概要
Tata Steelはインドの製鉄会社で、年間3,300万トンの年間粗鋼生産能力を持つ正解有数の鉄鋼メーカーおよびサプライヤーです。Tata Steelは、自動車、消費財、インフラストラクチャなどの幅広いセグメントに焦点を当てています。
問題
同社の鉄鋼製造ラインの1つは、内部物流システムを最適化することにより、ライン全体のスループットを向上させる必要性を示しました。 最適化されたプロセスフローを導入し、さまざまなレイアウト構成をテストすることで、クレーンとラドル（柄杓）の作業工程を改善できました。
鉄鋼溶解部門は、クレーンの稼働率が製造プロセス全体で不均一に分散していることが、スループット低下の原因と考えました：この製造工程の最終製品である溶解した鋼の生産が不足しており、これの原因は、クレーンの取り扱いのほとんどが手動で独立して行われていたため、人間による意思決定を減少させる必要があると考えました。
問題の鉄鋼製造ユニットでは、生産プロセスは、プラントに到着する溶鉄が保存されたタンク（Torpedoe ladel）から始まります。この溶鉄はラドル（杓子）に移され、次に輸送車に置かれます。次に、クレーンが溶鉄をそこから取り出し、脱硫ステーションに移送します。 金属が精製された後、金属は輸送車によって充電ベイに移動され、別のクレーンによって拾われ、LDコンバーターまたは容器に運ばれます。 金属が容器に注がれると、クレーンは空のラドルをステーションに戻します。
このプロジェクトの目的は、内部物流システムの取り扱いに関する既存のルールを変更することでスループットが向上するかどうかを確認することでした。 エンジニアは、クレーンを操作し、意思決定における人間の依存度を減らすことによって全体的な生産プロセスを最適化する簡単な経験則を見つけたかったのです。
チームがシミュレーションモデリングをソリューションとして採用することを決めた理由の1つは、そのシステムの要素間の相互依存の複雑さでした。 さらに、シミュレーションモデルのみが処理できる、多くのランダム性を備えた多くの変数（たとえば、容器および脱硫ステーションの処理時間、クレーンおよび輸送車のダウンタイムなど）がありました。
解決策
最初の段階は、入力データを収集することでした。 チームは、フィールドスタディを実施し、ユニット内のすべての機器について、過去1年間のデータを収集しました。 さらに、障害のパターン、具体的にはMTBF（平均故障間隔）とMTTR（平均修理時間）、およびプロセスフローを分析しました。
AnyLogicをプラントシミュレーションソフトウェアとして使用して、チームはステーション（Torpedo stations）でのラドルへの溶銑の積み下ろしから容器への充填までのプロセスを表すモデルを構築しました。チームはモデルのロジックを設定するために、フィールドスタディから収集された次のパラメーターを使用しました：
- 容器はシミュレーション時間の87.5％で利用できます。
- 脱硫（desulfurization）ステーションでの金属処理時間は10分です。 その後、精製された金属を搭載したラドルがステーションを出ます。
- 容器の充電時間は約10分で、確率分布により値が異なります（最長15分）。
- • 溶銑のラドルは、脱硫ステーションから容器に5分以内に移す必要があります。
チームは、容器の待ち時間を減らし、クレーンの操作ロジックを変更することを目的として、3つの異なるwhat-ifシナリオを作成しました：
- 両方の充電ベイクレーンは、容器の充電に使用されます。
- 1つのクレーンは脱硫ステーションと容器エリアの間で機能し、もう1つのクレーンは主にラドルから容器に金属を降ろします。2番目のクレーンが利用できない場合、最初のクレーンがその機能を引き継ぎます。
- シナリオ2と、空のラドルを床から9メートルの高さに吊るす可能性を組み合わせます。
シナリオごとに、チームは脱硫ステーションと容器の処理時間を変えて90の実験をし、1日あたりに発生する熱量、クレーンの稼働率、および容器の待機時間等を観察しました。 すべての実験で10日間のシミュレーションが行われ、統計が収集されました。
結果
実験結果の統計分析により、チームはクレーンの稼働率、容器の待機時間、およびヒートのスループット（1ヒート= 1.65トン）の観点から最適なシナリオを決定できました。シナリオ3には、1日あたり最低2ヒートという大きな利点があり、年間数百万ドルを節約できることがわかりました。さらに、容器の待機時間は減少し、スループットは向上しましたが、充填ベイクレーンの稼働率は依然として約80％であり、これは望ましくありませんでした。
AnyLogicをプラントシミュレーションソフトウェアとして使用して、安全なデジタル環境でモデルを試すことで、生産を中断することなく、必要なすべての変更を実験及び実装できました。
製造工程をさらに最適化するために、チームの目標は、製造プロセスのスクラップ充填をシミュレーションに組み込むことでした。 同社は今後もシミュレーションモデリングの助けを借りて、鉄鋼製造システム全体のあらなる改善のために努力しつづけることでしょう。
また同社は、方針立案を改善するためにAIをモデルに組み込むことをことを計画していました。
AnyLogic Indian Conference 2019でTata Steelが発表したこのケーススタディに関するビデオをご覧ください
