工厂仿真在数字化工厂建设中的应用分析

       近日，奥星成功验收某制药企业口服固体制剂车间数字化咨询与设计项目，通过使用工厂仿真对新车间的物流、厂房设计合理性进行评估，从而确保工艺设计、厂房设计合理性及产量可以达到预期。通过此次项目，我们总结了工厂仿真在数字化工厂建设中的作用，以此分享。

       01 数字化工厂建设背景

       随着智能制造在全球范围内的快速发展，新的生产方式、产业形态、商业模式正在形成。而作为智能制造战略着力点的数字化工厂，其成功建设将为企业的发展注入新的活力。在2023年2月27日，国务院印发《数字中国建设整体布局规划》。《规划》指出“建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。加快数字中国建设，对全面建设社会主义现代化国家、全面推进中华民族伟大复兴具有重要意义和深远影响”。可以预见的是，将会有越来越多的制造企业加快数字化工厂建设的步伐。

       然而，相比于其他行业，大部分中国药企在临床前研究、临床研究、生产控制、质量管理等方面的数字化水平仍然处在初级阶段。近年来，药企的数字化建设进程在不断加快，然而在药企的数字化转型和变革过程中，仍然面临着诸多问题：

       1.数字化工厂建设的资源投入和分配难以决策和衡量

       2.生产产能、人员效率、设备效率等重要生产性能指标难以量化，实际建成的工厂往往与初期规划的目标差距较大

       3.工厂前期规划不当，导致投入运行后优化困难

       ......

       针对这些问题，可以通过建立工厂的生产系统、物流系统的数字化仿真模型，提前发现生产系统规划的潜在问题，通过优化验证消除瓶颈，达到提升系统效率、降低库存、减少设备投入数量的目的，在规划早期阶段验证方案的可行性和投资的有效性。

       02 工厂仿真的目标

       药企在数字化建设中一直都面临一些的典型问题，如车间布局规划、生产线产能分析、车间计划调度、物流路径规划、物流调度、维修策略对生产的影响等等。然而由于实际生产系统的复杂性，在车间未投入运营前，这些问题都难以直观表现出来，而在车间投入运营后，呈现的问题又难以被解决。

       因此在车间未投入运营前，通过工厂仿真将问题直观呈现，并通过优化前期规划方案，提升数字化工厂整体规划水平，减少车间投入运营后的问题，对药企而言意义重大。近年来，由于工厂仿真在模拟实际生产过程中，分析手段全面、数据准确率高、分析结果可行度强，越来越受到企业的重视，已在汽车制造行业得到广泛应用，在制药领域也开始崭露头角。工厂仿真的根本目的在于：

       （1）在数字化工厂规划设计阶段，通过生产与物流活动的仿真，对系统运行性能进行定量分析，提前发现问题，为生产系统瓶颈优化、资源分配、方案比选等提供数据决策支持，以保证总体规划设计的科学性、经济性；

       （2）在数字化工厂运行与优化阶段，建立物理生产系统的数字孪生，通过基于数字空间的仿真试验与优化，识别生产瓶颈，优化运行参数，评估系统在不同调度策略下的性能，确定高效的作业计划和调度方案，辅助生产决策，提高物理系统的综合运行效率。

       03 仿真可量化的生产性能指标

       对于现有或预期建设的数字化工厂，为了评价其生产性能的优劣，进而找到改善的方向，必须量化分析生产系统的性能指标，常见的性能指标有以下几种。

       （1）生产率：它是一个相对指标，通常表示为产出和投入之比，根据投入要素的数量，分为单要素生产率、多要素生产率和总生产率，比如，投入要素为工人，则表示为劳动生产率；

       （2）生产能力：简称产能，指生产系统在一定时间内，在合理的技术条件下，生产某类产品或中间体的平均数量和最大数量。比如一条产品生产线，如果资源投入充足，运行一段时间后，生产线单位时间产出的产品数量会稳定到一个最高水平值，这就是生产线的最大能力（极限能力）。实际情况下，未必能满负荷投入资源，平均产量一般小于最大产量。进一步还可考虑设备故障、工人离岗等因素，定义有效生产能力；

       （3）通过时间T：指原料/中间体进出系统（设备、产线或车间）的时间差，也称系统逗留时间，它由加工时间、运输时间和等待时间构成。一般统计一类原料/中间体的平均通过（逗留）时间；

       （4）加工/运输/等待时间占比：指原料/中间体通过时间中，加工/运输/等待时间的比例，显然，如果加工时间占比偏低，则说明物流效率低或生产调度不合理；

       （5）等待队长：指在等待加工或搬运任务的缓冲区中，最大和平均等待的原料/中间体个数。等待队列决定了缓冲区的容量设计大小，并且，队列越长，说明缓冲区之后的设备是瓶颈；

       （6）订单按期完成率：订单即生产作业计划，在订单下发时一般会给定期望完成时间。由于生产异常因素，或者生产负荷过重、调度不合理，部分订单可能无法按期完成，导致订单按期完成率达不到100%。实际情况中，订单提前太长时间完成可能也不合理，这时可以设定期望完工时间区间，并计算订单准时完成率；

       （7）直通率：指产品从第一道工序开始一次性合格到最后一道工序的比例，与每道工序的合格率相关；

       （8）设备利用率：指设备实际工作时间占总时间或有效时间的比例；

       （9）设备OEE：指设备综合效率；

       （10）资源利用率：指物流车辆、人、生产设备的利用率；

       （11）平均故障间隔时间（mean time between failure，MTBF）；

       （12）平均故障维修时间（mean time to repair，MTTR）；

       （13）设备可用率：MTBF/(MTBF+ MTTR)。

       如果生产系统已经存在并运行了一段时间，理论上讲，通过历史数据统计可以计算出上述性能指标，但分析过程一般非常复杂；如果生产系统尚不存在，或者虽存在但亟待重构，新系统性能如何往往难以测算。现实中一般靠经验估计或者简单计算来分析生产系统性能，结果难以令人信服，此时，建立生产系统仿真模型，通过仿真运行来计算上述指标，并给出定量评价，就非常必要了。

       04 工厂仿真的意义和过程

       从某种程度上讲，数字化工厂的生产系统仿真和产品设计仿真（computer aided engineering，CAE）具有类似的含义。产品设计过程中，为了提前验证产品的性能，需要利用CAE软件，建立有限元分析模型，对产品的功能、性能与安全可靠性进行计算，对产品的工作状态和预期行为进行模拟仿真，及早发现设计缺陷，改进和优化设计方案，证实未来产品的可用性与可靠性。同样，在生产系统设计过程中也需要开展仿真分析，基于虚拟工厂模型，通过模拟、验证、优化手段，实现低成本、快速、科学的工厂设计，当产品、工艺或物流发生变化时，基于虚拟工厂先进行重构和优化，持续保障工厂效能。因此，生产系统仿真分析可认为是针对工厂所开展的“CAE”工作。

       具体而言，生产系统建模仿真的实际意义在于：

       （1）作为数字孪生的基础和基石，较为真实地模拟生产与物流过程，从而快速、全面地获得生产运行数据。在物理生产系统中，能获取的数据往往是不全面的，尽管各种物联网技术、生产执行系统（MES）等逐步在推广应用，但生产过程中有价值的数据仍然欠缺，这个时候，仿真技术就为数据的获取提供了另外一个手段。通过工厂建模，模拟设施、工艺、物流、人、控制与调度逻辑，导入或模拟生产计划，模拟各种随机因素，然后进行仿真运行，可以在较短时间内得到大量的运行过程数据，比如，在1分钟内完成1年生产订单的运行模拟，得到几千万条数据。

       （2）基于数据分析，定量评估分析工厂的性能，包括能力分析和效率分析。通过对生产系统性能指标的分析，可以迅速发现系统运行中存在的问题和有待改进之处，并及时进行调整与优化，减少后续生产执行环节对于物理系统的更改与返工次数，从而有效减低成本、缩短工期、提高效率。

       （3）通过指导性数据分析，主动寻找优化方案并仿真验证。仿真分析和优化算法可以进行各种形式的融合，比如仿真分析与试验设计的结合，仿真分析与遗传算法的结合等等，算法提供了基本的优化逻辑，而仿真则为算法中的一些关键步骤提供了“黑箱”式计算方式，比如，遗传算法中需要计算个体的适应度，然而对于复杂问题，很难给出适应度计算的解析公式，这时候就可以通过仿真来得到适应度值。