Eurystic是一家阿根廷的咨询公司，通过应用基于量化的方法和工具，使用高效可行的解决方案来解决复杂问题，帮助公司不断改进运营。

他们为一家大型钢铁制造厂做了一个项目，客户生产的产品类型非常广泛，特别是各类金属网片和冷拉钢丝。

生产过程简单来说，就是原料进入并经过轧制的过程。而在轧制过程中，产品可以直接制成冷拉钢丝，运送给客户。或者，将钢丝进行再加工，经过弯曲和焊接过程，制成金属网片供给客户。

工厂主要是在库存生产(Make-to-Stock)策略下运行，因此要保证多样化的产品供应，有一个良好的需求预测和平衡的生产计划是至关重要的。

原来，生产计划是由计划团队使用电子表格手动完成的，所以很难动态全面的考虑到生产计划中涉及的众多相关因素。也就导致了，所制定的生产计划表不能严格细化，进而致使整体生产力极低。

鉴于产品本身的性质和市场具体情况，客户通常会搜索多种产品。如果他们找不到整个产品系列，他们可能会转向其他供应商。并且，由于机器设置时间较长，通常会导致长时间大量生产相同产品，进而可能会导致存储崩溃，产品种类减少，供需之间缺乏协调，并可能导致销售减缓。

因此，制造厂寻求一款生产计划和调度软件，使用软件为工厂中的每台机器生成优化的生产计划，并预测系统行为。主要目标是最大限度地提高服务水平和实现交付计划（需要平衡的产品组合的交付），同时考虑资源效率（减少非生产性设置、缓冲区饱和等）。

为此，Eurystic的工程师们必须应用两种竞争策略：商业优先级和生产效率。该工具必须制定至少一个月的生产计划时间表，同时考虑机器日历、生产率和效率、缓冲能力、运输工具可用性、原材料可用性等。

解决方案

工程师选择AnyLogic作为生产计划及调度软件，因为它为系统中每个组件的逻辑建模提供了丰富的开发经验。

在开发仿真模型时，Eurystic建模师使用基于智能体的方法来最大限度地提高灵活性，并表示组件之间的非线性交互及其各自的约束。模型可以在任何时间点运行，并捕获系统的当前情况。

大多数输入必须足够灵活，以允许客户尝试不同的场景，因此模型包括所有相关参数：

大部分输入数据来自SAP系统，由模型处理。

最复杂的组件（例如机器）包括内部启发式，以优化流程的某些部分并适应不断变化的环境条件。

为了找到一个优化的生产计划，建模人员通过应用局部搜索启发法开发了一个定制的优化引擎。此优化引擎独立于仿真模型运行，并使用仿真模型测试不同的解决方案。

优化引擎的构建阶段流程

它使用具有不同生产策略的启发式触发多个仿真运行。初始仿真完成后，将选择结果最佳的生产计划，并将其用作寻找更好解决方案的本地搜索算法的起点。

优化引擎的搜索阶段流程

结果

使用AnyLogic作为生产调度软件，该公司实现了10%的产量增长。

该模型作为独立应用程序运行，并从Excel文件中读取所有输入数据。此外，它还将所有结果显示为KPI和图表，并允许用户将其导出到Excel文件中。让用户可以仔细分析和比较提供的解决方案。

导出的机器工作计划表以可以轻松加载到SAP及工厂车间的格式准备。

仿真结果有助于公司获得有价值的见解，以优化现有流程：

仿真结果的使用

工厂员工还在接受随着工具的实施而提出的新工作方式，因此公司产量预计会进一步增长。