Simulation der Speiseeisproduktion: Einschränkungen erkennen und den Produktionsplan optimieren

Problem:

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.

Das Unternehmen plant die Eiscremeproduktion rollierend für 12 Monate, als Teil des Absatz- und Produktionsplanungsprozesses, und der Nachfrageplan variiert saisonbedingt stark. Das Management muss die Produktionslinien während der Nebensaison für die Hochsaison vorbereiten und dabei die Produkthaltbarkeit, sowie Kapazität und Kosten der Kühlkammern des Lagers berücksichtigen. Das Unternehmen konnte die Nachfrage in der Hochsaison oft nicht erfüllen, was Fehlmengen erzeugte. Aufgrund der Schwierigkeiten, die ihnen begegneten, war es für das Management äußerst schwierig, die detaillierten Pläne schnell neu anzupassen.

Andere Faktoren, insbesondere Engpässe und Einschränkungen in den Produktionslinienprozessen, sowie Schwankungen in der Verfügbarkeit des Personalbestands, die zufällig eintreten können, erschwerten die Planungsanalysen zusätzlich.

Die Herausforderung des Managements bestand darin, die Pläne neu anpassen zu können, damit Angebot und Nachfrage ausgeglichen sind, und um sicherzustellen, dass bei den Hauptprodukten Fehlmengen vermieden werden. Sie suchten auch nach Möglichkeiten, die Nutzung ihrer Produktionskapazitäten zu optimieren. Ite Consult fand, dass die Simulationsmodellierung das beste Tool ist, um Conaprole Lösungen für diese Probleme zu bieten.

Die Ziele des erstellten Simulationsmodells waren:

LÖSUNG:

Durch die Nutzung der diskret-ereignisorientieren Modellierungsfähigkeiten von AnyLogic konnten die Berater eine Lösung entwickeln, die mit der Absatz- und Produktionsplanungsplattform S&OP des Unternehmens und dem SAP-System für Materialwirtschaft und Produktionsplanung integriert wurde. Die erarbeitete Lösung beinhaltete drei Experimente mit dem Modell des Produktionssystems. Jedes Experiment war für eines der obigen Ziele bestimmt und half, die gefragten Geschäftsprobleme zu lösen.

Logik des Produktionsplanungsmodells

Simulation der Produktionslinie

Im ersten Experiment untersuchte das Modell den anfänglichen Produktionsplan, erkannte Fehlmengen und Lieferrückstände, die zu erwarten waren, wenn die Produktion entsprechend des Plans erfolgt wäre. Das Management konnte die Produktionsanforderungen, basierend auf der Nachfrage und dem anfänglichen Bestand untersuchen. Durch dieses Experiment konnten die User herausfinden , wie sich unterschiedliche Situationen auf die Leistung auswirken können, indem sie manuelle Parameteränderungen vornahmen, zum Beispiel: Die Notwendigkeit, Linien während bestimmter Perioden zu schließen, die Notwendigkeit, die Anlageneffizienz zu verändern, die Verfügbarkeit von Ressourcen auszuweiten oder die Zeitpläne der Arbeitskräfte zu ändern. Die Nutzer konnten die Prioritäten von Produktionseinheiten manuell ändern und die erwartete Auswirkung von solchen Maßnahmen auf die Einnahmen analysieren (mit den Fehlmengen assoziierte Kosten, pro Produktionseinheit). Zusätzlich konnten Sie die genutzte minimale Produktionskapazität und einige andere Strategien bestimmen.

Das Experiment der Parameterveränderung ließ das Systemmodell 100-mal durchlaufen und suchte nach einer Lösung, wie die Nachfrage erfüllt und die Produkthaltbarkeit so lang wie möglich erhalten werden kann und gleichzeitig die Lagerkosten gesenkt werden können.

Das letzte Experiment optimierte die Liniennutzung, indem Produktionskapazität in den Spitzenzeiten freigesetzt wurde. Die Produktion wurde so nah wie möglich an den Beginn der Planungsperioden eingeplant, um als Puffer freie Kapazität in allen Produktionslinien zu haben.

Simulationsstatistiken der Fertigung

Modellstatistiken

Die Eingangsdaten beinhalteten:

Das System betrachtete folgende Punkte:

ERGEBNIS:

Alle Simulationsergebnisse waren nach Monat und Produktionseinheit unterteilt und wurden in Excel exportiert. Zusätzlich stellte das Modell Änderungen in der Nachfrage und im Lagerbestand nach Monat in Histogrammen dar. Auch Informationen über eventuelle Fehlmengen waren enthalten.

Durch die Nutzung des Modells konnte das Conaprole Management:

Das Simulationsmodell gab dem Management den nötigen Einblick, um die Lösung zu wählen, die die Einkünfte erhöhen und das Risiko von Fehlmengen minimieren würde.

Ähnliche Fallstudien

Mehr Fallstudien