Contact Lanner

CONTACTER LANNER

Complete the form below for a quick response from a Lanner representative or call us on +44 1564 333 300 or +1 713 532 8008. If you require support, please visit my.lanner.com

Remplissez le formulaire ci-dessous pour obtenir une réponse rapide d'un représentant Lanner ou appelez-nous au +33 1 70 92 35 18. Si vous avez besoin d'assistance, merci de vous connecter sur my.lanner.com

By submitting your personal details you are confirming agreement with our website terms of use, privacy policy and consent to cookies being stored on your device. En nous transmettant vos données personnelles, vous confirmez votre accord avec les termes d’utilisation de notre site internet et notre politique de confidentialité, et vous acceptez que des cookies soient stockés sur votre appareil.

Thank you for your enquiry.
A member of our team will be in touch as soon as possible.

  • By Lanner
  • In Blog
  • Posted 15/02/2022

Quelles initiatives d'amélioration continue devriez-vous privilégier ? De combien d'opérateurs avez-vous besoin pour équilibrer le coût par pièce avec un débit maximal ? Répondre à de telles questions implique de synthétiser des données complexes tirées de systèmes cyber-physiques dynamiques, c'est pourquoi les jumeaux numériques prédictifs jouent un rôle de plus en plus important dans une planification opérationnelle efficace.

Mais quelle est la meilleure façon de mettre en œuvre des jumeaux numériques prédictifs afin d'obtenir des réponses aux questions clés de l'entreprise et optimiser le retour sur vos investissements numériques ? Dans cet article, je décris les meilleures pratiques de Lanner, qui a ont été perfectionnées au cours de plus de 35 ans de travail avec des entreprises de tous les secteurs.

Méthodologie de mise en œuvre d'un jumeau numérique prédictif conforme aux meilleures pratiques

Construire un jumeau numérique prédictif efficace est à la fois un art et une science. La façon dont vous le créez détermine la qualité du résultat que vous obtenez - en termes de sorties et de capacité à expérimenter différents scénarios de simulation.

Cela signifie qu'il ne s'agit pas seulement d'utiliser un logiciel pour modéliser un processus. Vous avez besoin d'une méthodologie qui combine les personnes, les processus et les technologies qui sont essentiels pour obtenir un résultat réussi.

Cette méthodologie en 5 phases a fait ses preuves. Examinons chaque phase plus en détail.

Phase 1: Scoping study

Commencer par une étude de cadrage est un facteur critique de succès. Il peut être tentant d'ouvrir votre logiciel de simulation et de commencer à modéliser. Mais cette phase est conçue pour faire émerger toutes les questions auxquelles le jumeau numérique prédictif doit répondre. Cela implique des entretiens avec les principales parties prenantes pour comprendre les objectifs à court et à long terme liés à ces questions, ainsi que les objectifs du jumeau numérique prédictif lui-même.

Cela détermine ensuite quels processus doivent être modélisés, quel niveau de détail le modèle doit refléter, quelles données sont requises et à quoi ressembleront les rapports d'analyse. Il aborde également les utilisations futures du jumeau numérique prédictif, en examinant comment il devrait être reconfigurable et réutilisable pour les besoins futurs.

Au cours de cette phase, nous recevons souvent des commentaires disant que, grâce à l'exercice de cadrage détaillé, les gens en ont appris plus sur leurs processus opérationnels qu'ils ne l'ont jamais fait auparavant - et cela génère un réel enthousiasme quant aux avantages que le jumeau numérique prédictif apportera.

Phase 2 : Développement du modèle

Une fois que le périmètre est entièrement défini, le développement du modèle peut commencer. Cela implique de collecter et de préparer des données ainsi que de créer le jumeau numérique prédictif dans des logiciels tels que WITNESS Horizon.

Par exemple, nous avons développé un jumeau numérique prédictif pour Carrefour, le géant français de la distribution, qui cherchait à optimiser le fonctionnement de ses centres de distribution afin de répondre aux fluctuations de la demande tout en garantissant des niveaux de service élevés. Le modèle mobilisait environ 20 000 éléments, dont 17 000 variables, 260 kilomètres de convoyeurs pour l'acheminement des produits, plus de 100 personnes, plus de 50 véhicules et 350 voies (représentant plusieurs kilomètres de circuits de manutention).

Toutes ces données ont été introduites dans un modèle de simulation construit dans WITNESS, le modèle étant contrôlé par une interface Excel. De cette façon, toute personne familiarisée avec Excel pouvait utiliser le modèle car l'exécution de scénarios était aussi simple que de modifier des nombres dans une feuille de calcul. Un nouveau scénario ne prenait que quelques secondes à créer alors qu'il contenait plusieurs centaines d'éléments de données.

Phase 3 : tester et valider le modèle de simulation

Une fois que le modèle est développé jusqu'à un certain point, il est temps de le tester et de le valider, pour s'assurer que les résultats sont fiables et que le modèle répond avec précision aux questions définies dans l'étude de cadrage. Des tests rigoureux donnent confiance dans le modèle lui-même et dans le fait que les données l'alimentent efficacement.

Il existe de nombreuses façons de valider le modèle. L'une consiste à utiliser des sources de données historiques pour comparer les résultats simulés à la réalité vécue. North West Air Ambulance a utilisé un jumeau numérique prédictif intégré à WITNESS pour comprendre les exigences opérationnelles liées aux soins de santé d'urgence la nuit. Ils ont validé le modèle de simulation à l'aide des données issues de la base de données du Service Médical d'Urgence par Hélicoptère.

Phase 4 : planifier et exécuter l'expérimentation

Une fois le modèle entièrement testé et validé, l'expérimentation commence. C'est la phase où vous exécutez des scénarios de simulation pour comprendre l'effet de différentes décisions et compromis. WITNESS, par exemple, dispose d'une fonctionnalité d'expérimentation et d'optimisation avancée qui simplifie ce processus ainsi que l'interprétation des résultats, afin que vous acquériez les connaissances approfondies dont vous avez besoin.

L'expérience de TRW Automotive en est un excellent exemple. Ils ont utilisé WITNESS pour créer un jumeau numérique prédictif des opérations de la chaîne d'approvisionnement, leur donnant une simulation dynamique des flux, de la capacité de stockage, des équipements de manutention et du personnel. Il a cartographié les différents équipements, tous les points de transfert, la capacité des camions et les contraintes, dans le but d'éliminer des points de livraison tout au long de la chaîne d'approvisionnement et de réduire le nombre de chariots élévateurs utilisés dans la production. Le modèle a également simulé le travail des manutentionnaires sur les lignes de production pour identifier les inefficacités.

En expérimentant différents scénarios, TRW a éliminé les goulots d'étranglement et optimisé les opérations d'entrepôsage et de chaîne d'approvisionnement, ce qui a permis de réaliser des économies annuelles de près de 100 000 £.

Phase 5 : Remise des livrables et formation

Les jumeaux numériques prédictifs créés à l'aide de cette méthodologie sont uniques car ils ont une longue durée de vie. En conséquence, ils ne permettent pas seulement d'expérimenter pour répondre à des questions immédiates, ils fournissent aussi une base pour une prise de décision continue fondée sur des preuves qui maximise l'efficacité et le retour des investissement. Une fois un jumeau numérique prédictif livré aux équipes opérationnelles, il peut être intégré dans les processus de planification opérationnelle.

Ce fut l'expérience à Nissan, où ils ont établit une culture d'utilisation de jumeaux numériques prédictifs pour répondre à la fois aux questions d'investissement et d'exploitation. Voici quelques exemples :

  • Identifier avec succès les améliorations de processus pour doubler les cadences de production de groupes motopropulseurs
  • réduire les risques de production pendant la phase de test d'étanchéité des batteries
  • Minimiser les besoins en palettes sans affecter le débit, économisant 22 000 £
  • Réduire les goulots d'étranglement dans l'atelier de peinture de pare-chocs en déterminant le scénario de stockage optimal
  • Déterminer si une nouvelle station de films protecteurs pour la peinture était nécessaire pour répondre à la demande prévue, ce qui a permis d'économiser 25 000 £ sur les dépenses d'investissement

Comme l'a déclaré Martin Perkins, ingénieur industriel chez Nissan Motor Manufacturing UK : "Nous sommes un département assez léger et travailler avec Lanner et WITNESS nous a aidés à développer des modèles qui sont maintenant utilisés régulièrement pour prendre des décisions au sein de Nissan au Royaume-Uni. Grâce à la modélisation, nous avons pu mettre en œuvre des améliorations constantes dans nos processus, et la simulation est devenue un élément clé de l'adoption par Nissan de l'IoT industriel et de la technologie intelligente."

Vous voulez en savoir plus ?
Contactez-nous pour en discuter ou inscrivez-vous à notre webinaire gratuit pour en apprendre d'avantage sur comment la simulation prédictive et les jumeaux numériques peuvent vous aider :
Planification Opérationnelle par Simulation Prédictive


Loading blog comments..

Post a Comment

Thank you, your comment is awating approval
Submit