挑战
执行摘要
本案例研究探讨 Argon Consulting 如何为澳大利亚一家大型休闲食品制造商实施基于 Simio 的数字孪生解决方案。该客户在多个生产基地面临着重大的排产挑战，包括复杂的过渡到新的先进设施。通过用动态 Simio 模型取代基于 Excel 的手动排程，Argon 提供了一个优化生产排程、提高资源利用率并支持战略决策的解决方案。数字孪生制造方法使客户能够可视化复杂的生产限制、虚拟测试方案，并在保持高客户服务水平的同时，实现设施间的无缝生产过渡。
客户背景
客户是澳大利亚市场上一家主要的休闲食品生产商，生产多种类型的产品，包括薯片、玉米片、挤压或吹塑颗粒零食。他们的产品以各种不同的形式销售，从大型分享袋到较小的便当盒大小的多种包装。该公司在悉尼有两处生产基地，但最近建成了一座先进的新工厂，以取代原有设施。
Argon Consulting 与客户建立了长期合作关系，交付了各种卓越运营项目，包括
- 新建厂房的方案建模和设计
- 试运行和垂直启动的项目管理
- 自动化仓库的详细产能建模
- 劳动力规划和流程改进
生产环境非常复杂，有多个共享资产（如油炸锅和调料桶）、错综复杂的产品路线和严格的运营限制，这使得调度工作特别具有挑战性。
挑战：多约束环境下的复杂调度
客户的调度流程面临诸多挑战，限制了运营效率：
基于 Excel 的排程限制
在实施Simio之前，所有排程都是使用Excel电子表格进行的。这种手动方法无法有效处理工厂内共享资产之间的复杂互动。制造仿真软件需要解决几个关键制约因素：
- 复杂的资产共享：多条产品线共享油炸机和调料桶等关键资源，产生了错综复杂的依赖关系，Excel 无法有效建模。
- 产能了解差距：对不同产品组合的真实生产能力并不十分了解，尤其是小袋和大袋生产之间所需的微妙平衡。
- 快速创新周期：零食行业不断推出新产品和新口味，造成了额外的复杂性，使用静态工具难以计算。
- 孤立的计划流程：运营、维护和规划团队难以协调其活动，因此很难在保持客户服务水平的同时最大限度地减少工程停工造成的干扰。
- 人工流程效率低下：计划变更需要对电子表格进行缓慢的手动更新，从而限制了对生产问题的响应速度。
食品生产调度方面的挑战因特定的操作要求而变得更加复杂：
- 油炸机需要保持稳定的产出率
- 口味转换需要从浅色口味到深色口味的特定顺序
- 小袋生产需要同时进行大袋生产，以平衡油炸机的产量
解决方案
解决方案：利用Simio實施數位孪生生產
Argon利用Simio開發了一套全面的數位胞胎製造解決方案，以解決這些挑戰。该方案分阶段实施：
第一阶段：初始模型开发
- 在 Simio 中为两个现有生产基地创建排产模型
- 将模型与客户的 ERP 系统集成，实现数据输入自动化
- 根据实际生产数据验证模型
- 将模型纳入常规计划流程
第二阶段：扩展到新工厂
- 扩展模型，将新的绿地厂址包括在内
- 利用模型进行情景测试，为资产选择和厂区布局提供依据
- 支持新旧厂址之间的数量过渡
第 3 阶段：培训和移交
培训规划团队有效使用 Simio
建立计划操作和优化流程
建立输出表格，以便输入操作仪表板
制造仿真软件架构
Simio 模型的设计旨在准确地反映复杂的生产环境：
- 流程建模：模型重点关注从油炸到装箱的关键生产阶段，假设原材料输入和仓库操作不受限制。
- 数据集成：该解决方案与客户的 ERP 系统集成，以导入 SKU 主数据、需求信息和物料清单。其他配置数据通过 Power Query 保存在 Excel 中。
- 资源建模：对所有生产资产进行建模，包括
- 具有特定产出能力的油炸机
- 有口味限制的调料桶
- 不同包装尺寸的装袋机
- 装箱机和内部高速公路
- 共享资源及其相互连接
- 调度逻辑：该模型实现了复杂的调度规则：
- 产品类型的固定顺序（炸薯条 → 薄切 → 皱褶）
- 口味从淡（盐）到重（烧烤、辣椒）的排序
- 平衡小袋和大袋生产，保持油炸机产量
- 根据可用性和限制因素进行资源分配
- 流程建模：该解决方案利用 Simio 的流量功能持续计算油炸机的装袋量，确保适当的平衡和利用率。
技术实施细节
生产实施的仿真建模利用了 Simio 的多项关键功能：
模型结构
- 与需求表相链接的源，其中每个产品流的订单均已发布
- 代表装袋机的服务器捕获所需资源
- 模拟从油炸机到装袋机的连续生产的流动资产
- 资源代表共享资产，如装箱机和调料桶
智能调度
该模型的智能主要通过选择表达式和条件来实现，这些表达式和条件决定将哪些订单分配给哪些装袋机。主要约束条件包括
- 油炸机切割匹配：确保产品只分配给切割类型适当（薄、皱等）的油炸机。
- 调味桶兼容性：验证产品是否分配给具有兼容调味桶或专用调味料的装袋机
- 超量管理：保持足够的装袋机容量，以处理油炸机的产出，同时防止过度拉伸导致利用率降低
用户界面和互动
该模型为计划人员提供了多种操作计划的方法：
- 拖放排产：使用 Simio 的操作视图在生产线之间移动订单
- 强制路由：通过数据表将特定产品分配给特定装袋机
- 排除路线：防止某些产品在特定生产线上运行
- 停机时间建模：增加计划维护或停机时间以评估影响
输出集成
该模型生成的详细输出表格可用于以下方面
- Power BI 生产仪表板
- 工厂车间显示器和平板电脑
- 每日、每周和每月运营审查
业务影响
成果：工厂排程优化效益
基于 Simio 的数字孪生系统的实施在多个领域带来了显著效益：
运营改进
- 提高排产质量：更高效的生产序列，更少的更换次数
- 提高资源利用率：提高油炸机利用率，实现均衡生产
- 减少人工操作：计划人员减少了创建计划的时间，将更多时间用于战略决策
- 提高可见度：整个工厂的显示屏和平板电脑都可提供计划信息
战略能力
- 情景测试：能够在实施前评估不同的生产方案
- 资产投资分析：以数据为导向，决定何时投资新设备
- 批量过渡支持：过渡期间三个生产基地的无缝生产管理
组织调整
- 跨职能协调：更好地协调运营、维护和规划
- 数据驱动决策：共同了解制约因素和能力
- 提高服务水平：在复杂的站点过渡期间保持较高的客户服务水平
长期价值
该模型提供的生产能力规划功能将继续为客户带来价值：
- 评估未来的产能需求
- 计划推出新产品
- 优化新工厂的生产
未来应用和持续发展
初始实施的成功已促成了若干正在进行和计划中的扩展：
产能规划
该模型用于评估长期产能需求，帮助客户确定
- 根据增长预测，何时需要增加设备
- 如何优化产品组合，最大限度地提高现有产能
- 应首先解决哪些制约因素，以获得最大效益
新产品介绍
数字孪生现在已成为新产品引进过程中不可或缺的一部分：
- 在新产品推出前测试新口味和新产品的生产情况
- 评估对整体产能和排产的影响
- 根据生产限制优化包装形式
持续改进
该模型将继续发展
- 更多数据集成点
- 增强的可视化能力
- 更复杂的调度算法
总结：数字孪生制造的价值
这家休闲食品制造商采用 Simio 的生产模拟软件，证明了数字孪生技术在复杂生产环境中的重要价值。通过创建一个动态、精确的生产流程模型，Argon 使客户能够
- 以动态的约束感知计划取代静态的人工排产
- 对复杂的生产互动获得前所未有的可见性
- 就排程、產能和資產投資作出以數據為導向的決策
- 成功完成生产基地之间的复杂过渡
在客户优化其新工厂并计划未来增长的过程中，食品生产调度解决方案不断创造价值。数字孪生方法将调度从战术需要转变为战略优势，使整个组织的运营更高效、决策更合理。
该案例研究说明了 Simio 的仿真能力如何应对最复杂的生产挑战，带来直接的运营效益和长期的战略价值。