Guten Appetit! Simulation von Catering-Prozessen für den Neubau der Mensa-Moltke in Karlsruhe

Transkript

1 Guten Appetit! Simulation von Catering-Prozessen für den Neubau der Mensa-Moltke in Karlsruhe Hochschule Karlsruhe

2 Zur Person Studium der Volkswirtschaftslehre in Bonn und Lissabon, Portugal Promotion in Volkswirtschaftslehre an der Universität Halle-Wittenberg Deutsche Bank São Paulo, Brasilien Universität Würzburg SAP SI, Bereich Public Sector Seit Sommersemester 2003 in Karlsruhe Aktivitäten: Institute for Computers in Education (I.C.E.) Business Intelligence Simulation von Geschäftsprozessen

3 Zur Hochschule Die größte Fachhochschule in Baden-Württemberg Knapp Studierende in 6 Fakultäten Zur Person Technik und Wirtschaft als Zusatz und gelebtes Motto Vollständige Umstellung auf Bachelor und Master abgeschlossen (Diplom als Auslaufmodell ) : 1150 Studierende 32 Professoren Institut für angewandte Forschung (IAF) Projekte; Volumen 2 Mio. (davon 1,2 Mio. allein Informatik)

4 Der Geschäftsprozess das unbekannte Wesen!

5 Die WUSKAR-Idee Die Task Force Unternehmenssoftware In der Informatik-Ausbildung sollte eine Vertiefung verstärkt darauf zielen, Informatikern das Denken in Geschäftsprozessen zu vermitteln. Wo liegt das Problem? - Vielzahl der Produkte - Hardware-Anforderungen - Standard Fallstudien spiegeln oftmals nicht real-world Probleme wider Vorgeschlagene Lösung: eine public-private-partnership (PPP) WUSKAR (Werkstatt Unternehmenssoftware Karlsruhe) wurde 2004 ins leben gerufen

6 Das WUSKAR-Kooperationsdreieck (I)

7 Simulation Si mu la ti'on, die; -,-en 1.Nachstellung, Nachahmung einer Situation oder eines Ablaufes 2. Vorspiegelung, Vortäuschung einer Krankheit oder Behinderung In der Informatik bedeutet Simulation die Nachbildung von Vorgängen mit Hilfe eines Computers. Sie werden zur Untersuchung von Abläufen eingesetzt, die man in der Wirklichkeit aus Zeit-, Kosten-, Gefahren- oder anderen Gründen nicht durchführen kann oder will. (Brockhaus, 2003)

8 ARENA an der HsKA Seit WS 2005/06 im Einsatz Zunächst nur die Acadamic-Version (nur eingeschränkte Nutzung möglich) Seitdem wurden verschiedene Seminar-, Studienund Diplomarbeiten mit und über ARENA erstellt Mittlerweile wird ARENA auch in der Lehre eingesetzt Auch als elearning-kurs verfügbar

9 ARENA-Kurs im ILAS LMS

10 Das WUSKAR-Kooperationsdreieck (II) Ziel: Verringerung der zu erwartenden Wartezeiten bei der Essensausgabe in der neuen Mensa

11 Wartezeiten Zu meistern:? 1. Unterschiedliche Verteilung unter der Woche 2. Unterschiedliche Essens-Präferenzen der Besucher 3. Extremes Besucheraufkommen zu Stoßzeiten Gleichzeitig aber verlangt: 1. Gleichbleibend hohe Essensqualität 2. Auslieferung der Gerichte schnell jederzeit 3. Essen muss warm bleiben

12 Stufenweises Vorgehen Drei Fallstudien: 1. Analyse der Ist-Abläufe in der alten Mensa 2. Entwicklung der Soll-Abläufe und Simulation von Szenarien 3. Entwicklung eines 3D-Modells

13 Ein ganz normales Projekt Informationen Anforderungen Wünsche? Architektenpläne Möglichkeiten Eigene Erhebung

14 Begehungen

15 Wartezeiten Die Messung in der alten Mensa Zählung der Besucher an den Haupt -Mensatagen: DiMiDo Erfasst wurden jeweils Uhrzeit des Eintritts Wartezeit des Besuchers gewählte Essens-Linie (G&G oder KE) Gesamtbesucherzahlen

16 Wartezeiten Die Messung Dienstag und Donnerstag sind Tage mit höchstem Andrang Folgen für Wartezeiten? Betrachten Ankunftsprozess (Zeitraum in 15 -Intervallen ~> Anzahl Gäste) Wartezeiten für Uhrzeiten von bis Uhr Reihenfolge: Dienstag Donnerstag, dann: Mittwoch (da Mittwoch aus der Reihe fällt)

17 Wartezeiten Dienstag (I) Maximum: 189 Gäste/15 Ankunftsprozess Di, :3 0 11: : :15 12 : : : :15 13 : : :0 0 Uhrzeit

18 Wartezeiten Dienstag (III) Wartezeiten Di, :20 11:26 11:32 11:45 11:51 11:56 12:03 12:07 12:12 12:18 12:23 12:26 12:31 12:35 12:43 12:48 12:51 12:53 Wartezeit 12:59 13:02 13:06 13:09 13:16 13:25 13:31 13:40 13:52 Uhrzeit (Eintritt) zeit Polynomisch (zeit)

19 Wartezeiten Donnerstag (I) Ankunftsprozess Do, Zum Vergleich: Dienstag ? Ankunftsprozess Di, :30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 Uhrzeit :30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 Uhrzeit

20 50 Wartezeiten Donnerstag (II) Zum Vergleich: Dienstag Wartezeiten Do, zeit Wartezeiten Di, Polynomisch (zeit) Wartezeit Uhrzeit (Eintritt) :20 11:26 11:32 11:45 11:51 11:56 12:03 12:07 12:12 12:18 12:23 12:26 12:31 12:35 12:43 12:48 12:51 12:53 12:59 13:02 13:06 13:09 13:16 13:25 13:31 13:40 13:52 Wartezeit Uhrzeit (Eintritt)

21 Wartezeiten Donnerstag (III), nur G&G 25 Wartzeiten nur G&G am Do, Wartezeit Uhrzeit (Eintritt)

22 Wartezeiten Mittwoch (I) Ankunftsprozess Mi, Zum Vergleich: Dienstag Ankunftsprozess Di, :30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 Uhrzeit :30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 Uhrzeit

23 Wartezeiten Mittwoch (II) Wartezeiten Mi, :23 11:27 11:29 11:31 11:35 11:44 11:48 11:51 11:56 12:01 12:07 12:14 12:21 12:25 12:32 12:38 12:42 12:49 12:54 Wartezeit 12:58 13:10 13:13 13:17 13:26 13:36 13:53 Uhrzeit (Eintritt)

24 Wartezeiten Hinweise zur Messung ca. 1/5 der Besucher nicht erfasst Aufteilung auf Linien von Angebot abhängig Pasta- und Salatbuffet in Zahlen unberücksichtigt aber: Ergebnis trotzdem repräsentativ Das Gezeigte spiegelt aktuellen Status wider

25 Wartezeiten Konsequenzen Di und Do bis zu 20 Min. Warten Viele Gäste haben nach 5 Min. die Schlange wegen zu hoher Wartezeit wieder verlassen Essen bleibt bei langen Wartezeiten (Kassen) nicht mehr warm Qualitätsanspruch? Insgesamt: Unzufriedenheit der Besucher Wie soll s in der Neuen Mensa erst laufen?

26 Simulation Ablauf Verwende Mensazählung als Eingangsdaten für Modell der neuen Mensa passe ggf. Parameter an simuliere Ablauf mit unterschiedlichem Input

27 Simulation Raumplan und 2D-Modell

28 Simulation Modell und Logik

29 Zur Simulation (III) - Stationen nach Linie Blau: KE Gelb: G&G

30 Ergebnisse der Simulation 1. Direkte Übertragung Alte Mensa Neue Mensa ( Dienstags-Modell )

31 Ergebnisse der Simulation (I) :15 11:34 11:46 11:54 12:01 12:11 12:20 12:26 12:32 12:38 12:43 12:47 12:50 12:54 12:58 13:01 13:04 13:07 13:10 13:12 13:17 13:25 13:35 13:49-20 G&G KE KE-Beilage

32 (Video 1) Bitte nicht vor den langen Warteschlangen erschrecken! ;-)

33 Ergebnisse der Simulation 2. Essensausgabe dauere max. 18 Sekunden

34 :15 11:31 11:45 11:54 12:02 12:11 12:18 12:24 12:29 12:35 12:40 12:44 12:48 12:52 12:55 12:59 13:02 13:04 13:07 13:11 13:14 13:23 13:36 13:52 Ergebnisse der Simulation (II) -10 G&G KE KE-Beilage

35 Ergebnisse der Simulation 3. Wie viele Kassen sind notwendig?

36 Ergebnisse der Simulation (III) Kasse 1 Kasse 2 Kasse 3 Szenario: 3 Kassen 11:15 11:30 11:47 11:57 12:05 12:14 12:21 12:28 12:36 12:41 12:45 12:48 12:52 12:56 12:59 13:04 13:06 13:09 13:13 13:21 13:30 13:44

37 Ergebnisse der Simulation (III) :33 11:46 11:55 12:03 12:11 12:17 12:24 12:31 12:36 12:43 12:48 12:52 12:56 13:00 13:03 13:05 13:09 13:11 13:16 13:24 13: Kasse 1 Kasse 2 Szenario: 2 Kassen

38 Ergebnisse der Simulation 4. Wartezeiten am Mittwoch

39 :15 11:21 11:30 11:38 11:44 11:49 11:57 12:03 12:09 12:15 12:23 12:30 12:38 12:44 12:49 12:53 12:57 13:02 13:07 13:11 13:17 13:26 13:35 13:52 Ergebnisse der Simulation (IV) -2 G&G KE KE-Beilage

40 Ergebnisse der Simulation ( Dienstags-Modell ) 5. Ungleiche Aufteilung G&G : KE = 66% : 33% (z.b. bei SchniPoSa oder Lasagne)

41 :15 11:32 11:45 11:54 12:01 12:10 12:16 12:22 12:28 12:34 12:39 12:43 12:47 12:51 12:55 12:58 13:01 13:04 13:07 13:10 13:13 13:20 13:29 13:43 Ergebnisse der Simulation (V) -20 G&G KE KE-Beilage

42 Ergebnisse der Simulation (6./7.) 6. Drehkreuz für G&G und 7. Führung der Schlangen von KE

43 Ergebnisse der Simulation (6./7.) Linie G&G erhält Drehkreuz (wie an der Uni) Bezahlung erfolgt vor der Essensausgabe Keine Knäuelbildung mehr bei G&G Abgrenzung Wartebereiche für KE Keine Überschneidungen mit Nachbar-Warteschlangen Keine Knäuelbildung mehr bei KE Insgesamt bis zu 40 Personen weniger in Schlange!

44 Ergebnisse der Simulation 8. Vorhalten von Speisen und Getränken

45 :15 11:33 11:43 11:51 12:01 12:09 12:15 12:21 12:25 12:31 12:37 12:42 12:47 12:51 12:56 12:59 13:02 13:05 13:09 13:12 13:14 13:24 13:34 13:52 Ergebnisse der Simulation (8.) -2 G&G Tablett- Rückgabe

46 Simulation (3D-Modell)

47 Fazit (I) Kurze Warteschlangen und zeiten sind möglich! Im Optimalfall am Dienstag nur noch 12 Wartende bei G&G Notwendige Optimierungen / Voraussetzungen: Gerichte und Getränke vorhalten, weniger Extrawünsche Warmhalten der Speisen möglich Drehkreuz-Installation bei G&G Kanalisierung der Besucherströme (auch KE) Keine Lieferengpässe bei Essensausgabe

48 Fazit (II) Vier Kassen werden nicht gebraucht, zwei reichen Personal lieber am Flaschenhals einsetzen Schon einige Sekunden weniger in Essensausgabe lassen Warteschlangen schrumpfen Reicht die Kapazität an Sitzplätzen? Theorie in der Praxis? Modell ausreichend präzis?

49 Fazit (III) - Weitere Optimierungen: Zwei große LED-Tafeln direkt am Eingang Schnelle Auswahlentscheidung Entzerrung der Mittagspause um Uhr (aber wie?; zusätzliche Problematik durch G8) Lastaufteilung zwischen Essenslinien falls zu starker Andrang an einer der beiden Linien Waiting Cam

50 Projekt in der Presse

51 Danke für Ihre Aufmerksamkeit! und: Guten Appetit!

52 Kontakt Hochschule Karlsruhe University of Applied Sciences Moltkestr Karlsruhe Telefon: +49/ Fax: +49/