将模拟生产流程所需的时间从几天缩短到仅需单击一个按钮

数字孪生的大众化

130 多年来，米其林的历史与移动出行和创新密不可分。时至今日，这家总部位于法国克莱蒙费朗的公司仍影响着全球移动出行的发展。凭借这些经验，米其林解决了当前的挑战，并涉足了新技术和可持续发展带来的改变生活的新业务领域。

利用数字孪生提高效率

全球竞争和更短的时间限制使从第一个想法到批量生产的效率变得非常重要。因此，米其林使用 Siemens Digital Industries Software 公司 Tecnomatix® 产品组合中的 Plant Simulation 来创建其制造设施的数字孪生，以便在实施之前对变更进行虚拟测试并优化流程，或者能够更快地对生产中的变化或危险需求做出反应。

这为整个公司释放了巨大的节省潜力。当然，节省资源会影响可持续性，这是米其林未来议程的另一个重要部分，这反映在“我们制造未来”的口号中，该口号是作为 2030 年“全面可持续”战略的一部分推出的。这项被称为“Michelin in Motion”的战略旨在通过平衡生态、社会和经济方面来确保公司能够实现可持续增长。

采用数字孪生

Plant Simulation 数字孪生对米其林的内部和外部都产生了深远的影响。尽管它很重要，但它对许多员工来说可能仍然是一个黑匣子，只有少数人可以使用。

蒂埃里·切内维尔 (Thierry Chenevier) 和奥德·努尔西米洛 (Aude Nursimiloo) 对这个问题很熟悉。切内维尔是米其林的数字化转型供应链专家之一。他与同事、数字孪生制造的项目经理努尔西米洛一起，经常遇到保留意见和偏见。由于最终用户没有接触过数字孪生，因此该公司采用数字孪生是一项挑战。

“这就是我们在 2022 年遇到的情况，”切内维尔说。“我们有一个出色的制造仿真模型，但遗憾的是没有广泛的用户访问权限，我们想改变这一点。米其林在全球拥有超过 130,000 名员工，其中约 80,000 名员工从事生产工作。我们拥有 86 个生产基地，其中约一半生产最终产品。我们使用的仿真模型专门用于生产最终产品的制造工厂。

“我们的愿景是提供一键式仿真体验，可以回答诸如'如果我更改了这个或那个参数，产能会有什么反应？'之类问题。我们希望负责这些方面的现场人员提出此类问题。这些人从事工业工程或者担任规划人员和生产经理。但当时的现实情况是，我们必须为新的仿真调整 65 个表格，至少需要三周时间来准备数据输入。
此外，并非每个人都可以访问仿真。一切都在数据分析师的电脑上运行。最后，当时也没有适合非专业用户的用户友好界面。”

发展数字孪生

2018 年，米其林开始在 Plant Simulation 中使用数字孪生进行制造。此阶段为意大利的一个站点生成了第一个仿真模型。米其林得到了西门子合作伙伴 Inoprod 的支持，并测试了该技术的可靠性和进一步的可能性。2021 年，他们将这种做法扩展到另外四个生产设施，加速了仿真并描述了应用场景。第三阶段自 2023 年以来一直在进行，涉及更专业的数字孪生架构，消除自动化障碍并提供更好的最终用户体验。从 2024 年开始，每年有 5 个站点开始使用 Plant Simulation 数字孪生。最后阶段的重点是训练、自动化、仿真模型加速、简化和大规模扩展。

突破传统的技术

“Plant Simulation 为创新和进步提供了真正可靠和详细的基础，”切内维尔说。“这为必须能够访问相关信息的制造人员提供了附加值。我们有信心在第三个开发阶段通过 Mendix Optimize My Plant 应用程序实现这一目标。Optimize My Plant 是围绕 Plant Simulation 的低代码软件环境，就用户体验而言，它确实改变了我们的游戏规则。

Plant Simulation 和 Mendix™ 低代码平台是 Siemens Xcelerator 这一软硬件和服务业务平台的一部分。

Optimize My Plant 的接受度不断提高

有几个例子说明了以用户为中心的 Optimize My Plant 如何获得越来越多的认可。在硫化车间中，由于许多不同的压延机和环环相扣的工作流程，将生产计划转移到时间表中是一项挑战。手动创建它需要 4 小时到 2 天，在某些情况下需要整整一周。如今，只需在舒适的概览图中单击一下即可实现。因此，复杂的数据输入可以自动化和加速。

过去，工厂中的关键用户可能需要数周时间才能在 Plant Simulation 中创建新场景，但米其林使用 Optimize My Plant 预定义了场景，任何负责人都可以立即完成。该应用程序在关键绩效指标 (KPI) 中显示更改场景中参数的影响。如果最终用户想要更深入地研究 KPI 分析，他们可以检索相应场景的详细信息。这些信息显示了生产数据、库存水平、可能的库存短缺等等的变化。

构建数据集仍然很复杂，但由于优化了复杂数据的生成、自动化数据准备和角色分离，因此复杂性大大降低。关键用户管理定期校准全新数据集的复杂性，而最终用户则比较场景并了解流行为。

来自各种工厂的成功案例

此外，Plant Simulation 越来越多地扩展到其他工厂，凸显了该软件对公司成功的重要性。米其林还传达了这些成功案例，以进一步提高对数字孪生的接受度，并推动整个公司的仿真大众化。努尔西米洛列举了几个用例：

“我们中国工厂的问题在于南北有两个自动存储和检索系统。一个仓库在装载时已满员，而另一个仓库仍然有足够的空间。使用 Plant Simulation 为我们的仓库创造了平衡。

“在意大利，Plant Simulation 在项目开始时用于实施新机器。问题在于是否可以拆除任何一台、一台甚至两台现有机器，以及这些情况将如何影响物料流。使用 Plant Simulation 使之成为可能。

“一家波兰工厂想知道如何更好地遵守生产计划并避免不必要的压延机启动以节省能源。他们希望使用 Plant Simulation 来实现最佳的压延机利用率，从而实现所需的能源节约。

“一家意大利工厂的维护经理想知道如何最好地分配工作。是将其安排在一周中的特定日期更好，还是将工作分散到许多小时间段以尽量减少对生产能力的影响？Plant Simulation 对此也提供了可靠的答案。

“为了提高生产能力，Plant Simulation 还被用于解决波兰工厂的另一种时间优化问题：他们目前正在根据硫化时间优化硫化生产计划在压延机上的分布。”

扩展仿真技术

鉴于所有这些积极的经历，切内维尔对实现公司雄心勃勃的目标持乐观态度：“通过将 Plant Simulation 和 Optimize My Plant 作为最终用户易于使用的前端，我们实现了梦想中的架构。我们在 5 个试点项目中对此进行了测试，所有这些项目都增强了我们的信心。它让未来的发展充满希望。此外，我们成功地让员工相信动态制造仿真对我们工业生产所有领域的价值。

“在短期内，我们认为当前的项目和与优化相关的一切都将从中受益。从长远来看，我们希望通过实时数据检索将制造仿真大规模扩展到所有领域。通过 Plant Simulation，我们正在努力实现无缝用户体验的愿景。我们正在围绕这款新的生产力工具在各个层面扩展我们的联合能力。同时，我们正在加大努力，以通过该模型全面实施 Plant Simulation。

“到 2027 年，我们将在 15 家新工厂中实施这一计划。与此同时，我们正在收集更多用例并发布它们，以提高我们企业中所有相关方对于制造仿真优势的兴趣和理解。”