Baixar a versão em PDF Introdução
O setor 3.0 foi responsável pela informatização e automação do setor de manufatura, resultando na criação, armazenamento e análise de dados transacionais e de nível de execução abrangentes para ajustar e melhorar o desempenho do sistema, criando uma sombra digital da fábrica (instantâneo digital). Como parte dessa transformação do Setor 3.0, a análise de dados foi aplicada para descobrir e comunicar padrões e tendências significativos. Embora a aplicação da análise de dados de informações históricas seja útil, ela é tediosa e tenta ajudar as empresas a tomar decisões sobre o futuro olhando pelo espelho retrovisor.
No mundo atual, as empresas precisam ser altamente ágeis para suportar um ambiente de negócios em constante mudança e cada vez mais incerto, ao mesmo tempo em que lidam com uma combinação de produtos, serviços, materiais, tecnologias, máquinas e habilidades pessoais em rápido crescimento. Uma cadeia de suprimentos de manufatura bem-sucedida exige a orquestração, a coordenação e a sincronização de cada um desses elementos que operam de forma independente e coesa. À medida que o Setor 4.0 se desenvolve, os computadores são conectados e se comunicam com o objetivo de tomar decisões e executar operações com o mínimo de envolvimento humano, mas as empresas estão lutando para gerenciar esses projetos multifacetados e complexos de transformação digital. Abaixo estão alguns dos principais desafios que as partes interessadas e os projetos de transformação enfrentam em sua jornada para uma cadeia de suprimentos de manufatura altamente ágil e "inteligente" (low touch/no touch):
- Entender os processos e as restrições atuais - Embora as pessoas trabalhem em fábricas e cadeias de suprimentos há mais de um século, ainda é difícil entender e articular completamente todos os processos em detalhes, pois muitas das informações são compartimentadas entre departamentos ou estruturas organizacionais diferentes dentro da empresa. O entendimento começa com a identificação de todas as restrições físicas no processo de obtenção de material, bem como na produção e distribuição de produtos aos clientes. Há também muitos documentos diferentes que descrevem as regras comerciais que regem o processo, muitas vezes contradizendo a realidade atual. Na maioria das organizações, grande parte do know-how de execução e da lógica de decisão detalhada ainda é conhecimento tribal e difícil de replicar em qualquer sistema, pois está contido nas mentes das pessoas que tomam essas decisões cotidianas no chão de fábrica.
- Identificaras melhores fontes de dados e agregar dados precisos e relevantes - Compreender a qualidade atual e a correlação dos dados entre os vários sistemas empresariais é um desafio significativo, pois os valores de campos idênticos frequentemente variam entre os diferentes sistemas, dificultando a verificação da precisão. O nível de detalhe e a frequência de registro entre os sistemas são diferentes de acordo com o aplicativo do sistema, o que torna a correlação e a agregação de dados ainda mais complexas. A sincronização de diferentes fontes de dados para garantir que todas elas sejam relevantes em termos de tempo (mesmo registro de data e hora) é um desafio, pois alguns sistemas são executados quase em tempo real, enquanto outros são orientados por lotes e executados apenas uma vez por dia. Identificar as fontes e o fluxo de dados para estabelecer um pipeline de dados relevante para dar suporte à modelagem, ao controle, ao painel de controle e à análise do processo é fundamental para o processo de transformação.
- Identificação e exploração de áreas para transformação e modernização - É difícil identificar e determinar com precisão o valor que certas mudanças e otimizações de processos podem proporcionar para aumentar o desempenho da fábrica ou da cadeia de suprimentos. Determinados ganhos de desempenho ou de valor costumam ser superestimados, resultando em grandes investimentos de capital em capacidade e extensões de infraestrutura física para crescimento futuro e novos produtos sem uma compreensão detalhada dos requisitos e do impacto potencial nos negócios. As iniciativas de automação e digitalização para melhorar a eficiência e o desempenho também são desafiadoras. Esses projetos geralmente são desenvolvidos de forma isolada, o que faz com que não atinjam o objetivo: não fornecem o valor geral esperado e a transformação de processo antecipada necessária para que a empresa avance no sentido de atingir suas metas de transformação digital.
- Prever com precisão o comportamento e o desempenho futuros - A transformação geralmente envolve muitos aspectos simultâneos de uma empresa, incluindo, entre outros, pessoal, processos, equipamentos, novos produtos, vendas, alcance global e distribuição. Sem entender o impacto de ponta a ponta das mudanças propostas sobre as operações comerciais, há o risco de ficar aquém das expectativas, podendo desperdiçar dinheiro em investimentos que não proporcionam o valor esperado. Isso inclui a compreensão do impacto da automação (robótica, AMRs, manuseio de materiais etc.), a avaliação de alternativas para entender o ROI de várias opções e a visualização e apresentação de resultados futuros a todas as partes interessadas para adesão e tomada de decisões.
Com base em anos de experiência em simulação e análise, fica claro que a maneira mais eficaz de permitir e facilitar a transformação digital e enfrentar os desafios discutidos acima é criar e usar um modelo virtual detalhado baseado em simulação ou um gêmeo digital de processo off-line do processo (ou seja, fábrica e/ou cadeia de suprimentos). Esse modelo pode ser usado para o projeto e a análise dos processos atuais e futuros como uma solução preditiva. O modelo virtual também pode ser conectado aos dados em tempo real dos sistemas corporativos para se tornar o gêmeo digital do processo on-line para implantação operacional e tomada de decisões quase em tempo real como uma solução prescritiva. A tecnologia subjacente é descrita em mais detalhes no Whitepaper da Simio Simulation Solution, também disponível no site da Simio.
Este whitepaper descreve a solução Simio Intelligent Adaptive Process Digital Twin e os vários fluxos de trabalho de transformação digital que podem ser apoiados pelo uso dessa tecnologia. Durante o ciclo de vida de um projeto de transformação digital e de negócios, surgem diferentes requisitos durante as várias fases do projeto. Um único gêmeo digital de processo integrado da empresa pode facilitar a avaliação contínua do desempenho atual e futuro. Além disso, o modelo Process Digital Twin também pode ser implantado na nuvem, fornecendo suporte a decisões operacionais, bem como programação e orquestração das operações em andamento.
Baixar a versão em PDF