挑战
作者 Patrick Kirchhof（毕博）
在2016年冬季仿真大会上的演讲
自动生成模型、相应缩短问题解决周期以及对更高数据集成度的需求一直以来都是制造系统仿真领域面临的重大挑战。尤其是操作使用的制造仿真模型需要高度的建模细节，因此依赖于大量的输入数据。在许多情况下，手动建立如此详细的模型并不断更新所需的时间和精力都是令人望而却步的。本文介绍了一个实际案例，即从一家汽车公司的 SAP 和 MES 系统中自动创建复杂的大型汽车流水线生产的整个仿真模型，以支持运营规划目的并降低运营物流风险，例如生产线上的缺货情况导致的生产中断。
导言
Fowler 和 Rose（2004 年）指出，在制造系统的建模和仿真中，最大的挑战是问题解决时间的数量级缩减和缺乏实时问题解决能力。他们认为，设计仿真模型、收集数据、构建和执行模型以及解释结果所需的时间太长，尤其是对于仿真的实际应用而言。此外，他们还指出，根据公司数据源自动按需生成整个仿真模型将大大提高仿真在运营规划中的适用性。
根据这些研究结果，本文介绍了一个实际案例，即从公司的 SAP 和 MES 系统中自动生成复杂的大型汽车流水线生产线的整个仿真模型，以提供运营计划支持。为此，不仅将所需的主数据（如物料清单、路线等）和最新的交易数据（如订单数据）加载到预定义的仿真模型模板中，而且还从公司的 IT 系统中自动检索结构信息（如工作站、链接等），并用于自动生成仿真模型。
仿真模型的范围和要求
在汽车行业，精益生产原则得到了广泛应用，这就要求企业在节约成本、减少库存活动和运营风险（如生产线上的缺货情况）之间取得平衡。所述仿真模型的目的是充当预警系统，在潜在的缺货情况发生之前进行检测，以便评估和启动应对措施。因此，该模型的范围涵盖了从仓库中的零件检索到生产线上的消耗的整个公司内部物流流程。
利用仿真技术为运营计划提供支持的要求源于计划过程的复杂性和每天需要由数量有限的计划人员控制的大量系统参数。由于主数据和交易数据的频繁变化，甚至生产线布局结构的变化，因此存在两个技术要求。首先，模型应能在很短时间内投入使用，同时仍包含最新数据。其次，在整合公司数据和创建模型的过程中，不应使用人工操作，以免造成潜在错误、时间延误和效率低下。
解决方案
技术方法
为了满足上述要求，我们使用 SIMIO 开发了一个通用的流程车间仿真模型模板，以捕捉公司的具体情况。按照 SIMIO 面向对象的建模方法，创建了代表实际系统特定元素的仿真模型对象。然后，利用 SIMIO 的定制扩展功能，按需将建模元素的特定实例放入空白模型中。通过该扩展，可以自动将这些预定义的模型对象放入仿真模型中，并将其连接和参数化，从而生成整个流水车间模型。生成模型所需的数据是通过定制的数据提取软件从公司的 SAP 和 MES 系统中提取的，该软件可直接从各自系统的数据库中检索相关数据。SAP 系统为生产线建模提供信息，如工作站、路线、物料清单、班次计划、生产订单、库存水平、物料主数据等详细信息。MES 系统提供有关生产序列的详细信息，以及每个工作站和生产订单的当前和计划生产进度。
图 1 描述了模拟应用数据集成的四个阶段。所选方法代表了数据集成的第四个阶段。
业务影响
结果和效益
采用所述方法后，模拟解决方案完全融入了公司的运营规划流程和 IT 架构。它帮助公司的计划人员预防了物流问题和生产中断。模拟结果的显示方式突出了运营风险，规划人员可以很容易地发现问题。在一个单一的结构改革项目过程中，发现并预防性纠正了一百多个关键问题，从而帮助大大减少了生产中断。由于模型生成实现了自动化，与手动创建仿真模型相比，问题解决周期大大缩短。此外，这种方法还适用于需要高度建模细节的大型模型，以支持运营规划。