top of page
Robotic Digital Twin.png

SIMIO DIGITAL TWIN

Logiciel de Modélisation et Simulation de flux

Modélisation de tous les types de flux, discrets et continus, avec des fonctionnalités adaptées à la plupart des secteurs:  industriel, logistique, hospitalier, etc.
Capacité de génération de planning et ordonnancement avancés (APS).

Accueil: Bienvenue

SIMULATION DE FLUX ET ORDONNANCEMENT DE LA PRODUCTION

Plateforme de modélisation

Un simulateur de flux permet de modéliser un système réel afin d'observer comment un processus se déploie dans différentes conditions. Il s'appuie sur une certaine représentation du fonctionnement d'un système productif pour en prévoir son comportement lorsqu'il sera soumis à certaines conditions afin d'en tirer des enseignements opérationnels.

SIMIO est un logiciel de simulation de flux à événements discrets avec une intégration parfaite de la représentation 3D. Il est doté de la couche logicielle de connectivité la plus moderne, permettant ainsi la construction de véritables jumeaux numériques ("digital twins") de votre système.

En plus, SIMIO dispose de la capacité de générer une planification détaillée des opérations (APS - Advanced Planning & Scheduling). La simulation facilite une étude intégrale du fonctionnement du système, mettant en évidence l'existence de goulots d'étranglement et l'impact de la variation dans l'exécution des opérations.

POURQUOI SIMULER ?

Modélisation - simulation - optimisation

Un modèle d’un système ou d’un phénomène, est un mode de représentation de la réalité, une image, tel qu’il permette : 

  • d’une part d’exprimer toutes les observations faites, 

  • d’autre part de prévoir le comportement du système considéré dans des conditions plus variées que celles ayant donné naissance aux observations. 

Le deuxième point est capital pour l’aide à la prise de décisions. Le modèle permet d’analyser les résultats des décisions concernant un système complexe avant de les mettre à exécution. Cette méthode se calque sur la méthode d’expérimentation de l’ingénieur qui « essaye » ses idées, observe leurs impacts et en déduit de nouvelles idées. 

Les problèmes rencontrés dans l’industrie reposent sur de nombreux paramètres et des phénomènes complexes ; les décisions à prendre sont multiples, peu répétitives, complexes et nécessitent l’analyse  d’une grande quantité d’informations. L’esprit humain, même en groupe, n’est pas capable d’appréhender complètement ces phénomènes complexes et leurs interactions. Il doit donc être aidé. 

L’amélioration constante en matière de qualité et productivité nécessite de trouver et de mettre en pratique de nouvelles idées, méthodes et actions de manière à obtenir l’effet désiré. Cela demande d’évaluer différentes alternatives et de prédire correctement leurs performances relatives. C’est ce qu’un modèle va permettre. 

La simulation s’appuie sur une représentation du fonctionnement d’un système, obtenue à partir d’un prototype informatique virtuel afin d’anticiper ainsi l’évolution de ses caractéristiques dans le temps.

Il faut pour cela développer un modèle du système sur lequel on conduira des expérimentations dans le but de comprendre son fonctionnement et d’évaluer différentes stratégies de pilotage préparatoire.

La méthode des évènements discrets est la mieux adaptée pour cela. Dans cette approche, on considère que l’état du système change uniquement au moment où se produit une action (l’occurrence d’un évènement), qui peut avoir une origine programmée ou bien aléatoire.

La simulation à évènements discrets se substitue aux solutions analytiques lorsque la solution du problème formel engagé est trop complexe. De ce fait, l’utilisation de la simulation est devenue, dans le courant des dernières années, indispensable dans la conception, l’analyse et l’amélioration de systèmes. Quel que soit le domaine d’application (logistique, production industrielle, nucléaire, analyse du comportement social), la simulation se montre comme un outil efficace pour l’étude de tout système dynamique possédant une grande interrelation et complexité, et dont l’incertitude des paramètres d’exécution rend très difficile l’utilisation d’autres méthodes analytiques classiques.

Ainsi, la simulation discrète permet d’anticiper le comportement de systèmes réels en phase de conception, contribuant à une amélioration des procédés, ce qui va avoir un impact favorable sur les taux de rendement du site de production.

Plusieurs types d’indicateurs sont envisagés. Par exemple, dans l’industrie, on retrouve:

  • Des résultats globaux: durée de production, détection de blocages, prévision du nombre de pièces traitées et rejetées, durée moyenne de séjour ou de services des équipements, nombre moyen de pièces sur les postes, taux d’occupation des machines et du personnel affecté…

  • Les traces (trajectoires ou réalisation de variables aléatoires): évolution du nombre de pièces sur les stations, durée de séjour en fonction du numéro de pièces…

  • Les incidences détectées à la suite du déroulement de la simulation: goulots d’étranglement, non respect des cadences pour cause de défaillances sur les équipements, insuffisance des stocks intermédiaires (buffers)…

POURQUOI SIMIO ?

Technologie de pointe et maturité conceptuelle à la fois

Depuis son lancement en 2009, Simio est positionné comme un logiciel de simulation dynamique de flux de processus combinant la rapidité dans la modélisation, apportée par l’approche objet, avec la souplesse et la puissance propres à la formulation logique des processus sous format de workflows graphiques. Ces workflows sont composés  à l’aide des blocs fonctionnels (DELAY, DECIDE, ASSIGN, etc) qui avaient été définis dans le langage de simulation SIMAN développé par Dennis Pegden, auteur de Simio et également d’Arena.
Avec Simio le temps de modélisation est réduit considérablement par rapport aux logiciels plus anciens. Ce gain de temps permet son utilisation dans des projets industriels où la réponse doit être disponible rapidement. L’animation 3D intégrée permet d’envisager la communication sur les résultats des études à un public plus large (clients, donneurs d’ordre…).
Son domaine d’application est multiple: production (transports internes aux usines), logistique (aussi bien pour l’agencement des entrepôts que pour l’analyse de la supply chain étendue), aéroports (capacité des opérations, conception des terminaux), ports (capacités des machines, du stockage…), services (dimensionnement des ressources affectées – serveurs informatiques, opérateurs, centrales téléphoniques…).

OBTENEZ UN SCHEDULING DE PRODUCTION, OPTIMISEZ ENSUITE

Approche simulatoire au problème de l'ordonnancement

Simio RPS édition met à votre disposition la puissance de modélisation complète du logiciel de simulation Simio en saisissant pleinement les contraintes de votre système afin d'obtenir un scheduling optimisé.
L’analyse des risques associés à l’ordonnancement (RPS - Risk-based Planning & Scheduling) représente la dualité de l’utilisation d’un modèle de simulation pour générer un planning à la fois déterministe et détaillé avec des ressources limitées et basé sur l’analyse de probabilité des risques pour rendre compte de la variation dans le système. Le RPS est utilisé pour générer des plannings qui minimisent les risques et qui réduisent les couts en présence d’incertitudes.

Accueil: Articles

NOUS CONTACTER

Merci pour votre envoi !

Accueil: Contact
bottom of page