Tecnomatix Plant Simulation: supporto valido alle aziende.

da Nov 2, 2021Articoli Ai di Deepclever0 commenti

Come utilizzare questo software per modellare Processi Produttivi e Logistici.

L’efficientamento dei processi industriali è un procedimento complesso e delicato, volto a: ottimizzare le prestazioni; eliminare le inefficienze; ridurre i tempi di set-up e, soprattutto, migliorare la qualità e la sicurezza.

Un approccio basato su simulazioni permette di ottenere significativi benefici aumentando la probabilità di successo del percorso di innovazione, perché consente l’esplorazione di numerosi scenari e una valutazione preventiva degli impatti ancor prima di intraprendere costose e rischiose modifiche dell’apparato produttivo.

La soluzione software proposta da Siemens, Tecnomatix Plant Simulation, consente la simulazione e l’ottimizzazione dei sistemi e dei processi di produzione e favorisce la creazione di modelli digitali dei sistemi logistici allo scopo di analizzarne le caratteristiche e ottimizzarne le prestazioni.

Problemi industriali e metodologia di risoluzione con simulazioni

Per rimanere competitive, le aziende devono progettare sistemi di produzione che non solo producano prodotti di alta qualità a basso costo, ma consentano anche una risposta rapida ai cambiamenti del mercato e alle esigenze dei consumatori.

Identificare gli errori nella fase di pianificazione risulta più vantaggioso per un’azienda rispetto a farlo dopo l’avvio di un progetto. La simulazione fornisce una percezione completa del processo o del prodotto studiato, consente di condurre analisi multicriterio e di testare molti scenari per valutare se il progetto è stato pianificato correttamente e verrà eseguito nel modo giusto.

Uno studio di simulazione viene eseguito utilizzando i seguenti passaggi:

  1. Controllare l’installazione del mondo reale che vogliamo modellare e raccogliere i dati necessari per creare il modello di simulazione.
  2. Realizzare i modelli di simulazione basati sugli obiettivi degli studi di simulazione.
  3. Dopodiché, eseguire gli esperimenti. Ciò produrrà una serie di risultati, come la frequenza con cui le macchine si guastano, la frequenza con cui vengono bloccate, i tempi di set-up maturati per le singole stazioni, l’utilizzo delle macchine, ecc.
  4. Interpretare i dati prodotti dalla simulazione.
  5. Infine, l’azienda utilizzerà i risultati come base per le sue decisioni sull’ottimizzazione dell’installazione effettiva.

Per eseguire una simulazione è necessario tenere sempre presenti le seguenti domande:

  • Cosa si ottiene con lo studio di simulazione?
  • Cosa stai esaminando?
  • Quali conclusioni si ottiene dai risultati dello studio di simulazione?
  • Come trasferire i risultati dello studio di simulazione all’installazione del mondo reale?

Fig 1. Processo ciclico ed evolutivo

Tutorial Plant Simulation

Tecnomatix Plant simulation è un software non open source che non consente il collegamento tra modelli di simulazione, ma consente un’ottima rappresentazione dei profili energetici a tutti i livelli del processo produttivo. Plant Simulation offre una vasta libreria di oggetti preimpostati, come ad esempio:

  • una singola stazione di processo;
  • un trasportatore;
  • un magazzino;

Inoltre, il linguaggio di programmazione al suo interno, SimTalk, è Object-Oriented (OO). La programmazione OO permette di definire gli oggetti che sono in grado di interagire gli uni con gli altri attraverso lo scambio di informazioni, grazie all’implementazione di logiche specifiche.

Tali oggetti sono dotati di:

  • ereditarietà;
  • polimorfismo;
  • struttura gerarchica.

L’ereditarietà consente ad ogni oggetto di mantenere le caratteristiche della cosiddetta Classe di appartenenza. Tutte le Classi sono contenute all’interno delle librerie di Plant Simulation.

Ogni oggetto, utilizzato per la costruzione del modello, appartiene ad una determinata Classe e prende il nome di Istanza. L’esistenza di una struttura gerarchica fa sì che, modificando le caratteristiche di una singola istanza, quelle della Classe di appartenenza rimangano invariate. Infine, il polimorfismo è legato al concetto di ereditarietà e si riferisce al fatto che un metodo, o, in generale, una proprietà di un oggetto, definito all’interno di una Classe, può assumere valori o restituire risultati diversi a seconda dell’istanza in cui viene richiamato.

A causa della natura dinamica del modello di simulazione, è importante tener traccia del tempo simulato. In Plant Simulation ciò avviene grazie ad un oggetto chiamato Event Controller. Esso è un orologio di simulazione, che viene inizializzato ogni volta che si avvia la simulazione e che ne coordina gli eventi che si succedono.

Cliccando sul pulsante “Time” si può decidere se partire da una simulazione in una data specifica oppure semplicemente a tempo zero. La data specifica può essere impostata nella scheda Impostazioni. Devono essere definiti anche la durata della simulazione e il tempo di warm-up, che indica la fine del transitorio, istante in cui il software può iniziare a generare le statistiche richieste.

Per la valutazione della simulazione sono necessari i dati statistici raccolti da tutti gli oggetti che compongono il flusso di materiale rappresentato e, per avere una stima corretta delle diverse variabili che si intendono esaminare, è necessario che le relative statistiche siano prodotte soltanto in seguito al riempimento del sistema.

Fig 2. Event Controller

La scheda Controls dell’EventController (Fig.2) contiene i comandi per:

  • avviare;
  • stoppare;
  • resettare;
  • stabilire la velocità di esecuzione.

Quando un’entità entra in una stazione di lavoro, Plant Simulation calcola il tempo che fa l’entità ad essere processata e registra tale evento e tale tempo all’interno di questa lista. L’intero modello di simulazione viene inizializzato a tempo zero con un metodo principale chiamato “Init” che richiama l’intera routine di inizializzazione.

A tempo zero, oltre all’inizializzazione dello stato del sistema, si azzerano tutte le statistiche. All’avanzare del tempo di simulazione, si realizzano i diversi eventi e, alla fine, al termine della simulazione, viene generato un report che mostra una stima delle misure di prestazione del sistema. Il modello di simulazione è formato da oggetti che interagiscono gli uni con gli altri mentre la simulazione evolve nel tempo. Ogni oggetto contiene:

  • dati, che ne descrivono lo stato in un determinato momento;
  • metodi, che descrivono le azioni che l’oggetto esegue quando si realizzano determinate condizioni.

Centrale, nell’utilizzo di Plant Simulation, è la toolbox (Fig.3), da cui possono essere selezionati i diversi oggetti e trascinati all’interno dell’area di lavoro, detta frame. All’interno del toolbox, si possono rappresentare i diversi macchinari di lavorazione che le varie linee di produzione, che a loro volta si uniscono per rappresentare l’intero impianto.

Ogni impresa può essere scomposta in diversi livelli gerarchici, il cui ultimo livello è formato dai macchinari che compiono le lavorazioni sui prodotti. Attraverso gli oggetti del “Material Flow”, si possono rappresentare nel dettaglio tutti gli elementi del flusso produttivo, come stazioni di lavoro, strade, mezzi di movimentazione, ecc.

Con un doppio click su un qualsiasi oggetto della toolbox si apre una finestra di dialogo che consente di inserire tutte le informazioni e le specifiche di quell’oggetto (fig 4). Molto importante è l’animazione grafica, in quanto alcuni problemi del sistema esaminato non possono essere rilevati solo con la lettura delle statistiche di output, ma è necessario osservare attentamente il modello durante l’esecuzione della simulazione. In questo modo è possibile:

  • visualizzare un livello grafico se sorgono dei colli di bottiglia;
  • se una stazione si guasta;
  • se ci sono punti in cui il sistema si svuota troppo in fretta provocando un’attesa per mancato carico delle stazioni di lavoro.

Inoltre, durante l’esecuzione della simulazione, è possibile visualizzare statistiche e grafici dinamici, necessari, ad esempio, per tenere sotto controllo la quantità di entità presenti in un buffer tra una stazione e l’altra. Tutti questi strumenti facilitano l’analisi del modello e dei relativi dati di output.

https://docs.plm.automation.siemens.com/content/plant_sim_help/15/plant_sim_all_in_one_html/common/en_US/graphics/graphicLibrary/Step-by-Step_Help/Modeling_in_TecnoPlantSim2D/toolb1.gif

Fig 3. Barra di oggetti

Fig 4. Finestra di dialogo

Case Study

In questo case study, il sistema di assemblaggio/produzione viene testato se c’è spazio per l’aggiornamento o il miglioramento della produttività. Ciò significa che per questo esempio verrà testata la versione modificata del sistema e confrontata con il modello base del sistema. Il punto è trovare miglioramenti che aumentino la produttività o diminuiscano le risorse. Il sistema di assemblaggio / produzione è composto:

  • da stazione di ingresso;
  • meccanismo pick and place;
  • tre stazioni di lavoro;
  • tre stazioni di assemblaggio;
  • quattro buffer;
  • due nastri trasportatori.

Fig. 5 Modello base del sistema

Nella figura 5 è mostrato il modello di produzione/assemblaggio che inizia alla stazione di ingresso dove il meccanismo di pick and place sposta le unità nel buffer. Il meccanismo di selezione e posizionamento imposta la velocità dell’intero input. Successivamente nella stazione di preparazione, le unità vengono preparate per la linea di assemblaggio.

La parte di assemblaggio del sistema è composta da tre postazioni di assemblaggio con tre buffer. Al punto di controllo vengono ordinate le unità e le parti guaste vengono spostate nel buffer delle parti guaste, le altre parti vengono trasportate alla stazione di preparazione e manipolazione per essere pronte per l’output.

Fig. 6 Statistiche del modello base (sopra) e statistiche del modello nuovo (sotto)

Fig. 7 Nuovo modello del sistema

La differenza tra il modello base e il modello adattato nella figura 6 è che il buffer delle parti guaste è collegato al trasportatore. Attraverso il trasportatore le parti guaste vengono nuovamente trasportate alla stazione di preparazione, in modo che vengano smontate e pronte per il successivo processo di assemblaggio.

I modelli di simulazione funzionano generalmente con impostazioni di guasto che vanno dal 95% del tempo di lavoro al 5% di guasto. Nel meccanismo di pick and place è stato calcolato il fail time dell’1% sulla base delle informazioni del modello reale.

Fig. 8 Legenda per le statistiche

Sulla base delle figure 7 e 8 possiamo vedere come il tempo di lavoro delle stazioni di assemblaggio sia aumentato solo gestendo il flusso di materiale e migliorando i tempi di prelievo e posizionamento e trasportatori. Il tempo di ciclo di cinque giorni lavorativi è stato testato per la valutazione della produttività.

Conclusioni

Le simulazioni al computer eseguite con l’utilizzo di strumenti informatici garantiscono l’ottimizzazione del lavoro e delle prestazioni di interi stabilimenti produttivi, linee di produzione, nonché singoli processi logistici.

Inoltre, grazie alla sperimentazione di diversi scenari, è possibile scegliere la strategia migliore garantendo l’aumento di efficienza e qualità e abbassando i costi di produzione.

L’esperimento di simulazione può essere testato con diverse caratteristiche e diversi tipi di modifica. È una scelta dell’utente quando è necessario modificare il modello di base o solo alcune caratteristiche del modello di produzione. Le informazioni ottenute dai risultati della simulazione sono influenzate dalla precisione dei dati di input e del modello.

L’utilizzo di metodi di simulazione di diversi processi nella produzione, logistica o pianificazione di nuovi sistemi di produzione è un elemento dell’Industria 4.0. Semplifica la pianificazione dei sistemi di produzione e l’ottimizzazione dei sistemi esistenti.

In sintesi, è possibile riassumere i vantaggi offerti da Plant Simulation nei seguenti fattori:

  • l’aumento della produttività degli impianti esistenti
  • la riduzione degli investimenti nella pianificazione di nuovi impianti
  • la riduzione del tempo di inventario e di throughput
  • l’ottimizzazione delle dimensioni del sistema
  • la diminuzione dei rischi di investimento
  • la massimizzazione dell’utilizzo delle risorse di produzione.

Riferimenti

[1] Bangsow, S. 2010. Manufacturing simulation with Plant Simulation and SimTalk. Usage and programming with examples and solutions. Berlin Heidelberg: Springer-Verlag

[2] Dr. Y.Arunkumar, Mr. Rajashekar Patil, Dr. S. Mohankumar. Discrete Event Simulation for Increasing Productivity in Digital Manufacturing. International Journal of Engineering Research and Development, 1, 10 (2012) 36-40.

[3] Václav, Š., et al. Influence of Selected Sttributes in Assembl Systems Planning ith Use of Simulation Software.

[4] Siderska, Julia. (2016). Application of Tecnomatix Plant Simulation for Modeling Production and Logistics Processes. Business, Management and Education. 14. 64-73. 10.3846/bme.2016.316.

[5] Kokareva, Victoria & Malyhin, Andrey & Smelov, V.G.. (2015). Production Processes Management by Simulation in Tecnomatix Plant Simulation. Applied Mechanics and Materials. 756. 604-609. 10.4028/www.scientific.net/AMM.756.604.

Smart Agriculture & Deep Learning

Smart Agriculture & Deep Learning

La Smart Agriculture, ovvero agricoltura di precisione, rappresenta un modello innovativo di gestione delle attività agricole.Esso, attraverso l’utilizzo di sensori, traduttori e sistemi hardware/ software permette di ridurre l’utilizzo di pesticidi e i consumi di...