Оптимизация производства в AnyLogic: как управлять инновациями

Консультант-аналитик NFP Андрей Гарифов рассказывает об использовании инструмента имитационного моделирования процессов AnyLogic на примере демо-модели

Оптимизация производства в AnyLogic

  • Управление инновациями на производстве
  • Разработка системы поддержки принятия решений для производства
  • Анализ поведения производства после модернизации
  • Максимизация продуктивности

Производство — это сложная система из многих взаимосвязанных элементов. Сбои в работе или низкая эффективность хотя бы одного из них сведет на нет усилия по оптимизации всей системы. В экономически развитых странах для поиска «слабого звена» давно прибегают к имитационному моделированию процессов, в том числе используя российское решение — программу AnyLogic.

AnyLogic — мощный инструмент для анализа систем и поиска «узких мест», которые тормозят систему в целом. Рассмотрим демо-модель от специалистов компании NFP для демонстрации возможностей продукта.

Перед вами визуальный интерфейс модели (Рисунок 1). Прямоугольниками обозначены составные части конвейера, разноцветными кругами — заказы клиентов. Каждая производственная единица может обрабатывать ограниченное количество заготовок одновременно, однако время обработки заготовки, описанное в регламенте, часто не совпадает с реальным: на производстве случаются брак продукции, сбой оборудования, ошибки оператора. Также присутствует фактор временных задержек, например, перемещение детали по конвейеру. Поэтому в модели время обработки детали каждым элементом конвейера не фиксировано, а задано функцией треугольного распределения — случайное значение из трех возможных. Каждая машина обрабатывает заготовку в течение разного промежутка времени, при этом одна машина может обрабатывать несколько заготовок одновременно. В нашей модели Машина 1 может обрабатывать две заготовки одновременно, Машина 2 – три, Машина 3 – три, Машина 4 – четыре.

Рисунок 1 – Визуальный интерфейс модели

Приходящие от клиентов заказы не всегда возможно точно запланировать, поэтому в модели спрос задан стохастически при помощи функции равномерного распределения. Как и на реальном производстве, клиент обычно заказывает не одну единицу продукции, а сразу несколько (в нашей модели – от 3 до 7 за раз). При решении задач оптимизации на реальном производстве обычно производится калибровка модели по статистическим показателям из базы данных клиента.

Основная задача моделирования — протестировать конвейер под различными нагрузками, отследить ключевые показатели производства: выручку, затраты, прибыльность и утилизацию по каждой машине.

В работающей модели статистические показатели можно отслеживать динамически с течением времени. Также для удобства есть такой показатель, как совокупная стоимость заказов в очереди — упущенная выгода.

Рисунок 2 – Утилизация машин

В этом случае мы тестируем производственную цепь с повышенной нагрузкой — в течение 100 дней приходит 100 заказов от клиентов (при этом 100 заказов — это не заказ на 100 единиц, суммарный объем заказов может быть от 300 до 700 единиц). Как видим, производство не справляется с большим потоком заказов. При этом загрузка машин неравномерна — Машина 1 перегружена, а утилизация остальных машин составляет не более 51% (см. Рисунок 2).

Следовательно, для повышения производительности всей системы следует модернизировать Машину 1.

Допустим, руководство компании успешно провело проект по модернизации Машины 1, добившись удвоения ее производительности. На Рисунке 3 мы видим, как поведет себя система после изменений.

Рисунок 3 – Результаты эксперимента после внесения изменений

После модернизации утилизация всех машин, кроме Машины 2, превысила 82%, а выручка от выполненных заказов выросла на 67% (взят один и тот же период, 100 модельных дней).
Эта модель — демонстрация лишь части возможностей имитационного моделирования в среде AnyLogic. Для ее построения использовался только один из трех методов имитационного моделирования — агентное моделирование. При построении коммерческих моделей обычно используется одновременно несколько подходов, а также создается 3D-интерфейс для конечного пользователя модели.

Кроме поддержки принятия решений, как описано в этой модели, имитационные модели используются для оптимизации бизнес-процессов, для решения задач бизнес-планирования, управления активами, проектирования логистических цепей, складов, а также для анализа рынков: как потребительского, так и финансового.

Такие модели подробно разбирают и учатся строить самостоятельно участники онлайн-курсов по имитационному моделированию Школы практических навыков NFP. Даты ближайшего курса по оптимизации производства на AnyLogic на странице мероприятия в разделе «Школа».

Перейти к заказу билетов

Проекты компании NFP моделированию на AnyLogic

Подборка практических кейсов по повышению операционной эффективности бизнеса с использованием этого инструмента — на странице продукта AnyLogic.

Андрей Гарифов, консультант-аналитик NFP