Trvalá simulace a optimalizace výrobního procesu

Jednou z nejpokročilejších, ale také nejméně se vyskytujících řídicích metod v informačních systémech je koncept trvalé simulace a optimalizace výrobního procesu (MSO – modelování, simulace, optimalizace). Hlavní přínos MSO spočívá v tom, že z informačního systému vytváří skutečný nástroj pro realizaci procesů v hodnototvorném řetězci organizace, nikoliv pouze informační podporu pro jejich řízení. Dynamické plánování a prověřování všech důležitých výrobních i návazných aktivit pak poskytuje výrobním podnikům tolik potřebnou pružnost, efektivní a kvalitní řízení výroby.

Namísto strnulého plánování podle metody MRP II přináší MSO trvalou simulaci průběhu výrobního procesu, jejímž východiskem je okamžitý stav výrobních aktivit. MSO tedy nabízí simulační metody plánování, rozvrhování a kapacitního bilancování výrobního procesu, a tím přispívá k optimálnímu stavu a struktuře zásob v podniku a poskytuje potřebné informace a nástroje pro důsledné řízení kvality výroby a plnění strategických cílů výrobní náplně podniku. Z doposud uvedených řídicích metod MSO principiálně podporuje MRP II, JIT, Kanban a TOC.

Využití trvalé simulace v praxi

Systém fungující na bázi MSO lze využít k plánování a rozvrhování výroby stejně tak dobře jako k monitorování, evidenci a dispečerské činnosti. Dynamické plánování výroby umožňuje přímé řízení hmotného toku ve výrobě s minimálními nároky na sběr dat. Informační systém pak poskytuje údaje o aktuálním stavu a úzkých místech ve výrobě, avizuje skluzy a jejich budoucí dopady na plnění výrobního plánu a automaticky zabezpečuje výrobu potřebnými hmotnými vstupy a kapacitami v libovolném časovém okamžiku. Dokáže rovněž řídit a sledovat činnost vstupní, výstupní a mezioperační kontroly, reagovat na změny uvnitř i v okolí výrobního procesu a řešit věcnou i prostorovou organizaci veškerých zásob. Sleduje také původ a kvalitu zásob a vytváří přitom archiv dat popisující skutečný průběh výroby, čímž zabezpečí zpětnou sledovatelnost jakosti podle normy ISO 9000. Kromě detailního plánování a sledování hmotného toku ve výrobě přináší i jeho potřebné nákladové a ekonomické vyjádření s přímou vazbou na účetní operace o nedokončené výrobě a pohybech zásob.

Simulace lidských zdrojů a nastavení výrobních linek

Aktuální verze konceptu MSO, kterou v ČR rozvíjí společnost Arsiqa system, zahrnuje nový stupeň simulačního modelu výrobního procesu zaměřený na obsluhu strojů a zařízení pracující v omezených kapacitách lidských zdrojů. Zřetelně ukazuje, nakolik skutečná simulace výrobního procesu ve spojení s modelováním reálného světa objektů, jejich vztahů a situační disponibility umožňuje vyřešit i ty nejsložitější problémy rozvrhování výroby do omezených kapacit.
Koncept MSO tak poskytuje pružné plánování lidských zdrojů v profilech těch zařízení, která vyžadují omezené kapacity profesně připravené obsluhy. Prakticky to znamená, že každý výrobní úkol vyžadující konkrétní strojní zařízení je naplánován do výroby pouze tehdy, pokud existuje pro daný stroj v určitém časovém úseku požadovaný počet volných pracovníků obsluhy. Současným uvedením těchto pracovníků v profilech, které nejsou jejich primární profesí, je možné i využití jejich kapacity na jiné úkoly, pokud zůstane nevyužitá a volná pro náhradní práce.
Dalším rozšířením funkčnosti simulačního modelu je možnost nastavení výrobních linek a zobrazení typického hmotného průtoku linkou (náběhový čas, takt linky atp.), zamezení přerušování operací ze dne na den (operace se přiřadí pouze tehdy, pokud se vejde celá do zbytkové kapacity dne) a práce s více typy přípravných časů.

Interaktivní podpora optimalizace plánu výroby

Metoda MSO je integrální součástí informačního systému AROP, který je využíván jako výrobní subsystém v rámci dodávek ERP řešení WAM S/3. Lze jej nasadit i s dalšími ERP systémy, jako například Microsoft Dynamics NAV, ERP třídy Byznys nebo Helios Orange.
K zajímavostem aktuální verze tohoto systému bezesporu patří interaktivní podpora optimalizace plánu výroby. Z jednoho místa je tak možné měnit priority zakázek, jejich parametry či vybírat optimální technologie pro zlepšení průtoku výrobních zakázek výrobními kapacitami, aniž by se tyto zásahy promítly do základní technologické dokumentace. Jedním kliknutím je pak možné provést novou simulaci celého výrobního procesu a sledovat dopady optimalizačních zásahů do lhůtového rozvrhu výrobních komponent a finálních produktů v omezených kapacitách. Pro zakázkovou výrobu je potom určen konfigurátor výrobků, který umožňuje modelovat od základních kusovníků odchylnou produktovou skladbu zakázek v závislosti na požadavcích zákazníka a specifických potřebách každé zakázky.

Koncept adaptivní regulace výroby

Nasazení ERP systému představuje první krok k tomu, aby firma mohla efektivně reagovat na tržní okolí. Je však třeba položit si následující dvě otázky: Jak se systematicky vypořádat s včasným rozpoznáváním změn na trhu nebo odchylkami ve výrobě? Jak trvale zvyšovat přesnost a úroveň automatizace při podnikovém plánování?
Tyto otázky si položil také německý inženýr a podnikatel Steffen Berghof, který si uvědomoval, že i ten nejlepší informační systém nemůže fungovat dobře, pokud pracuje s nekvalitními daty. Jako odpověď na ně navrhl koncept kybernetické regulace – SRM (selbst regulierende Mechanismen – samoregulační mechanismy). Přizpůsobování parametrů v systému ERP je trvalý proces, který může být optimálně podporován vytvořením regulačních obvodů. Tyto regulátory jako softwarové moduly mohou porovnávat definované podnikové cíle se skutečností. Zároveň mohou propočítávat parametry pro vhodné nastavení ERP systému, čímž umožní velice rychle reagovat na změny trhu.

Kybernetický přístup ke snižování zásob

Se samotným ERP systémem je sice možné podnikové procesy optimalizovat, finanční přínosy se ale nedostavují automaticky. Uživatelé podnikových informačních systému nejsou schopni průběžně aktualizovat dispoziční parametry u tisíců položek a průběžně je přizpůsobovat měnícím se podmínkám. Nevhodně nastavené parametry pak vedou ovšem k tomu, že systém počítá nesprávná množství a nevyhovující termíny. Důsledkem pak bývá zbytečně vysoká vázanost kapitálu na skladech, dlouhé dodací lhůty nebo potíže s dodržováním přislíbených termínů. Zlepšení likvidity díky cílenému řízení skladových zásob nelze tedy zabezpečit pouhým nasazením ERP. Proč se tedy nepokusit o využití kybernetického přístupu ke snížení zásob?
Systém ERP spolu s takovým regulátorem vytvářejí hierarchický systém regulačních obvodů (finanční cíle, průběžné doby, skladové zásoby). Tento systém pak zvládne účinně optimalizovat i výrobu s velkým počtem úrovní kusovníkových struktur. V tom se regulační obvody liší od metody simultánního plánování u APS systémů. Dokážou průběžně regulovat definované podnikové cíle, jako jsou snižování skladových zásob, zkracování dodacích lhůt a zlepšování dodací spolehlivosti. Návratnosti investic je dosaženo za současného zvýšení výkonnosti podniku.
„SRM pracuje obdobně jako regulátor teploty. Systém ERP se dá v tomto případě přirovnat k topení, ventil odpovídá dispozičním parametrům systému a podnikové cíle si můžeme představit jako požadovanou teplotu. SRM pak průběžně zjišťuje odchylky a vhodně nastavuje parametry informačního systému k zajištění a trvalému udržení definovaných podnikových cílů,“ podává vysvětlení ke svému konceptu Steffen Berghof.

Uplatnění při plánování a řízení výroby

K tomu, aby bylo možné přenést tento postup na plánování a řízení výroby, je třeba dekomponovat jednotlivé podnikové procesy až do nejmenšího detailu. Na tomto základě lze problémy při plánování a řízení výroby rozložit do myšlenkových regulačních obvodů, čímž se jasně definuje regulace a její komponenty. Pak je možné rozlišit regulaci struktury zásob, jednotlivých skladových položek, průběžných dob ve výrobě a kapacit. Základem těchto definovaných regulačních obvodů je práce uživatele systému, která se automatizovala. Konkrétně to znamená, že uživatel stanovuje úroveň předzásobení, musí nepřímo pomocí parametrů nastavit potřebné zásoby jednotlivých položek a následně vytváří časové modely, jejichž prostřednictvím pak řídí zakázky.
Tímto přístupem vznikly regulační obvody pro dynamickou optimalizaci nastavení systému ERP. Potřebné parametry se průběžně přizpůsobují skutečným podmínkám a tím může informační systém stabilně reagovat na předvídatelné poruchy.

Průběžná doba výroby jako řídicí veličina

Rozhodující řídicí veličinou je průběžná doba výroby produktu při požadované dodací spolehlivosti. Průběžná doba výroby se zde vztahuje na kompletní produkt, tedy včetně montážních skupin a jednotlivých dílů. Pomocí plně automatizované prognózy na bázi historických dat (spotřeby a vzniklých potřeb) a dat z budoucnosti (zakázky v budoucnosti, zpožděné zakázky) získáváme informace o budoucím vývoji potřeby a spotřeby, takže můžeme připravit ERP systém na případné poruchy. Dále se automaticky vyhodnocují skutečné prostoje a technologicky podmíněné doby uložení na jednotlivých výrobních operacích a časové modely ERP systému potřebné pro plánování se přizpůsobují realitě.
Nejhlubší integrace regulátoru SRM je v současnosti provedena s informačním systémem PSIpenta.com. Tento, zejména v německy mluvících zemích populární best-of-breed ERP systém, který využívají mimo jiné společnosti Kardex, Audi, Volkswagen nebo Gemü, obsahuje regulační mechanismy v aplikační části nazvané Adaptive Manufacturing Control (AMC). Aplikaci AMC vyvinula společnost Berghof Systeme, a to zcela nezávisle na řešení PSIpenta.com. Proto ji lze také nasadit s mnoha dalšími ERP systémy.

Jak funguje adaptivní regulace

AMC (adaptive manufacturing control) svou podstatou přesahuje obvyklé možnosti APS systémů. Vícestupňové adaptivní regulátory jsou nasazeny na různých úrovních plánování, kde na základě řídicích signálů dynamicky nastavují parametry ERP systému v souladu se stanovenými cíli.
SRM představuje první z modulů AMC. Slouží k udržování aktuálnosti kmenových dat (informace o položkách, způsobu výpočtu objednávek atd.) a vytváření prognóz spotřeby jednotlivých položek na základě historických údajů a známých budoucích potřeb. Tyto prognózy jsou pak podkladem pro tvorbu optimální dispoziční strategie, výpočet pojistné zásoby, minimálního objednávaného množství apod. Součástí SRM jsou i nástroje pro ABC/XYZ analýzu. SRM dále pomáhá nalézt bod rozpojení výroby na zakázku, který se využívá pro optimalizaci procesů předzásobení a výroby polotovarů. Zabraňuje vzniku a udržování nadbytečných zásob, které jsou automaticky rozpoznány a vydány do výroby v nejkratším možném termínu. K dispozici je také množství simulačních funkcí.
Součástí SRM je rovněž analýza typických provozních hodnot a stavu jednotlivých strojů nebo jejich skupin a následný výpočet nových výkonových parametrů odpovídajících reálnému stavu. SRM měří neproduktivní časy a upravuje nastavení tak, aby byl výsledný obraz co nejbližší realitě. Kromě čekání patří k neproduktivním časům také předávání materiálu definované v systému pomocí matice dob předání mezi jednotlivými pracovišti. Na základě odhalení těchto neproduktivních časů pak lze určit skutečné průběžné doby výrobních zakázek.

Dynamická synchronizace procesů

Optimalizaci zakázkové sítě s cílem dodržování plánovaných dodacích termínů zabezpečuje dynamická synchronizace procesů (DSP). Prvním z jejích úkolů je regulace zpožděných zakázek především pomocí stlačování neproduktivních dob, případně stanovením priorit jednotlivým zakázkám. DSP dále zajišťuje synchronizaci s nákupem, pomocí níž se upravuje celá zakázková síť dle termínů plánovaných příjmů zadaných nákupním oddělením. Reálné synchronizaci předchází její simulace pomocí tzv. nákupního workflow procesu, která zjišťuje odchylky plánovaných příjmů a potřeb výrobních zakázek. Cílem je odhalit kritické objednávky a snažit se o jejich urychlení, například definováním časového rámce nákupčímu pro realizaci objednávky.
Dalším krokem dynamické synchronizace procesů je řízení kapacit, ať už na straně výrobních zařízení nebo personálu. AMC umožňuje při rozvrhování kapacit zohlednit také výkonová specifika jednotlivých zdrojů (například na vysoce důležité zakázky je potřeba nasadit skupinu nejzkušenějších dělníků, aby se zamezilo vzniku chyb) včetně propočtu nákladů (využitím kvalifikovaného personálu se zakázka prodražuje). Všechny možné varianty rozvržení výroby lze předem rychle vyzkoušet prostřednictvím simulace a přehledně zobrazit tzv. virtuální kostkou.
Řešení vzniklých problémů závisí na zvoleném typu plánu. Mohou se jednak přepočíst dodací termíny dle rozplánování zakázek do omezených kapacit nebo jsou dodací termíny pevné a je potřeba navýšit kapacity na kritických pracovištích, případně může dojít k dočasnému sloučení podobných operací. Zakázky na zcela nové zboží lze simulovat prostřednictvím tzv. typového zástupce (jiné podobně zpracované zakázce) a velmi přesně vyhodnotit budoucí potřeby kapacit i materiálového krytí.

Ganttův diagram a algoritmus capable-to-promise

Termíny dokončení zakázek a pořadí jednotlivých operací určuje DSP s denní přesností. Na základě známého časového modelu jednotlivých pracovišť a momentální dostupnosti zdrojů pak detailně plánuje, řídí a kontroluje průběh výrobních operací. Na náhlou změnu situace v provozu (velmi typickou pro většinu výrobních závodů) dokáže systém pružně reagovat a zajistit okamžité přeplánování. Vzniklou zakázkovou síť je možné přehledně zobrazit Ganttovým diagramem včetně vyznačení kritické cesty a naznačení varianty pro možné manuální řešení problémů u operací nacházejících se právě na kritické cestě.
Součástí adaptivní regulace je také funkcionalita CTP (capable-to-promise), která slouží pro výpočet nejbližšího možného realizovatelného termínu dodání zakázky a díky kombinaci dopředného a zpětného způsobu plánování zabraňuje stanovení počátečních termínů do minulosti. Na základě těchto plánů se rezervují skladové položky a plánují příjmy materiálu. V případě, že je počáteční datum zakázky pevně stanoveno, systém vyhodnotí všechny zdroje a skladové položky, které ohrožují dodací termín. Při plánování se berou v úvahu omezené kapacity a výroba se rozvrhuje tak, aby nedošlo k přetížení kritických pracovišť. Výsledná struktura zakázek se pak přehledně a srozumitelně zobrazí prostřednictvím Ganttova diagramu.

Přínosy adaptivní regulace

APS systémy nejsou z hlediska využití adaptivní regulace chápány jako „pouhé“ plánování omezených kapacit. Od APS se očekává optimalizace a také koordinace procesů z více podnikových útvarů, případně nad rámec jednoho závodu. Regulátory pak od APS obdrží cíle, respektive řídicí veličiny. Efektivita využití APS totiž stojí a padá s kvalitou dat pro plánování řízení výroby, proto je jeho integrace s regulátorem ideální variantou.
Adaptivní regulace může přinést nejvíce výhod především středně velkým firmám s opakovaným typem výroby, ať už jde o sériovou výrobu nebo o zakázkovou výrobu se širokou škálou variant. Uplatní se také u obchodních firem, zejména v oblastech skladového hospodářství, nákupu, řízení dodavatelských řetězců, prodeje a podnikového plánování.
Ideální uživatelská organizace provádí tzv. předvýrobu, montáž probíhá až na základě specifických požadavků zákazníka. Krátké dodací lhůty jsou vykoupeny výrobou komponent na sklad, zvládnutí rozmanitosti jednotlivých položek pro ni představuje velice náročný úkol. Takové firmy dosahují nasazením regulátoru největších přínosů.
Použitím adaptivní regulace se otevírá velký potenciál přínosů, doba návratnosti investice je velmi krátká. Při snížení zásob o zhruba 20 až 35 procent se zlepšuje likvidita podniku zhruba v objemu měsíčního obratu. Ve všech doposud realizovaných projektech bylo dosaženo návratnosti investice do šesti měsíců. S využitím konkrétních dat je možné při úvodní analýze změřit konkrétní potenciál přínosů každého zákazníka ještě před implementací a doložit jej až na úroveň jednotlivých vyráběných a nakupovaných položek. Investiční riziko je tak minimální.

Petr Sodomka
Autor je předsedou Centra pro výzkum informačních systémů, docent Fakulty podnikatelské VUT v Brně a jednatel poradenské společnosti CVIS Consulting. Autor děkuje Radimu Lhotákovi ze společnosti Arsiqa system a Jiřímu Rakušanovi ze společnosti IS Berghof za cenné rady a připomínky ke zpracování tohoto článku.