Podsumowanie
Kluczowe efekty
Digital twin dla 3 linii produkcyjnych, obejmujący 50+ stanowisk i zmienne procesowe
Możliwość oceny wpływu zmian i inwestycji przed wdrożeniem produkcyjnym
Brak spójnego modelu do oceny zmian w produkcji baterii
Produkcja baterii obejmowała wiele wzajemnie zależnych elementów – od montażu i transportu wewnętrznego po dostępność pracowników, awarie maszyn, kontrole jakości, wielkość serii oraz ograniczenia buforów. Zmiana jednego parametru mogła wpływać na wydajność kolejnych obszarów, dlatego analizowanie poszczególnych czynników w oderwaniu od całego procesu nie dawało pełnego obrazu.
Klient nie dysponował spójnym modelem ani narzędziem, które pozwalałoby uporządkować dane projektowe, odwzorować cały proces i analizować zależności między jego elementami. Duży wolumen informacji utrudniał identyfikację wąskich gardeł oraz przewidywanie skutków planowanych zmian.
Organizacja potrzebowała rozwiązania umożliwiającego porównywanie scenariuszy, ocenę inwestycji oraz dostosowywanie procesu i kosztów do bieżących potrzeb bez testowania każdej zmiany na działającej linii. Dlatego też klient powierzył Sii Polska opracowanie cyfrowego bliźniaka procesu produkcyjnego.
Digital twin całego procesu montażu baterii
2-osobowy zespół ekspertów Sii Polska opracował w ciągu jednego kwartału cyfrowego bliźniaka w Siemens Plant Simulation. Model odwzorowywał cały proces montażu baterii na 3 liniach i ponad 50 stanowiskach – wraz z dostarczaniem części, transportem wewnętrznym, odbiorem produktów oraz zależnościami między poszczególnymi obszarami produkcji.
Dane wejściowe były ładowane ręcznie z plików Excel generowanych przez system realizacji produkcji. Model bazowy odzwierciedlał aktualny proces w fabryce i był kalibrowany z wykorzystaniem danych historycznych. Sii walidowała go etapami dla kolejnych obszarów, aby najpierw wiernie odtworzyć istniejący proces, a następnie testować jego modyfikacje bez ingerowania w działającą produkcję.
Zakres prac obejmował:
- Odwzorowanie czasów cyklu, przezbrojeń i transportu, wielkości serii, produkcji w toku oraz poziomów buforów
- Ujęcie transportu wewnętrznego, magazynów, kolejek, reguł zasilania stanowisk i ograniczeń logistycznych
- Uwzględnienie obsady stanowisk, systemu zmianowego, kompetencji oraz przemieszczania się pracowników
- Modelowanie awarii z częstotliwością wynikającą z danych historycznych oraz inspekcji wpływających na wydajność procesu
- Stworzenie wbudowanej warstwy analitycznej prezentującej m.in. przepustowość, wykorzystanie stanowisk, czasy realizacji, produkcję w toku i kolejki
Model umożliwiał porównywanie wariantów dotyczących organizacji pracy, wielkości serii, obsady oraz pojemności buforów. Sii wsparła klienta w przeprowadzeniu około 20 pierwszych symulacji, a następnie przeszkoliła jego zespół i przygotowała go do samodzielnego analizowania kolejnych scenariuszy.
Trafniejsze decyzje inwestycyjne dzięki symulacjom procesu
Cyfrowy bliźniak dał klientowi spójny obraz całego procesu i umożliwił ocenę zmian przed ich wdrożeniem. Organizacja może porównywać warianty dotyczące obsady, harmonogramów pracy, wielkości serii i pojemności buforów, analizując ich łączny wpływ na wydajność produkcji.
Symulacje wskazały gniazda ograniczające przepustowość oraz bufory logistyczne o niewystarczającej pojemności. Pozwoliły również określić optymalny wolumen serii produkcyjnych. Dzięki temu klient może kierować działania optymalizacyjne i inwestycje do zidentyfikowanych obszarów wymagających zmian, zamiast oceniać ich skutki dopiero po wdrożeniu na produkcji.
Wiarygodność analiz potwierdziło porównanie wyników modelu z rzeczywistą produkcją po wdrożeniu analizowanych zmian. Odchylenie wyniosło około 1% względem liczby elementów wyprodukowanych w ciągu 24 godzin. Po wspólnym przeanalizowaniu około 20 pierwszych scenariuszy i szkoleniu zespół klienta został przygotowany do samodzielnej pracy z modelem.
KLUCZOWE REZULTATY
- Około 1% odchylenia modelu względem rzeczywistej produkcji w ujęciu 24-godzinnym
- Możliwość oceny zmian procesowych i inwestycji przed ich wdrożeniem
- Identyfikacja gniazd ograniczających przepustowość i niewystarczających buforów logistycznych
- Określenie optymalnego wolumenu serii produkcyjnych
- Przygotowanie zespołu klienta do samodzielnego analizowania kolejnych scenariuszy