizasse restrições complexas de produção, testasse cenários virtualmente e fizesse uma transição perfeita da produção entre as instalações, mantendo altos níveis de atendimento ao cliente.
Histórico do cliente
O cliente é um grande produtor de salgadinhos no mercado australiano, fabricando vários tipos de produtos, incluindo batatas fritas, salgadinhos de milho e salgadinhos de pellets extrudados ou soprados. Seus produtos são vendidos em vários formatos, desde sacolas grandes até embalagens menores do tamanho de lancheiras. A empresa operava duas unidades de produção em Sydney, mas recentemente concluiu a construção de uma nova fábrica de última geração destinada a substituir as instalações originais.
A Argon Consulting estabeleceu um relacionamento de longo prazo com o cliente, realizando vários projetos de excelência operacional, incluindo
- Modelagem e projeto de cenários para o local novo
- Gerenciamento de projetos para comissionamento e inicialização vertical
- Modelagem detalhada da capacidade de seu depósito automatizado
- Planejamento de mão de obra e melhorias de processo
O ambiente de fabricação apresentava uma complexidade significativa, com vários ativos compartilhados, como fritadeiras e tambores de tempero, roteamento complexo de produtos e restrições operacionais rigorosas que tornavam a programação particularmente desafiadora.
Desafio: Programação complexa em um ambiente com várias restrições
O processo de programação do cliente enfrentava vários desafios que limitavam a eficiência operacional:
Limitações da programação baseada em Excel
Antes da implementação do Simio, todo o agendamento era realizado por meio de planilhas do Excel. Essa abordagem manual não conseguia lidar de forma eficaz com as interações complexas entre os ativos compartilhados na fábrica. O software de simulação de manufatura precisava lidar com várias restrições críticas:
- Compartilhamento de ativos complexos: Várias linhas de produtos compartilhavam recursos essenciais, como fritadeiras e tambores de tempero, criando dependências complexas que o Excel não conseguia modelar com eficácia.
- Lacunas na compreensão da capacidade: A verdadeira capacidade de produção com diferentes combinações de produtos não era bem compreendida, especialmente o delicado equilíbrio necessário entre a produção de sacos pequenos e grandes.
- Ciclos rápidos de inovação: A constante introdução de novos produtos e sabores no setor de salgadinhos criou uma complexidade adicional que era difícil de calcular usando ferramentas estáticas.
- Processos de planejamento isolados: As equipes de operações, manutenção e planejamento lutavam para alinhar suas atividades, o que dificultava minimizar a interrupção das paradas de engenharia e, ao mesmo tempo, manter os níveis de atendimento ao cliente.
- Ineficiências de processos manuais: As mudanças na programação exigiam atualizações manuais e lentas nas planilhas, limitando a capacidade de resposta aos problemas de produção.
Os desafios de programação da produção de alimentos foram ainda mais complicados devido a requisitos operacionais específicos:
- As fritadeiras precisavam manter taxas de produção constantes
- As trocas de sabores exigiam uma sequência específica dos sabores claros para os escuros
- A produção de sacos pequenos exigia a produção simultânea de sacos grandes para equilibrar a produção da fritadeira
A solução
A solução: Implementar a fabricação de gêmeos digitais com o Simio
A Argon desenvolveu uma solução abrangente de fabricação de gêmeos digitais usando o Simio para enfrentar esses desafios. A implementação seguiu uma abordagem em fases:
Fase 1: Desenvolvimento do modelo inicial
- Criação de um modelo de programação no Simio para os dois locais existentes
- Integrou o modelo ao sistema ERP do cliente para automatizar a entrada de dados
- Validação do modelo em relação aos dados reais de produção
- Implementou o modelo no processo de planejamento regular
Fase 2: Expansão para o novo local
- Ampliação do modelo para incluir o novo site greenfield
- Usou o modelo para testes de cenários para informar a seleção de ativos e o layout do local
- Apoiou a transição de volume entre as instalações antigas e as novas
Fase 3: Treinamento e transferência
Treinamento da equipe de planejamento para usar o Simio de forma eficaz
Estabelecimento de processos para manipulação e otimização do cronograma
Configuração de tabelas de saída para alimentar os painéis de controle operacionais
Arquitetura do software de simulação de manufatura
O modelo Simio foi projetado para representar com precisão o complexo ambiente de produção:
- Modelagem de processos: O modelo concentrou-se nos estágios críticos de produção, desde a fritura até o empacotamento das caixas, com suposições de que as entradas de matéria-prima e as operações de depósito não eram restrições.
- Integração de dados: A solução foi integrada ao sistema ERP do cliente para importar dados mestre de SKUs, informações de demanda e listas de materiais. Outros dados de configuração foram mantidos no Excel com o Power Query.
- Modelagem de recursos: Todos os ativos de produção foram modelados, incluindo:
- Fritadeiras com capacidades de produção específicas
- Tambores de tempero com restrições de sabor
- Ensacadeiras para diferentes tamanhos de embalagens
- Empacotadoras de caixas e rodovias internas
- Recursos compartilhados e suas interconexões
- Lógica de programação: O modelo implementou regras de programação complexas:
- Sequência fixa de tipos de produtos (batatas fritas → corte fino → crocante)
- Sequência de sabores, de leves (salgados) a pesados (churrasco, chili)
- Balanceamento da produção de sacos pequenos e grandes para manter a produção da fritadeira
- Alocação de recursos com base na disponibilidade e nas restrições
- Modelagem de fluxo: A solução usou os recursos de fluxo do Simio para calcular continuamente o consumo de sacos nas fritadeiras, garantindo o equilíbrio e a utilização adequados.
Detalhes técnicos da implementação
A modelagem de simulação para a implementação da manufatura aproveitou vários recursos importantes do Simio:
Estrutura do modelo
- Fontes vinculadas a tabelas de demanda em que os pedidos eram liberados para cada fluxo de produtos
- Servidores que representam os ensacadores que apreendem os recursos necessários
- Ativos de fluxo que modelam a produção contínua de fritadeiras a ensacadores
- Recursos que representam ativos compartilhados, como empacotadores de caixas e tambores de tempero
Inteligência de programação
A inteligência do modelo foi implementada principalmente por meio de expressões e condições de seleção que determinavam quais pedidos eram atribuídos a quais ensacadores. As principais restrições incluíam:
- Correspondência de corte da fritadeira: garantia de que os produtos fossem atribuídos somente às fritadeiras que fizessem o tipo de corte adequado (fino, enrugado etc.)
- Compatibilidade do tambor de sabor: Verificação de que os produtos foram atribuídos a ensacadores com tambores de sabor compatíveis ou tempero dedicado.
- Gerenciamento de extração: Manutenção da capacidade suficiente das ensacadoras para lidar com a produção da fritadeira, evitando o excesso de retirada que resultaria em baixa utilização.
Interface e interação do usuário
O modelo forneceu várias maneiras para os planejadores manipularem as programações:
- Programação de arrastar e soltar: Usar a visualização de operações do Simio para mover pedidos entre linhas
- Roteamento forçado: Atribuição de produtos específicos a ensacadores específicos por meio de tabelas de dados
- Exclusão de rota: Impedir que determinados produtos sejam executados em linhas específicas
- Modelagem de tempo de inatividade: Adição de manutenção planejada ou tempo de inatividade para avaliar o impacto
Integração de saída
O modelo gerou tabelas de saída detalhadas que alimentaram:
- Painéis de produção do Power BI
- Monitores e tablets no chão de fábrica
- Revisões operacionais diárias, semanais e mensais
O impacto nos negócios
Resultados: Benefícios da otimização da programação da fábrica
A implementação do gêmeo digital baseado no Simio proporcionou benefícios significativos em várias áreas:
Melhorias operacionais
- Melhoria da qualidade da programação: Sequências de produção mais eficientes com menos trocas
- Melhor utilização dos recursos: Melhor utilização da fritadeira e produção equilibrada
- Redução do esforço manual: Os planejadores gastaram menos tempo criando programações e mais tempo em decisões estratégicas
- Aumento da visibilidade: Informações de programação disponíveis em toda a fábrica em monitores e tablets
Capacidades estratégicas
- Teste de cenários: Capacidade de avaliar diferentes cenários de produção antes da implementação
- Análise de investimento em ativos: Decisões baseadas em dados sobre quando investir em novos equipamentos
- Suporte à transição de volume: Gerenciamento contínuo da produção em três locais durante a transição
Alinhamento organizacional
- Coordenação multifuncional: Melhor alinhamento entre operações, manutenção e planejamento
- Decisões orientadas por dados: Compreensão compartilhada das restrições e capacidades
- Níveis de serviço aprimorados: Manutenção do alto nível de atendimento ao cliente durante a complexa transição do local
Valor a longo prazo
Os recursos de planejamento da capacidade de produção fornecidos pelo modelo continuam a agregar valor à medida que o cliente:
- Avalia as necessidades futuras de capacidade
- Planeja o lançamento de novos produtos
- Otimiza a produção em suas novas instalações
Aplicações futuras e desenvolvimento contínuo
O sucesso da implementação inicial levou a várias extensões planejadas e em andamento:
Planejamento de capacidade
O modelo está sendo usado para avaliar os requisitos de capacidade de longo prazo, ajudando o cliente a determinar:
- Quando serão necessários equipamentos adicionais com base nas projeções de crescimento
- Como otimizar o mix de produtos para maximizar a capacidade existente
- Quais restrições devem ser abordadas primeiro para obter o máximo benefício
Introdução de novos produtos
O gêmeo digital agora é parte integrante do processo de introdução de novos produtos:
- Testar a produção de novos sabores e produtos antes do lançamento
- Avaliação do impacto sobre a capacidade geral e a programação
- Otimização dos formatos de embalagem com base nas restrições de produção
Melhoria contínua
O modelo continua a evoluir com:
- Pontos adicionais de integração de dados
- Recursos de visualização aprimorados
- Algoritmos de programação mais sofisticados
Conclusão: O valor da manufatura de gêmeos digitais
A implementação do software de simulação de fabricação Simio para esse fabricante de salgadinhos demonstra o valor significativo da tecnologia de gêmeos digitais em ambientes de produção complexos. Ao criar um modelo dinâmico e preciso do processo de produção, o Argon permitiu que o cliente
- Substituir a programação estática e manual por um planejamento dinâmico e atento às restrições
- Obter visibilidade sem precedentes das complexas interações de produção
- Tomar decisões baseadas em dados sobre programação, capacidade e investimentos em ativos
- Navegar com sucesso em uma transição complexa entre locais de fabricação
A solução de programação de produção de alimentos continua a agregar valor à medida que o cliente otimiza suas novas instalações e planeja o crescimento futuro. A abordagem de gêmeos digitais transformou a programação de uma necessidade tática em uma vantagem estratégica, permitindo operações mais eficientes e melhor tomada de decisões em toda a organização.
Esse estudo de caso ilustra como os recursos de simulação do Simio podem lidar até mesmo com os desafios mais complexos da manufatura, proporcionando benefícios operacionais imediatos e valor estratégico de longo prazo.