Les ingénieurs d’un constructeur automobile allemand de renommée mondiale recherchaient une ligne de production moderne et optimisée pour la fabrication de fourgon commercial de la compagnie qui a beaucoup de succès. Avec plus de 3,4 millions de livraisons de véhicules utilitaires à partir de différents sites de production, l’entreprise souhaitait un outil d’optimisation avec la flexibilité nécessaire pour s’appliquer dans différentes usines et prendre en compte des technologies telles que les véhicules guidés autonomes (AGV). La première étape du projet a permis de réaliser un gain d’efficacité de 5 % et d’identifier d’autres gains significatifs pour l’étape suivante.
Problème : Optimisation et efficacité de la chaîne de montage
Les ingénieurs logistiques de l’entreprise avaient besoin d’un outil pour évaluer et optimiser l’efficacité de l’intralogistique des usines automobiles dans le contexte d’une mise en œuvre à grande échelle de AGV. Ils voulaient savoir :
- Utilisation de l’équipement
- Mise en commun de la main-d’œuvre (en particulier pour les tâches irrégulières)
- Temps perdu (en raison de la circulation, de l’attente, du reconditionnement, etc.)
- Distances parcourues
- Le nombre de pénuries de chaînes de montage
- Niveaux de réapprovisionnement des stocks
- Utilisation des tournées de livraison
Surtout, pour la rentabilité, il ne devrait pas y avoir d’arrêts de production causés par des pénuries de chaînes de montage.
Tout en tenant compte de l’efficacité et de l’optimisation des aspects énumérés ci-dessus, les ingénieurs de planification devaient s’assurer qu’ils répondaient aux défis de la ligne de production de fourgonnettes commerciales :
- De nombreux composants – des dizaines de milliers de références assemblées dans la même usine
- Variabilité des composants – le rétroviseur de la fourgonnette compte 130 variantes
- Transport complexe – y compris les chariots élévateurs et les AGV de livraison de voitures
- Contraintes de temps et d’espace – parcours partagés et activités critiques en termes de temps
- Politiques de la chaîne de montage – qualité, nombres à la ligne, « une touche – un mouvement », etc.
Comment optimiser une chaîne de montage complexe
Les techniques d’analyse traditionnelles basées sur des feuilles de calcul ne peuvent pas prendre en compte les complexités d’une chaîne de montage automobile moderne, telles que les processus impliqués et les relations entre eux. De plus, pour vraiment saisir la nature d’une chaîne de montage, il est nécessaire de tenir compte de la nature dynamique de la vitesse des véhicules transporteurs, des conditions de circulation, de l’accès aux ressources partagées et de la demande stochastique.
La simulation offre un moyen de capturer les complexités des chaînes de montage et leur nature dynamique. Avec le logiciel de simulation AnyLogic, les ingénieurs de processus de production pouvaient modéliser leur chaîne de montage à l’aide de Material Handling Library, se connecter à des bibliothèques logicielles externes et développer des éléments personnalisés. En plus des capacités de modélisation d’AnyLogic, la fonctionnalité cloud du logiciel répondait aux exigences d’expérimentation collaborative de l’équipe d’ingénierie en accélérant le développement en raccourcissant les cycles de rétroaction et de révision.
Solution : Modélisation pour des installations de production automobile complexes
Pour maximiser l’applicabilité et l’utilisation future du modèle, les développeurs ont créé le modèle de simulation en utilisant plusieurs principes directeurs :
- Flexibilité
- Évolutivité
- Approvisionnement en données réelles
- Adaptable rapidement
Ces principes garantissent que le modèle fonctionnera avec précision avec les modifications de mise en page, pour différentes usines, ainsi qu’avec les nouvelles technologies et les développements de processus.
La disposition du modèle est configurée en tant que paramètre en analysant un fichier DXF de l’atelier. Cela signifie qu’un planificateur de production peut modifier une mise en page à l’aide de son logiciel de conception d’atelier, tel qu’AutoCAD, et le tester rapidement en simulation.
L’approvisionnement réel en données signifie que chaque pièce, emplacement, transporteur et commande est téléchargé et défini en tant qu’agent au début d’une simulation. Cette granularité assure un très faible niveau d’abstraction et un haut niveau de réalisme du modèle.
Pour assurer l’adaptabilité et s’accommoder aux changements rapides qui se produisent dans la fabrication moderne, les développeurs ont utilisé une approche de conception modulaire. Cela signifie que les nouveaux développements et les modifications de processus peuvent être modélisés indépendamment et facilement intégrés dans le modèle global pour l’analyse.
Résultats : La simulation fournit des analyses détaillées
Le modèle de simulation de l’usine de production automobile fournit plus de résultats et plus de détails que les ingénieurs logistiques n’en ont jamais eu auparavant. À titre d’exemple, les transporteurs multi-chariots pouvaient visiter l’un des plus de 300 emplacements possibles et leurs comportements étaient difficiles à analyser. Maintenant, leur routage est capturé. Les mesures montrent également non seulement à quel point le conducteur est occupé, mais aussi le niveau d’utilisation du véhicule, ce qui donne un aperçu de l’efficacité.
Captures d’écran de l’interface du modèle de simulation (cliquez pour agrandir)
Les développeurs de modèles ont été en mesure de fournir tous les résultats que les ingénieurs voulaient à un niveau qu’ils n’avaient pas auparavant – fournissant plus de résultats et plus de détails dans ces résultats.
Aide à la décision pour la planification et l’investissement
Initialement, le modèle de simulation a rencontré le succès en vérifiant que tout pour un projet AGV de plusieurs millions d’euros fonctionnerait comme souhaité, avant de s’engager dans la commande.
Après avoir aidé à confirmer la mise en œuvre initiale du projet AGV, le modèle continue d’être utilisé pour vérifier les projets avant la mise en œuvre, ainsi qu’à d’autres fins. Dans l’ensemble, le modèle aide à évaluer l’efficacité des processus manuels, prend en charge les implémentations AGV et prend en charge le travail qui mène à un atelier entièrement automatisé.
À titre d’exemple de la performance du modèle, la première étape de l’évaluation d’une main-d’œuvre de plus de 70 personnes a permis de réaliser un gain d’efficacité de 5%, et la deuxième étape a permis de réaliser un autre gain de 5% qui peut être réalisé grâce à l’automatisation.
En ce qui concerne l’objectif d’évaluation de l’efficacité, il convient de noter que la simulation fournit maintenant 90% des calculs qu’un planificateur devait auparavant effectuer manuellement, ce qui permet de gagner du temps et de fournir une vérification supplémentaire.
Dans l’ensemble, avec une planification minutieuse et des objectifs clairs, les planificateurs logistiques du géant allemand de l’automobile ont mis en place un outil qui soutient et aide à améliorer les opérations actuelles et futures. En outre, le modèle peut être appliqué à d’autres installations, ce qui augmente le retour sur investissement.
La clé du projet a été les décisions de conception concernant la flexibilité et l’évolutivité du modèle et les capacités d’AnyLogic qui ont permis leur mise en œuvre.
Une présentation connexe avec une session de questions-réponses en anglais à la conférence AnyLogic est disponible pour regarder.
