Organizzare il layout di un nuovo impianto di produzione con il digital twin e l’ottimizzazione dello scheduling di produzione.

Come un’azienda leader della progettazione e della costruzione di edifici in calcestruzzo ha organizzato il nuovo impianto di produzione grazie alla simulazione e all’ottimizzazione dello scheduling di produzione.

Digital Twin for Optimal Design & Production Scheduling

Un’azienda leader della progettazione e della costruzione di edifici in calcestruzzo ha chiesto il supporto di aHead Research per organizzare il nuovo impianto di produzione, all’interno del quale si svolge un processo complesso, altamente automatizzato, che richiede anche fino a 12 ore per la realizzazione di un solo elemento. Il loro obiettivo era capire come e quante risorse disporre all’interno dell’impianto e quale fosse la schedulazione migliore delle attività da svolgere in modo da minimizzare i tempi di produzione, ridurre il tempo di inattività delle risorse utilizzate e migliorare la gestione dei flussi in entrata delle materie prime.

In una prima fase è stato costruito un modello di simulazione in grado di replicare il funzionamento dell’intero processo per avere la possibilità di valutarne le prestazioni con scenari organizzativi differenti e supportare le scelte su layout e numero di risorse proposte all’azienda. Successivamente, per ottimizzare lo scheduling di produzione, è stato generato un algoritmo di ottimizzazione in grado di tradurre le logiche di produzione in vincoli matematici e proporre un’efficace ed efficiente pianificazione dei processi, sia prima che dopo aver iniziato le attività, basandosi sullo stato corrente del sistema e sul WIP aggiornato.

Domande chiave:

Qual è il numero corretto di risorse da utilizzare affinché sia possibile raggiungere una produzione target giornaliera?
Qual è il posizionamento migliore delle risorse nell’impianto per una maggiore efficienza?
Qual è lo scheduling migliore delle attività rispetto agli obiettivi temporali previsti?
Com’è possibile variare lo scheduling dato lo stato corrente del sistema?
Quando e quanto bisogna ordinare di materie prime affinché siano disponibili durante il processo nel momento del bisogno?

Mettere a disposizione tante risorse significa ridurre code e attese durante il processo ma allo stesso tempo questo implica un costo d’investimento molto elevato, soprattutto nel caso in questione dove alcune delle risorse sono macchinari complessi e molto costosi. Iniziare le attività appena si rendono disponibili le risorse necessarie non sempre vuol dire diminuire il tempo di completamento del prodotto finale, perché tale scelta può comportare poi una serie di combinazioni che al contrario ne aumentano la durata. Ordinare subito tutte le materie prime necessarie aumenta la probabilità della loro presenza nel momento in cui esse sono richieste ma allo stesso tempo comporta maggiori costi di magazzino e capitale investito. Per questo motivo la soluzione migliore è applicare tecniche di intelligenza artificiale, come la simulazione e la ricerca operativa, affinché si tenga conto di ogni aspetto e il cliente possa raggiungere gli obiettivi prefissati

IL NOSTRO METODO

IL PROBLEMA

LA SOLUZIONE

I VANTAGGI

Il problema

Decidere il layout di un nuovo impianto di produzione

Decidere il layout di un nuovo impianto, il numero di risorse da acquisire, la sequenza ottimale di tutte le attività per la produzione di un edificio sono scelte importanti, da cui dipende il successo di un’impresa. In particolare, diventano decisioni fondamentali quando il processo è complesso e presenta più criticità:

Diversi sistemi automatizzati interferiscono tra loro, ad esempio più carroponti si muovono su un binario comune e dunque l’attività di uno potrebbe bloccare l’utilizzo di un altro, nonostante siano collocati in aree diverse dell’impianto
Tante risorse condivise tra processi produttivi differenti, tutti da eseguire in parallelo, come ad esempio carroponti, vagonetti, operatori e sponde mobili
Attese necessarie per alcuni processi di produzione, come l’indurimento, che possono creare inefficienze nel caso un’attività sia in attesa del completamento di un’altra

La soluzione

La soluzione per il digital twin dell’impianto di produzione e l’ottimizazione dello scheduling

Attraverso un avanzato software di simulazione è stato creato il digital twin dell’impianto in grado di replicare in modo fedele le logiche dell’intero processo di produzione. In ottica di design, ipotizzando uno scheduling di tipo ASAP (As Soon As Possible), sono stati valutati scenari differenti variando sia il numero delle risorse (carroponti, benne, operatori) sia la strategia di allocazione. L’analisi what-if ha permesso di osservare le performance del sistema sia in condizioni nominali sia introducendo randomicità ed incertezza per rappresentare la naturale variabilità del processo ed aumentare l’affidabilità dei risultati.

In una seconda fase è stato sviluppato un algoritmo di ottimizzazione matematica in grado di considerare allo stesso tempo tutti gli elementi del sistema (attività, risorse, materie prime) e gli obiettivi temporali associati alla produzione di ciascun edificio. Il modello permette di generare lo scheduling migliore in base all’obiettivo dell’impresa:

Minimizzare il makespan, ossia il tempo totale di produzione di un intero edificio
Minimizzare la tardiness, ossia il massimo ritardo per gli elementi che compongono l’edificio rispetto alle due date stabilite

I vantaggi

I benefici ottenuti dal ricorso al digital twin e dell’ottimizzazione dello scheduling

Grazie al lavoro svolto dal team di simulazione di aHead Research è stato possibile supportare il cliente in fase di progettazione del nuovo impianto. Lo scopo è stato quello di valutare e proporre il design migliore affinché fosse rispettato il target giornaliero di produzione prefissato e venissero minimizzati i costi d’investimento. Rispetto a quanto previsto inizialmente dall’impresa, è stato consigliato l’acquisto di tre carroponti anziché due e di due benne anziché una con la definizione di un nuovo layout che permettesse l’utilizzo delle benne riducendo l’inefficienza del personale coinvolto. Inoltre è stata identificata e condivisa una fascia min-max di operatori necessari per lo svolgimento delle attività, che permettesse un adeguato bilanciamento tra inattività delle risorse e tempi di produzione, rispettando sempre il target aziendale.

Il team di ottimizzazione ha invece permesso di ottenere la sequenza ottimale delle varie attività sia produttive che logistiche come il trasporto di materie prime e la movimentazione di elementi finiti, permettendo quindi una gestione completa ed efficiente dell’intero processo. La soluzione permette anche di prevedere il consumo di materie prime, quindi generare il Material Resource Planning (MRP) e supportare l’approvvigionamento dai fornitori. Inoltre, sulla base del WIP e dello stato corrente del sistema, lo stesso algoritmo può essere utilizzato in real-time per rischedulare tutte le attività qualora si dovessero manifestare forti ritardi o altri imprevisti che andrebbero a compromettere la pianificazione iniziale.