大规模生产调度很难。对于一家在不同产品组合中运营多条连续生产线的全球性 CPG 休闲食品制造商来说，这意味着需要数小时的 Excel 手动操作、复制粘贴工作流程中的部落知识，以及在一天结束前的单一场景运行。
一家领先的休闲食品制造商在其生产计划流程中面临着严重的运营效率低下问题。该公司有两条主要生产线，在一个完全连续的流程中约有 30 个包装单元，没有中间存储。这就要求整个系统精确同步，在这种情况下，微小的排程决策都会对整个生产网络的运营产生重大影响。
计划人员通常需要花费两个多小时才能制定出一份生产计划，这就需要从多个系统中整合数据，手动核对信息，并在各团队之间广泛交流变更情况。这种手工耗时的流程严重制约了企业对市场需求和运营中断做出动态响应的能力。
生产环境因严格的操作限制而变得更加复杂，包括一次只能生产一种产品的防污染要求、顺序依赖性考虑以及最小和最大运行限制。这些约束条件创造了一个高度敏感的调度环境，在这种环境下，优化需要超越传统电子表格方法的复杂分析能力。
埃森哲与该制造商合作，利用 Simio 构建了一个仿真驱动的调度平台--从嵌入本地 Simio 模型的 Python ETL 开始，发展到以 Azure Blob Storage、事件驱动自动化和 Power BI 报告为支撑的 Simio Portal 上的全云原生部署。
该解决方案围绕三个主要实施模块展开，旨在应对连续生产运营的复杂性：
团队捕捉现有的调度逻辑，并将计划人员的知识转化为可在整个组织内系统应用的标准化规则。这种方法确保了部落知识和专家见解得以保留，同时消除了人工决策过程中的不一致性。
埃森哲建立了一个全面的 Simio 模型，该模型通过比较逻辑执行计划、评估需求要求、估算生产持续时间并生成优化批次，同时最大限度地减少转换要求。该模型在包装单元层面运行，实际计划决策在此执行，提供了对运营绩效和约束管理的细粒度可视性。
该解决方案将模型输出连接到 Power BI 面板，用于分析关键绩效指标，包括需求满足、设备利用率和减少转换指标。这种集成为计划人员和管理人员提供了运营绩效的实时可视性，使整个组织能够做出数据驱动的决策。
一个关键的进步是将 Python ETL 功能直接集成到 Simio 模型架构中。这一创新减少了外部依赖性，提高了系统的稳健性和可维护性，同时消除了对单独数据处理系统的需求。ETL 导入器利用了 Simio 的数据连接器功能，创建了由平台自动管理的临时文件夹，并在其中准备了经过处理的文件供仿真使用。
嵌入式 Python 脚本是模型和 ETL 流程之间的桥梁，利用模型参数作为配置输入，无需单独的配置管理系统。这种方法使团队能够独立于外部集成团队开展工作，同时保持对数据处理和模型执行的完全控制。
第 1 阶段：手动数据验证--利用标准 Python ETL 功能的全手动数据流程，快速验证调度逻辑，并创建一个能证明潜在价值的工作原型。
第 2 阶段：结构化数据集成 - 通过常规数据库连接引入更多结构化流程，在减少人工依赖性的同时稳定计划流程。
第 3 阶段：嵌入式 ETL 集成 - 将 Python ETL 功能直接集成到 Simio 模型架构中，消除了外部依赖性，提高了系统的稳健性。
第 4 阶段：云原生企业部署 - 实现完全基于云的架构，数据存储在 Azure Blob Storage 中，Power BI 连接到集中数据源，消除了本地依赖性，实现了完全自动化。
基于 Simio 的生产调度平台在多个方面实现了显著的运营改进：
排产时间从 2 个多小时缩短到 1 分钟--人工计划时间减少 99%以上。自动执行消除了常规数据操作任务，使计划人员能够将注意力转移到战略分析和增值活动上，而不是数据核对上。
通过标准化的调度逻辑提高了需求一致性，消除了人工计划的不一致性。该解决方案在复杂的连续生产环境中最大限度地提高了吞吐率，同时通过一致地应用全局排产准则减少了计划人员的偏差。复杂的约束处理改进了转换优化，直接影响了生产效率。
现在，实时情景分析使计划人员能够快速评估需求变化、设备维护要求或供应链中断的影响，而无需手动重新计算整个生产计划。与最新运营信息的自动对账减少了排产冲突，并改善了各生产团队之间的协调。通过 Power BI 仪表板实现全企业范围的可视性，从而实现积极主动的决策，而基于风险的计划功能则提供了预期绩效结果的现实视图。
模块化、可扩展的人工智能架构支持持续创新，无需对系统进行大量修改。云原生部署便于在多个生产设施和产品线之间进行扩展，从而实现规划流程的标准化，同时满足本地运营要求。嵌入式 ETL 方法可快速集成更多数据源，为预测性维护、需求预测和自动优化增强奠定基础。
这一实施验证了当今运营领导者面临的一个关键问题："我们能在企业规模内做到这一点吗？答案是肯定的。埃森哲与这家全球消费类电子产品制造商的合作展示了仿真技术如何通过一种深思熟虑的分阶段方法来改变传统的生产运营，并在每一步都证明其价值。
该团队设计了一个模块化、人工智能可扩展的 ETL 架构，同时支持战术和运营计划模式。通过有意识地使用基于 CSV 的本地原型来证明逻辑，然后再提升到云，他们建立了组织信心，同时最大限度地降低了风险。运行完成时触发的 Azure 函数在仿真输出和可操作的业务仪表板之间架起了一座桥梁--所有这些都无需中间件或手动切换。
对于仿真工程师来说，本案例研究提供了一种可在各行业和制造环境中进行调整的可复制架构。对于运营领导者来说，它展示了投资现代仿真平台的实际投资回报率，这些平台可与现有企业系统无缝集成，同时实现快速情景分析和数据驱动决策。
从混乱的电子表格到自动化、云原生排程的成功演进，代表的不仅仅是技术实施，而是运营能力的根本转变，使制造商在日益动态的市场环境中获得持续的竞争优势。当计划人员能够在几分钟而不是几小时内生成并分析生产计划时，企业就能释放出在现代制造业中蓬勃发展所需的灵活性。