Simple Simulation Model Helps Intel Avoid Production Plant Downtime

Based on revenue, Intel is one of the world's largest and highest valued makers of semiconductor chips.


Intel factories used a particular type of equipment that often broke down, which caused capacity constraints. If the equipment was repairable, it would be fixed by Intel factory technicians or, if the problem was too complex, it was sent to the supplier’s repair center. These expensive parts were used in critical factory operations, and the repairs took significant time, so it was necessary to have extra spare parts on hand to avoid downtimes. Broken parts caused constraints at some of the factories while other factories over purchased spares.


Intel’s commodity managers worked to determine the root cause of the problem and ways to solve it. They needed data to understand how many spare parts the company needed to keep the factories running without overbuying them.


To support the negotiation process with the equipment supplier, they built a simple simulation model. The model was a standalone application with a user interface that could be utilized to input various parameters and test “what-if” scenarios.

Manufacturing Simulation Model Algorithm

Broken part repair loop at Intel factories


The model helped the managers understand how many spare parts had to be purchased to avoid equipment downtime due to lack of these parts, as well as to avoid significantly overbuying the spares, while taking into account various failure rate scenarios.


As the repair centers sometimes got overwhelmed with incoming orders, the managers were also able to understand how changing local and at-supplier repair center staffing and capacity helped solve the problem.


This simple model was built and used for only a few days. It was used to support negotiations with the equipment vendors to convince them to provide Intel with additional spare parts’ consignments at no cost. This allowed Intel to achieve significant savings with little effort.

More Case Studies

  • Planification et optimisation de la ligne de production automatisée
    Centrotherm Photovoltaics AG est un fournisseur mondial de technologies et équipements pour les industries photovoltaïques, des semi-conducteurs et de la microélectronique. L’entreprise doit identifier les lignes de production automatisée et configuration usine optimales afin de minimiser les coûts et maximiser le flux de production et la fiabilité.
  • L’usine de fabrication de GE choisit AnyLogic pour une aide à la décision en temps réel
    En 2012, GE a ouvert une nouvelle usine de fabrication de batteries avec le lancement d’une activité de stockage d’énergie innovante. La nouvelle opportunité de GE a représenté de nombreux défis, tels que l’augmentation de la production et du rendement avec des processus en évolution et des incertitudes. La société Ge disposait d’une masse de données, mais elle manquait d’un outil pour répondre aux questions, analyser les données convenablement ou pour tester et évaluer les options.
  • L’analyse de capacité avec AnyLogic
    Avec le logiciel de simulation AnyLogic comme la pièce maîtresse, NASSCO utilise un système d'analyse fait sur mesure appelé le Système de Modélisation de Simulation à Grande échelle pour la Construction navale (LSMSe) pour fournir des analyses de capacité f détaillées tant pour la production actuelle que pour les nouveaux chantiers potentiels.
  • Simulation de la construction d’un tunnel à l’aide d’un tunnelier
    Le coût d’une heure d’arrêt d’un tunnelier (machine de forage de tunnel) est habituellement élevé et les gestionnaires de projet doivent s’efforcer d’éviter les retards dans la construction. Le but du projet de simulation, qui a été mené à l’université Bochum de la Ruhr en Allemagne, consistait à créer un modèle de simulation capable de déterminer les goulots d’étranglement dans les processus de construction du tunnel, afin de minimiser les pertes financières potentielles.
  • Planification de la production dans l’industrie maritime
    Les dirigeants de l’un des fabricants italiens les plus en vue recherchaient une nouvelle approche intelligente pour simplifier l’élaboration du planning. FD et DSE ont été approchés pour développer un outil de simulation du planning entièrement nouveau. L’objectif était de fournir au planificateur de la production réelle une mine d’informations pour le planning permettant de tester et d’ajuster le plan avant sa mise en œuvre. Le concept de l’outil s’organisait autour de l’aide décisionnelle, ce qui signifie que l’individu peut facilement affiner les idées et tester la faisabilité d’un plan dans de multiples situations avant de le déployer dans l’atelier.
  • Shipyard démontre sa capacité à honorer les commandes et gagne une visibilité sur les installations et la distribution de la production
    Confronté à une commande majeure de sous-marins propulsés au diesel, Admiralty Shipyards JSC doit évaluer si les installations de production actuelles peuvent satisfaire cette commande, et dans le cas contraire, déterminer ce qui peut être produit d’ici 2016. Admiralty Shipyards JSC cherche également à confirmer qu’il n’y aura pas besoin d’une installation de production supplémentaire pour achever la commande.
  • Simulation de la production de glaces: identification des contraintes et optimisation du plan de production
    Conaprole, la plus grosse société de production de produits laitiers d’Uruguay, produit plus de 150 SKU dans son usine de fabrication de glaces, à l’aide de cinq lignes de production, chacune de ces lignes comportant jusqu’à cinq configuration d’emballage différentes. La direction devait reformuler ses plans afin d’équilibrer l’offre et la demande et éviter les ruptures de stock pour les produits clés. Elle cherchait également à optimiser ses capacités de production.
  • Analyse des stratégies de management pour la montée en puissance de la production d’avions
    Le Groupe Airbus Group s’est joint au projet de l’Union Européenne ARUM (Adaptive Production Management – gestion de la production adaptative), qui a pour but de créer une solution IT pour la réduction des risques, la prise de décision et la planification pendant les montée en puissance du nouveau produit.
  • 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.
  • Improving Mining Outbound Logistics with Agent-Based Simulation Modeling
    One of the largest resource companies in the world, with over $80 billion in sales, decided to enter a new market. It was planning to build a new potash mine with 90% of the resources exported. They wanted to design a reliable supply chain, with a high speed of supply replenishing, and the ability to recover from natural disasters and man-made crises benefiting from such volatility. Amalgama and Goldratt companies contracted this project to design the potash mining operations and a full supply chain of outbound logistics.