Industrie

Steel productionBeaucoup de techniques qui ont auparavant fait leurs preuves sont encore utilisées pour la conception de larges organisations et installations à fort capital comme les usines. Celles-ci sont souvent conduites de façon traditionnelle ou par la comptabilité plutôt que par la concentration sur le client ou l’efficacité opérationnelle. Il n’est pas rare de rencontrer des directives qui imposent l’utilisation la plus intense possible de l’équipement le plus cher, comme par exemple le robot de soudure. Cette pratique est supposée amortir le coût de l’expansion du capital par le coût du robot à l’unité. Mais des stratégies de comptabilité comme celles-ci peuvent avoir des effets négatifs dans l’ensemble. Par exemple ce robot, continuellement sollicité, va augmenter le coût du ravitaillement en matériel et pourrait excéder de loin la capacité d’entrée. Cela provoque un grand inventaire du travail en cours, qui conduit à la manutention du matériel et à l’augmentation du coût d’entreposage étant donné que la moitié des pièces sont incomplètes, et un plan d’expansion du sol pourrait même être requis. Le rendement du robot augmente, mais celui de l’usine stagne tandis que ses dépenses augmentent. C’est un mauvais scenario.

Dans la réalité les opérations ont différents niveaux de complexité : elles ont de multiples lignes de production, il y a une compétition pour les ressources, des coûts cachés etc. Les processus traditionnels transforment et souvent simplifient un processus complexe mais sont souvent loin de les optimiser. Il y a tout simplement trop de variables interagissant et trop d’effets secondaires. Certaines améliorations paraissent efficaces en théorie mais ne le sont pas sur le terrain et entraînent de graves conséquences pour le bon fonctionnement de l’usine. Nous faisons face à cette situation chaque jour.

Nous nous attaquons à ces situations par la modélisation-simulation. Grâce à une phase de rassemblement de données et d’estimations, nous concevons un modèle de simulation qui laissera toute latitude à l’expérimentateur pour considérer les modifications planifiées, évaluer leur efficacité, et faire toute correction nécessaire avant la mise en application des solutions.

Les problèmes industriels typiques qui nous sont posés sont :

  • l’expansion d’industries,
  • la réduction du temps de production,
  • l’amélioration de l’utilisation de l’équipement,
  • l’analyse du matériel,
  • l’optimisation des volumes.

Vous pouvez visiter notre galerie de modèles pour voir différents exemples industriels.

Exemples de projets

  • 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.
  • Simple Simulation Model Helps Intel Avoid Production Plant Downtime
    Intel factories used a particular type of equipment that often broke down, which caused capacity constraints. 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.
  • 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.