שיפור מתמיד היה סלע מצוינות מבצעית.ארגונים אשר מאמצים מתודולוגיות כגון Kaizen, Lean ו- Six Sigma מבינים כי שיפור מבוסס נתונים לאורך זמן כדי לספק יתרונות תחרותיים משמעותיים, אך הנוף גדל מורכב יותר - שרשרת מהירה יותר ויותר - לעתים קרובות לאורך כדור הארץ, קווי אופטימיזציה יעילים לשלב מאות משתנים בין-תלויים, וציפיות לקוחות משתנות במהירות.

מהו אופטימיזציה מבוססת סימבול?

אופטימיזציה מבוססת סימבול (SB & O) היא מתודולוגיה היברידית שזוגות סימולציה מודלקים - כגון סימולציה דיסקרטית-event, מודלים מבוססי סוכן, או דינמיקת מערכת - עם טכניקות אופטימיזציה מתמטיות כמו אלגוריתמים גנטיים, סימולציה annealing, או שיטות מבוססות ⁇ .המטרה היא למצוא את סט האפשרויות האופטימלי של משתנים (למשל, רמות צוות, לוחות זמנים, מהירויות מכונה) או מנפחים (טווח) באמצעות מגבלות זמן נתון) או קיבולת (עומס) באמצעות מחזור זמן (מחשבהרמת זמן (עומס).

כדי להבין את זה אינטואיטיבי, לדמיין שף בודק מתכון חדש.ללא סימולציה, השף עשוי לנסות יחסי מרכיב שונים אחד בכל פעם - תהליך איטי, יקר. עם סימולציה, השף יכול לשלב מרכיבים כמעט, להפעיל את המתכון בתנאים מגוונים, ולקבל משוב מיידי אופטימיזציה אלגוריתמים לאחר מכן לחפש באופן אוטומטי את "מרחב ההחלפה" כדי להמליץ על השילוב שמביא את הטעם הטוב ביותר בתחום הייצור, אותו לוגיקה של מאות אלגוריתמים, החל אלגוריתמים, כמו אלגוריתמים, כמו מחסנים, מחסנים, באופן אוטומטי, אלגוריתמים, באופן אוטומטי, כמו אלגוריתמים משתנים, מחסנים, מחסנים, מחסנים, כדי לבדוק באופן אוטומטי, כדי להמליץ על מנת להמליץ על המשתנים, כדי להמליץ על המשתנים, כדי להמליץ על המשתנים, כדי להמליץ על המשתנים, כדי להמליץ על המשתנים, כדי להמליץ על המשתנים, כדי להמליץ על שילוב זהה, כדי להמליץ על המשתנים, כדי להמליץ על שילוב זהה, כדי להמליץ על שילוב זה נותן את המשתנים, כדי להמליץ על שילוב זה נותן את המשתנים, כדי להמליץ על המשתנים, על המשתנים, כדי להמליץ על שילוב זה נותן את המשתנים, כמו מנגנונים, כמו מנגנונים, באופן אוטומטי על המשתנים, כדי להמליץ

שלושה פרדיגמות ראשוניות משמשות:

  • (FLT:0) דיסלקציה (DESIRFLT) 1:1 - מערכות מודלים כרצף של אירועים לאורך זמן (למשל, חלקים נעים דרך מפעל).
  • (FLT:0) סימולציה מבוססת-על (ABS)cioFLT:1) - דגמים סוכנים אוטונומיים (עובדים, לקוחות, כלי רכב) עם כללים ואינטראקציות.
  • (הופנה מהדף ⁇ ) דינמיקה של מערכת (SDIRLT:1) - מודלים משובים ועיכובים במערכות מורכבות (למשל, תנודות ביקוש).

אלגוריתמי אופטימיזציה לאחר מכן לחפש את ערכי הפרמטר הטובים ביותר.לדוגמה, אלגוריתם גנטי עשוי לייצר אלפי "מדפים וירטואליים" המייצגים תצורה של תהליכים שונים, להעריך כל אחד באמצעות מודל הסימולציה, ולפתח פתרונות טובים יותר על פני דורות מוצלחים. גישה זו היא חזקה במיוחד עבור מערכות תלת מימדיות, לא לינאריות וסטוצ'סטיות שבהן פתרונות אנליטיים הם בלתי אפשריים.

הסינרגיה בין סימבולציה ושיפור מתמשך

מסגרות מתקדמות כמו מתודולוגיית Plan-Do-Check-Act (PDCA) או Define-Measure-Ananalyze-Imrov-Control (DMAIC) מסתמכת על ניסויים.עם זאת, ניסויים בעולם האמיתי הם יקרים, מסוכנים, איטיים אופטימיזציה המבוססים על סימבולציה מסמנת את "לעשות" ו"שלבי" על ידי ארגונים:

  • (ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) ,Analyze במהירות: FLT:1ve השתמש אופטימיזציה כדי לזהות אילו משתנים יש את ההשפעה הגדולה ביותר על הביצועים.
  • (ב) [13] ,0) ,Validate עם נתונים: FLT:1rea השווה תוצאות מדמיות עם נתונים היסטוריים כדי להבטיח דיוק מודל.
  • (ב) ⁇ :0) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

עבור מתרגלים Lean, אופטימיזציה מבוססי סימולציה מתאים ישירות עם העיקרון של "לצמצם פסולת" על ידי מודל זרמי ערך, אחד יכול לזהות צווארי בקבוק, עודף מלאי, פעילויות לא מוערכות אלגוריתמי אופטימיזציה לאחר מכן ממליץ על צוותים אידיאלי קנונית, עבודה-in-progress, ורמות צוות למזער פסולת תוך שמירה על דרך חישוב, שישה פרויקטים, "שלבי" ו"אפקטים מתמטיים" (אפקטיביים לחלוטין) מאשר סימולציה פיזית של תהליכי תכנון, לעומת סימולציה מלאה (אפקטים) מאשר סימולציה) כמעט לחלוטין, כמעט לחלוטין, לעומת ניסויים מתמטיים, כלומר, רק על פני סימולציה מלאה של תהליכי תכנון) מאשר סימולציה, מאשר סימולציה מלאה של תהליכי תכנון, רק על פני סימולציה, ואפקטיביים, ואפקטיביים, רק על מנת להפחתה של תהליכי תכנון, ואפקטים, ואפקטים, ואפקטים של תהליכי ניקוי, ואפקטים מתמטיים מתמטיים לחלוטין, כמעט לחלוטין, כמעט לחלוטין, ואפקטיביים מתמטיים, מאשר סימולציה מלאה (אפקטיביים של תהליכי ניקוי, לעומת זאת, מאשר סימולציה מלאה, כמעט לחלוטין, ואפקטים, ואפקטיביים לחלוטין, רק על מנת להפחתה מלאה, ואפקטיביים, ואפקט

יתרונות מרכזיים של אופטימיזציה מבוססת סימבול

ניכוי סיכונים וחיסכון בעלויות

אולי היתרון המשכנע ביותר הוא היכולת להיכשל בבטחה.סימציה מאפשרת לארגונים לדחוף מערכת לנקודת השבירה שלו מבלי לגרוע בזמן, לגרוטאות או למקרים בטיחותיים.לדוגמה, בית חולים בהתחשב בפרוטוקול חדש של מחלה יכול לדמות שנה מלאה של כניסות, מוות, ושינויים צוות בתוך דקות.העלות של מחקר סימולציה היא חלק מההפסדים הפוטנציאליים משינוי גרוע, יתר על כן, אופטימיזציה של מספר חומרי עבודה וחיסכון גופניים הדרושים.

החלטות נהיגה בנתונים

ייצור מודרני ולוגיסטיקה מייצרים זרמים עצומים של נתונים - מחיישנים של IoT, מערכות ERP, וטלמטארי.אופטימיזציה מבוססת סימבול מסונתזת נתונים אלה לאלגוריתמים של מידע פעולה, אלגוריתמים אופטימיזציה יכולים לעבד אלפי תרחישים ולדרג אותם על ידי קריטריונים מרובים (עלות, באמצעות חישוב, קיימות) זה מעביר קבלת החלטות מאינטואיציה ותחושה של ראיות ניתנות לכימות על ידי מחקר על ידי FLT:0 עבור מחקרים עבור מחקרים (ניהול נתונים של 14%) עם ביצועים (Fortexit for the Control for the Data) עם ביצועים מתקדמים (Fortexitance for the Data) עם ניהוליתים 1MS) עם ניהול נתונים של 1MS) עם ניהול נתונים של 12% (Fortexitation in the Development to משלבים 1MS) עם סימולציה של ארגונים סימולציה של ארגונים סימולציה של 1D) ו-ידי ניהול נתונים של 1MS) עם ביצועים (Fortexitate למעלה מ-ידי ניהולית (Fortexitupitupitupitupitation in the Analytics for the In the In the In The Analytics for the In The Analytics for the In the In the In the Analytics for the Analytics for the In the In the In the In the In

מחזורי חדשנות מהירים יותר

שיפור מתמיד דורש מהירות בשוק של היום, מחזור שיפור של שלושה חודשים עשוי להיות איטי מדי.אופטימיזציה המבוססת על סימלוציה דחוסה את ציר הזמן.תהליך הדורש שבועות של ניסויים פיזיים יכול להיות מודל ו מותאם בימים. גמישות זו מאפשרת לחברות להגיב לשינוי דרישות הלקוח או אספקת הפרעות עם פיגור מינימלי.הטכנולוגיה גם מאפשרת "אם" חקר של רעיונות רדיקליים - כמו reconsolretion לחלוטין כדי לנסות פריסה מפעל כדי להיות הפרעה.

מורכבות והתערבות

רוב מערכות בעולם האמיתי הן לא לינאריות: שינוי באזור אחד יכול להפיץ תוצאות בלתי צפויות.לדוגמה, מהירות מכונת אריזה עלולה להציף תחנות בדיקה הזרם המרכזיות.סימולציה לוכדת את התלויות הללו, בעוד אופטימיזציה מבטיחה כי שיפורים מאוזנים בכל המערכת ולא לנסח מחלקה אחת על חשבון אחרים.

שיתוף פעולה ותקשורת

מודלים סימבוליים משמשים כ"מקור של אמת" שצוותים חוצה תפקוד יכולים להציג ולדון.אנימציה תלת-ממדית של שינוי המוצע יכולה להתאים מהנדסים, מפעילי ומנהלים על אותם תוצאות אופטימיזציה חזון לספק ראיות אובייקטיביות שחתכים באמצעות דיונים פוליטיים, מה שהופך את זה קל יותר לאבטחת רכישה לשינוי.

יישום אופטימיזציה מבוססת סימבולציה בארגון שלך

שלב 1: מטרות Define ו-KPIs

התחל על ידי זיהוי בעיות עסקיות שאתה רוצה לפתור. מטרות נפוצות כוללות צמצום זמן מחזור, הגדלת דרך לוח, הורדת עלויות מלאי, שיפור משלוח בזמן, או צמצום צריכת האנרגיה. Define ברור, אינדיקטורים ביצועים מרכזיים למדידה (KPIs) אשר ינחה את החיפוש.ללא פונקציה אובייקטיבית מוגדרת היטב, האלגוריתם יפיק פתרונות לפתרון הבעיה הלא נכונה.

שלב 2: בניית מודל קונספטואלי

ממפה את התהליך או המערכת ברמה נאותה של פרטים. השתמש ב- Flowcharts, מפות זרם ערך או דיאגרמות תהליכים כדי ללכוד קלטות, פלטים, משאבים, תורים, ותקנות החלטות.זהה את המשתנים המרכזיים שיוכו על ידי אלגוריתם אופטימיזציה (למשל, מספר עובדים לשינוי, מהירות הפעלה, נקודות תיקון מחדש).

שלב 3: איסוף ואימות נתונים

סימבול הוא רק טוב כמו נתוני קלט שלו. Gather היסטורי נתונים על שיעורי ההגעה, זמני עיבוד, תדרי כישלונ, ודפוסי הביקוש. השתמש בפיצות סטטיסטיות כדי לייצג את הזמינות. אימות הנתונים עבור שלמות ודיוק - לחפש את המדפים, דגימות חסרות, ומגמות עונתיות של נתונים עניים יניב תוצאות מטעות.אם נתונים הם בקושי, לשקול ניתוחי רגישות כדי להבין אילו פרמטרים משפיעים על התוצאות.

שלב 4: לפתח את מודל הסימציה

בחר חבילה תוכנה סימולציה שמתאימה לתעשיית המיומנות שלך ולרמת המיומנות שלך (FLT:0) כל פריט סימולציה (FLT:2SimioFLT 3: ו-FLT:4FlexSimimimimimph:5 מציע יכולות מודלים חזקות. בנה את המודל באופן מצטבר, החל עם גרסה פשוטה והוספת מורכבות רק היכן שנדרש כדי לבדוק את המודל ללא שגיאות לוגיקה אמיתית.

שלב 5: קלבראט ואימות המודל

השוואת פלטות סימולציה לנתונים בעולם האמיתי (ממוצע באמצעות ספוט, אורך תור, שיעורי ניצול) אם המודל אינו משכפל את המציאות בתוך שולי מקובלים, להתאים פרמטרים וכללים.צעד זה הוא קריטי - מודל בעל תוקף גרוע יכול להוביל להמלצות שגויות.

שלב 6: הפעלת האופטימיזציה

הגדר את אלגוריתם האופטימיזציה. ציין את משתנה ההחלטות ואת טווחי האפשרות שלהם (למשל, מספר עובדים מ 2 עד 10, אצווה גדלים מ 50 עד 200) בחר אלגוריתם המתאים לבעיה (למשל, אלגוריתם גנטי עבור בעיות שילוב דיסקרטי, סימולציה של annealing עבור משתנים רצופים רצופים, מעקב אחר מספרד.

שלב 7: תוצאות אנליזות ותוצאות אינטרpret

האופטימיזציה מייצרת סדרה של פתרונות כמעט-אופטימיים, שהוצגו לעתים קרובות כגבול Pareto לבעיות מרובות-אובייקטיביות.בדוק את ה- Trading-offs: פתרון שמפחית את העלות ב- 15% עשוי להגדיל את זמן המחזור ב-8%.בעלי העניין של אנגאז'ל לבחור את הפתרון המתאים ביותר עם סדרי עדיפויות אסטרטגיות. השתמש בכלים הדמיה (מעונות קפר, חום, אנימציה) כדי לתקשר את הממצאים.

שלב 8: יישום וביקורת

ליישם את השינויים המומלצים במערכת האמיתית, אבל להתחיל עם טייס אם אפשר.לעקוב אחר KPIs בפועל ולהשוות אותם כדי לדמות תחזיות.אם ביצועים מתפתלים, לעדכן את המודל עם נתונים חדשים ולשפר את הפתרון.

מחקרים אמיתיים

חברת הרכב: Air Assembly Line Rebalancing

יצרנית הרכב הגדולה התמודדה עם צוואר בקבוק על קו הייצור הסופי שלה.השורה הפיקה מודלים מרובים של כלי רכב, ואת יחסי התערובת גרמה תוכן עבודה לא אחיד על פני תחנות.שימוש בסימולציה דיסקרטית-אפילוט שנבנתה בסימפו, הצוות הדליק את הקו הכולל משדרים, רובוטים ותחנות ידניות בלבד.הם הקימו מטרה אופטימיזציה למזער את הזמן הכולל תוך שמירה על מגבלות יכולת אחסון גנטיות ל-10,000 בדיקות, ו-15% מכמות של הפחתת זמן, ו- 2, ו- 2, תוך כדי צמצום משימות בזמן הפחתת הגרסאות של הגרסאות של הגרסאות של הפחתת הגרסאות של הגרסאות של הגרסאות של הגרסאות של הגרסאות של הגרסאות של הגרסאות של הגרסאות של הגרסאות של הגרסאות המומליצות, ו- 2.2% בלבד.

בריאות: זרימת החולה

בית חולים אזורי נאבק עם זמני המתנה ארוכים במחלקת החירום שלו (ED) ה- ED ראה 80,000 ביקורים בשנה, עם תכופים תכופים וסטיות. צוות בנה סימולציה מבוססת סוכן של ED, מודל של הגעת מטופלים על ידי אקוטי, תהליכים של טריג, זרימות עבודה, ומעבדות מעקב של יותר מ -4 שעות ביממה.

ארכיון תגיות: Sauceting and Order Picking

מרכז גדול של מסחר אלקטרוני צריך לשפר את יעילות איסוף ההזמנה.המחסן השתמש במערכת איסוף-to-carton עם יותר מ-100,000 SKUs.הקבוצה פיתחה סימולציה דיסקרטית-אפילוט שמודלה מסלולי נסיעה, מיקומים מדף, הזמנת, ותיקון של אלגוריתם אופטימיזציה עבור המוצר האופטימלי (שם כדי להציב פריטים מהירים ומהירות) ואת גודל איסוף הטוב ביותר עבור תוכניות איסוף יעיל יותר עבור הקבוצה הקלה ביותר.

אתגרים משותפים

זמינות נתונים ואיכות

אופטימיזציה המבוססת על סימבול דורשת נתונים חזקים.ארגונים רבים חסרים נתונים של תהליך דיגיטלי או שיש להם נתונים ב-Silos. Mitigation: להתחיל בפרויקט טייס באזור עשיר בנתונים, להשקיע בתשתיות איסוף נתונים. השתמש הפצה מתאימה לטיפול בנתונים דליקים, ולנהל ניתוחי רגישות כדי להעריך את ההשפעה של אי הוודאות בנתונים.

מורכבות מודל ותחזוקה

קל לדגום יתר על המידה.סימולציות מפורטות הופכות איטיות לרוץ וקשה לשמור על התרגול הטוב ביותר: לעקוב אחר "חוק 80/20" - מספיק פרטים לענות על השאלות המרכזיות, אבל להימנע ממודל מרכיבים טריוויאליים. שמור על המודל מודולרי ושינויים מסמך.

התנגדות לשינוי

מנהלים ומפעילים מפקפקים בתוצאות סימולציה, במיוחד כאשר הם סותרים את האינטואיציה.תתת זאת על ידי שילוב צוות קו החזית בתהליך הדוגמנות. בואו הם רואים שהמודל משכפל את המציאות שלהם. השתמש באנימציה כדי להוכיח כי השינויים המוצעים הם בטוחים ומועילים.

זמן פיצוי

אופטימיזציה של מודלים מורכבים יכולה לקחת שעות או ימים.התקדמות מחשוב ענן ועיבוד מקבילים הפחיתו את המחסום הזה. שקול באמצעות שירותי סימולציה מבוססי ענן או הפעלת חיפושים אופטימיזציה קצרים יותר כי עדיפות האזורים המבטיחים ביותר של מרחב הפתרון.

עתיד אופטימיזציה מבוססת סימבול

כמו תעשיות לאמץ תעשייה 4.0 ותאומים דיגיטליים, אופטימיזציה מבוססת סימולציה הופכת ליכולת הליבה של תאומים דיגיטליים - העתקים וירטואליים בזמן אמת של מערכות פיזיות - באופן עקבי להאכיל נתונים חיים למודלים סימולציה, ומאפשר אופטימיזציה לרוץ קרוב בזמן אמת. לדוגמה, מפעל חכם יכול להשתמש בתאום דיגיטלי כדי להתאים את הסימולציות באופן דינמי כמו הזמנות. אינטליגנציה מלאכותית ולמידה הם שיפור נוסף: שיטות למידה יקרות יכול להתאים לדגימה, בעוד שמודלים מתקדמים מאוד (מודלים מתקדמים) יכול להתאים למעבדות במהירות גבוהה מאוד).

מגמה נוספת היא הדמוקרטיזציה של פלטפורמות סימולציה.נמות וספריות שנבנו מראש הופכות את SB&O לנגישות לארגונים לא- ⁇ . ⁇ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . טרנד נוסף טרנד נוסף הוא טרנד נוסף . . . . . . . . טרנד נוסף . . סימולציה סימולציה . . . . . . . . טרנד נוסף הוא ה- סימולציה טרנד נוסף . . . סימולציה סימולציה . . . . . . . טרנד נוסף . טרנד נוסף . . טרנד נוסף הוא ה- סימולציה סימולציה . . . סימולציה . . מתודולוגיהארגונים קטנים ובינוניים ובינוניים ובינוניים סימולציה סימולציה סימולציה סימולציה

לבסוף, קיימות מתפתחת כנהג מפתח. אופטימיזציה יכולה למזער צריכת אנרגיה, פסולת ופליטות פחמן תוך שמירה על ביצועים תפעוליים.חברות שמשלבות מדדים סביבתיים לתפקודים האובייקטיביים שלהם יזכו לחוד תחרותית כמו תקנות הידוק והעדפות העברת לקוחות.

מסקנה

אופטימיזציה המבוססת על סימבול אינה תחליף לשיפוט האנושי ולרוח שיתופית המגדירה שיפור מתמשך.במקום, היא מגבר חזק.על ידי מתן לארגונים לבחון אלפי רעיונות לשיפור בסביבה וירטואלית ללא סיכון, SB&O מאיצה את קצב החדשנות, מפחיתה את עלות השינוי, ומגלה פתרונות כי אינטואיציה לבדה תפספס.