Fertigung

Steel productionEs gibt viele überholte Methoden, die noch immer in der Entwicklung großer Organisationen und kapitalintensiver Investitionen wie Fabriken eingesetzt werden. Meist werden diese eher aus Gründen der Tradition oder Buchhaltungspraxis verwendet als durch Kundenorientierung oder Betriebsleistung. Beispielsweise findt man häufig Vorgaben, die die höchst mögliche Auslastung der teuersten Aurüstungsgegenstände, wie zum Beispiel Schweißrobotern, erfordern. Dies war zwar ursprünglich gedacht, um die Kosten der Investitionen, die in Zusammenhang mit den Stückkosten des Roboters stehen, zu armortisieren. Aber Berechnungsstrategien wie diese können sogar einen insgesamt negativen Effekt auf den Reingewinn erzielen. Zum Beispiel erhöht dieser Roboter, der dauerhaft läuft, die Materialversorgungskosten vor seinem Standort und könnte die Eingabekapazität der nachgeschalteten Operationen weit überschreiten. Dies erzeugt eine Menge in Arbeit befindlicher Werkstücke, treibt Materialtransport- und Lagerkosten nach oben, während halb fertiggestelte Teile von der Fabrik geschultert werden müssen und möglicherweise sogar eine Lageplanerweiterung erfordern. Die Leistung des Roboters hat sich erhöht, aber die Leistung der Fabrik blieb gleich, während die Gesamtfertigungskosten sich erhöht haben. Kein gutes Szenario.

In der Realität haben anwendungsnahe Abläufe verschiedene Komplexitätsebenen: mehrere Produktionslinien, Wettkampf um Betriebsmittel, versteckte Kosten und dergleichen. Herkömmliche Prozessneugestaltung vereinfacht in der Regel einen komplexen Ablauf, ist aber meist völig unzureichend um ihn zu optimieren. Es existieren schlichtweg zu viele einander beeinflussende Größen und sich allmählich ausbreitende Wirkungen. Eine vorgeschlagene Optimierung könnte daher auf dem Papier elegant erscheinen, aber tief verborgen erhebliche, unbeabsichtigte Folgen haben. Wir begegnen dieser Situation jeden Tag.

Wir bewältigen diese Herausforderung mit Simulationsmodellen. Einer Datenerfassungs- und Auswertungsphase folgend, entwickeln wir ein Simulationsmodell, das dem Versuchsleiter die Möglichkeit bietet, alle geplanten Änderungen zu berücksichtigen, ihre Effektivität einzuschätzen und alle notwendigen Korrekturen zu machen noch vor der eigentlichen Umsetzung.

Typische Fertigungsprobleme, die sich uns darstellen, sind: Fertigungserweiterung, Leistungserhöhung, Reduzierung von Produktionsdurchlaufzeiten, Verbesserung der Anlagenauslastung, Materialanalysen und Volumenoptimierung.

Besuchen Sie bitte unsere Modell Gallerie um verschiedene Beipiele aus der Industrie einzusehen.

Fallbeispiele

  • Planung und Optimierung einer hochautomatisierten Produktionslinie
    Centrotherm Photovoltaics AG ist ein weltweit agierender Anbieter von Technologien und Produktionslösungen für die Photovoltaik, Halbleiter und Mikroelektronikindustrie. Das Unternehmen musste die optimal automatisierte Produktionslinie und Werkskonfiguration finden, um Kosten zu minimieren und Durchsatzleistung und Ausfallsicherheit zu maximieren.
  • Simulation eines Tunnelbaus mit Hilfe einer Tunnelbohrmaschine
    Die Kosten des Ausfalls einer Tunnelbohrmaschine für eine Stunde sind üblicherweise hoch und Projektmanager müssen ihr Bestes tun, um unnötige Verzögerungen im Bau zu verhindern. Das Ziel des Simulationsprojektes, welches durch die Ruhr-Universität Bochum in Deutschland durchgeführt wurde, war es, ein Simulationsmodell zu entwickeln, das fähig ist die Engstellen im Tunnelbauprozess zu bestimmen, um finanzielle Verluste zu minimieren.
  • Analyse von Strategien des Ramp-Up-Managements im Flugzeugbau
    Die Airbus-Gruppe ist am EU-Projekt ARUM (Adaptive Production Management) beteiligt, dessen Fokus eine IT-Lösung für die Risikominderung, die Entscheidungsfindung und Planung während der Anlaufphase von neuen Produkten ist. Das Projekt ist hauptsächlich auf die Flugzeug- und Schiffsbauindustrie ausgerichtet. Die Simulation wurde als ein Teil der ARUM-Lösung gewählt, weil die Teilnehmer damit reale Erfahrungen einer Produktionsanlage reproduzieren können.
  • Der GE Produktionsbetrieb nutzt die Anylogic-Software für Unterscheidungsunterstützung in Echtzeit
    2012 eröffnete GE einen neuen Produktionsbetrieb für Batterien und startete gleichzeitig ein innovatives Geschäft im Bereich der Energiespeicherung. Das Global Research Center von GE suchte ein leistungsstarkes und flexibles Tool, um nicht nur den spezifischen Prozess, sondern das Produktionssystem im Gesamten zu analysieren.
  • Kapazitätsanalyse einer Schiffswerft
    Mit der AnyLogic Simulationssoftware als zentrales Element, benutzt NASSCO ein speziell angefertigtes Analysesytem, genannt das Large Scale Computer Simulation Modeling System for Shipbuilding (LSMSe), um hochdetaillierte und genaue Kapazitätsanalysen sowohl für die gegenwärtige Produktion als auch für neue Arbeiten zu erhalten.
  • Produktionsplanung in der Schiffsindustrie
    Die Manager einer der bedeutendsten italienischen Hersteller benötigten einen neuen, intelligenten Ansatz, um den Planungsprozess einfacher zu gestalten. Ziel war es, dem realen Produktionsplaner außergewöhnlich umfangreiche Planungsinformationen zu geben, mit denen dieser einen Plan vor seiner Umsetzung testen und verfeinern kann.
  • Eine Schiffswerft prüft ihre Kapazitäten der Auftragsabwicklung und gewinnt einen besseren Einblick in Produktionsstätte und Vertrieb
    Die Admiralitätsschiffswerft Admiralty Shipyards JSC steht vor einem großen Auftrag für Unterwasserboote mit Dieselantrieb und muss auswerten, ob die aktuelle Produktionsstätte den Auftrag ausführen kann, und falls nicht, welche Menge für das Jahr 2016 produziert werden kann. Admiralty Shipyards JSC sucht auch die Bestätigung, dass zur Durchführung des Auftrages keine zusätzliche Produktionsstätte erforderlich sein wird.
  • Simulation der Speiseeisproduktion: Einschränkungen erkennen und den Produktionsplan optimieren
    Conaprole, die größte Milchproduktionsfirma in Uruguay, produziert in ihrer Eiscremefabrik mehr als 150 Artikelpositionen und nutzt hierbei fünf Produktionslinien und bis zu fünf verschiedene Verpackungskonfigurationen für jede Linie. Die Herausforderung des Managements bestand darin, die Pläne neu anpassen zu können, damit Angebot und Nachfrage ausgeglichen sind, und um sicherzustellen, dass sie bei den Hauptprodukten Fehlmengen vermeiden.
  • Ein einfaches Simulationsmodell hilft Intel bei der Vermeidung von Werksstillständen
    Die Intel Werke hatten eine spezielle Geräteausstattung, die oft ausfiel und so Kapazitätsengpässe verursachte. Wenn das Gerät repariert werden konnte, wurde es von den Intel Werkstechnikern repariert oder, wenn das Problem zu komplex war, wurde es zum Reparaturzentrum des Herstellers geschickt. Diese sehr teuren Teile wurden bei wichtigen Werksarbeiten verwendet und die Reparaturen nahmen viel Zeit in Anspruch; deshalb mussten zusätzliche Ersatzteile vorhanden sein, um Ausfallzeiten zu vermeiden.
  • Modeling the Cladding Leak Detection Shop of a Nuclear Reactor's Module
    The cladding leak detection shop is part of an automated line of fuel assembly production. Leak control is based on heating the fuel element groups. While warming up, defective units eject the control gas, which is detected by a leak locator. The defected group is divided into two parts. Each part is screened in the same way until the leaking fuel element is found.