Imagine um sistema de produção em que todas as decisões de produção são otimizadas com base em informações em tempo real de um conjunto totalmente integrado e conectado de equipamentos e pessoas. Todo o sistema faz o melhor uso possível dos recursos disponíveis para atingir suas metas de produção, e o sistema se ajusta automaticamente em tempo real às mudanças nas condições. Todo o trabalho é programado automaticamente pelo sistema, todos os equipamentos registram automaticamente seu desempenho e também planejam e programam sua própria manutenção para minimizar o impacto no sistema. Os dados de desempenho são registrados automaticamente em todo o sistema e informados às partes interessadas apropriadas. Além disso, o sistema faz previsões a tempo e fornece informações gerenciais confiáveis sobre o desempenho planejado, incluindo KPIs críticos, como o tempo de entrega esperado e os custos de produção de todos os pedidos planejados. Os gerentes têm acesso instantâneo a importantes informações atuais e prospectivas para impulsionar e expandir os negócios. Essa é a visão da Fábrica Inteligente do futuro (4ª Revolução Industrial).
A Fábrica Inteligente é uma ideia que chegou a sua hora. As tecnologias que sustentam a Fábrica Inteligente continuaram a evoluir e se tornaram mais comuns. Cada componente é uma tecnologia conhecida e está presente em muitas fábricas atualmente. No entanto, o modelo detalhado da fábrica ou o Factory Digital Twin, que fornece visibilidade antecipada das operações planejadas, apoiando iniciativas de melhoria contínua, tem sido o componente crítico que faltava para viabilizar a Fábrica Inteligente. A tecnologia Simio Intelligent Adaptive Process Digital Twin fornece esse componente essencial.
Um requisito fundamental para planejar e operar uma fábrica com sucesso é entender o que a fábrica é capaz de produzir sob diferentes condições de entrada, como mix de produtos para a semana, recursos de produção disponíveis, restrições específicas de mão de obra, requisitos de manutenção etc. Isso vale tanto para a construção de uma nova fábrica quanto para o gerenciamento mais eficiente de uma fábrica existente. Portanto, é fundamental poder desenvolver um modelo de fábrica virtual que contenha todas as restrições físicas da fábrica, bem como as regras comerciais e a lógica de decisão para replicar o verdadeiro comportamento da fábrica. Isso permite que todas as partes interessadas (planejadores, operações, gerência etc.) realizem análises hipotéticas para entender a verdadeira capacidade da fábrica, bem como o comportamento e a sensibilidade a variáveis operacionais específicas (dentro ou fora de seu controle direto).
Esse modelo de fábrica virtual também pode ser usado como parte do processo de transformação digital para avaliar todos os dados de origem em termos de nível de detalhe, correlação entre sistemas e disponibilidade de dados (tempo e velocidade). Para que uma fábrica avance na curva de maturidade digital, preparando-se para se tornar uma Fábrica Inteligente, é importante que os dados sejam padronizados e sincronizados entre os sistemas de origem para garantir a tomada de decisões e a execução precisas. Como parte do processo de transformação digital, as fábricas também precisam harmonizar seu pessoal e seus processos entre os departamentos e entre fábricas semelhantes para garantir uma execução consistente e eficiente com base nas práticas recomendadas gerais. Essas práticas recomendadas, apoiadas por dados padronizados e correlacionados, criarão a linha de base para se tornar uma Fábrica Inteligente impulsionada pela tomada de decisões autônomas em tempo real.
O modelo de fábrica virtual pode então ser conectado aos dados em tempo real dos sistemas empresariais, dispositivos de IoT, equipamentos de automação etc. para se tornar o gêmeo digital da fábrica que se adaptará automaticamente ao ambiente à medida que os dados mudarem. Além disso, ele criará um cronograma detalhado e acionável quase em tempo real com base na condição atual e na demanda futura da fábrica para permitir a tomada de decisões e a execução totalmente autônomas. As listas de tarefas detalhadas para cada recurso na fábrica, juntamente com os requisitos de material para cada etapa do processo, podem ser compartilhadas em toda a empresa por meio da integração direta com os sistemas corporativos ou disponibilizadas por meio de uma plataforma baseada em nuvem (pública ou privada).
No mundo de hoje, as empresas competem não apenas em preço e qualidade, mas também em sua capacidade de entregar produtos de forma confiável e dentro do prazo. Portanto, uma boa programação operacional da produção influencia o rendimento, as vendas e a satisfação do cliente de uma empresa. Embora as empresas tenham investido milhões em tecnologia da informação para Enterprise Resource Planning (ERP) e Manufacturing Execution Systems (MES), o investimento ficou aquém da programação detalhada da produção, fazendo com que a maioria das empresas recorra a métodos manuais que envolvem Excel e quadros de planejamento. Enquanto isso, as tendências do setor em relação à redução de estoques, prazos de entrega mais curtos, maior personalização de produtos, proliferação de SKUs e manufatura flexível estão tornando a tarefa de programação da produção mais complicada. A criação de um plano viável exige a consideração simultânea de materiais, mão de obra, equipamentos e demanda. Essa barreira é simplesmente muito alta para qualquer método de planejamento manual. O desafio de criar um plano confiável exige uma transformação digital que possa dar suporte à programação automatizada e confiável.
O conceito de um cronograma acionável é fundamental para a ideia de uma programação de fábrica eficaz. Uma programação acionável é aquela que não apenas considera totalmente as restrições detalhadas e as regras operacionais do sistema, mas também está sincronizada com a linha do tempo do evento e, portanto, pode ser totalmente executada na fábrica pela equipe de produção sem intervenção humana adicional. Um problema com muitas soluções de programação é que elas ignoram uma ou mais restrições detalhadas, planejadas em intervalos de tempo definidos (diários ou semanais) e, portanto, não podem ser executadas conforme especificado no chão de fábrica. Um cronograma não acionável exige que os operadores entrem em ação e substituam o cronograma planejado para acomodar as restrições reais do sistema. Nesse ponto, o cronograma não está mais sendo seguido e decisões locais estão sendo tomadas, o que afeta os KPIs do sistema de maneiras que não são visíveis para os operadores.
Uma segunda ideia central da programação eficaz é contabilizar adequadamente a variabilidade e os eventos não planejados na fábrica e o impacto prejudicial correspondente sobre o rendimento e a entrega no prazo. A maioria das abordagens de programação ignora completamente esse elemento essencial do sistema e, portanto, produz programações otimistas que não podem ser cumpridas na prática. O que começa como uma possível programação viável degrada-se com o passar do tempo, à medida que as máquinas quebram, os trabalhadores faltam por motivo de doença, os materiais chegam atrasados, é necessário retrabalho etc. As promessas otimistas que foram feitas não podem ser cumpridas.
Uma terceira consideração é o efeito de um cronograma inviável no plano da cadeia de suprimentos. A programação da fábrica é apenas a etapa final do processo de planejamento da produção, que começa com o planejamento da cadeia de suprimentos com base na demanda real e/ou prevista. O processo de planejamento mestre gera ordens de produção e normalmente estabelece requisitos de material para cada período de planejamento em toda a rede de produção. As ordens de produção geradas para cada fábrica da rede durante esse processo baseiam-se em um modelo aproximado da capacidade de produção. O processo de planejamento mestre tem uma visibilidade muito limitada das restrições reais da fábrica, e as necessidades de produção resultantes geralmente superestimam a capacidade da fábrica. Posteriormente, os programadores da fábrica devem desenvolver um plano detalhado para atender a esses requisitos de produção, considerando as restrições reais do equipamento, da força de trabalho etc. Os ajustes da fábrica para tornar o plano viável não serão transparentes para os planejadores da cadeia de suprimentos. Isso cria uma desconexão em uma função central de planejamento de negócios em que ocorrem enormes gastos com recursos e sistemas. O(s) gêmeo(s) digital(is) da fábrica pode(m) ser incluído(s) em um modelo de rede para apoiar a rede ou o processo de planejamento mestre, garantindo a viabilidade em todos os níveis e horizontes de tempo. O mesmo gêmeo digital pode ser usado para planejamento de curto, médio e até mesmo de longo prazo, que pode ser totalmente automatizado na nuvem para distribuição a todas as partes interessadas.
Vamos começar discutindo as três abordagens mais comuns para resolver o problema de programação operacional em uso atualmente: 1) métodos manuais usando quadros de planejamento ou planilhas, 2) modelos de recursos e 3) The Factory Digital Twin.
O método mais comum usado atualmente para a programação operacional da fábrica é o método manual, normalmente complementado com planilhas ou quadros de planejamento. O uso da programação manual normalmente não é a primeira opção de uma empresa, mas é o resultado do fracasso em obter sucesso com sistemas automatizados.
A geração manual de um cronograma para uma fábrica complexa é uma tarefa muito desafiadora, que exige uma compreensão detalhada de todos os equipamentos, da força de trabalho e das restrições operacionais. Cinco dos inconvenientes mais frustrantes incluem:
As empresas que utilizam um método automatizado de programação de fábrica normalmente usam uma abordagem baseada em um modelo de recursos da fábrica. Um modelo de recursos é composto por uma lista de recursos críticos com intervalos de tempo alocados a tarefas que devem ser processadas pelo recurso com base nos tempos estimados das tarefas, A seguir, um gráfico de Gantt que descreve um modelo de recursos simples com quatro recursos (A, B, C, D) e dois trabalhos (azul, vermelho). O trabalho azul tem a sequência de tarefas A, D e B, e o trabalho vermelho tem a sequência de tarefas A e B.
Figura 1 - Gráfico de Gantt de recursos simples
Os recursos em um modelo de recursos são definidos por um "estado" de recurso que pode ser ocupado, ocioso ou fora do turno. Quando um recurso está ocupado com uma tarefa ou fora do turno, outras tarefas devem esperar para serem alocadas ao recurso (por exemplo, o vermelho espera que o azul seja concluído no recurso A). Todas as ferramentas de programação baseadas em um modelo de recursos compartilham essa mesma representação da capacidade da fábrica e diferem apenas na forma como as tarefas são atribuídas aos recursos.
O problema que todas essas ferramentas compartilham é um modelo de restrição excessivamente simplista. Embora esse modelo possa funcionar em algumas aplicações simples, há muitas restrições nas fábricas que não podem ser representadas por um simples estado ocupado, ocioso e fora do turno de um recurso. Considere os exemplos a seguir:
Esses são apenas alguns exemplos de restrições típicas para as quais um modelo simples de recurso ocupado, ocioso e fora do turno é inadequado. Cada fábrica tem seu próprio conjunto de restrições que limitam a capacidade da instalação.
As ferramentas de programação que utilizam um modelo simples de recursos alocam tarefas aos recursos usando uma das três abordagens básicas: heurística, otimização e simulação.
Uma heurística comum é o sequenciamento de tarefas, que começa com a tarefa de maior prioridade e atribui todas as tarefas para essa tarefa, repetindo esse processo para cada tarefa até que todas as tarefas sejam programadas (no exemplo anterior, a azul é sequenciada, depois a vermelha). Essa abordagem simples de sequenciamento de trabalhos pode ser feita tanto no sentido para frente, começando com a data de liberação, quanto no sentido para trás, começando com a data de vencimento. Observe que o sequenciamento para trás (embora útil no planejamento mestre) é normalmente problemático na programação detalhada porque a programação resultante é frágil e qualquer interrupção no fluxo de trabalho criará um trabalho atrasado. Essa heurística simples de sequenciamento de um trabalho por vez não pode acomodar regras operacionais complexas, como a minimização de trocas ou a execução de campanhas de produção com base em atributos como tamanho ou cor. No entanto, muitas heurísticas diferentes foram desenvolvidas ao longo do tempo para atender a requisitos especiais de aplicativos. Exemplos de ferramentas de programação que utilizam heurística incluem o Preactor da Siemens e o PP/DS da SAP.
A segunda abordagem para atribuir tarefas a recursos no modelo de recursos é a otimização, na qual o problema de atribuição de tarefas é formulado como um conjunto de restrições de sequenciamento que devem ser satisfeitas ao mesmo tempo em que se atinge um objetivo, como minimizar o atraso ou o custo. A formulação matemática é então "resolvida" usando um solucionador de Programação de Restrições (CP). O solucionador de CP usa regras heurísticas para buscar possíveis atribuições de tarefas que atendam às restrições de sequenciamento e melhorem o objetivo. Observe que não há algoritmo que possa otimizar a formulação matemática da atribuição de tarefas para o modelo de recursos em um tempo razoável (esse problema é tecnicamente classificado como NP Hard) e, portanto, os solucionadores de CP disponíveis dependem da heurística para encontrar uma solução "prática", mas não ideal. Além disso, em geral, ele é resolvido dentro de um intervalo de tempo de 1 dia ou 1 semana, portanto, devido ao uso de tempos de execução estimados para o tempo de processamento de pedidos de cada equipamento, os horários de início e término da tarefa não estão totalmente sincronizados com o calendário de tempo do evento real das operações da fábrica e ainda exigem intervenção manual dos planejadores. Na prática, a abordagem de otimização tem aplicação limitada porque, muitas vezes, são necessários longos tempos de execução (horas) para se chegar a uma boa solução. Embora o PP/DS incorpore o solucionador de CP do ILOG para atribuir tarefas a recursos, a maioria das instalações do PP/DS depende da heurística disponível para atribuições de tarefas.
A terceira abordagem para atribuir tarefas no modelo de recursos simples é uma abordagem de simulação. Nesse caso, simulamos o fluxo de trabalhos por meio do modelo de recursos da fábrica e atribuímos tarefas aos recursos disponíveis usando regras de despacho, como a menor troca ou a data de vencimento mais próxima. Essa abordagem tem várias vantagens sobre a abordagem de otimização. Primeiro, ela é executada muito mais rapidamente, produzindo um cronograma em minutos em vez de horas. Outra vantagem importante é que ela pode suportar a lógica de decisão personalizada para alocar tarefas aos recursos.
Independentemente da abordagem usada para atribuir tarefas aos recursos, o cronograma resultante pressupõe a eliminação de todos os eventos aleatórios e variações no sistema. Portanto, os cronogramas resultantes são otimistas e levam a promessas exageradas de prazos de entrega aos clientes. Essas ferramentas não oferecem nenhum mecanismo para avaliar o risco relacionado ao cronograma.
A terceira e mais recente abordagem para a programação de fábrica é o Process Digital Twin da fábrica. Um gêmeo digital da fábrica é uma réplica digital dos processos, equipamentos, pessoas e dispositivos que compõem a fábrica e pode ser usado tanto para o projeto quanto para a operação do sistema. Os recursos no sistema não só têm um estado de ocupado, ocioso e fora do turno, mas também são objetos que têm comportamentos e podem se mover pelo sistema e interagir com outros objetos no modelo para replicar o comportamento e as restrições detalhadas da fábrica real. Esses modelos também incluem as regras de negócios e a lógica de decisão detalhada usada no chão de fábrica para replicar a realidade o mais próximo possível e garantir a viabilidade. O Factory Digital Twin traz um novo nível de fidelidade à programação que não está disponível nas ferramentas de modelagem baseadas em recursos existentes.
O Simio Factory Digital Twin é um modelo animado em 3D da fábrica, orientado por objetos e orientado por dados, que está conectado a dados em tempo real do ERP, MES e fontes de dados relacionadas. O Factory Digital Twin é totalmente gerado e orientado pelos dados da empresa, o que permite que ele se adapte às mudanças no ambiente, como equipamentos adicionais, novos requisitos de mão de obra e habilidades, novas peças/SKUs etc.
Para que o Factory Digital Twin replique o verdadeiro comportamento da fábrica física, a lógica do modelo inclui o seguinte:
O Factory Digital Twin simula o futuro para fornecer uma análise preditiva e prescritiva do sistema a fim de proporcionar uma visão totalmente voltada para o futuro do desempenho esperado da produção e da entrega da fábrica. Isso permite que o Factory Digital Twin gere um cronograma operacional detalhado e viável, incluindo todas as listas de tarefas de recursos relevantes e requisitos de materiais associados em cada ponto do processo de fabricação. O Factory Digital Twin também realiza uma avaliação de risco de metas definidas, como datas de entrega e custo, para destacar o risco associado a todos os pedidos no sistema, permitindo que os planejadores ajam de forma proativa para evitar ou minimizar os problemas de atendimento ao cliente.
Um dos principais benefícios do Factory Digital Twin é a capacidade de fornecer um cronograma viável que considera a demanda (pedidos), a capacidade e os materiais simultaneamente para todo o sistema de ponta a ponta em todos os processos (ou seja, mistura, armazenamento, enchimento, controle de qualidade, materiais, mão de obra). Ele garante que todos os processos da fábrica estejam totalmente sincronizados, pois para cada tarefa ou evento, a disponibilidade de materiais e recursos é confirmada para garantir a viabilidade total do cronograma de execução. O Simio Digital Twin é totalmente transparente em sua metodologia de tomada de decisão e otimização (abordagem de caixa de vidro) em comparação com os algoritmos de otimização existentes e os mecanismos de IA pura que normalmente geram resultados não transparentes (abordagem de caixa preta). Isso permite que os planejadores entendam e ajustem as restrições, as regras e a lógica de decisão para encontrar melhores maneiras de operar a fábrica e permitir um processo contínuo de aprendizado e melhoria de processos.
Como parte do processo geral de transformação digital do ambiente de fabricação, o Factory Digital Twin também oferece uma maneira sistemática de melhorar (corrigir) e padronizar os dados contidos nos diferentes sistemas empresariais (ERP, MES, Excel etc.). Muitas vezes, constata-se que os dados nos diversos sistemas consistem em níveis variados de detalhes ou apresentam dados inconsistentes para os mesmos campos. Os dados nos diferentes sistemas corporativos são frequentemente atualizados em momentos diferentes ou executados em modo de lote, o que faz com que os dados também tenham carimbos de data e hora diferentes, prejudicando ainda mais a sincronização do processo devido à disponibilidade de dados precisos e oportunos.
O Factory Digital Twin também oferece um mecanismo para harmonizar as pessoas e os processos, avaliando todas as práticas recomendadas implantadas na fábrica ou em fábricas idênticas da mesma empresa. Isso permite que a empresa selecione os melhores procedimentos e métodos para implementação e treinamento em todas as instalações semelhantes, criando uma linha de base para automação e mobilidade de recursos. A Figura 3 abaixo ilustra a interação e o fluxo de dados do Simio Factory Digital Twin com os sistemas corporativos existentes ou planejados.
Figura 3 - Implantação e fluxo de dados do Simio Factory Digital Twin
Vamos agora resumir as principais vantagens do Simio Factory Digital Twin como uma solução de projeto de fábrica e programação operacional.
Embora o foco aqui seja aumentar o rendimento e a pontualidade na entrega por meio de uma melhor programação usando o projeto da fábrica existente, o Simio Factory Digital Twin também pode ser usado para otimizar o layout e o projeto da fábrica, ao contrário das ferramentas tradicionais de programação. O mesmo modelo Simio usado para a programação da fábrica pode ser usado para testar alterações nas instalações, como adicionar novos equipamentos, alterar os níveis de pessoal, consolidar etapas de produção, adicionar estoque de reserva usando a metodologia de reabastecimento DDMRP ou introduzir novas SKUs de produtos.
Um requisito básico de qualquer solução de programação é que ela forneça programações acionáveis que possam ser implementadas na fábrica real. Se uma programação de produção não acionável for enviada ao chão de fábrica, a equipe de produção não terá outra opção a não ser ignorar a programação e tomar suas próprias decisões com base nas informações locais.
Para que um cronograma seja acionável, ele deve capturar todas as restrições detalhadas do sistema. Como a base do Simio Factory Digital Twin é uma ferramenta de modelagem orientada a objetos, o modelo da fábrica pode capturar todas essas restrições com o nível de detalhamento necessário. Isso inclui restrições complexas, como dispositivos de manuseio de materiais, equipamentos complexos, trabalhadores com diferentes conjuntos de habilidades e requisitos de sequenciamento complexos.
Em muitos sistemas, há regras operacionais que foram desenvolvidas ao longo do tempo para controlar os processos de produção. É tão importante capturar essas regras operacionais quanto as principais restrições do sistema; qualquer cronograma que ignore essas regras operacionais não é acionável. Isso inclui decisões operacionais, como a de que o ProdutoABC só pode ser executado na Máquina1 ou na Máquina2, enquanto o ProdutoXYZ pode ser executado na Máquina2 ou na Máquina3 na mesma área do centro de trabalho da máquina, levando-se em conta também o custo ou a eficiência operacional. A estrutura de modelagem do Simio tem uma lógica de decisão flexível baseada em regras para implementar essas regras operacionais. Como parte da execução do modelo de simulação, essas regras e restrições são avaliadas em cada ponto do calendário de eventos para garantir que todas as tarefas de materiais e recursos também estejam totalmente sincronizadas com o cronograma de execução da produção real. O resultado é um cronograma acionável que respeita as restrições físicas do sistema, bem como as regras operacionais padrão e o cronograma de execução.
Na maioria das organizações, a vida útil de um cronograma é curta porque ocorrem eventos não planejados e variações que tornam o cronograma atual inválido. Quando isso ocorre, um novo cronograma deve ser gerado novamente e distribuído o mais rápido possível para manter a produção funcionando sem problemas. Uma abordagem manual ou baseada em otimização para a regeneração do cronograma, que leva horas para ser concluída, não é prática; nesse caso, os operadores do chão de fábrica normalmente assumem o controle e implementam suas próprias decisões locais de cronograma que podem não estar alinhadas com os KPIs de todo o sistema. Quando ocorrem eventos aleatórios, o Simio Factory Digital Twin pode responder rapidamente e gerar e distribuir uma nova programação acionável. A regeneração da programação pode ser acionada manualmente pelo programador ou automaticamente por eventos no sistema acionados por sistemas operacionais, como o MES ou dispositivos IoT.
Em outros sistemas de programação, a única visualização gráfica do modelo e da programação é o gráfico de Gantt de recursos. Por outro lado, o Simio Factory Digital Twin oferece uma comunicação e uma visualização eficientes da estrutura do modelo e do cronograma resultante. O ideal é que qualquer pessoa na organização, desde o chão de fábrica até o último andar, possa visualizar e entender o modelo suficientemente bem para validar sua estrutura. Uma boa solução melhora não apenas a capacidade de gerar um cronograma acionável, mas também de visualizá-lo e explicá-lo em todos os níveis da organização.
O gráfico de Gantt do Simio tem um link direto para a visualização animada em 3D da fábrica; clique com o botão direito do mouse em um recurso ao longo da escala de tempo na visualização de Gantt e o Simio exibirá instantaneamente uma visualização animada desse recurso na fábrica, mostrando as máquinas, os trabalhadores e o trabalho em processo naquele momento do cronograma. A partir desse ponto, o planejador pode simular o avanço no tempo e observar o desdobramento do cronograma como no sistema real. Os benefícios do Simio Factory Digital Twin começam com a geração precisa e rápida de um cronograma acionável. Mas os benefícios culminam na capacidade do Factory Digital Twin de comunicar a estrutura da fábrica, a lógica do modelo e as programações resultantes a qualquer pessoa que precise saber.
Uma das principais deficiências das ferramentas de programação é a sua incapacidade de lidar com eventos e variações não planejados. Em contrapartida, o Simio Factory Digital Twin pode modelar com precisão esses eventos e variações não planejados não apenas para fornecer uma programação detalhada, mas também para analisar o risco associado à programação.
Ao gerar o cronograma, os eventos aleatórios e a variabilidade do processamento são automaticamente desativados para gerar um cronograma determinístico. Como outros cronogramas determinísticos, ele é otimista em termos de conclusão no prazo. No entanto, depois que esse cronograma é gerado, o mesmo modelo é executado várias vezes com os eventos e a variação ativados, para gerar uma amostragem aleatória de vários cronogramas com base na incerteza do sistema. O conjunto de cronogramas gerados aleatoriamente é então usado para derivar medidas de risco, como a probabilidade de cada pedido ser enviado no prazo. Essas medidas de risco são exibidas diretamente no gráfico de Gantt e em relatórios relacionados, o que informa antecipadamente ao programador quais pedidos correm o risco de se atrasar, de modo que possam ser tomadas medidas para garantir que os pedidos importantes tenham uma alta probabilidade de serem enviados no prazo.
Não é incomum que o processo de planejamento da cadeia de suprimentos, que se baseia em um modelo de capacidade aproximada da fábrica, envie mais trabalho para uma instalação de produção do que pode ser facilmente produzido, considerando a capacidade real e as restrições operacionais da instalação. Quando isso ocorre, o cronograma detalhado resultante terá um ou mais trabalhos atrasados e/ou trabalhos com alto risco de atraso. Surge então a questão de quais ações podem ser tomadas pelo programador para garantir que todos os trabalhos importantes sejam entregues dentro do prazo.
Embora outras abordagens de programação gerem uma programação, o Simio Factory Digital Twin vai além, fornecendo também uma análise de restrições que detalha todo o tempo sem valor agregado (NVA) gasto por cada trabalho no sistema. Isso inclui o tempo de espera por uma máquina, um operador, material, um dispositivo de manuseio de material ou qualquer outra restrição que esteja impedindo a produção do item. Portanto, se o cronograma mostrar que um item vai se atrasar, a análise de restrições mostrará quais ações podem ser tomadas para reduzir o tempo NVA e enviar o produto no prazo. Por exemplo, se o item passar um tempo significativo esperando por uma operação de preparação, pode ser necessário programar horas extras para o operador associado ou fazer campanhas adicionais de produtos para reduzir os tempos de preparação.
Embora a programação dentro das quatro paredes de uma instalação de produção discreta seja uma área de aplicação importante, há muitas aplicações de programação além da manufatura discreta. Muitas aplicações de manufatura envolvem fluxos de fluidos com tanques de armazenamento/mistura, processamento em lote, bem como produção de peças discretas. Ao contrário de outras ferramentas de programação que têm escopo limitado à produção discreta, o Simio Factory Digital Twin tem sido aplicado em muitas áreas de aplicação diferentes, incluindo produção em modo misto, planejamento mestre, planejamento de capacidade etc. Essas aplicações são possíveis graças à estrutura flexível de modelagem do Simio.
Um Factory Digital Twin é um modelo de simulação detalhado que está diretamente conectado aos dados do sistema em tempo real. As ferramentas tradicionais de modelagem de simulação têm capacidade limitada de conexão com dados em tempo real de ERP, MES e outras fontes de dados. Em contrapartida, o Simio foi projetado desde o início com a integração de dados como requisito principal.
O Simio suporta a implementação do Digital Twin, fornecendo um conjunto de dados relacionais flexíveis na memória que pode ser mapeado diretamente para os componentes do modelo e para fontes de dados externas. Essa abordagem permite a integração direta com uma ampla gama de fontes de dados e, ao mesmo tempo, possibilita a execução rápida do modelo de gêmeo digital da fábrica do Simio.
Em aplicativos globais, geralmente há várias instalações de produção localizadas em todo o mundo que produzem os mesmos produtos. Embora cada fábrica tenha seu próprio layout de instalação exclusivo, geralmente há uma sobreposição significativa em termos de recursos, como equipamentos e funcionários, bem como lógica de processamento. Nesse caso, o Simio oferece recursos especiais que permitem que o gêmeo digital de cada instalação seja gerado automaticamente a partir de tabelas de dados mapeadas para componentes de modelagem que descrevem os recursos e processos. Isso simplifica muito o desenvolvimento de várias implementações de gêmeos digitais de fábrica em toda a empresa e também permite a reconfiguração de cada gêmeo digital de fábrica por meio de edições na tabela de dados para acomodar mudanças contínuas nos recursos e/ou processos.
As seções abaixo fornecerão algumas informações adicionais sobre alguns dos principais componentes da solução Simio Factory Digital Twin. Os componentes e produtos da solução serão ajustados e acordados com base nos requisitos funcionais detalhados e no escopo do projeto para cada cliente individual.
O nível de detalhe do modelo, incluindo as restrições físicas, as regras comerciais e a lógica de decisão, será determinado durante a fase de especificação de requisitos funcionais (FRS) de um projeto para garantir que o cronograma resultante do Simio seja preciso em um nível que satisfaça os requisitos e as expectativas operacionais. O modelo também será usado para realizar algumas análises "What-if" para testar as estratégias operacionais e a lógica de decisão aplicadas atualmente. As operações podem ser otimizadas para KPIs específicos, como entrega no prazo, menor custo, tempo no sistema, etc. Se os dados necessários estiverem disponíveis, o Simio pode incluir o custeio baseado em atividades como parte do mecanismo de simulação e otimização. A Figura 4 fornece um exemplo da representação gráfica do modelo de simulação do Simio, mostrando um modelo de demonstração simples de uma operação de produção hipotética.
Figura 4 - Captura de tela de uma visualização típica da instalação do modelo de simulação
O recurso de integração foi desenvolvido para importar e exportar dados entre o Simio e fontes de dados externas, como sistemas ERP, sistemas MES, dispositivos IoT e até mesmo fontes de dados baseadas em Excel para criar o Factory Digital Twin, fornecendo programação baseada em eventos em tempo real. Utilizando os recursos de programação baseados em simulação do Simio, um modelo de fábrica virtual é desenvolvido para representar as restrições detalhadas de recursos e materiais em um sistema de produção. Em seguida, a interface do modelo de fábrica virtual com as fontes de dados externas permite que o modelo se torne um Factory Digital Twin. Esse Simio Factory Digital Twin integrado agora pode funcionar e gerar programações quase em tempo real, se necessário. Isso significa que, à medida que os eventos ocorrem no chão de fábrica, a programação da produção pode ser executada novamente com rapidez para redirecionar os pedidos em torno de possíveis gargalos e restrições.
Por exemplo, a integração pode empregar serviços da Web, chamadas de API e vinculação direta de tabelas a sistemas de banco de dados e ao Excel para importar dados para o modelo. Inventário, ordens de produção, roteiros, lista de materiais, status do pedido e status da máquina são todos capturados por meio dessa integração de entrada para obter os dados para a criação da programação de produção.
Depois que a programação é gerada no Simio, ela é exportada para sistemas de dados externos usando a técnica de integração apropriada. A Figura 5 é uma visão de uma tabela de dados importada para o Simio Factory Digital Twin. A estrutura das tabelas de dados é flexível para replicar o formato de dados do sistema do cliente.
Figura 5 - Captura de tela de um exemplo de tabela de dados integrada no Simio
Depois que o modelo de simulação 3D tiver sido desenvolvido e integrado aos sistemas empresariais relevantes, o Simio Factory Digital Twin criará um cronograma que será disponibilizado por meio da interface de usuário do Simio Scheduler para interação do planejador. A lista de tarefas detalhada para cada recurso (incluindo equipamento, mão de obra, ferramentas, transporte etc.), bem como os requisitos de material para cada etapa do processo, são gerados e exportados de volta para os sistemas corporativos relevantes, como os sistemas ERP e/ou MES. A interface de usuário do Simio Scheduler, conforme ilustrado na Figura 6, exibe a programação como uma visualização de ordem (entidade), mostrando as ordens de produção e sua atribuição a cada recurso específico com base nas regras e na lógica de decisão capturadas no modelo de simulação. Além disso, a avaliação de risco associada a cada ordem (por exemplo, a probabilidade de cada ordem ser entregue no prazo) é exibida graficamente.
Figura 6 - Interface de usuário do Simio ilustrando o uso de recursos no gráfico de Gantt
A interface de usuário do Simio Scheduler também produzirá uma visualização de recursos para ver o pedido produzido em cada requisito de recurso, restrições, exibindo graficamente os pedidos atrasados, conforme ilustrado na Figura 7 abaixo.
Figura 7 - Interface de usuário do Simio ilustrando o fluxo de trabalho do pedido no gráfico de Gantt
Esses gráficos de Gantt são interativos, e o planejador pode usá-los para adicionar tempos de inatividade, atualizar as prioridades dos pedidos e alterar as programações dos recursos de trabalho. O plano pode então ser executado novamente para mostrar a nova programação de produção com base nas alterações. Os dados também podem ser atualizados automaticamente usando determinados acionadores dos sistemas externos para fazer com que uma nova programação seja criada automaticamente. O processo de programação da produção também pode ser executado de forma totalmente autônoma para dar suporte ao alto nível de automação e às iniciativas de Fábrica Inteligente como parte da revolução da Indústria 4.0.
O Simio Factory Digital Twin fornece um conjunto de relatórios personalizáveis e painéis interativos para ajudar o programador a analisar e distribuir a programação. A programação pode ser impressa como uma série de relatórios para ser distribuída aos operadores no chão de fábrica como um despacho ou lista de tarefas para o turno ou para ser exportada para os sistemas empresariais existentes para distribuição e execução eletrônica. A Figura 8 é um exemplo de um painel que mostra interativamente a lista de despacho e a utilização dos vários recursos. Esses painéis são totalmente configuráveis com base nos requisitos dos usuários.
Figura 8 - Painel ilustrativo do Simio que pode ser desenvolvido de forma personalizada, conforme necessário
Relatórios padrão, como a programação diária, também estão disponíveis para os operadores visualizarem o próximo trabalho a ser executado em cada recurso de produção, conforme ilustrado na Figura 9 abaixo.
Figura 9 - Relatório ilustrativo de tabela do Simio que pode ser configurado de forma personalizada, conforme necessário
Todos os resultados da programação, incluindo gráficos de Gantt, painéis e relatórios, podem ser publicados no Portal Simio para visualização em toda a empresa por operadores, gerentes e partes interessadas. Os resultados podem ser acessados usando um navegador da Web padrão ou dispositivos móveis habilitados para toque, como tablets, sem necessidade de software. O Simio Portal é uma plataforma que oferece visibilidade e atualizações instantâneas do plano para prestadores de serviçosterceirizados, como prestadores de serviços de logística, fornecedores de materiais e fabricantes terceirizados. Todas as partes interessadas no processo de produção e na cadeia de suprimentos estendida agora podem ter acesso às informações necessárias para garantir a sincronização adequada das atividades para dar suporte total ao processo de produção. Em uma implantação totalmente baseada na nuvem, o portal também pode ser usado para realizar a programação diária de detalhes operacionais pelos planejadores, disponibilizando os resultados para todas as partes interessadas no momento em que ocorrer a programação ou a reprogramação. Os resultados podem ser facilmente filtrados para grupos específicos com permissões para que vários departamentos vejam relatórios específicos. O gêmeo digital também pode ser implantado como um sistema autônomo totalmente integrado que reage aos acionadores de eventos acordados de outros sistemas ou dispositivos de nível empresarial para permitir um modelo operacional completo de fábrica inteligente. A Figura 10 é um exemplo da tela do portal que mostra o gráfico de Gantt de recursos. O portal está disponível na nuvem pública do Microsoft Azure, bem como em uma versão privada na nuvem local.
Figura 10 - Captura de tela da visualização do portal Simio
Ao contrário das ferramentas tradicionais de modelagem de simulação, o Simio foi projetado desde o início com foco na integração de dados com o ERP/MES existente, dispositivos e fontes de dados personalizadas para permitir a criação do Digital Twin. Esse requisito orientou o projeto dos recursos de dados e de modelagem do Simio.
Um gêmeo digital da Simio Factory é integrado como parte dos sistemas de informação que gerenciam os negócios diários da organização. O Simio se vincula aos sistemas de informações transacionais que fornecem informações sobre ordens de serviço, roteiros de trabalho e níveis de pessoal (dados estáticos), bem como aos sistemas de informações operacionais que rastreiam o status dos recursos e a transformação de matérias-primas em produtos acabados (dados dinâmicos). A relação do Simio Factory Digital Twin com os sistemas ERP e MES está ilustrada na Figura 11 abaixo.
Figura 11 - Simio como gêmeo digital de processo conectado aos sistemas corporativos
Embora os dados transacionais possam vir de muitas fontes diferentes, a maioria dos dados críticos vem dos sistemas ERP e MES. Esses sistemas fornecem duas (2) saídas principais para o gerenciamento da produção, que são usadas como entradas para o Simio Factory Digital Twin. O primeiro é uma lista principal de ordens de produção - como datas de liberação, datas de vencimento e quantidades de pedidos - juntamente com produtos componentes e produtos finais necessários para atender à demanda do cliente. Essa lista também tem dados secundários associados, como roteiros de trabalho, lista de materiais, etc. O segundo resultado primário é uma programação de compras de materiais que lista os itens necessários de fornecedores externos, incluindo o tempo previsto de chegada, com o objetivo de combinar esses materiais com a programação de produção.
Em alguns casos, alguns dos dados transacionais podem estar fora dos sistemas ERP e MES, em planilhas, bancos de dados, arquivos simples ou até mesmo em dispositivos IoT. O Simio foi projetado para importar dados transacionais dessas fontes variadas.
O Simio oferece três (3) recursos principais para integrar o modelo de programação aos dados transacionais e operacionais. O primeiro é um banco de dados relacional na memória que é totalmente configurável para corresponder ao esquema de qualquer fonte de dados externa. O segundo é uma arquitetura aberta para a criação de conectores personalizados para a importação de dados transacionais ou operacionais de fontes externas usando diferentes métodos, como serviços da Web, vinculações de tabelas etc. A terceira é a modelagem de construções (objetos) totalmente configuráveis para mapear dados relacionais nas tabelas de dados.
Esses recursos se combinam para fornecer uma estrutura de modelagem que pode ser mapeada para qualquer dado externo, independentemente da fonte ou do esquema de dados. O banco de dados relacional configurável na memória do Simio fornece a interface principal entre os dados corporativos e a lógica do modelo. Os dados transacionais e operacionais são importados para esse esquema de dados e mantidos na memória para a execução rápida do modelo de programação. A lógica do modelo pode ler e gravar nesse banco de dados.
O esquema do banco de dados é totalmente configurável e pode corresponder exatamente ao esquema existente das fontes de dados externas, eliminando a necessidade de transformar os dados durante a importação e a exportação. As ações de importação e exportação são feitas por meio de conectores de dados que se ligam a fontes de dados externas. Os conectores de dados padrão podem se conectar a sistemas externos por meio de API da Web, bancos de dados, Excel e arquivos CSV. Usando o conector de dados da API da Web, o Simio pode extrair e enviar dados diretamente para o SAP Cloud Integration Platform, o AVEVA MES e o PTC Kepware.
O Simio Portal também tem uma API da Web que é usada para automatizar a geração do cronograma com base em eventos em tempo real. A API da Web do Simio é usada para acionar a geração do cronograma. Durante a geração do cronograma, os dados serão primeiro atualizados a partir dos sistemas externos. Quando o cronograma estiver concluído, os dados serão exportados para os sistemas externos e o cronograma também poderá ser publicado para ser visualizado em toda a organização. A Figura 12 abaixo ilustra as várias opções de integração em um alto nível.
Normalmente, os dados transacionais do modelo de programação são baixados do ERP no início de cada período de planejamento e são estáticos durante o período de planejamento. Por outro lado, os dados operacionais do MES mudam constantemente e, portanto, o ligante do MES costuma ser um conector dinâmico. Por exemplo, uma falha de máquina detectada pelo MES pode acionar automaticamente o Simio para gerar uma nova programação baseada no tempo de inatividade esperado para a máquina. A estrutura de integração do Simio oferece suporte a binders estáticos e dinâmicos para dados transacionais e operacionais.
O Simio oferece várias opções de implantação para dar suporte a diversos ambientes operacionais e métodos de trabalho. Como o Simio RPS é uma solução de simulação (design) e programação (operação), ele é usado por diferentes pessoas em diferentes funções de usuário à medida que o projeto progride da fase de simulação e análise (design) para as fases de implantação de programação e operação (operar). Com base nos requisitos, um cliente pode implantar o Simio RPS em qualquer uma ou em todas as opções de implantação listadas e mostradas na Figura 13 abaixo.
Durante a fase de projeto e análise para desenvolver o modelo de fábrica virtual, geralmente é preferível implantar o Simio em um laptop ou desktop. Isso permite que os membros da equipe do projeto trabalhem off-line, pois os modelos são armazenados como arquivos XML que podem ser facilmente transferidos entre computadores ou até mesmo enviados por e-mail aos membros da equipe sempre que forem feitas atualizações no modelo para revisão e teste. Essa opção de desktop também é válida para a implementação operacional do sistema de programação, desde que o desktop ou laptop tenha acesso à rede do cliente para acessar os dados operacionais necessários para executar o modelo e gerar a programação. Essa opção funciona particularmente bem durante a fase inicial de implantação e teste da solução, enquanto são necessários aprimoramentos contínuos e alterações no modelo para ajustar o cronograma antes da implantação final da empresa em uma plataforma baseada em nuvem.
A solução de nuvem do Simio, o Simio Portal, é fornecida para dar suporte a uma oferta de nuvem pública hospedada no Microsoft Azure e a uma versão de nuvem privada a ser hospedada no local para atender às mais rigorosas políticas corporativas de implantação e operação de TI para sistemas de produção. Para hospedar o portal Simio no local, o cliente deverá adquirir a infraestrutura de hardware necessária para criar esse ambiente hospedado atrás de seus próprios sistemas de segurança (firewall). Isso também pode ser terceirizado para um serviço de hospedagem privada com base na política da empresa. A solução de nuvem do Portal Simio também pode ser usada para experimentos, a fim de avaliar estratégias operacionais por meio da alteração de dados e parâmetros definidos, conforme incluído durante a fase de desenvolvimento do modelo.
Figura 13 - Opções de implantação do Simio
O setor 3.0 foi responsável pela informatização e automação da indústria de manufatura. Isso resultou na criação de extensos dados transacionais e de nível de execução a serem armazenados e analisados 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 a esses dados para descobrir e comunicar padrões e tendências de dados significativos. Embora a análise de dados aplicada a dados anteriores seja útil, o verdadeiro poder vem da conexão dos dados dos componentes em tempo real ao modelo virtual da fábrica para se tornar o Gêmeo Digital da Fábrica. Agora e no futuro, à medida que o setor 4.0 se desenvolve, pois os computadores estão conectados e conversam entre si para tomar decisões sem o envolvimento humano, o Simio Factory Digital Twin será um componente essencial nesse processo, pois fornece os seguintes recursos essenciais para o processo de transformação digital:
O Simio Digital Twin é um componente essencial da Fábrica Inteligente do futuro. Ele fornece uma visão agregada do estado do sistema em todo o sistema, bem como um meio de prever o estado futuro esperado, conforme ilustrado na Figura 14 abaixo.
Figura 14 - Análise retroativa e prospectiva
O Simio difere das ferramentas tradicionais de modelagem de simulação porque foi projetado desde o início para ser executado como um componente ativo de uma fábrica ou sistema de execução da cadeia de suprimentos. O Simio suporta dados relacionais complexos na memória, conexões com fontes de dados em tempo real, regras de decisão dinâmicas complexas, registro detalhado de recursos, materiais e tarefas, além de Gantts, relatórios e painéis personalizáveis para comunicar os resultados da programação. Essa é uma funcionalidade essencial para fornecer um modelo de processo virtual conectado da fábrica. A Figura 15 mostra a relação do modelo de fábrica virtual do Simio com o ERP e o MES/IoT, juntamente com os principais recursos habilitados na Fábrica Inteligente. É somente usando esse modelo que o sistema pode se projetar no tempo e apoiar a identificação e a resolução de problemas antes que eles surjam no sistema real. A interconectividade entre o ERP, o MES/IoT e o modelo de fábrica virtual para criar o processo Digital Twin são os principais viabilizadores desse recurso.
Figura 15 - Relacionamentos do Simio Digital Twin