Simio Daten & Integration Framework

Das flexibelste Daten- und Integrationsframework der Branche für diskrete Ereignissimulation

Die wichtigsten Unterscheidungsmerkmale von Simio im Bereich Daten & Integration

Simio wurde von Grund auf als agile Plattform für die Entwicklung von Digitalen Zwillingen auf der Grundlage der diskreten Ereignissimulation für adaptive Prozesse entwickelt, wobei der Schwerpunkt auf einer nahtlosen Datenintegration und einer optimierten Automatisierung über Unternehmenssysteme und andere wichtige Datenquellen liegt. Dieser Schwerpunkt hat die Daten- und Modellierungsfunktionen von Simio so gestaltet, dass sie eine schnelle Modellentwicklung unterstützen, die sich automatisch an dynamische Dateneingaben anpasst.

Daten-Flexibilität

Simio basiert auf einer effizienten, ultraschnellen relationalen In-Memory-Datenbank, die vollständig so konfiguriert werden kann, dass sie mit dem Schema jeder externen Datenquelle übereinstimmt, was eine beispiellose Flexibilität bietet.

Offene Architektur

Die offene Architektur von Simio bietet ein umfangreiches, vollständig konfigurierbares Set von Datenkonnektoren, die den rationalisierten Import von Transaktions- und Betriebsdaten aus jeder externen Quelle unterstützen.

Daten generiert & datengesteuert

Simio bietet eine traditionelle Point-and-Click-Benutzeroberfläche sowie einen intuitiven datengenerierten, datengesteuerten Ansatz für die Entwicklung und Ausführung von Process Digital Twin-Simulationsmodellen.
Ein datengesteuerter Ansatz beschleunigt die Modellentwicklung für komplexe Szenarien, erleichtert die Wiederverwendung von Modellen und unterstützt die Skalierung von Modellen auf neue Standorte, Anwendungen mit mehreren Standorten und durchgängige Lieferketten.

Schnelle Modellerstellung & automatische Updates

Alle Process Digital Twin-Modellobjekte und -Eigenschaften sind datengeneriert und datengesteuert, was eine schnelle Modellerstellung ermöglicht und den langfristigen Supportbedarf minimiert.
Process Digital Twins passen sich automatisch an Änderungen in den Unternehmensdaten an, gewährleisten eine felsenfeste Betriebszeit und minimieren die langfristige Wartung.
Für die Erstellung von Simio Process Digital Twins ist kein Programmieren erforderlich.
Branchen- und unternehmensspezifische Vorlagen und Bibliotheken können leicht erstellt werden.

Schnelle Laufzeiten

Die Simio-Simulations-Engine ist so konzipiert, dass sie unabhängig von der Größe des Modells effizient und schnell arbeitet.
Schnelle Laufzeiten sind unerlässlich, um das volle Potenzial von grenzenlosen Experimenten und Szenarioanalysen auszuschöpfen.
Simulationsläufe können manuell durchgeführt oder vollautomatisch und ereignisgesteuert gestaltet werden.
Simio Discrete Event Simulation ist in der Lage, Process Digital Twin-Modelle großer, komplexer Betriebsumgebungen zu unterstützen, wie z.B. Produktions- und Lagereinrichtungen mit einem oder mehreren Standorten sowie durchgängige Lieferketten.

Daten & Integrationsfunktionen

Excel/CSV

Datenkonnektoren ermöglichen temporären oder benutzerspezifischen Systemen den Zugriff auf betreiberspezifische Daten, die in Excel- oder CSV-Dateien verwaltet werden, auf Snapshots aus benutzerdefinierten Systemen und auf Daten, die während des Betriebs in Excel aufgezeichnet wurden.

Externe Datenbanken

Datenkonnektoren für Datenbankanwendungen wie SQL Server und Oracle erleichtern die direkte Integration mit Datenbanken, die für Staging und Datenumwandlung verwendet werden, sowie den direkten Zugriff auf unternehmensweite, anwendungsspezifische Datenquellen.

APIs & Webdienste

Simio APIs oder Webservices können für die Integration mit MES-Systemen wie AVEVA und Tulip verwendet werden, um auf dynamische prozessbezogene Daten zuzugreifen, um einen Process Digital Twin mit dem aktuellen Fabrikstatus zu initialisieren und Ausführungsdaten, wie z.B. Aufgabenlisten und Startzeiten, an MES-Systeme zu liefern.

Externe Werkzeuge & Geräte

Nutzen Sie branchenübliche Anwendungen wie PTC Kepware IoT Gateway und HighByte Intelligence Hub, um eine direkte Verbindung zu IoT-Geräten, externen Solvern und KI-basierten Anwendungen oder Algorithmen für dynamische Echtzeit-Eingaben und Optimierung während der Simulationslaufzeit herzustellen.

Cloud-basierte Plattformen

Simio Web APIs erleichtern die Integration mit Cloud-basierten Datenquellen wie AWS, Azure und Google Cloud, die geschäftskritische Daten enthalten, die von den zugrundeliegenden Unternehmenssystemen veröffentlicht werden, sowie die direkte Integration mit Enterprise Resource und Supply Chain Planning Systemen (ERP/SCP) wie SAP S/4HANA, OMP, Kinaxis, Oracle und Microsoft Dynamics.

Ansätze zur Integration

Um die Integration mit Unternehmenssystemen wie Enterprise Resource Planning (ERP), Manufacturing Execution Systems (MES), Supply Chain Planning (SCP) und Preventative Maintenance (PM) zu erleichtern, hat Simio zwei Implementierungsmethoden entwickelt, die auf die bestehende IT-Infrastruktur und die Präferenzen des Kunden zugeschnitten sind. Diese Methoden unterstützen sowohl indirekte („Push“) als auch direkte („Pull“) Ansätze, die den spezifischen Anforderungen und dem Reifegrad der Daten des Kunden gerecht werden.

Ansatz der direkten Integration (PULL)

Dank der Flexibilität des Web-API-Datenkonnektors von Simio kann Simio vor der Ausführung eines Simulationslaufs eine PULL-Operation aus Datensystemen auf der Grundlage zeitlich festgelegter Ereignisse oder Benutzereingaben initiieren und so die Verwendung der neuesten Informationen sicherstellen. Der Nachteil einer PULL-Operation ist jedoch die potenziell hohe Belastung der IT-Infrastruktur und der Zieldatensysteme, die vom Zeitpunkt des PULL-Ereignisses abhängt.

Direkter Integrations-Workflow:

Simio initiiert den Integrationsworkflow, indem es eine GET-Anfrage an eine Middleware-Anwendung sendet, die mit einem ERP-, MES-, SCP- oder IoT-System verbunden ist.
Wenn der von Simio initiierte Anruf eingeht, fungiert die Middleware-Anwendung als Web-Messenger und leitet die Anfrage an das ERP/MES/SCP/IoT-System weiter, das dann die erforderlichen Daten generiert und an die Middleware-Anwendung zurückschickt.
Die Middleware-Anwendung sendet die Nachricht im JSON- oder XML-Format an Simio. Die Nachricht wird in der speicherresidenten relationalen Datenbank von Simio gespeichert, wobei ein XSLT (v1.0)-Stylesheet für das Daten-Mapping und die Übersetzung verwendet wird.
Nach Abschluss des Simulationslaufs nutzt Simio die volle bidirektionale Integrationsfähigkeit, so dass es die Planungsinformationen an die Middleware-Anwendung und anschließend an das ERP/MES/SCP/IoT-Quellsystem zurückschicken kann (POST).

Indirekter Integrationsansatz (PUSH)

Durch die Verwendung einer zusätzlichen Persistenzdatenschicht unterstützt Simio einen PUSH-Ansatz für die Integration mit bestehenden Unternehmenssystemen. Aktualisierungen von Unternehmenssystemen werden über eine Middleware-Anwendung in die Staging-Datenbank (Persistenzschicht) gepusht, die Simio steuert. So wird sichergestellt, dass die Daten für Simulationsläufe und die Erstellung von Produktionsplänen verfügbar sind. Diese Methode ist ideal für die routinemäßige tägliche oder wöchentliche Planung und minimiert, im Gegensatz zum PULL-Ansatz, die Belastung der IT-Infrastruktur.

Indirekter Integrations-Workflow

Ausgelöst durch einen Job Scheduling-Prozess oder einen Trigger erzeugt das ERP/MES/SCP/IoT-System Nachrichten, die an eine Middleware-Anwendung gesendet werden.
Vor der Weiterleitung von Nachrichten an Simio muss die Middleware-Anwendung möglicherweise Transformations-Mappings auf der Grundlage der beabsichtigten Verwendung der Daten durchführen, um sie an die Anforderungen der Modelltabelle von Simio anzupassen. Die aktualisierten Nachrichten werden dann mit Hilfe der Middleware-Datenbankadapter oder XML-Dateien an die Staging-Datenbank übertragen.
Simio ruft dann die Tabellendaten über einen Datenkonnektor aus der Datenbank ab und aktualisiert die Simio In-Memory-Tabellen.
Nach Abschluss des Simulationslaufs nutzt Simio die volle bidirektionale Integrationsfähigkeit, so dass es die Planungsinformationen zurück in den Staging-Bereich schieben kann, damit die Middleware-Anwendung und anschließend das ERP/MES/SCP/IoT-Quellsystem darauf zugreifen können.

Datenausschnitt und Geschwindigkeit

Der Zustand der Datenintegrität Ihres Unternehmens, der Detaillierungsgrad der Daten, die Korrelation zwischen Systemen und die Geschwindigkeit, mit der Daten aktualisiert und verfügbar gemacht werden können, sind entscheidend dafür, wie granular ein Simio Process Digital Twin modelliert werden kann. Diese Faktoren wirken sich auch auf die Häufigkeit aus, mit der ein Unternehmen neue Zeitpläne für die Ausführung oder Experimente zur Unterstützung der Entscheidungsfindung erstellen kann.

Detailgenauigkeit

Der in den Daten verfügbare Detaillierungsgrad – z.B. teil- und maschinenspezifische Arbeitspläne statt nur Arbeitszellen- und Produktfamilienarbeitspläne – bestimmt den Detaillierungsgrad des Modells.

Beispiel: Um einzelne Arbeiter und ihre Fähigkeiten zu modellieren, benötigt der digitale Zwilling von Simio Process den aktuellen und spezifischen Arbeitsplan für jeden Arbeiter, zusammen mit aktuellen Fähigkeitsmatrizen.

Daten Geschwindigkeit

Die Datengeschwindigkeit bezieht sich darauf, wie schnell der Simio Process Digital Twin aktualisiert und erneut ausgeführt werden kann, um die aktuellsten Ergebnisse für die Ausführung oder Entscheidungsfindung zu liefern.

Beispiel: Bei einem herkömmlichen ERP-System, das den WIP-Bestand über Nacht im Batch-Verfahren verarbeitet, kann der Simio Process Digital Twin aufgrund der zeitlichen Abhängigkeiten und der Genauigkeit der Daten nur begrenzt häufig ausgeführt werden.