Ein großes osteuropäisches Stahlrohrwerk beschloss, die Produktionsplanung mithilfe von Simulationssoftware zu verbessern. Darüber hinaus wollte das Unternehmen Lücken und Tagesschwankungen bei der Auftragsübergabe minimieren, Engpässe identifizieren und das Routing der Fertigungsaufträge optimieren.
Eine der Stahlproduktionsstätten des Unternehmens zeigte das Potenzial, den Anlagendurchsatz durch Optimierung des internen Materialflusses zu steigern. So wurde die Handhabung der Krananlagen und Nutzung der Gießpfannen durch die Einführung optimierter Prozessabläufe und das Vergleichen verschiedener Layoutkonfigurationen verbessert.
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.
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.
CNH Industrial ist ein globaler Führer im Bereich Investitionsgüter. Die Firma wird finanziell durch die italienische Investmentfirma Exor kontrolliert und besteht aus 12 Marken, darunter Case, New Holland und Iveco. Durch seine Marken entwirft, produziert und verkauft CNHi ein breites Spektrum an landwirtschaftlichen, industriellen und gewerblichen Fahrzeuge und Antriebssträngen. CNH Industrial identifizierte Wartungsprozesse als ein vielversprechendes Gebiet, um mit der Anwendung von neuen Industrie 4.0 Technologien zu beginnen. In der Automobilindustrie und in verwandten Industrien können die durch Ausfallzeiten verursachten Kosten hoch sein.
Heutzutage benötigen viele Stahlhersteller schlanke Fertigungswerkzeuge, die ihre Kapitalrendite und ihr Serviceniveau verbessern. Das Zuverlässigkeitsniveau von mindestens 80 Prozent, mit dem die meisten Stahlunternehmen zu kämpfen haben, ist bei weitem nicht so, wie es die Kunden und Investoren von heute erwarten. Einer der größten und ältesten europäischen Stahlhersteller stieß auf diese Probleme und versuchte verzweifelt, sie zu lösen. Das Unternehmen bat die Goldratt Research Labs um Unterstützung.
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.
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.
Die neu errichtete Schaumbetonfabrik der SET-Holding in der Region Oryol konnte ihre geplante Kapazität nicht erreichen. Die Werksleitung machte für die schlechte Leistung den Faktor Mensch verantwortlich: Die Fertigungstechnik war innovativ und herausfordernd für die Mitarbeiter der Fabrik. Die SET-Holding stellte Berater ein, um die Situation zu analysieren und die Produktionskapazität zu erhöhen. Die Berater beschlossen, das Simulationsmodell der Fabrik mit AnyLogic-Software zu erstellen.
Die Mantelleckerkennungsanlage ist Teil einer automatisierten Fertigungslinie für Brennelemente. Die Leckkontrolle basiert auf der Erwärmung der Brennelementgruppen. Während des Aufwärmens stoßen defekte Einheiten das Kontrollgas aus, das von einem Lecksuchgerät erkannt wird. Eine Gruppe mit einem defekten Element wird in zwei Teile geteilt. Jeder Teil wird auf die gleiche Weise überprüft, bis das undichte Brennelement gefunden ist. Das mit AnyLogic entwickelte Modell simuliert zwei Algorithmen für den Betrieb der Mantelleckerkennungsanlage.