Grandes desafíos en Modeling y Simulación del Complejo Sistemas de Manufactura

A pesar de que hemos ido más allá de la era industrial y en la era de la información, la fabricación sigue siendo una parte importante de la economy.There global es una necesidad para el uso generalizado de modelado y simulación de apoyo a las decisiones en los sistemas de producción actuales y futuros, y varios desafíos deben ser abordados por la comunidad de simulación para hacer realidad esta visión. En primer lugar, un orden de magnitud es necesaria la reducción de los ciclos de la resolución de problemas. El segundo gran reto es el desarrollo de capacidad en tiempo real, basado en la simulación de resolución de problemas.

El tercer gran reto es la necesidad de una verdadera plug-and-play interoperabilidad de simulaciones y programas de apoyo. Por último, se da la mayor reto de modelado y simulación de los analistas de hoy: el de la gestión convincente para patrocinar proyectos de modelado y simulación en lugar de, o además de, la fabricación de más de uso general diseño y la mejora de los métodos del sistema, como la manufactura esbelta y seis sigma. Palabras clave: Modelado, simulación, sistemas de fabricación, la simulación en tiempo real, la interoperabilidad

1. Sistemas de Manufactura

Sistemas de fabricación de alta tecnología moderna, como los de la electrónica, de semiconductores, la industria aeroespacial, y de automoción industrias, pueden ser extremadamente complejos. La complejidad de estos sistemas se debe a factores tales como múltiples tipos de piezas realizadas en la misma instalación / línea, numerosos fabricación pasos (300-500 pasos no es raro), por lotes procesamiento, equipo muy complejo que conduce a niveles altos de mantenimiento preventivo y el tiempo de inactividad, y múltiples niveles de subconjuntos, sólo para nombrar unos pocos. Esta complejidad, combinado con el alto costo de establecer y mantener tal sistema, requiere el uso de modelos formales de el sistema, en lugar de sólo confiar en la experiencia o sencillo reglas de oro para la evaluación del desempeño y la toma hacer.

Los modelos están destinados a apoyar las decisiones de gestión sobre el sistema, y un modelo único a menudo no serán capaz de soportar todas las decisiones. Más bien, las diferentes decisiones requerir diferentes modelos debido a diversos aspectos del diseño y operación del sistema serán importantes para las preguntas que se hacen del modelo. Mientras modelos de hojas de cálculo y las colas son útiles para responder preguntas básicas sobre los sistemas de fabricación y discretas

Los modelos de simulación de eventos son a menudo necesarios para responder detallada preguntas acerca de cómo un sistema de fabricación compleja llevará a cabo

Los modelos de simulación se prestan a la incorporación de información adicional sobre la fabricaciónsistema y por lo tanto, a menudo dan estimaciones más precisas de el comportamiento del sistema de fabricación de los modelos más simples mencionado anteriormente, pero generalmente a costa de más cálculo.

En general, la simulación es una metodología práctica para la comprensión de la dinámica de alto nivel de una fabricación compleja sistema. De acuerdo con Yücesan y Fowler [2], simulación tiene varios puntos fuertes, incluyendo las siguientes:

•El tiempo compresión del tiempo potencial para simular años de bienes el funcionamiento del sistema en un tiempo mucho más corto.

• la integración del componente de capacidad de integración compleja los componentes del sistema para estudiar sus interacciones.

• Riesgo de elusión-hipotética o potencialmente peligrosos Los sistemas pueden ser estudiados sin la financiera o física riesgos que pueden estar involucrados en la construcción y el estudio de un verdadero sistema.

• ampliación de la capacidad física para el estudio mucho más grande o versiones más pequeñas de un sistema.

• Respetabilidad-la capacidad de estudiar los diferentes sistemas de ambientes idénticas o el mismo sistema en diferentes ambientes.

• Control, todo en un entorno simulado puede ser supervisado y controlado con precisión exactamente.

2. Grandes Retos

Un gran reto es un problema que (1) es difícil, con la solución que requiere una o más órdenes de magnitudmejora en la capacidad a lo largo de una o más dimensiones; (2) no debe ser demostrablemente insoluble, y (3) tiene una solución que resulta en una significativa económico y / o social impacto. Vemos tres grandes retos en el modelado y simulación de sistemas complejos de fabricación. Cada de ellos se describen a continuación, con el reto grandioso discutido primero.

2.1 Grandes Reto 1: Una orden de magnitud

Reducción de los ciclos de resolución de problemas En la actualidad, lleva demasiado tiempo para diseñar, recoger información / datos, construir, ejecutar y analizar los modelos de simulación para apoyar la toma de decisiones de fabricación. Esto conduce a una menor número de ciclos de análisis que es deseable. Mientras hay oportunidades para mejorar la eficiencia en todos los las fases del proceso de simulación, ver weparticularly oportunidades para reducir el tiempo necesario para recoger y sintetizar la información y los datos necesarios, así como las oportunidades para reducir el tiempo para llevar a cabo la experimentación.

La reducción en la recolección y síntesis de información / datos tiempo parcial se puede lograr mediante el análisis de datos proactiva y por inculcar una mejor disciplina de la fábrica en el mantenimiento los sistemas de información actuales. La reducción en la experimentación el tiempo se puede abordar desde un número de diferentes ángulos, incluyendo los modelos de exploración de menor complejidad que siguen dando resultados de alta fidelidad, el empleo de la reducción de la varianza técnicas, y el uso de la simulación distribuida y paralela. Se discute más a fondo con el proceso general para la simulación de sistemas de fabricación como guía.

2.1.1 El proceso de simulación para la Manufactura Análisis de Sistemas

El proceso de simulación de sistemas de fabricación implica las siguientes fases y pasos (modificado de Chance, Robinson, y Fowler [1] andYücesan y Fowler [2]):

A. Modelo de Diseño

1. Identificar los temas a tratar.

2. Planificar el proyecto.

3. Desarrollar el modelo conceptual.

B. Modelo de Desarrollo

1. Elegir un enfoque de modelado.

2. Construir y probar el modelo.

3. Verificar y validar el modelo.

C. Modelo de implementación

1. Experimentar con el modelo.

2. Analizar los resultados.

3. Poner en práctica los resultados de la toma de decisiones.

Oportunidades para mejorar la eficiencia de cada fase se discutirá más adelante.

2.1.2 Modelo de Diseño

La fase de diseño del modelo es muy importante, pero a menudo pasado por alto parte del proceso de simulación. En esta fase, la , los objetivos del proyecto se identificaron los participantes del proyecto claramente delineado, y el plan básico del proyecto desarrollado. Chance, Robinson y Fowler [1] describen la gestión de proyectos técnicas que pueden mejorar significativamente la parte de el proceso y la probabilidad de tener un éxito global proyecto.

Si estas actividades no se hacen bien, el modelo desarrollado que probablemente será un modelo muy detallado. Mientras que la incorporación de detalle puede aumentar la credibilidad del modelo, excesiva niveles de detalle pueden hacer un modelo difícil de construir, depurar, comprender, implementar y mantener. La determinación de los la cantidad de detalles que añadir a este modelo es un objetivo primordialde la etapa de diseño. Simulationists experimentados parecen instintivamente saber la cantidad adecuada de detalle.

Quizás un sistema experto o al menos un sistema que realiza un seguimiento de análisis previos y el nivel de detalle que pueden ser utilizados desarrollado para ayudar en la fase de diseño del modelo. La cuestión de la determinación del nivel apropiado de detalle se vuelve aún más importante cuando uno los modelos de fabricación la cadena de suministro. Si bien se ha hecho un montón de trabajo para modelar las operaciones a nivel de máquina y de la fábrica, considerablemente poco se ha hecho en el ámbito de la cadena de suministro. para

En su mayor parte, los modelos se utilizan en sólo uno de estos niveles, y la poca información se comparte entre ellos. En el futuro, será cada vez más necesaria para estos modelos de ser usado en conjunción uno con el otro. Para ello, varios preguntas clave siguen siendo: ¿cuál es el nivel adecuado de abstracción para cada modelo? Puede simulación paralela y distribuida por la comunidad de software.

En los primeros días de la informática, la mayoría de las simulaciones de los sistemas de fabricación utilizados una Orientación evento y fueron escritos en lenguaje ensamblador o un lenguaje de programación de alto nivel como FORTRAN. Esto llevó a los modelos que eran relativamente eficiente para ejecutar porque sólo los eventos deseados fueron modelados. Sin embargo, cada nuevo

esfuerzo de desarrollo de modelo llevado a código nuevo modelo está escrito (es decir, hubo poca reutilización de código). En la siguiente ola, se han desarrollado lenguajes de simulación para acelerar el proceso de modelado por lo que permite la reutilización de constructos de simulación. Estas lenguas incluyen GPSS,SIMSCRIPT, GASP, SLAM, SIMAN, y así sucesivamente. En estos idiomas, la lógica / funcionalidad muy básica se incluyó en cada construcción. Además, las actividades generales de simulación, tales como la gestión de la agenda de eventos, la generación de (pseudo) números y variables aleatorias azar aleatoria, y se percibe estadísticas, se incluyeron como parte del paquete. La comunidad académica ha desempeñado un papel importante en la determinación una forma eficaz de lograr la sobrecarga de simulación actividades.

La amplia disponibilidad de microcomputadoras en el primera mitad de la década de 1980 llevó a un aumento en el uso de la simulación para modelar sistemas de fabricación. También llevó la comunidad de software de simulación para desarrollar dos relacionados pero algo diferentes enfoques para hacer la construcción de modelos más eficientes. El primero de estos fue el desarrollo de interfaces de usuario que permiten múltiples construcciones básicas que se combinan en construcciones de alto nivel tales como colas SEIZE_RESOURCE-DELAYFREE_ RECURSOS para modelar una workstation.ARENA era quizás la más exitosa de estos sistemas.

La segunda enfoque fue el desarrollo de simuladores. En un simulador, el modelo ya está construido, y el usuario simplemente suministra los datos apropiados. Obviamente, los simuladores pueden ahorrar considerable el tiempo de construcción de modelos, si el modelo subyacente de el simulador puede modelar adecuadamente el sistema que está siendo estudiado. AutoSchedAP y la fábrica de Explorer son dos simuladores que se utilizan para los sistemas de fabricación de semiconductores modelo. Anice overviewof la historia del lenguaje de simulación desarrollo se puede encontrar en Nance [11]. Mientras que la totalidad de la acontecimientos descritos anteriormente han reducido significativamente el tiempo para construir algunos modelos, todavía hay una considerable margen de mejora.

Una oportunidad potencial de mejora es en el uso de las actuales fuentes de datos disponibles acerca de una fabricación especial sistema. De hecho, algunos analistas han hecho a ya un cierto grado. En muchas industrias, es muy común para el proceso de información de ruta a tenerse electrónicamente en el sistema de ejecución de fabricación (MES). Esta información a veces puede ser extraído para rellenar un simulador o un modelo de simulación se podrían construir de forma automática a partir de los datos mediante técnicas de generación de modelos. Ozdemirel, Mackulak y Cochran [12] desarrolló un experto sistema

llamado MASCOTA que generó un modelo basado en estos datos y las actuaciones del sistema de medidas de interés. Fuentes de datos existentes también se pueden utilizar para determinar la distribución apropiada a utilizar para procesos aleatorios tales como tiempos entre llegadas, los tiempos de procesamiento, y así sucesivamente.

Hoy en día, cuando los datos del sistema real están disponibles, este se suele hacer de forma manual utilizando paquetes de software tales como BestFit [13] o ExpertFit [14]. Sin embargo, puede ser posible para automatizar también esta actividad. Tanto la generación automática del modelo de simulación y la determinación automática de las distribuciones deberían proporcionar significativa aceleración posibilidades en el tiempo total requerido para construir una simulación modelo.

La generación automática del modelo de simulación también debería reducir el tiempo necesario para verificar un modelo por reducir el tiempo requerido para depurar el código. El tiempo requerido para llevar a cabo la verificación para la fabricación de algunas los sistemas se ha reducido por el uso de animation.Validation, por otra parte, requiere generalmente la opinión de expertos, por lo que probablemente no es mucho lo que se puede hacer para reducir este tiempo más que para asegurarse de que el resultado del modelo es en un formato que facilite la comprensión de la actuación del modelo.

La generación automática del modelo de simulación también debería reducir el tiempo necesario para verificar un modelo por reducir el tiempo requerido para depurar el código. El tiempo requerido para llevar a cabo la verificación para la fabricación de algunas los sistemas se ha reducido por el uso de animation.Validation, por otra parte, requiere generalmente la opinión de expertos, por lo que probablemente no es mucho lo que se puede hacer para reducir este tiempo más que para asegurarse de que el resultado del modelo es en un formato que facilite la comprensión de la actuación del modelo.

2.1.4 Modelo de implementación

En la fase de despliegue del modelo, la principal zona de la eficiencia mejora es en la ejecución del modelo. Mientras simulaciones de algunos sistemas de fabricación no puede tomar mucho tiempo para correr, modelos de sistemas complejos de fabricación pueden tener varias horas para una sola repetición, particularmente cuando los detalles de los sistemas automatizados de manejo de materiales (AMHS) son incluido. Shikalgar, Fronckowiak y MacNair [15] indican que el tiempo promedio para una simulación de 160 días de correr una instalación de fabricación de obleas de IBM con AMHS es aproximadamente 24 horas, pero la eliminación del sistema theAMHS puede reducir esta a 3 a 4 horas. Mercier,

Bonnin y Vialletelle [16] informan de que una réplica de su fabricación de obleas modelo de toma de 1 a 2 horas de tiempo de CPU. Anecdótico la evidencia sugiere que estos tiempos de ejecución no son infrecuentes para los modelos de las instalaciones de fabricación de obleas. Claramente, la simulación tiempos de ejecución de las magnitudes mencionadas por encima del límite número de ciclos de resolución de problemas que se pueden lograr.

De hecho, la Tecnología de Fabricación Integrada por IMTI Roadmapping Proyecto de informe [17] en el modelado y la simulación identifica que un objetivo clave es la necesidad de una "rápida y precisa exploración de muchos más productos y opciones de diseño de proceso " y de la "necesidad de técnicas de simulación que permiten simulaciones complejas para ejecutar órdenes de magnitud más rápido y más rentable que en la actualidad ".

Como se mencionó anteriormente, el enfoque de modelado (trabajo impulsado vs recurso impulsado) pueden hacer una diferencia en este caso. Además, el uso de técnicas de reducción de varianza (VRTS) ofrece algunas posibilidades de ahorro (ver Ley y Kelton [18, cap. 11] para más información onVRTs). Aunque estas técnicas se han utilizado con éxito en la fabricación de algunas simulaciones, que creen que su potencial no ha sido plenamente explotados. Específicamente, el uso automatizado de común aleatoria números y variables aleatorias antitéticas podrían apoyar mejor por paquetes de simulación. Finalmente, la simulación paralela ofrece alguna esperanza para la reducción de los tiempos de ejecución de la simulación [19], particularmente cuando se modela el suministro de fabricación cadena.

La hora de analizar los resultados de la simulación se puede ser acortado por la generación automática de gráficos, tablas, intervalos de confianza, pruebas t pareadas, y así sucesivamente. Sin embargo, en última instancia, el juicio humano es crítica, y esta parte de la proceso de análisis probablemente no proporciona una oportunidad para ahorro de tiempo significativo.

2.2 Nuevas Grandes Challenge 2: Desarrollo de tiempo real basado en la simulación de resolución de problemas capacidad.

Actualmente, la mayoría de los modelos de simulación se utilizan en un solo proyectos de apoyo a la decisión táctica o estratégica (es decir, con un largo horizonte temporal). A menudo, los modelos de simulación se utilizan para compras de equipo del plan o para evaluar los cambios previstos el control de flujo de material. Para construir estos modelos desde cero requiere un esfuerzo considerable. No es raro que los modelos no son utilizados de nuevo después de la decisión es hecho. Aun cuando este es el caso, el tiempo y dinero invertido en

estos proyectos de simulación tradicionales conduce, en la mayoría casos, a un gran retorno de la inversión [1].

Relativamente poco se sabe, sin embargo, acerca de los enfoques de utilizar la simulación para la toma de decisiones operativas (en tiempo real) en la industria manufacturera. Los modelos de simulación para este fin son posibles hoy en día debido a la mayor cantidad de datos e información que se recoge y mantiene información de taller actual sistemas. La literatura sobre las aplicaciones en tiempo real de la simulación en la fabricación es escasa, pero hay documentos acerca de la programación basada en la simulación [20-22], de liberación de orden [23], la predicción [10], y la gestión de excepciones [24]. En Peters et al. [21], la atención se centra en los requisitos una herramienta de simulación en línea, mientras que Rogers y Gordon [22] ofrecen una visión general de los principales problemas de programación basada en la simulación.

En este contexto, en tiempo real, simulación- según resolución de problemas significa la capacidad de que si el estado de la fábrica cambia abruptamente, podemos realizar una simulación casi instantáneamente para decidir sobre las acciones apropiadas a tomar. Por ejemplo, cuando una pieza clave del equipo de producción falla, los planes para reducir al mínimo el impacto de la falla es necesario desarrollar. Las simulaciones de las diversas alternativas de recuperación podría ayudar a determinar el mejor curso de acción. Otro ejemplo se refiere a las operaciones por lotes de fabricación de obleas. En este caso, cuando hay un lote parcial disponibles para comenzar el proceso, la decisión tiene que ser hecho si para iniciar el lote parcial ahora o esperar a futuras llegadas. Fowler, Hogg y Phillips [25] describen basa no simulación técnicas que pueden ser útiles en la toma de esta decisión, pero la capacidad para generar un conjunto de simulaciones a ver lo que podría suceder, ya sea para decisión (empezar ahora o esperar) podría ser muy beneficioso ya que estas decisiones tener una gran influencia en el rendimiento del sistema. Debido a la necesidad de una respuesta rápida de los tipos de colección de problemas descritos anteriormente, la construcción de modelos y de datos veces debe ser muy corto. En particular, la simulación basada los requisitos de tiempo de solución para el problema de funcionamiento son considerablemente más agresivo (más corto) que para los enfoques clásicos. Sin embargo, proporcionando resultados precisos sigue siendo importante para que los resultados sean aceptados. debido a esta vez reto, vemos dos maneras de realizar en tiempo real capacidades de simulación:

• El uso de un modelo de simulación que se está ejecutando de forma permanente y sincronizado a la fábrica,

• Construcción automática de un modelo a partir de las bases de datos de fábrica.

2.2.1 Permanente, Always-On, sincronizada Modelos de fábrica.

Estos modelos imitan el comportamiento de la fábrica real. Los modelos se actualizan continuamente y se sincronizan con datos de fábrica. Si se requiere un modelo adicional para la toma hacer, un clon se genera a partir del modelo de prototipo. La principal problema de este enfoque es la disponibilidad de sobre-tiempo y los datos correctos de la fábrica. Aunque anunciado para años, todo-en-uno las bases de datos de fábrica no existen todavía. debido a infraestructuras de base de datos que crecieron (evolucionada) más de varios año y el hecho de que las bases de datos individuales se implementan en diferentes productos de software (a veces incompatibles), se requiere un esfuerzo considerable para obtener hasta al día, consistentes, y datos útiles.

Las normas de base de datos diferentes y técnicas de acceso conducen a una amplia variedad de interfaces entre el software de simulación y bases de datos de fábrica. A menudo, estas bases de datos no están físicamente en una ubicación, y los datos los tiempos de transferencia de varios minutos pueden surgir para la actualización del modelo de fábrica. Incluso si los problemas de interfaz entre simulador y bases de datos de fábrica se resuelven, las actualizaciones de la bases de datos de las estaciones de trabajo de fábrica y MES tienen que ser considerado. La recolección de datos, procesamiento y transferencia capacidades de las herramientas varían desde las muy básicas a altamente sofisticado.

Algunos sólo estados de la máquina de informes, mientras que otros proporcionar todo tipo de información que necesita un modelo de simulación.

Como resultado, los siguientes problemas tienen que ser resueltos:

• Una definición clara del estado de la fábrica término que falta: antes podemos empezar a recoger datos, tenemos que saber exactamente qué tipo de datos se requiere para obtener una imagen clara de la fábrica.

• Hay una falta de datos: los datos requeridos por la simulación no están disponibles y no pueden ser generadas en un sistema automatizado lejos de otra información de la fábrica.

• La calidad de los datos es muy baja: por ejemplo, la simulación modelo requiere un histograma, y la herramienta sólo puede proporcionar valores medios de un parámetro de interés.

• La frecuencia de actualización es muy baja: la herramienta sólo puede generar informes de datos después de un intervalo de tiempo dado y largo (digamos, una vez un día).

Depende del objetivo de la simulación basada solucionador de problemas si estos problemas tienen un efecto sobre los resultados. Por ejemplo, si sólo una visión gruesa en la Se requiere el comportamiento de fábrica para los próximos fewdays, los problemas tienen una escasa influencia en los resultados. Si, sin embargo, la intención es proporcionar una programación basada en la simulación sistema, los datos de fábrica tienen que ser muy precisa, y todos las cuestiones antes deben resolverse, o debe haber, al menos, un estimación del error en la programación inducida por mal, falta, o los datos finales.

Para imitar el comportamiento de la verdadera fábrica, la simulación modelo debe tener la funcionalidad MES apropiado. esto puede lograrse ya sea mediante el uso de una copia de la verdadera MES con interfaces con el simulador o por la reconstrucción de la economía de mercado interior el simulador. El segundo enfoque es que consume tiempo y propenso a errores, porque la mayoría de las compañías de software MES no estar dispuestos a proporcionar información detallada sobre el aplicación de sus productos. Por lo tanto, la reconstrucción MES sólo se comportará aproximadamente igual a la real.

Si se resuelven todos los problemas de los datos, tenemos que encontrar una simulación paquete que soporta capacidades en tiempo real, tales como Arena RT de Rockwell Software. Por el momento, Sin embargo, hay una falta de software fuera de la plataforma que puede ser utilizado para los modelos de simulación de fabricación a gran escala. Durante los últimos años, más esfuerzo se ha dedicado a tratar de acelerar los motores de simulación que tratar de ejecutarlas en bienes tiempo. Además, los modelos deben tener la capacidad de ser sincronizado con el estado de fábrica. El estado de la fábrica no sólo resume los estados de herramientas y posiciones mucho, pero también debe comprender la adición o eliminación de equipos. La persistente, modelo de simulación fábrica constantemente sincronizada es la copia maestra de todos los modelos de simulación necesarios para la toma de

hacer. Tan pronto como surge un problema operativo, un clon se crea a partir de la copia maestra, y el análisis sólo se basa en este clon. Por el momento, no lo hace no parece ser un paquete de simulación que proporciona esta característica.

2.2.2 Modelos construidos automáticamente en fabricas.

Teniendo en cuenta los problemas descritos en la anterior sección, en particular la falta de simulación en tiempo real paquetes de software, vale la pena considerar un diferente enfoque. En lugar de generar los clones a partir de una simulación de fábrica modelo que tiene que ser sincronizado perpetuamente, la experimentador genera el modelo bajo demanda directamente desde las bases de datos de fábrica. En este caso, los requisitos para la bases de datos de fábrica siguen

siendo los mismos, pero el software de simulación puede ser mucho menos sofisticado. La mayor parte de la simulación paquetes en el mercado hoy en día facilitan la construcción de modelos a partir de archivos de texto con formato. Por lo tanto, sólo necesitamos una aplicación que recupera los datos de la fábrica actual de las bases de datos y luego los transforma en archivos de modelos de simulación. Porque cantidad considerable de datos de fábrica, incluyendo la herramienta conjuntos y sus propiedades, las órdenes actuales y futuros, de productos especificaciones y de enrutamiento, y así sucesivamente, tienen que ser recuperado y transferido, puede tardar un tiempo considerable para terminar el proceso de construcción de modelos. Como consecuencia, este enfoque es menos adecuado para las decisiones críticas en el tiempo en el que los resultados de la simulación tienen que estar disponibles en cuestión de minutos o segundos después de que el problema se ha producido.

En ese caso, la primera enfoque es más apropiado, porque la clonación de un maestro copia se puede hacer en cuestión de segundos. Para simplificar y acelerar la generación de modelos, no se debe almacenar los datos requeridos en las bases de datos en formato RAW, pero pre-procesado y listo a utilizar para el paquete de simulación. Por ejemplo, se produce demoras innecesarias si histogramas sobre la disponibilidad de la máquina o distribuciones tienen que ser calculados cuando el modelo está siendo construida. Esto se puede hacer de forma proactiva justo después de cada base de datos día de la fábrica.

2.3 Emerging Grand Challenge 3: True Plug and Play Interoperability of Simulations and Supporting Software within a Specific Application Domain.

Si empezamos a tener modelos persistentes de la fabricación sistema, es probable que no habrá en realidad ser modelos de muchos subgrupos diferentes de la fábrica. Estos modelos se necesita una forma sencilla de interactuar unos con otros. Además, cada vez más de la información / datos serán proporcionados

de otro software de apoyo a la fabricación, tales como el software de análisis MES, los sistemas disponibles para promesa, paquetes, y así sucesivamente. Será cada vez más importante para todos estos sistemas para ser capaz de comunicarse de forma rápida uno con el otro y el mundo exterior en una inequívoca manera. La Arquitectura de Alto Nivel (HLA) es uno parcial solución a este desafío.

El HLA es una arquitectura de propósito general para la simulación reutilización y la interoperabilidad. En el HLA, cada simulación u otro sistema de software se ejecuta como un federarse separada (proceso), y la colección de todos los federados se llama una federación. Cada federarse se puede desarrollar de forma independiente y implementado usando diferentes lenguajes de software y diferentes plataformas de hardware. Por lo tanto los ciclos, más rápidos de análisis

puede ocurrir debido a un menor tiempo dedicado a desarrollar nuevos integrado software y menor tiempo de ejecución debido a la distribución del software en múltiples procesadores. El HLA fue desarrollado bajo la dirección de la Defensa de EE.UU.

Oficina de Modelado y Simulación (DMSO) para apoyar la reutilización y la interoperabilidad a través de una amplia gama de diferentes tipos de simulaciones. La definición de línea de base HLA se completó en 1996 y fue adoptado como el Fondo para Distribuida Sistemas de simulación 1.0 por el Object Management Group (OMG) en 1998. El HLA fue aprobado como un estándar abierto a través del Instituto de Ingenieros Eléctricos y Electrónicos Engineers (IEEE), IEEE 1516-en 2000. Desafortunadamente, la comunidad del software ha sido lento en incorporar el HLA en su oferta de productos. Esto es debido principalmente a la falta de tracción de sus usuarios, que es al menos en parte debido a la falta de comprensión de lo que el HLA puede proporcionar.

Sin embargo, algunos usuarios han aplicado el HLA para estudiar sus sistemas de fabricación. Schumann et al. [26] presentan un ejemplo del uso de la HLA para la simulación de fábrica. Lendermann et al. [6] discutir un prototipo de simulación distribuida de una cadena de suministro de fabricación de semiconductores basada en el HLA.

Straßburger et al. [27] discuten el hecho de que mientras que el HLA es útil en la aplicación de la simulación distribuida de la "fábrica digital", no es suficiente. Específicamente, señalan que es una pena que (1) no existen hay versiones de tiempo administrados, (2) no hay una forma de transferir un objeto / atributo a un ingreso específico, y (3) no hay sin posibilidad de transferir el estado final de un objeto con respecto valores de los atributos. Se refieren a trabajos de Fujimotoy Tacic [28], Sauerborn et al. [29], y Myjak et al. [30] que estudio estas deficiencias, pero indican que no hay soluciones se han implementado en la especificación de interfaz de HLA. Si bien no está claro si el HLA en última instancia, proporcionar (o ser una parte importante de ellos) una verdadera interoperabilidad plug-and-play, está claro que se necesita esta funcionalidad como analistas tratar de modelar adecuadamente las operaciones de la cadena de suministro con la lógica integrada en el software utilizado en el sistema real.

3. Big Challenge 4: una mayor aceptación de Modelado y Simulación en la Industria

Decidimos etiquetar este reto como un desafío "grande" en lugar como un reto "grande", porque no es realmente un desafío técnico, sino más bien un desafío social. De hecho, esto puede hacer de este el reto más difícil de toda la desafíos discutidos en este documento. Mientras que el uso de modelos y la simulación en

la industria manufacturera está ganando admisión para determinadas aplicaciones (por ejemplo, la planificación de capacidad), todavía hay un largo camino por recorrer antes de que sea común aplicada para una multitud de otras aplicaciones. Actualmente, modeladores menudo pasan mucho de su tiempo de gestión convincente de la necesidad de estos servicios.

La simulación es generalmente sólo uno de los varios diseño del sistema de fabricación y los enfoques de mejoramiento que se presentan a la gestión para su posible implementación. Otros enfoques incluir la manufactura esbelta, six sigma, fabricación justo a tiempo, gestión de calidad total, y así sucesivamente, y el simulacionista no debe tratar de convencer a la dirección que simulación es mejor que estas técnicas. En efecto, la simulación, por sí mismo, no mejora el rendimiento de un sistema de fabricación. Es sólo por el uso del modelo de responder a preguntas específicas sobre la manera de cambiar el sistema que se identifican mejoras realizables. Así, simulationists debe tratar de convencer a la dirección que la simulación es complementario a los otros enfoques mencionados anteriormente y que se puede utilizar para evaluar las mejoras potenciales que puede ser realizado en el sistema cuando los otros enfoques se emplean.

Por último, simulationists deben tener cuidado para resistir la tentación de exagerar el uso de los resultados de un modelo; esto puede ser una buena estrategia a corto plazo, pero puede tener muy consecuencias negativas a largo plazo si las expectativas de la los usuarios de los resultados del modelo no se cumplen. En su lugar, simulationists debe indicar que mientras que un modelo particular, podría ser ampliado para ayudar a responder muchas preguntas, incluyendo los que no Itwas diseñado originalmente para estas preguntas debe ser abordado de manera sistemática y planificada