Schriftenreihe der Universität der Bundeswehr München Band 04. Fakultät für Informatik. Beherrschbarkeit komplexer Systeme

Transkript

1 Schriftenreihe der Universität der Bundeswehr München Band 04 Fakultät für Informatik Beherrschbarkeit komplexer Systeme

2 Neubiberg 18. September 2013 Kolloquienreihe anlässlich des 40-jährigen Jubiläums der Universität der Bundeswehr München 2013 Fakultät für Informatik Beherrschbarkeit komplexer Systeme von mathematisch-formalen Methoden zu Anwendungen Software ersetzt heute vielfach elektromechanische Komponenten in technischen Systemen wie Fahrzeugen oder Gebäuden. Auch in sozialen Systemen schafft der Einsatz von Software neue Möglichkeiten und erlaubt grundlegende Veränderungen. Die zunehmende Komplexität der technischen und soziotechnischen Systeme stellt allerdings große Herausforderungen an deren Beherrschbarkeit. In vier Themenblöcken diskutieren Experten/-innen aus Wissenschaft und Praxis den Beitrag der Informatik zur Beherrschbarkeit solcher Systeme und geben Einblick in aktuelle Herausforderungen und Lösungspotentiale. p Fakultät für Informatik

3 Grußwort der Präsidentin Grußwort der Präsidentin Prof. Dr. Merith Niehuss Sehr geehrte Damen und Herren, im Jahr 2013 feierte die Universität der Bundeswehr München ihr 40-jähriges Bestehen und ich freue mich, dass Sie mit uns an diesem Jubiläumsjahr teilhaben. 40 Jahre im Leben einer Universität erscheinen nicht viel zu sein, dennoch sieht die Universität der Bundeswehr München bereits auf eine ereignisreiche Geschichte zurück. Gegründet im Zuge der gesamtgesellschaftlichen Bildungsoffensive in den frühen 70er Jahren des vergangenen Jahrhunderts eröffnen die Universitäten der Bundeswehr seit 1973 Soldaten, ab 2001 auch weiblichen Soldaten, die Möglichkeit, staatlich voll anerkannte Hochschulabschlüsse zu erwerben. Die akademische Bildung prägt nunmehr das Bild des Offiziers in der Bundeswehr und integriert unsere Alumni erfolgreich in die zivile Gesellschaft, in die der überwiegende Teil bereits in jungen Jahren zurückkehrt. Von Anbeginn richtete die Universität der Bundeswehr München deshalb ihr Augenmerk auf die höchst mögliche Qualität des Studienangebots. Auch der Bologna-Prozess wurde in diesem Sinne an der Universität äußerst erfolgreich genutzt. Im Zuge dessen wurden bestehende Studiengänge modernisiert und neue Forschungsfelder erschlossen. Neue Studiengänge an unserer Universität folgen immer auch neuen Forschungsschwerpunkten. So sind die unmittelbare Forschungsanbindung unserer Studierenden und die Reputation unserer Universität gewährleistet. Als Campusuniversität bieten wir insbesondere in der Vernetzung interdisziplinärer Forschungsansätze ideale Rahmenbedingungen. Wissenschaftlerinnen und Wissenschaftler verschiedener Fakultäten und Fachrichtungen vereinen sich und präsentieren so gemeinsam Spitzenerfolge. Diese Entwicklung gipfelte ab 2012 in der Gründung von vier Forschungszentren, die alle jedem deutschlandweiten Wettbewerb mühelos stand halten: MIRA, MOVE, RISK und CODE. In diesem Sinne war es der Universität der Bundeswehr München ein Anliegen, sich im Jubiläumsjahr auch mit ihrer starken Forschung zu präsentieren. Realisiert wurde dieses Anliegen durch wissenschaftliche Kolloquien der einzelnen Fakultäten zum Thema Innovation und Nachhaltigkeit, die von Mai bis Dezember 2013 stattfanden. Beim Lesen des vorliegenden Bandes der dazu entstandenen Publikationsreihe wünsche ich Ihnen eine angenehme und erhellende Lektüre. Forschungskolloquium 2013 Universität der Bundeswehr München 3

4 Grußwort des Vizepräsidenten Grußwort des Vizepräsidenten für Forschung Prof. Dr. Berthold Färber Innovation und Nachhaltigkeit sind die Leitgedanken der Kolloquienreihe, die die Universität der Bundeswehr München anlässlich ihres 40-jährigen Bestehens veranstaltete. In zehn von den Fakultäten getragenen wissenschaftlichen Symposien wollen wir aufzeigen, wo die Universität der Bundeswehr München 40 Jahre nach ihrer Gründung steht, welche Herausforderungen wir für die Zukunft sehen und wie wir dazu beitragen wollen und können, diese zu meistern. Ein verkürztes Verständnis von Innovationen beschränkt sich meist auf technische Innovationen wie beispielsweise Smart Phones, Elektroautos oder Satellitenkommunikation. Technische Neuerungen bringen jedoch auch Verhaltensänderungen mit sich und umfassen daher auch persönliche und gesellschaftliche Aspekte. Nur wenn technische und gesellschaftliche Weiterentwicklung im Einklang stehen, dient der Fortschritt dem Wohle aller; nur dann gilt, was Richard von Weizsäcker formulierte: Fortschritt ist Veränderung, die wir uns wünschen. Innovationen erfordern Menschen, die unvoreingenommen und kreativ an Probleme heran gehen. Innovationen setzen aber auch grundlegende Kenntnisse und Erfahrungen voraus, die in der Ausbildung vermittelt werden müssen, und sie brauchen Rahmenbedingungen, die ihre Entfaltung fördern. In der engen Zusammenarbeit zwischen Studierenden, Forschenden und Lehrenden entstehen an Universitäten neue Ideen. Gerade kleine Universitäten mit überschaubaren Strukturen und direktem Kontakt zwischen Lehrenden und Studierenden bieten dafür oft ideale Bedingungen. An der Universität der Bundeswehr München schaffen diese Rahmenbedingungen unterstützt durch die interdisziplinäre und fakultätsübergreifende Kooperation von Wissenschaftlern und Wissenschaftlerinnen in den vier Forschungszentren der Universität ein Forschungsumfeld, das den Blick über den Tellerrand ermöglicht, neue Ideen beflügelt und die Umsetzung von Innovationen vorantreibt. Zusammen mit dem Streben nach Verbesserungen leitet der Gedanke der Nachhaltigkeit die universitäre Forschung von jeher. Speziell in der Grundlagenforschung geht und ging es nie um kurzfristige Effekte, sondern stets um die (manchmal mühsame) Weiterentwicklung von Wissen. Nachhaltigkeit in der universitären Lehre bedeutet insbesondere: Wir müssen (und wollen) nachhaltig ausbilden, also nicht nur Wissen, sondern vor allem Kompetenzen vermitteln, die dem Wissensverfall standhalten. Der Leitgedanke der Kolloquienreihe wurde von den Fakultäten im eigenen Sinne ausgelegt. Die entstandene Themenvielfalt gibt die Komplexität der Begriffe Innovation und Nachhaltigkeit wieder: So diskutierten die Veranstaltungen die Realisierbarkeit nachhaltiger Energieversorgung oder die Frage, wie aus Krisen Chancen für eine langfristig positive Entwicklung erwachsen, sie fragten nach Innovationen und Verantwortung in der Luft- und Raumfahrttechnik und beleuchteten Entwicklung und Wandel der globalen gesellschaftlichen Ordnung, um nur einige Beispiele zu nennen. Diese Heterogenität verbildlicht die Freiheit von Forschung und Lehre und die spezifischen Kulturen der Fächer und Fakultäten, die das Selbstverständnis unserer Universität prägen. Gleichzeitig unterstreicht sie die Bedeutung von Innovation und Nachhaltigkeit für die Forschung an der Universität der Bundeswehr München. Gerade im Bereich der Informationstechnologie sind die Innovationszyklen besonders kurz. Innovationen in diesem Bereich verändern unser Leben dramatisch und nachhaltig. Das Kolloquium der Fakultät für Informatik widmete sich der Beherrschbarkeit komplexer Systeme. Neben technischen und sozio-technische Systemen wurden auch der Zusammenhang von Komplexität und Vernetzung sowie die sich aus der zunehmenden Komplexität ergebenden Herausforderungen diskutiert. Die nun vorliegende Publikation beleuchtet die Aufgaben und Herausforderungen, die die Beherrschbarkeit komplexer Systeme für die Informatik mit sich bringt, und zeigt Lösungspotentiale auf. Ich wünsche der Fakultät für Informatik weiterhin Erfolg bei der Bewältigung der Herausforderungen. 4 Fakultät für Informatik

5 Grußwort des Dekans Grußwort des Dekans Prof. Dr. Mark Minas Die Fakultät für Informatik beteiligte sich mit dem Forschungskolloquium unter dem Titel Beherrschbarkeit komplexer Systeme von mathematisch-formalen Methoden zu Anwendungen im Rahmen der Kolloquienreihe Innovation und Nachhaltigkeit an den Feierlichkeiten zum 40-jährigen Bestehen der Universität der Bundeswehr München. In diesem Vorwort will ich kurz verdeutlichen, wie sehr die Beherrschbarkeit komplexer Systeme mit dem Anspruch von Innovation und Nachhaltigkeit in der Informatik zusammenhängt. Wohl kaum eine andere Disziplin ist so stark der ständigen Innovation und dem damit einhergehenden Umbruch sowohl in Technik und Wissenschaft als auch in ihren Auswirkungen auf Leben, Wirtschaft und Gesellschaft unterworfen wie die Informatik. Für jeden sichtbar ist dies am Beispiel des Internets und hier besonders am World Wide Web (WWW), das kaum mehr als 20 Jahre besteht und trotzdem alle Lebensbereiche durchdrungen und verändert hat wie nur wenige Innovationen zuvor. Das ist aber auch in klassischen Anwendungen der Informatik zu sehen. Software ersetzt heute vielfach elektromechanische Komponenten in technischen Systemen wie Fahrzeugen oder Gebäuden. So beinhalten moderne PKW mehr Computer und bei weitem mehr Rechenleistung als die ersten Raumfahrzeuge vor fünfzig Jahren. Auch in sozialen Systemen schafft der Einsatz von Software neue Möglichkeiten und ermöglicht dadurch umfassende Veränderungen wie zum Beispiel die Reduktion von Informationshierarchien in Unternehmen oder eine bessere Bürgerbeteiligung bei demokratischen Verfahren. Die zunehmende Komplexität der mit Informationstechnologie realisierten technischen und soziotechnischen Systeme stellt dabei allerdings große Herausforderungen an deren Beherrschbarkeit. Wie nachhaltig sind aber diese Erfolge und die Auswirkungen der Informatik? Die hohe Innovationsrate führt zwangsläufig zur häufig beklagten Kurzlebigkeit von Lösungen und besonders Kenntnissen der Anwender. Dies und die oftmals mangelnde Fehlerfreiheit informationstechnischer Lösungen hat eine nicht selten ambivalente Einstellung der Nutzer diesen Lösungen gegenüber zur Folge: Einerseits können wir uns heute eine Welt ohne informationstechnische Unterstützung nicht mehr vorstellen und vertrauen auf ihre allgegenwärtige Verfügbarkeit, andererseits wissen wir alle um das Vorhandensein von Fehlern, die ein Misstrauen gegenüber den technischen Lösungen fördern. Nachhaltigkeit kann sich nur einstellen, wenn man solche komplexen technischen und soziotechnischen Systeme beherrscht und die zur Verfügung gestellten Lösungen die notwendige Qualität aufweisen. Die Informatik liefert hierfür eine Vielzahl von Beiträgen; dazu gehören beispielsweise mathematisch-formale Methoden und darauf aufbauend Methoden für Modellierung und Systementwurf. In dem eintägigen Forschungskolloquium wurden an verschiedenen Beispielen komplexer Systeme der Beitrag der Informatik zur Beherrschbarkeit dieser Systeme vorgestellt und diskutiert. Das gemeinsame Thema wurde dabei von verschiedenen Seiten beleuchtet und erlaubte so ein Kennenlernen verschiedener Herausforderungen und auch Hilfsmittel aus dem Baukasten der Informatik. Hierzu haben wir zu vier Themenbereichen jeweils Experten aus Wissenschaft und Praxis eingeladen, die einen Einblick in die Herausforderungen und Lösungspotentiale gaben. Forschungskolloquium 2013 Universität der Bundeswehr München 5

6

7 Inhalt 08 Komplexe Systeme dank Informatik?! Prof. Dr. Michael Koch Fakultät für Informatik, Universität der Bundeswehr München 10 Managing complexity in supply chains: A discussion of current approaches on the example of the semiconductor industry Judith Aelker Institute of Industrial Manufacturing and Management, Universität Stuttgart Prof. Dr.-Ing. Thomas Bauernhansl Fraunhofer Institute for Manufacturing Engineering and Automation, Stuttgart Hans Ehm Infineon Technologies AG, Neubiberg 17 Produktkomplexität beherrschen in PLM mit einem 3-dimensionalen Produktkonfigurationsansatz Dr. Jörg Wirtz Eurocopter Deutschland GmbH 22 Herausforderung Social Business: Unified Communication and Collaboration (UC 2 ) der Weg zum Enterprise 2.0 Markus Bentele Rheinmetall AG 28 Expert Networking in TechnoWeb Dr. Manfred Langen Corporate Technology, Siemens AG, München Dr. Michael Heiss Corporate Technology, Siemens AG, Wien 36 Energieeffiziente Ressourcenverwaltung in IKT-Systemen Prof. em. Dr.-Ing. Dr. h.c. mult. Paul J. Kühn Institut für Kommunikationsnetze und Rechnersysteme, Universität Stuttgart 42 Selbstheilung in Straßennetzen Dr.-Ing. Stefan Lämmer Fakultät Verkehrswissenschaften, Technische Universität Dresden Forschungskolloquium 2013 Universität der Bundeswehr München 7

8 Komplexe Systeme dank Informatik?! Beherrschung von Komplexität dank Informatik Komplexe Systeme dank Informatik?! Prof. Dr. Michael Koch Fakultät für Informatik, Universität der Bundeswehr München Prof. Dr. Michael Koch hat an der TU München Informatik studiert und in dem Fach promoviert. Nach einem Industrieaufenthalt am Xerox Research Centre Europe und folgender Habilitation in Informatik wieder an der TU München lehrt er jetzt an der Universität der Bundeswehr München, wo er die Forschungsgruppe Kooperationssysteme leitet. Seine Schwerpunkte in Forschung und Lehre liegen in der interdisziplinären und praxisorientierten Unterstützung von Zusammenarbeit in Teams, Communities und Netzwerken und dabei speziell in Aspekten der Anforderungsanalyse und Einführung, der Softwarearchitektur sowie ubiquitärer Benutzungsschnittstellen. Der Begriff Komplexität ist ein sehr häufig benutztes Wort in der Informatik aber auch in anderen Disziplinen. Neben klar definierten Verwendungen in der Theoretischen Informatik wird der Begriff dabei insbesondere zur Charakterisierung verschiedener Herausforderungen verwendet in Form von komplexen Systemen, komplexen Zusammenhängen oder komplexen Problemen. Im Duden lässt sich zur Begriffsdefinition nachlesen: Vielschichtigkeit; das Ineinander vieler Merkmale [1]. Etwas ausführlicher wird Komplexität beschrieben als die Eigenschaft eines Systems oder Modells, dessen Gesamtverhalten man selbst dann nicht eindeutig beschreiben kann, wenn man vollständige Information über seine Einzelkomponenten und ihre Wechselwirkungen besitzt. [2] Es liegen also mehr Elemente in einem System vor, als dieses präzise verknüpfen kann. Biedenkopf schreibt in seinem Beitrag Komplexität und Kompliziertheit im Informatik Spektrum [3], dass es sich bei Komplexität um eine Bedingung hochentwickelter Systeme handelt. Jede Steigerung der Leistungsfähigkeit sei mit einer Steigerung der Komplexität verbunden. Ziel von Verbesserungen sollte also nicht eine Senkung der Komplexität sein da damit häufig auch eine Senkung der Leistungsfähigkeit eines Systems einhergeht, sondern die Verbesserung der Handhabung der Komplexität. Biedenkopf spricht hierbei von der einfachen Gestaltung des Managements der Komplexität. Kompliziertheit als negative Seite von Komplexität gilt es dabei zu vermeiden. In den Beiträgen im Forschungskolloquium wurden verschiedene Quellen von Komplexität in Unternehmen thematisiert: Komplexität im Produkt Produkte selbst werden immer komplexer dabei findet Innovation heute vielfach in Software statt Komplexität im (Produkterstellungs-)Prozess die organisatorische Dimension nur mittels Software ist das System beherrschbar Komplexität im sozialen System (das mit der Produkterstellung betraut ist) Software unterstützt hier Kommunikations- und Kooperationsprozesse Im Kontext der Prozesskomplexität berichteten sowohl Herr Ehm von Infineon als auch Herr Wirtz von Eurocopter von sehr komplexen Logistikprozessen. So sind bei Infineon zur Herstellung eines heute allgegenwärtigen Produktes wie eines Halbleiterbausteins mehr als 500 Prozessschritte notwendig, die an zahlreichen, weltweit verteilten internen und externen Standorten erbracht werden. Allein für den internen Materialfluss werden 8 Fakultät für Informatik

9 Michael Koch aktuell mehr als 140 aktive Routen gezählt. Als eine Methode zur Handhabung der Komplexität wird (IT-gestützte) Simulation auf verschiedenen Ebenen genutzt. Bei Eurocopter kommt zu den Herausforderungen des Produktionsprozesses an sich noch ein sehr komplexes Produkt hinzu. Eine große Zahl von möglichen Produktkonfigurationen und eine große Zahl von Partnern, die häufig parallel arbeiten müssen, sorgt dafür, dass die Beantwortung der Frage, was in einem Hubschrauber genau drin ist, wenn er ausgeliefert wird, gar nicht so einfach ist wie Herr Wirtz plastisch darstellen konnte. Interessant war in den beiden Präsentationen von Herrn Ehm und Herrn Wirtz auch die Erkenntnis, dass eine große Herausforderung des Managements der Komplexität auch in der notwendigen Zahl von Informationssystemen zu deren Management liegt also eine Art Meta-Komplexität. Eine komplette Homogenisierung ginge hier über die Investitionsmöglichkeiten einzelner Unternehmen hinaus, wäre also schlichtweg zu teuer, und sei deswegen ausgeschlossen. Auch bei Herrn Bentele von Rheinmetall war die Unmöglichkeit der Homogenisierung der IT-Infrastruktur das Thema. Neben den nicht zu stemmenden Kosten wolle Rheinmetall auch seine Mittelstandsfähigkeiten nicht aufgeben und hat deshalb bei der Informations- und Kommunikationsinfrastruktur auf dem kleinsten gemeinsamen Nenner aufgesetzt. In den eigentlich sehr komplexen Menschen, die es damit in ihren unstrukturierten Prozessen zu unterstützen gilt, sah Herr Bentele nicht das eigentliche Problem. Zwar gibt es Herausforderungen dabei, Pre Baby Boomers und Baby Boomers mit ihrer kognitiven Konditionierung auf die Lösung von Problemen mit den Generationen X und Y mit ihrer kognitiven Konditionierung zur Vernetzung zusammen zu bringen, im Gegensatz zu den Logistikprozessen im ersten Vortragsblock wären die Aktoren hier aber selbst intelligent und würden viele Abstimmungstätigkeiten im Kleinen regeln. Bei Herrn Langen von Siemens war das angesprochene Hauptproblem beim Komplexitätsmanagement die Flut von Daten (Anfragen) bei der Abschaffung von Informationshierarchien. Hier wurde wieder ein klarer Beitrag der Informatik zum Komplexitätsmanagement vorgestellt eine Behebung der Informationsflut durch intelligente Filterung. Interessant war bei allen Praxispräsentationen, dass Komplexität in den diskutierten Beispielen immer mit Netzwerken verbunden war Netzwerke von Prozessschritten, Netzwerke von Produktionsstätten, Netzwerke von Informationsflüssen. Im Zusammenhang mit der Grunddefinition von Komplexität ist das aber nicht besonders verwunderlich. Herr Kühn fokussierte in seinem Beitrag deshalb auch auf Netzwerke diesmal technische Netzwerke. Er stellte die Herausforderungen vor, die Cloud Computing und Smart Grid aufwerfen neue Netzwerke mit neuen Anforderungen an das Management der Komplexität. Die Informatik leistet mittels der Konzepte Abstraktion und Virtualisierung wichtige Beiträge zur Beherrschung solch komplexer Netzwerke. Ein anderes Netzwerk thematisierte Herr Lämmer den Straßenverkehr in Städten. Hier ist der Stand der Technik die Steuerung über Ampelsysteme, welche zentral geplant und gesteuert werden (Stichwort Grüne Welle ). Sein Ansatz stellt dieses komplizierte Vorgehen auf den Kopf und schlägt eine lokale Optimierung über einfache Sensoren und Druckprinzipien anstelle des Versuchs einer globalen Steuerung vor. Neben der Frage, was Komplexität überhaupt ist, stellte sich im Laufe des Forschungskolloquiums auch die Frage, ob Systeme nun nur wegen Informatik komplex sind frei nach dem Motto: Die Informatik löst nur Probleme, die sie selbst geschaffen hat. Hier wurde aber glücklicherweise resümiert, dass (manche) komplexe und effiziente Systeme erst dank Informatik realisierbar und beherrschbar sind. Die Informatik löst also keinesfalls nur Probleme, die sie selbst geschaffen hat, sondern sie erlaubt die effiziente und effektive Behandlung von komplexen Szenarien, die ohne sie nicht behandelbar wären. Insbesondere die Auflösung von Hierarchien in dezentrale Netzwerke wird vielfach erst möglich und beherrschbar dank Informatik. Literaturverzeichnis [1] Duden Online: Komplexität, Letzter Abruf: [2] Härtl, Holden: Implizite Informationen: Sprachliche Ökonomie und interpretative Komplexität bei Verben. Berlin: Akademie-Verlag, 2008, ISBN [3] Biedenkopf, Kurt: Komplexität und Kompliziertheit. Informatik Spektrum 17(2): (1994). Forschungskolloquium 2013 Universität der Bundeswehr München 9

10 Managing complexity in supply chains Managing complexity in supply chains: A discussion of current approaches on the example of the semiconductor industry 1 Judith Aelker Institute of Industrial Manufacturing and Management, University of Stuttgart Judith Aelker works as Research Fellow at the Institute of Industrial Manufacturing and Management of the University of Stuttgart (Germany). She is an external PhD student at Infineon Technologies and specializes in complexity management in the semiconductor supply chain. jka@iff.uni-stuttgart.de Prof. Dr.-Ing. Thomas Bauernhansl Fraunhofer Institute for Manufacturing Engineering and Automation, Stuttgart Prof. Dr.-Ing. Thomas Bauernhansl is head of the Institute of Industrial Manufacturing and Management of the University of Stuttgart and of the Fraunhofer Institute for Manufacturing Engineering and Automation (IPA), both in Stuttgart (Germany). thomas.bauernhansl@ipa.fraunhofer.de Hans Ehm Infineon Technologies AG, Neubiberg Hans Ehm is responsible for supply chain innovations at Infineon Technologies AG. He studied Physics in Germany and is Master of Science in Mechanical Engineering. He has 25 years of experience in the complex Semiconductor Industry at Wafer Fabrication, at Assembly & Test, and for the global Supply Chains. Hans Ehm is Board member of camline Holding AG, an IT company providing software for supply- and quality chains. He is chairman of the European leadership team of the Supply Chain Council. And he teaches Supply Chain Management at different universities. hans.ehm@infineon.com 1 Already published in Proceedings of the Forty Sixth CIRP Conference on Manufacturing Systems 2013, Procedia CIRP, Vol. 7, 2013, pp , Elsevier, 10 Fakultät für Informatik

11 Judith Aelker, Thomas Bauernhansl, Hans Ehm Abstract The aim of this paper is to analyze the state of the art of complexity management in the area of supply chain management. In this regard, the suitability of Complex Adaptive System (CAS) modeling for making complexity-optimizing supply chain decisions is discussed on the example of the semiconductor supply chain. New global markets, lower manufacturing costs, and sourcing activities have led to a global dispersion of supply chains. However, manufacturers have discovered an unpleasant side effect of global manufacturing: Rising complexity. In practice, supply chain managers react intuitively to the complexity of processes, products and IT. This is partly due to the fact that so far, only little effort has been made to develop tools for quantifying supply chain complexity. But supply chain managers are in need of these methods enabling them to make complexity-optimized supply chain decisions. The quantitative impact of complexity its value and its costs has to be effectively calculated to enable supply chain managers to make complexity-optimized supply chain decisions. A promising approach for managing supply chain complexity is the interpretation of a supply chain as a complex adaptive system (CAS). CAS are systems far from equilibrium, characterized by a large number of interacting and evolving agents, who adapt and learn and thus could be able to solve the complexity dilemma. 1. Introduction Scientists and business experts agree that the complexity along the supply chain is high and has increased even further in the recent years. The mounting complexity in products, processes, and companies has been fueled by trends such as globalization, diversity of variants, and declining manufacturing depth along with ever shorter product life cycles [1]. This applies in particular to organizations operating in global value networks. It is evident that competition is no longer fought by single companies but by entire supply chains [2]. Thus, management s emphasis has to amplify from the single enterprise to the entire supply chain, causing a dramatic increase of the perceived complexity for the management. For all involved partners, the increase in the degree of complexity hampers supply chain performance [3]. As the degree of complexity is on the rise, competitive advantage will increasingly derive from complexity management capabilities. Recent studies reveal its potential: In manufacturing companies, costs induced by product and process complexity account for up to 25% of the total expenditure [4]. With regard to earnings, a study conducted by A.T. Kearney states that companies can increase their EBIT by 3-5 % if they start to actively manage complexity [5]. Consequently, there is a strong need to integrate complexity management into supply chain management (SCM). Despite these findings, complexity management is often not yet institutionalized in industry in general and only poorly integrated into SCM up to now [6-7]. Former HP CEO Lew Platt noted as early as 1993 that, in regard to their supply chain, large manufacturing companies are hostage to complexity [8]. Yet even now companies are often not able to manage their supply chains complexity [9]. Supply chain managers react intuitively to this phenomenon. This is partly due to the fact that so far, too little effort has been made to develop tools for quantifying supply chain complexity. The aim of this paper is to point out the need for the measurement and management of supply chain complexity using the example of the semiconductor supply chain. It researches the state of the art of complexity management in supply chains, introduces complex adaptive system modeling as an adequate tool for understanding the emergence of complexity in these systems. The findings from one of the most complex supply chains of the world, the semiconductor supply chain, deliver important insights that can be applied to other manufacturing industries. This paper thereby contributes to the further investigation of practical methods for managing supply chain complexity. 2. Theoretical foundation and subject matter Firstly, in order to discuss the need for complexity management in supply chains, some terms have to be defined. Thereinafter, the focused industry will be succinctly presented. 2.1 Definitions Complexity The definition of complexity itself resembles a complex task. As the term is used in different disciplines and practical applications such as biology, sociology, or systems science, there is neither a universally accepted definition nor a congruent interpretation of complexity. Complexity firstly has to be differentiated from complicatedness, as both terms tend to be confused with one another in everyday speech. We call a system complicated when it is not simple, but is knowable, e.g., a car is a complicated product. But the development of a car is complex; it requires engineering business knowledge in several disciplines, and collaborative work in teams. Details are not fully knowable to each development Forschungskolloquium 2013 Universität der Bundeswehr München 11

12 Managing complexity in supply chains engineer, so there is uncertainty in the system [10]. All elements are massively woven together into an intricate whole. Luhmann offers a basic definition of complexity in this regard, involving the standard notion of a quantitatively defined threshold above which it is not possible for an observer to relate all elements of a system to each other: We will call an interconnected collection of elements complex when, because of immanent constraints in the elements connective capacity, it is no longer possible at any moment to connect every element with every other element [11] Supply Chain Complexity With regard to the complexity of supply chains, Wilding introduced the supply chain complexity triangle (Fig. 1) [12]. He finds that there are three interacting yet independent effects causing the dynamic behavior experienced in supply chains. These are: The amplification of demand (also referred to as the bullwhip effect), parallel interactions occurring at the same tier in a supply network, and deterministic chaos. The latter describes the fact that the supply chain is theoretically predictable, but in practice the non-linear effects of many causes make the system less predictable. It is also extremely sensitive to the initial conditions, so an infinitesimal change to a system variable s initial condition may result in a completely different response. 2. Observing the problems of actors subjectively dealing with complexity, expressing themselves in thinking and behavior patterns, perceptions, decisions, and actions as well as in management and organizational structures, and 3. Integrating different individual measures of dealing with complexity into a synergetic framework Supply Chain Management According to the Supply Chain Council, supply chain management encompasses the effort involved in producing and delivering a final product from the supplier s supplier to the customer s customer [14]. It thus integrates supply and demand management within and across companies. A rather practical definition that better caters to the globally fragmented semiconductor supply chain comes from the Gartner Group, comparing supply chain management to orchestrating a concert of resources to manage the process of creating and fulfilling the market s demand for goods and services [15]. From a complexity perspective, supply chain management encompasses the coordination of many elements that can take over different states and be connected via different relations. A supply chain can thus be interpreted as a system above the threshold at which it is not possible for an observer to relate all elements of a system to each other. 2.2 Semiconductor Industry Figure 1 The Supply Chain Complexity Triangle [12] Complexity Management In general it can be posited that the complexity of a cause-andeffect relationship requires some kind of organization i.e., the management of complexity. Kirchhoff et al. argue that the tasks of complexity management entail [13]: 1. Considering and solving problems resulting from the variety, the range, and the dynamics of internal and external elements and relations of the company and the environment, From airbags via smart phones to power switches for trains and intelligent lightings chips and microcontrollers form the base for a wide variety of products. Driven by the enormous and endlessly expanding role of technology in the world economy, the semiconductor industry has grown to almost $300 billion in 2011 and influences 10% of the world GDP [16]. The process of semiconductor production is one of the most complicated manufacturing processes the world has ever known, which can require more than eight hundred discrete steps [17]. The production process can broadly be divided into two main stages: Firstly, the chip manufacturing stage (front end) and secondly, the assembly, packaging and final testing stage (back end). Due to the complexity of the process, the manufacturing lead time can take up to 16 weeks: The manufacturing of dies requires up to twelve weeks in the front end and four weeks in the back end. 12 Fakultät für Informatik

13 Judith Aelker, Thomas Bauernhansl, Hans Ehm based on the structural characteristics of the layout such as its density, paths, cycles, decision points, redundancy distribution, and magnitude [20]. Figure 2 Fig. 2 illustrates a simplified example of an internal supply chain for semiconductor manufacturing 3. Related Research The existing approaches towards complexity management in supply chains that can be found in literature can be structured into three essential process steps: identifying complexity drivers, measuring and evaluating the existing complexity, and developing strategies for managing complexity, each of which will briefly be explained in the following. 3.1 Types of complexity The first step towards complexity management is the creation of transparency. Therefore, drivers of complexity have to be identified. In the literature, several frameworks for complexity drivers can be found. A common approach for structuring complexity is categorizing it into different types. The most accepted differentiation is between the complexity arising from within a company (internal complexity), and the complexity caused by factors external to the organization (external complexity) [18]. In the semiconductor industry, external complexity for example is caused by specific demands from highly heterogeneous customers, which in turn cause the internal complexity to rise as a portfolio of different products has to be managed. These indices represent important approaches for quantifying complexity. However, methods of the current state of the art do not allow for the measuring of costs and value complexity. There is a general acceptance in the literature that, as in the lean philosophy, complexity should be divided into value-creating and value-destroying complexity [5, 21]. With that transparency, companies can on the one hand implement measures targeting at the development of value-creating complexity, on the other hand they will be enabled to reduce and avoid value-destroying complexity. Complexity creating value for the customer, e.g. a wide product range, can consequently be valued/prized appropriately. 3.3 Complexity Management Strategies The current literature offers primarily basic strategy recommendations or a variety of isolated measures for managing strategy. Early approaches were targeting at the reduction of product complexity by standardization and modularization [22], while today s focus extends to the architecture of the whole organization, including its processes, employees, and IT infrastructure. As a general approach for supply chain management, the complexity strategy matrix by Kaluza et al. shall be mentioned, distinguishing between four different cases for complexity management. They argue that four basic strategies have to be deducted from these four cases, namely, accepting, controlling, reducing and avoiding complexity [3]. 3.2 Quantifying Complexity In addition to identifying complexity drivers, companies need to measure and evaluate complexity, else they do not have any transparency regarding costs, speed and other performance indicators and cannot identify starting points for optimization [9]. Mourtzis et al. introduce a simulation-based approach for modeling complexity for measuring the time-dependent complexity of manufacturing systems while considering uncertainty [19]. Espinoza et al. present an interesting approach for manufacturing layouts, consisting of six complexity indices, Figure 3 Complexity Strategy Matrix Forschungskolloquium 2013 Universität der Bundeswehr München 13

14 Managing complexity in supply chains However, these basic recommendations lack practicability for making supply chain decisions in business life. In this regard, the studies of Noble Prize winner Daniel Kahneman on decision making could be an interesting approach in the course of examining complexity in supply chains. His work does not view economic agents as rational human beings, but rather as living, feeling, emotional human beings who sometimes make mistakes and thereby increase complexity in systems [23]. 4. Complexity in the Semiconductor Supply Chain After giving a short introduction into the semiconductor industry and the field of supply chain complexity management in general, we will point out why the semiconductor supply chain is a prime example of a highly complex supply chain. Research at Intel investigating the match between actual call off and the actual forecast estimated that supply and demand were in equilibrium for 35 minutes in the last ten years [12]. This non-synchronization of supply and demand, displaying itself in larger and larger swings in inventory in response to changes in demand, is referred to as the bullwhip effect [24] and is a critical challenge within the semiconductor supply chain. The enormous amplitude of the bullwhip effect indicates uncertainty and opacity, which, in turn, result from the prevailing complexity of the semiconductor supply chain. Due to its inherent complexity, the semiconductor manu facturing process described in 2.2 is a promising practical object of study. It is usually performed by different companies and divisions spread across the globe. Wafer fabrication in Germany, with certain process steps carried out in Malaysia, grinding in Austria, assembly in South Korea and final test in Singapore this is a real life example of the process of manufacturing a successful chip. We can identify many interfaces in this chain various partners searching for their own local optima are involved, material, information and financial flows across various continents, cultures, customs and time zones have to be organized. The globalization of the supply chain especially the different possible combinations of sources at different stages of the manufacturing process can be categorized as an external complexity driver. In Fig. 4, an industry example shows the consequences for internal complexity. In the given example, the product can take several routes after sorting, whereupon multiple assembly sites are available. Each supply chain scenario has to be managed, and a change in one scenario can impact the capacity of another scenario. 5. Simulating semiconductor supply chain complexity as complex adaptive systems The key challenge in designing supply chains lies in reverse engineering, i.e. determining which individual actions lead to a change in complexity. The more complex the supply chain is, the more difficult it is to configure it [25]. We therefore consider a sound understanding of the relations between individual actions and complexity as a crucial intermediate step before developing complexity management strategies as highlighted in 3.3. Simulations have proven to be the primary tool for investigating, designing and optimizing systems that are difficult to understand due to the behavior of the whole system. They are, therefore, the most logical and perhaps important vehicle to study these systems objectively. However, only a few approaches have used simulations for understanding supply chain com- Figure 4 Internal Complexity: A multitude of possible supply chain configurations 14 Fakultät für Informatik

15 Judith Aelker, Thomas Bauernhansl, Hans Ehm Table 1: Semiconductor Supply Chain Examples as CAS Criteria CAS criteria Definition Semiconductor supply chain criteria Self organization and emergence Dynamism Co-Evolution: Quasi-equilibrium and state change Non-linear changes Non-random future Patterns are created through simultaneous and parallel actions of multiple agents. Changes are constant and interdependent. Attractors are sensitive to change as the CAS is pulled away towards a far-from-equilibrium state. There is lack of linear corelation between causes and effects (Butterfly effect). Common patterns of behavior are observable. The supply chain emerges with not one firm deliberately organizing and controlling it, but new patterns emerge by the collaboration of all partners from wafer fab to final test. Incomplete information, e.g. about supplier s stock, does lead to local decisions. Changing a subcontractor shapes a new supplier base, new product introduction and product phase outs, change management for cost reduction with complex customer agreements are daily business. The system is most of the time in change state, i.e. in up- or in downturn. Short product life cycles lead to frequent changes between ramp up and ramp down of production lines. Low forecast accuracy at all levels can lead to massive efforts along different supply chain steps. So, the misplanning of only 100 parts can lead to linedowns at automotive OEMs. Future cannot be predicted, but some patterns are repeated,, e.g. the bullwhip effect: Overplanning and undersupply alternate regularly. plexity thus far [26]. At first glance, a supply chain is a system that includes elements, relations, and different states as defined in Choi et al. extend this interpretation by posting that supply chains are not only mere systems, but complex adaptive systems (CAS): They are emerging, self-organizing, dynamic, and evolving. CAS was developed by John Holland and Murray Gell-Mann of the Santa Fe Institute with the aim of understanding interdisciplinary, complex, contemporary problems such as predicting changes in global trade as well as the evolution of biological cells [27]. The concept of complexity allows us to understand how supply chains co-evolve as living systems, and it can help us to identify the patterns that arise in such evolution. As complexity theory augments traditional systems theory (i.e. by emphasizing time and change), it can be used to help us to recognize change within the companies in the supply chain, change within the market, change within the inter-relationships among firms within the supply chain, and changes in the environment [9, 28]. Research has shown that, after identifying and evaluating complexity, simulations are the most adequate tool for investigating and understanding the complexity relationships of a supply chain. The idea of simulating supply chains as complex adaptive systems has already been introduced by Choi et al. We do find the characteristics differentiating CAS from traditional systems self-organization and emergence, dynamism, and co-evolution as essential properties of the semiconductor supply chain. Table 1 shows how distinctive criteria of complex adaptive systems can be found in practical applications of the semiconductor supply chain. This understanding coincides as well with the concept of the fractal company, according to which the manufacturing corporation of the future will consist of autonomous identities organized in a network. These function as service enterprises to the others; and self-similarity, self-organization and dynamics are the principles from which they will draw their models [29]. By modeling supply chain complexity via interpretation of the supply chain as a CAS, an approach from complexity theory can be used to investigate and better understand the effects of behavioral patterns on supply chain complexity. It will allow us to conduct systematic testing of the structure and operation of this supply chain s behavioral patterns and properties for a multitude of conditions and scenarios in order to identify alternative flexible supply chain configurations, as well as adequate strategies and measures for their management, both on a local and a global level [30]. CAS can help us to optimize decision making: By identifying patterns and developing algorithms, we can identify which decisions should be made by human beings, and which decisions should rather be automated. Therefore, these findings will further be useful for the development of cyberphysical systems (CPS), i.e. the integration of computation and physical processes, which is becoming increasingly important in the course of the forth industrial revolution [31]. Forschungskolloquium 2013 Universität der Bundeswehr München 15

16 Managing complexity in supply chains 6. Results First research results have shown that due to global trends, there is an increasing need to integrate complexity management into supply chain management. However, complexity management is not yet institutionalized in companies. There are some promising approaches for quantifying complexity, but identifying the value and the costs of complexity remains a challenge that needs further research. CAS modeling is a promising approach that enables us to investigate, better understand, design and capitalize on complexity. Simulation offers potential for us to deduct more practicable strategies for better complexity management decisions on a strategic, tactical and operational level. Further research will be needed to define more practicable measures and strategies for deriving complexity-optimized supply chain decisions. References [1] Beinhocker, E., Managing in a complex world. The McKinsey Quarterly 05/2007, p. 4. [2] Lee, H. L., Matching supply and demand with sensible sense and responsive response, SCM World Live: RaptureWorld webinar. [3] Kaluza, B., Bliem, H., Winkler, H., Strategies and Metrics for Complexity Management in Supply Chains, in: Complexity management in supply chains T. Blecker, W. Kersten, Editors, Erich Schmidt, Berlin, p [4] Steinhilper, R., Westermann, H.-H., Butzer, S., Haumann, M., Seifert, S., Komplexität messbar machen. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb 107, p [5] Scheiter, S., Scheel, O., Klink, G., How Much Does Complexity Really Cost? AT Kearney, Düsseldorf, p. 1. [6] Capgemini Manufacturing in Envisioning a Future Characterised by Increased Internationalisation, Collaboration and Complexity. [7] Childerhouse, P., Towill, D Reducing uncertainty in European supply chains. Journal of Manufacturing Technology Mgmt., p [8] Davis, T., Effective Supply Chain Management. Sloan Management Review 1993, p. 35. [9] Takach, J., Five Priorities for Supply Chain Success. Supply Chain Management Review 09/ , p. 6. [10] ElMaraghy, W., ElMaraghy, H., Tomiyama, T., Monostori, L., Complexity in engineering design and manufacturing. CIRP Annals - Manufacturing Technology 61, p [11] Luhmann, N Social systems, Stanford University Press, p. 24. [12] Wilding, R The supply chain complexity triangle: Uncertainty generation in the supply chain, International Journal of Physical Distribution & Logistics Management, 28, 8, p [13] Kirchhof, R.; Sprecht, D Ganzheitliches Komplexitätsmanagement - Grundlagen und Methodik des Umgangs mit Komplexität im Unternehmen, Dt. Univ.-Verl., p. 3. [14] Larson, P., Supply Chain Management: Definition, Growth and Approaches. Journal of Marketing Theory and Practice 6, 4, p. 1. [15] Gartner Group, retrieved on [16] European Semiconductor Industry Association, Die europäische Halbleiterindustrie: Bericht zur Wettbewerbsfähigkeit, p. 3. [17] Gerschberger, Markus, Komplexität in Unternehmensnetzwerken, p. 3. [18] Blecker, T., Friedrich, G., Mass Customization. Concepts Tools Realization. Proceedings of the International Mass Customization Meeting 2005, Gito, p. 48. [19] Mourtzis, D., Doukas, M., Psarommatis, F., A multi-criteria evaluation of centralized and decentralized production networks in a highly customer-driven environment, CIRP Annals - Manufacturing Technology, Volume 61, Issue 1, pp [20] Espinoza, V., ElMaraghy, T., AlGeddawy, T., Samy, S.N., Proceedings of the 4th CIRP Conference on Assembly Technologies and Systems 2012, Michigan, p [21] Denk, R., Pfneissl, R., Komplexität und Komplexitätsmanagement, p. 24. [22] Schuh, G., Produktkomplexität managen. Strategien - Methoden - Tools. Carl Hanser, München. [23] Kiel Institute for the World Economy, global-economy-prize/global-economy-prize-2012/daniel-kahneman, retrieved on [24] Schönsleben, Paul, Integrales Logistikmanagement, Springer, Berlin, p [25] Surana, A., Kumara, S., Greaves, M., Raghavan, U. N., Supply-chain networks: a complex adaptive systems perspective, International Journal of Production Research 43, p [26] Smirnov, A. Shilov, N., Kashevnik, A., Analysing Supply Chain Complexity via Agent-based Negotiation, in: Complexity management in supply chains, T. Blecker, W. Kersten, Editors, Erich Schmidt, Berlin, p. 52. [27] Holland, J. H., Studying Complex Adaptive Systems, Journal of Systems Science and Complexity, p. 1. [28] Choi, T. Y., Dooley, K. J., Rungtusanatham, M., Supply networks and complex adaptive systems: control versus emergence, Journal of Operations Management 3, p [29] Warnecke, H.-J., Die fraktale Fabrik. Revolution der Unternehmenskultur. Rowohlt, Reinbek, p [30] Saiz, E., Castellano, E., Besga, J., Zugasti, I. Eizaguirre, F., Global and Flexible Supply Networks Modelling and Simulation, in Complexity management in supply chains, T Blecker, W. Kersten, Editors, Erich Schmidt, Berlin, p [31] Bauernhansl, T., 2012: Industrie 4.0: Das Ende der Kontrolle. Produktion, 50, 2012, p Fakultät für Informatik

17 Jörg Wirtz Produktkomplexität beherrschen in PLM mit einem 3-dimensionalen Produktkonfigurationsansatz Dr. Jörg Wirtz Eurocopter Deutschland GmbH Jörg Wirtz hat Maschinenbau an der Technischen Universität Darmstadt studiert und danach zwischen 1996 und 2000 als Wissenschaftlicher Mitarbeiter an der Technischen Universität München promoviert. Nach Abschluss seiner Promotion startete er 2001 als Manager für Product Data Management (PDM) bei EADS übernahm er im Unternehmensbereich Cassidian im IT-Bereich die Leitung des Competence Centers für Supply Chain Management & Manufacturing Systems. Das Competence Center war dabei verantwortlich für die Entwicklung und den Betrieb aller Software im Zusammenhang mit der Produktion und dem Supply Chain Management. Seit 2012 arbeitet Jörg Wirtz als Chief Engineer Product Lifecycle Management im Unternehmensbereich EUROCOPTER der EADS. In dieser Position ist er verantwortlich für die Entwicklung der PLM-Vision und -Roadmap für EUROCOPTER und verantwortet mit seinem Expertenteam die Sicherstellung von Qualität und Fokussierung des PLM-Designs in allen PLM-Projekten Integrierte Entwicklungsprozesse & PLM - Die Vision In den letzten Jahren hat EUROCOPTER massive Anstrengungen unternommen, seine Entwicklungsprozesse zu optimieren, um seine Wettbewerbsfähigkeit zu verbessern und damit seine Marktposition als Weltmarktführer im Hubschrauberbau zu verteidigen und auszubauen. Wesentliches Merkmal des neuen EUROCOPTER-Entwicklungsprozesses ist das Concurrent Engineering aller beteiligten Bereiche: Produktentwicklung (Design), Produktionsentwicklung (Industry/Supply Chain) und Produktbetreuung (Integrated Logistic Support ILS). Die zeitgleiche arbeitsteilige Zusammenarbeit aller Bereiche stellt dabei hohe Anforderungen an die Bereitstellung von Produktdaten. Die Herausforderung dabei ist, dass obwohl Tausende von Kollegen zeitgleich neue Datensätze zur Produktdefinition erzeugen, alle stets auf einen konsistenten und letztgültigen Datenstand aufsetzen. Als ein Beispiel ist sicherzustellen, dass das aktuelle Prozess-Design der Hubschrauberendmontage zusammenpasst mit dem letzten Produktdesign. Neben diesem offensichtlichen Beispiel ist aber genauso sicher zustellen, dass die aktuelle Benutzeranleitung (Technical Publication) des Hubschraubers und auch die Ersatzteillisten (die genauso Teil der zulassungsrelevanten Produktdokumentation sind wie 3D-CAD-Modelle und Zeichnungen) konsistent gehalten werden mit dem letzten Stand der Bauunterlagen. Um diese Anforderungen sicherzustellen, kommen zum einen Methoden des Konfigurationsmanagement [1] und zum anderen Methoden und Werkzeuge des Product Lifecycle Management zum Einsatz. Aus Erfahrungen mit dem A380 erkannte der EADS-Konzern die strategische Bedeutung des PLM-Ansatzes und etablierte in 2006 das Projekt Phenix zur Harmonisierung der PLM-Systeme und -Konzepte im EADS-Konzern. Im Jahre 2008 startete EUROCOPTER das EUROCOPTER Phenix Program (EPP) zur Umsetzung des Phenix-Ansatzes bei EUROCOPTER. Seit 2008 hat EPP verschiedene Projekte gestartet, um die neuen Helicopter Programme mit einem durchgehenden PLM zu unterstützen und damit die gesetzten Unternehmensziele von verkürzten Entwicklungszeiten durch Concurrent Engineering und integriertes Forschungskolloquium 2013 Universität der Bundeswehr München 17

18 Produktkomplexität beherrschen in PLM mit einem 3-dimensionalen Produktkonfigurationsansatz Abbildung 1 Vision der EUROCOPTER PLM-Architektur Model based Engineering und Reduzierung der Lieferzeiten durch Optimierung des Variantenmanagements zu erreichen. Die Vision ist, diese Ziele für neue Helicopter Progamme zu erreichen, indem die Produktmodelldaten aller Lebenszyklusphasen über die integrierte Produktstruktur verwaltet und damit in einen domänen-übergreifenden Kontext gebracht werden (siehe Abb. 1) durch Abbildung der Prozessabhängigkeiten in sogenannte Traceability-Links [1,2]. 2. Neue Konzepte im Konfigurationsmanagement Eine wesentliche Herausforderung zur Erreichung dieser Vision ergibt sich dabei aus der Beherrschung der Komplexität des Produkts und der vielfältigen Produktdaten. Zur Beherrschung dieser Komplexität werden im Luftfahrzeugbau seit Jahrzehnten Methoden und Prozesse des Konfigurationsmanagement eingesetzt [3]. Im Folgenden werden einige neue Betrachtungen und Ansätze diskutiert. Eine wesentliche Aufgabe des Konfigurationsmanagement ist es, mit Hilfe des Änderungswesens die sukzessive Evolution der Produktdefinition in nachvollziehbaren Ständen zu kontrollieren und zu dokumentieren. Dabei werden Änderungsträger und resultierende Produktdaten sogenannten Gültigkeiten zugeordnet als Referenz der Anwendbarkeit der Produktdaten für bestimmte Produktionslose oder Produktionszeiträume (vgl. [4]). Durch diese direkte Kopplung der Entwicklungsreferenzen und damit Entwicklungsziele an die sich ständig ändernden Produktionsund Auftragslagen entstehen jedoch eine eigentlich unnötige Unruhe und Änderungsaufwand in der Konstruktion. Ändert sich die Fertigungsreihenfolge oder kommen neue Kundenaufträge hinzu, müssen die Anwendbarkeit der betroffenen Produktdaten erweitert und im ungünstigsten Fall sogar Bauunterlagen angepasst werden. Durch die Definition eines funktionalen Entwicklungsziels als Referenz der Produktdaten (Functional Product Configuration) und eine spätere Zuweisung einer solchen funktionalen Referenz zu Produktions-/Auftragszielen kann eine wirksame Entkopplung und damit Stabilisierung der Entwicklungsarbeit erreicht werden (siehe Abb. 2). 2.1 Management der funktionalen Evolution des Produkts: Functional Product Configuration Abbildung 2 Das Konzept der Functional Product Configuration FPC 2.2 Management der Produktvarianz: Favorite Configuration Ein weiterer wichtiger Aspekt des Konfigurationsmanagements ist die Verwaltung der Varianten des Produkts. Im Gegensatz zur 18 Fakultät für Informatik

19 Jörg Wirtz Produktevolution, welche die kontinuierliche Fortschreibung des Produkts durch Versionierung und Re-Identifikation beschreibt, behandelt die Variantenbildung die Entstehung alternativer oder ergänzender Produktkomponenten. auswirken, so z.b. die Abhängigkeit, dass für den Wüsteneinsatz ein Sandfilter für das Triebwerk benötigt wird. In Bezug auf eine effiziente Supply Chain wird es dabei immer wichtiger, anstelle fortwährender Kundenanpassungen die Kundenanforderungen durch einen festgelegten Satz von Kundenoptionen zu erfüllen, um so die Beschaffung und Endmontage zu stabilisieren. Bei EUROCOPTER wird dieses Konzept unter der Projektbezeichnung Favorite Configuration zusammengefasst (siehe Abb. 3). Abbildung 4 Technische Abhängigkeiten im Hubschrauber 3. Drei Dimensionen zum Produkt-Varianten-Management: Varianten, Kombinatorik und Evolutionen Abbildung 3 Favorite Product Configuration bei EUROCOPTER 2.3 Management der Produktkombinatorik Die vorigen Abschnitte zusammenfassend kann man festhalten, dass sich die für einen Kundenauftrag eindeutige Produktkonfiguration (die Helicopter Product Configuration) aus Produktdaten (z.b. Stücklisten) aus einem Raum ergibt, der aus den drei Dimensionen Produktevolution, Produktvarianz und schließlich Produktkombinatorik gespannt wird (siehe Abb. 5). Eine weitere Herausforderung für das Konfigurationsmanagement und damit für die Beherrschung der Komplexität des Produkts stellt die Produktkombinatorik dar. Bei der Produktkombinatorik handelt es sich um Prozesse und Methoden, die die Konsistenz des Gesamtproduktes sicherstellen durch die Verwaltung von Abhängigkeiten und Unverträglichkeiten zwischen Produktkomponenten. Ein Beispiel für eine Unverträglichkeit zwischen Produktkomponenten im Hubschrauber ist z.b., dass die große Rettungswinde nicht mit der großen Landekufe zusammen passt, da sonst das Windenseil mit der Kufe kollidiert. Ein Beispiel für eine zwingende Abhängigkeit stellt z.b. die Bedingung dar, dass für die Installation der Wasserschwimmer das große Landewerk notwendig ist (siehe Abb. 4). Solche zwingenden Abhängigkeiten ergeben sich vor allem auch zwischen Software-Komponenten und Hardware-Komponenten. Auch das Einsatzumfeld kann sich durch kombinatorische Regeln auf die Produktkonfiguration Abbildung 5 Drei Dimensionen der Produktkonfiguration Forschungskolloquium 2013 Universität der Bundeswehr München 19

20 Produktkomplexität beherrschen in PLM mit einem 3-dimensionalen Produktkonfigurationsansatz Beispiele für die formale Erfassung von funktionalen Baselines sind z.b die initiale funktionale Konfiguration bei der Typenzertifizierung (initial operational capability - IOC) oder die funktionale Konfiguration nach der ersten Reichweitensteigerung durch ein stärkeres Triebwerk. Durch den Kunden zu bestimmende Produktvarianz betrifft zum einen das grundsätzliche Missionsprofil (z.b. Search and Rescue: SAR) und zum anderen zu wählende Ausstattungsdetails wie z.b. welche Rettungswinde und welches Avionik-Paket. Die eindeutige Produktkonfiguration (HPC) lässt sich dann in Ausdrücken der Mengenlehre wie folgt definieren: F = die Menge aller Produktdaten, die einer funktionalen Baseline zugeordnet sind. V = die Menge aller Produktdaten, die einer identifizierten Produktvarianz zugeordnet sind, und Vcomb = die Menge aller Produktdaten einer Produktvarianz nach Anwendung der Produktkombinatorikregeln (Eliminierung aller unverträglichen Produktkomponenten und Einbeziehung aller abhängigen Produktkomponenten). HPC = F Vcomb, d.h. dass sich die eindeutige Produktkonfiguration HPC als Schnittmenge der Menge F einer FPC zugeordneten Produktdaten und der Menge Vcomb der kombinatorikbereinigten Produktdaten einer ausgewählten Produktvarianz ergeben. Die Berechnung einer spezifischen Stückliste (HPC) aus Entwicklungsdaten über diese drei Dimensionen erfordert einen komplexen Algorithmus. 4. Umsetzung des Varianten-Managements im Eurocopter PLM-System In diesem letzten Abschnitt soll die prototypische Umsetzung des vorgestellten Ansatzes des Konfigurationsmanagement in drei Dimensionen vorgestellt und diskutiert werden. Zur Identifizierung und Management der Varianz des Produkts werden die Informationsobjekte Catalogue Sheet Item (CSI) und Neutral Product Component (NPC) eingeführt (s. Abb. 6). Bei den CSI s handelt es sich um die Identifizierung von Auswahlmerkmalen für den Hubschrauber, den der Kunde bestellt. Der Kunde wählt dabei aus Optionen aus dem sogenannten Kundenkatalog aus. Die Summe der ausgewählten Kundenoptionen (CSI) bildet dann die Leistungsbeschreibung des Kundenauftrags. Da es aber weder sinnvoll ist, die angesprochene technische Kombinatorik auf der Ebene der Kundenoptionen (CSI s) noch auf der Ebene der detaillierten Stücklisten zu verwalten, wurde eine Ebene dazwischen eingeführt mit den sogenannten Neutralen Produktkomponenten (NPC s). NPC s sind vom Einsatz und der Bedeutung vergleichbar mit den Product Components von STEP AP214 (vgl. [4]). Das Informationsobjekt Functional Product Configuration wurde oben bereits eingeführt. In den folgenden zwei Abbildungen (Abb. 7 und Abb. 8) wird in zwei Bildschirmabzügen die Umsetzung des vorgestellten Konfigurations Management-Ansatzes im Product Lifecycle Management (PLM) System von EUROCOPTER dargestellt. Der erste Bildschirmabzug (Abb. 7) zeigt dabei auf der linken Seite die Umsetzung der CSI-NPC-Datenstruktur zu Steuerung der Produktvarianz und auf der rechten Seite die Abbildung des Managements der Produktkombinatorik mit technischen exclude rules und include rules. Auf dem zweiten Bildschirmabzug wird nun die Auswahlmaske dargestellt für die kombinierte Filterung aller Hubschrauberstücklisten einer Produktstruktur gemäß einer ausgewählten Functional Product Configuration (FPC) und gleichzeitig gemäß der ausgewählten Kundenoptionen (CSI s) und den zugeordneten Neutralen Produktkomponenten (NPC) unter Berücksichtigung aller include/exclude Regeln. Die aus dieser Filterung ermittelten Stücklisten gemäß der Festlegung der Parameter aller drei Konfigurationsdimensionen stellen dann genau eine Helicopter Product Configuration (HPC) dar. Damit konnte die Realisierbarkeit des Ansatzes nachgewiesen werden. 5. Fazit und Ausblick Abbildung 6 Informationsobjekte des EUROCOPTER Prototyps zur dreidimensionalen Produktkonfiguration Konfigurationsmanagement im Hubschrauberbau ist komplex, bedingt zum einen durch die technische Komplexität des technischen Systems Hubschrauber, die Anzahl der Komponenten und deren zahlreiche technische Abhängigkeiten und zum anderen durch die Komplexität der arbeitsteiligen Kollaboration. Der Artikel greift diese Problematik auf und stellt einen Ansatz dar, 20 Fakultät für Informatik