Tak složité systémy, jako je komplexní výrobní závod, je téměř nemožné optimalizovat nebo navrhnout pouze pomocí statických kalkulací. Je nutné analyzovat provázanost jednotlivých procesů, a zde již statické kalkulace často naráží na své limity. A v tom je hlavní výhoda právě dynamické simulace, pomocí které lze provázanost detailně analyzovat a správně nastavit například velikost mezioperační zásoby nebo nastavit optimální počet automatizované manipulační techniky.

A jaké jsou další výhody dynamické simulace oproti běžně používaným kalkulacím? Je to zejména možnost simulovat složitý výrobně-logistický systém a pomocí jednotlivých scénářů ladit jeho budoucí nastavení. Další velkou výhodou je možnost vizualizace s využitím 3D modelu poskytujícím věrohodnou představu o budoucím fungování, a to včetně layoutu.

Proč je dynamická simulace užitečná zejména teď, v době velké nejistoty a neustále se měnící situace ve světě? Modely dynamické simulace jsou tzv. data-driven, tedy postavené na datovém modelu, který lze při každé změně aktualizovat, získat výstupy pro aktuální situaci a tím kontinuálně optimalizovat sledovaný proces. Aktualizovat lze např. business plán dle posledních výhledů obchodního oddělení nebo aktuální dispozici materiálů vzhledem k problémům v dodavatelském řetězci.

Na následujících příkladech ilustrujeme výhody dynamické simulace ve dvou vybraných oblastech výrobního podniku a později se pokusíme definovat tolik skloňované digital twin.

Dynamická simulace ve výrobě

Optimální nastavení výrobních dávek

Jedním z typických příkladů, kde lze využít výše zmíněné výhody (zejména tu o provázanosti jednotlivých procesů) dynamické simulace, je optimalizace výrobních dávek jednotlivých výrobních operací v rámci komplexního výrobního procesu.

Každá výrobní společnost s vícestupňovou výrobou řeší mimo jiné následující protichůdné parametry: celková efektivita výrobních zařízení (OEE) a prostor pro výrobní logistiku reprezentovaný mezioperační zásobou polotovarů (buffery).

A proč protichůdných? Základní vztah je jednoduchý - čím větší vý­rob­ní dávky, tím na jedné straně vyšší celková efektivita výrobního zařízení (OEE), na druhou stranu vyšší hladina mezioperačních zásob a tím větší nároky na prostor. To platí samozřejmě i naopak.

Najít optimální řešení je v komplexním výrobním systému poměrně složité. Záleží na mnoha faktorech - doba přestavby/výměny nástrojů výrobního zařízení z jednoho výrobku (polotovaru) na druhý (changeover), velikost balení pro polotovary, cyklový čas, aktuální mix výrobků, cena výrobního zařízení (odpisy) nebo vyčíslená cena logistického prostoru určeného pro mezioperační zásobu.

Nejdříve je nutné stanovit si omezení: maximální velikost požadavku na mezioperační zásobu a minimální počet vyrobených výrobků dle plánu výroby nebo obchodního plánu. A pak už přichází na scénu samotná dynamická simulace. Jak již bylo výše uvedeno, pomocí simulace definovaných scénářů, v tomto případě s různou velikostí výrobních dávek, postupně dojdeme k optimálnímu řešení zohledňující veškerá omezení a zároveň vedoucí k minimálním nákladům:

• Jak zohlednit široké výrobní portfolio - např. 124 variant dveřních výplní
• Jak zohlednit variabilitu a nestálost vyráběného poměru těchto variant v čase
• Jak zohlednit rozdílnou směnnost jednotlivých výrobních fází (a víkendy)
• Jak zohlednit různé obalové jednotky vyráběných polotovarů
• … další?

To by mělo vést k tomu, že na konci je šťastný jak ředitel logistiky, který není zahlcený paletami rozpracované výroby, tak ředitel výroby, který nemusí řešit pořízení dalšího drahého stroje.

Pomocí statické kalkulace by bylo sice možné dojít k nějakému řešení, nicméně nebyli bychom schopni v rozumném čase zohlednit veškeré parametry a provázanost jednotlivých procesů. To by ve finále vedlo k nákladově neefektivnímu řešení.

Dynamická simulace ve výrobní logistice

Optimální nastavení procesu zásobování linek materiálem

Cíl procesu line-feedingu je jasný: dostat materiál na předávací místa výrobních linek ve správný čas (aby nebyla linka zastavena) a ve správném množství (aby nebyl drahý výrobní prostor zahlcený materiálem).

Cíl je jednoduchý, s hledáním optimálního nastavení je to už trochu složitější. Podobně jako u optimálního nastavení výrobních dávek, správné nastavení procesu line-feeding je závislé na mnoha parametrech, které jsou pro každý výrobní závod specifické a proto neexistuje žádná univerzální pravda. Roli hraje opět vyráběné portfolio výrobků, obalové jednotky, komplexita kusovníku nebo uspořádání samotné výrobní linky.

Zde je oproti předchozímu případu navíc ještě jedno hledisko. A tím jsou neustále se vyvíjející technologie, zejména pak ty autonomní. Postupně se investice do automatizace materiálového toku začíná vyplácet, nicméně do již tak složitého procesu to vneslo další parametr. Kolik by měla společnost vozíků pořídit? Stihnou se nabíjet? Jak rozfázovat množství vozíků v čase v kontextu náběhových a výběhových křivek jednotlivých výrobků? Je lepší technologie AGV nebo AMR? A měl by se automatizovat celý proces line-feedingu nebo jen jeho část?

Je jasné, že tak komplexní proces je téměř nemožné nastavit s využitím statické kalkulace. Možná omezeně jednu variantu, nicméně to nevede k optimálnímu nastavení procesu a tím minimalizaci budoucích nákladů.

Proto je vhodné využít dynamickou simulaci. Správně vytvořený model umožní simulací a porovnáním jednotlivých scénářů flexibilně odpovídat na výše uvedené otázky.

Stačí nastavit logiku jednotlivých procesů, model naplnit aktuálními daty a o zbytek se už postará specializovaný software. Je možné tak sledovat vytížení jednotlivých typů manipulační techniky v čase, sledovat, zda se manipulační technika stíhá dobíjet nebo porovnat, zda je lepší na linku dopravit celou paletu najednou, nebo vozit box za boxem ve vyšší frekvenci. A to vše se zohledněním komplexní provázanosti procesů.

Kompletně pokrytý logistický koncept

Výše jsme uvedli příklady využití dynamické simulace v jednotlivých oblastech výrobního podniku. Nicméně největší přidanou hodnotu bude mít model, který ukáže provázanost každého jednotlivého procesu - výroby, výrobní logistiky, logistiky skladu vstupního materiálu a finálních výrobků. Tedy všech procesů, které dohromady tvoří výrobně-logistický koncept. Naprosto zásadní dokument popisující budoucí fungování klíčových procesů výrobního podniku.

Obecně platí, že 80 % nákladů již nebude v budoucnu možné ovlivnit. To, jak bude koncept nastaven na začátku, rozhodne o úspěchu společnosti v budoucnu. A pokud bude koncept nastaven špatně, optimalizovat zbylých 20 % už nemusí stačit.

Tím se dostáváme k pojmu, který je poslední dobou v této oblasti více a více skloňován. Je jím digital twin, chcete-li digitální dvojče.

Digital Twin - buzzword nebo užitečný nástroj?

A co to vlastně digital twin je? Zejména je to marketingový buzzword, kterým některé společnosti nazývají i excelovskou tabulku. Ve skutečnosti jde o technologii starou přes 30 let, stejně jako je dynamická simulace samotná. První simulace podnikových procesů se objevily již v 90. letech minulého století.

Co však simulaci dělá digital twin není ani tak technologická změna, jako spíše procedurální. Tím, v jakých turbulencích je současný dodavatelský řetězec, ovlivňuje každého z nás. To, co platilo včera, nemusí platit dnes a je nutné se neustále přizpůsobovat. I zde platí slavný citát Charlese Darwina: „Není to ten nejsilnější, kdo přežije, ani ten nejinteligentnější, ale ten, kdo se dokáže nejlépe přizpůso­bit.“ A to je klíč k dlouhodobému úspěchu. Nejen v businessu.

To platí i pro dynamickou simulaci. Dříve používané modely pro jednorázovou optimalizaci již nestačí. Je nutné se zaměřit i na zbylých 20 % nákladů. A jak toho dosáhnout? Podobně jako v jiných oblastech průmyslu je klíč ve využití dostupných výrobně-logistických dat. Simulační modely je tak nutné přímo napojit na ERP, MES a další systémy společnosti, reprezentující aktuální situaci. A neustále tak hledat aktuální optimum podnikových procesů pomocí data-driven přístupu a pomocí tohoto nástroje přijímat manažerská rozhodnutí vedoucí k minimalizaci nákladů a maximalizaci konkurenceschopnosti.

Digital twin tak udělal z původně strategického nástroje i nástroj taktický, případně až operativní, plně napojený na data a připravený kontinuálně reagovat na změny v globálním dodavatelském řetězci.

Jiří Dědeček Autor článku je Senior Consultant společnosti Logio.