Helmut E. Zsifkovits, Susanne Altendorfer-Kaiser (Hrsg.): Logistische Modellierung. 2. Wissenschaftlicher Industrielogistik-Dialog in Leoben (WilD)

Transkript

1 Helmut E. Zsifkovits, Susanne Altendorfer-Kaiser (Hrsg.): Logistische Modellierung. 2. Wissenschaftlicher Industrielogistik-Dialog in Leoben (WilD) Rainer Hampp Verlag, München u. Mering 2014, 216 S., ISBN (print), ISBN (e-book pdf), Der vorliegende Band entstand aus den Beiträgen zum 2. Wissenschaftlichen Industrielogistik-Dialog in Leoben. Die thematischen Schwerpunkte des Kongresses sind die Modellierung von Produktionssystemen, Modellierungsbeispiele und Softwareprototypen aus dem Bereich der Transportlogistik, Prognosemethoden und Strukturmodelle für die Logistik sowie Technologien in Informationsfluss und Automatisierung. Die Beiträge wurden von einem international besetzten Programmkomitee bewertet und ausgewählt. Durch die Auswahl der Autoren konnte sowohl die Perspektive der logistischen Forschung wie auch der betrieblichen Umsetzung eingebracht werden. Schlüsselwörter: Modellierung von logistischen Systemen und Prozessen, Prognosemethoden, Kooperationsmodelle Univ.-Prof. Dr. Helmut E. Zsifkovits wurde 1960 in Graz geboren. Nach dem Studium der Betriebswirtschaftslehre (Karl-Franzens-Universität Graz) war er als Universitätsassistent, Geschäftsführer (Systemlogistik GmbH & Co KG) und Projektleiter (UBG - DaimlerChrysler AG) tätig. Seit 2008 ist er Leiter des Lehrstuhls für Industrielogistik an der Montanuniversität Leoben. Arbeitsschwerpunkte sind Produktionslogistik, Materialflusssteuerung und Variantenmanagement. Ass.-Prof. Dr. Susanne Altendorfer-Kaiser wurde 1983 in Graz geboren. Nach ihrem Studium der Wirtschaftsinformatik (FH JOANNEUM, Universität Salzburg) arbeitete sie in verschiedenen Industrieunternehmen in der IT und Telematik Branche. Seit 2011 ist sie am Lehrstuhl Industrielogistik beschäftigt. Arbeitsschwerpunkte sind Informationslogistik, Prozessmanagement und IT-Einsatz.

2

3 Helmut E. Zsifkovits, Susanne Altendorfer-Kaiser (Hrsg.) Logistische Modellierung 2. Wissenschaftlicher Industrielogistik-Dialog in Leoben (WilD) Rainer Hampp Verlag München, Mering 2014

4 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar. ISBN (print) ISBN (e-book) ISBN-A/DOI / Auflage, Rainer Hampp Verlag München und Mering Marktplatz 5 D Mering Alle Rechte vorbehalten. Dieses Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne schriftliche Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Mikroverfilmungen, Übersetzungen und die Einspeicherung in elektronische Systeme. Dieses Buch ist auf säurefreiem und chlorfrei gebleichtem Papier gedruckt. Liebe Leserinnen und Leser! Wir wollen Ihnen ein gutes Buch liefern. Wenn Sie aus irgendwelchen Gründen nicht zufrieden sind, wenden Sie sich bitte an uns.

5 Vorwort Logistische Planung und Steuerung benötigt die Modellierung und Simulation reeller Systeme. Die Modelle sollen dabei helfen, Strukturen und Flüsse zu visualisieren und damit Komplexität darzustellen bzw. zu reduzieren. Die Logistische Modellierung umfaßt dabei ein breites Spektrum an Ansätzen und Disziplinen. Der vorliegende Band entstand aus den Beiträgen zum 2. Wissenschaftlichen Industrielogistik-Dialog in Leoben. Die thematischen Schwerpunkte des Kongresses sind die Modellierung von Produktionssystemen, Modellierungsbeispiele und Softwareprototypen aus dem Bereich der Transportlogistik, Prognosemethoden und Strukturmodelle für die Logistik sowie Technologien in Informationsfluss und Automatisierung. Durch die Auswahl der Autoren konnte sowohl die Perspektive der logistischen Forschung wie auch der betrieblichen Umsetzung eingebracht werden. Einige der Beiträge behandeln Techniken der Modellierung und Optimierung im logistischen Umfeld, im Bereich der operativen Produktionsplanung (Wolfsgruber) und der innerbetrieblichen Logistiksysteme (Brunner, Gabriel, Mayer). Die Modellierung von logistischen Prozessen und Entwicklung von Modellen zur Simulation wird in Beiträgen zu Zielzuständen (Sunk, Nemeth, Edtmayr, Sihn, Kuhlang), interaktiven Simulationstools (Bohács, Rinkács, Gyimesi), Simulation mit einem Echelon-Ansatz (Gössler), Unterstützung des Angebotsprozesses durch ein entsprechendes Produktionsmodell (Borenich, Greistorfer, Reimann, Schafler, Unzeitig) und Prozessen in der Tunnelbaulogistik (Judmaier, Zsifkovits) adressiert. Das Thema Multimodaler Transport wird in Beiträgen über Slot-Zuteilungsmodelle für See-Schiene-Transportdienstleister (Kayikci) und die Entwicklung eines Softwareprototyps für Online-Frachtenbörsen (Föhring, Zelewski) behandelt. Konzepte und Modelle der logistischen Planung und Steuerung werden in Beiträgen zu Produktionskennlinien (Samac), Prognosemethoden (Woschank, Zsifkovits) und den Strukturmodellen des Informationsmanagements (Altendorfer-Kaiser) diskutiert. Weitere Beiträge sind modularen Energiemanagementlösungen (Maasen, Roscher, Kern) und simulationsgestützten Logistik-Controlling-Planspielen (Traar, Gram) gewidmet. Den Autoren sei an dieser Stelle für die fundierten und qualitativ hochwertigen Beiträge gedankt, für die Impulse und innovativen Konzepte, die sie vermitteln. Leoben, im September 2014 Helmut E. Zsifkovits Susanne Altendorfer-Kaiser

6 II Vorwort Die Beiträge wurden von einem international besetzten Programmkomitee bewertet und ausgewählt, dem an dieser Stelle ein besonderer Dank gilt. - Univ.-Prof. Dr. Hubert Biedermann (Lehrstuhl für Wirtschafts- und Betriebswissenschaften, Montanuniversität Leoben) - Prof. Dr. Josef Decker (Kühne Stiftungs-Professur für Methoden und Prozesse in der Logistik, Hochschule für Internationale Wirtschaft und Logistik, Bremen) - Univ.-Prof. Dr. Werner Jammernegg (Institut für Produktionsmanagement, Wirtschaftsuniversität Wien) - Univ.-Prof. Dr. Dirk Jodin (Institut für Technische Logistik, Technische Universität Graz) - Univ.-Prof. Dr. Michael Schenk (Institut für Logistik und Materialflusstechnik, Otto-von-Guericke-Universität Magdeburg) - Prof. Dr. Volker Stich (FIR e.v. an der RWTH Aachen) - Univ.-Prof. Dr. Siegfried Vössner (Institut für Maschinenbau- und Betriebsinformatik, TU Graz) Hinweis: Bei allen Bezeichnungen, die auf Personen bezogen sind, meint die gewählte Formulierung beide Geschlechter, auch wenn aus Gründen der leichteren Lesbarkeit die männliche Form steht.

7 Inhaltsverzeichnis Vorwort... I Inhaltsverzeichnis... III Autorenverzeichnis... V Simulation und Optimierung in der operativen Produktionsplanung... 1 Modellierung logistischer Prozesse als Grundlage systematischer Verbesserungsarbeit mit Zielzuständen Anwendungen und Entwicklungspotentiale von Produktionskennlinien sowie Grenzen bei deren Einsatz Entwicklung eines interaktiven Simulationstools für die Unterstützung adaptiver Modellierung Unterstützung des Angebotsprozesses eines Automobilzulieferers durch ein Produktionsmodell mit mehreren Gewerken Aufbau eines dedizierten Lastmanagementfunktions-bausteins für modulare Energiemanagementlösungen in produzierenden Unternehmen Logistik-Controlling-Planspiel auf Basis des Simulationsmodells der WBW Modellfirma Prozessstandardisierung in der Tunnelbaulogistik Strukturmodelle des Informationsmanagement als Grundlage für die Informationslogistik Der Einsatz von Prognosemethoden in der Logistik: Eine Metaanalye von theoretischen Konzepten und ausgewählten empirischen Befunden PAYS ein kooperatives Slot-Zuteilungsmodell für Multimodale See-Schiene- Transportdienstleister

8 IV Inhaltsverzeichnis ORFE: Online Rail Freight Exchange Vorstellung des Softwareprototyps einer Online-Frachtenbörse zur Konfiguration multimodaler Supply Chains am Beispiel transeuropäischer Schienengüterverkehre Demand-und-Supply-Netzwerks-Komplexität dargestellt mit einem Simulations- Ansatz und Echelon Endprodukt-Aufgliederung Mathematische Modellierung und Optimierung von innerbetrieblichen Logistiksystemen zur Anpassung an die Bedürfnisse der Supply Chain

9 Autorenverzeichnis Ass.-Prof. Dr. Susanne Altendorfer-Kaiser Lehrstuhl für Industrielogistik, Montanuniversität Leoben, Österreich Dr. Gábor Bohács BME Faculty of Transportation Engineering and Vehicle Engineering (KJK), Budapest University of Technology and Economics, Ungarn Andrea Borenich, MSc Institut für Produktion und Logistik, Karl-Franzens-Universität Graz, Österreich Dipl.-Ing. (FH) Uwe Brunner Fachhochschul-Institut und Transferzentrum Industrial Management/ Industriewirtschaft, FH JOANNEUM, Kapfenberg, Österreich Max Dern FIR e. V. an der RWTH Aachen, Deutschland Ing. Dipl.-Ing. Thomas Edtmayr Technische Universität Wien/Fraunhofer Austria, Österreich Dipl.-Kfm. René Föhring Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, Deutschland Dipl.-Ing. (FH) Magdalena Gabriel Fachhochschul-Institut und Transferzentrum Industrial Management/ Industriewirtschaft, FH JOANNEUM, Kapfenberg, Österreich Dipl.-Ing. Markus Gram Lehrstuhl für Wirtschafts- und Betriebswissenschaften, Montanuniversität Leoben, Österreich

10 VI Autorenverzeichnis Ao.Univ.-Prof. Dr. Peter Greistorfer Institut für Produktion und Logistik, Karl-Franzens-Universität Graz, Österreich Dipl.-Ing. Gernot Gössler LMS Logistik-Management-Service Trofaiach, Österreich András Gyimesi BME Faculty of Transportation Engineering and Vehicle Engineering (KJK), Budapest University of Technology and Economics, Ungarn Dipl.-Ing. Georg Judmaier Lehrstuhl für Industrielogistik, Montanuniversität Leoben, Österreich Dr. Yasanur Kayikci Lehrstuhl für Industrielogistik, Montanuniversität Leoben, Österreich ao. Univ.-Prof. Dr. Peter Kuhlang Deutsche MTM-Vereinigung e.v., MTM-Institut, Deutschland peter.kuhlang dmtm.com Dipl.-Phys. Dipl.-Wirt.Phys. Christian Maasem FIR e. V. an der RWTH Aachen, Deutschland Dipl.-Ing. Barbara Mayer Fachhochschul-Institut und Transferzentrum Industrial Management/ Industriewirtschaft, FH JOANNEUM, Kapfenberg, Österreich Dipl.-Ing. Tanja Nemeth Technische Universität Wien/Fraunhofer Austria, Österreich Univ.-Prof. Dr. Marc Reimann Institut für Produktion und Logistik, Karl-Franzens-Universität Graz, Österreich

11 Autorenverzeichnis VII Angéla Rinkács BME Faculty of Transportation Engineering and Vehicle Engineering (KJK), Budapest University of Technology and Economics, Ungarn Dipl.-Wirt.Ing. Marco Roscher FIR e. V. an der RWTH Aachen, Deutschland Dipl.-Ing. Kristin Samac Lehrstuhl für Wirtschafts- und Betriebswissenschaften, Montanuniversität Leoben, Österreich Marlene Schafler Das virtuelle Fahrzeug, Forschungsgesellschaft mbh (ViF), Graz, Österreich Univ.-Prof. Dr. Wilfried Sihn Technische Universität Wien/Fraunhofer Austria, Österreich Dipl.-Ing. Alexander Sunk Technische Universität Wien/Fraunhofer Austria, Österreich Georg Traar, BSc Lehrstuhl für Wirtschafts- und Betriebswissenschaften, Montanuniversität Leoben, Österreich Wolfgang Unzeitig Das virtuelle Fahrzeug, Forschungsgesellschaft mbh (ViF), Graz, Österreich Dipl.-Ing. Christoph Wolfsgruber Institut für Maschinenbau- und Betriebsinformatik, Technische Universität Graz, Österreich

12 VIII Autorenverzeichnis Manuel Woschank MSc Woschank.com Univ-Prof. Dr. Stephan Zelewski Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, Deutschland Univ.-Prof. Dr. Helmut E. Zsifkovits Lehrstuhl für Industrielogistik, Montanuniversität Leoben, Österreich

13 Christoph Wolfsgruber Abstract Simulation und Optimierung in der operativen Produktionsplanung Die enorme Komplexität durch Wünsche der Kunden nach mehr Individualität erfordert den Einsatz moderner Methoden in der operativen Planung. Die folgende Abhandlung beschreibt die aktuellen Herausforderungen in der Produktionslogistik, stellt Methoden zur logistischen Modellierung für die operative Produktionsplanung vor und zeigt zwei Praxisanwendungen für die operative Produktionsplanung, welche auf innovativer Kombination dieser Modellierungsmethoden mit Optimierungsverfahren basieren. 1 Einleitung Der Begriff Planung ist nach REFA formuliert als das systematische Suchen und Festlegen von Zielen sowie von Aufgaben und Mitteln zum Erreichen der Ziele [15]. Auf die Produktionsplanung umgelegt bedeutet das das Suchen des bestmöglichen Einsatzes der verfügbaren Produktionsfaktoren unter einem wirtschaftlichen Vollzug der Aufgabenerfüllung [3]. Die Herausforderung der Produktionsplanung besteht nun darin, dass Maßnahmen zur Verbesserung einer Zieldimension oft zur Verschlechterung des Zielerreichungsgrades bei den anderen Dimensionen führen. Gutenberg beschreibt diesen Zielkonflikt zwischen dem Auslastungsgrad der Produktionsressourcen, dem Bestand und der Liefertreue als das Dilemma der Ablaufplanung [6]. Trotz des großen wirtschaftlichen Potentials einer Gesamtbetrachtung der Lieferkette in der Planung optimieren die meisten Hersteller in stark abgegrenzten Bereichen bzw. Funktionen [4]. Der Hauptgrund für dieses Optimierungs-Paradoxon sind die fehlenden mathematischen Werkzeuge für einen ganzheitlichen Planungsansatz. Bereits in den 1960er Jahren beschrieben Conway et al. die frustrierende Komplexität des so genannten Job-Shop Problem, welches die Zuordnung von Aufgaben auf Ressourcen zu bestimmten Zeiten beschreibt, wie folgt. Many proficient people have considered the problem, and all have come away essentially empty-handed. [2]. Heutzutage, 50 Jahre später, können etwas größere Probleme mittels Branch-and-Bound- Algorithmen, Constraint-Programmierung und heuristischen Optimierungsverfahren gelöst werden, es gab allerdings noch keinen fundamentalen Durchbruch. Nur für die einzelnen Bereiche der Produktionsplanung existieren Konzepte und Methoden wie z.b. Losgrößenoptimierung, Mengenplanung, etc., es gibt allerdings keine

14 2 Christoph Wolfsgruber umfassende, ganzheitliche Lösung. Zudem besitzen die Modelle dieser Methoden gewisse Vereinfachungen, da die reale Welt einfach zu komplex ist, um sie exakt zu analysieren [8]. Dieser Artikel zeigt zwei in der Praxis erprobte Ansätze für die operative Produktionsplanung, welche auf der Kombination von Modellierungstechniken und mathematischen Optimierungsverfahren basieren. Diese Verfahren beschränken sich der Komplexität geschuldet ebenso auf Teilbereiche der Produktionslogistik, zeigen allerdings bessere Zielerfüllung als herkömmliche Methoden. 2 Herausforderung der Zukunft Die industrielle Produktion des 21 Jahrhunderts befindet sich in einem turbulenten Umfeld mit stark zunehmender Komplexität. Dieses Umfeld zeichnet sich durch die immer schneller werdende Verbreitung neuer Technologien, sehr offensivem globalen Wettbewerb und immer komplexere Liefernetzwerke aus. Zudem werden Produkte in immer höheren Modellvarianten gefordert, während die Produktlebenszyklen immer kürzer werden. Um die Wettbewerbsfähigkeit zu erhalten, müssen Unternehmen in der Lage sein, auf diese Turbulenzen schnell und flexibel zu reagieren (vgl. [5], [14], [15]). Vor allem das geänderte Kundenverhalten ist ein Treiber für diese geforderte Flexibilität. Die Erfüllung der Kundenwünsche ist das Hauptziel des Wertschöpfungsprozesses jedes Unternehmens. Die Kunden wollen heutzutage allerdings keine Standardprodukte mehr, sondern erwarten Produkte, die ihren individuellen Bedürfnissen und Wünschen genau entsprechen [10]. In Abbildung 1 sieht man die Entwicklung der Modellpalette bei Audi, welche diesen Trend der gestiegenen Kundenansprüche am Beispiel der Automobilindustrie wiederspiegelt. Die Forderung der Kunden nach Individualität veranlasst Hersteller dazu, ein gezielteres, abwechslungsreiches Produktportfolio anzubieten. Selbst wenn, wie es in der Automobilindustrie typisch ist, diese einzelnen Modelle auf einer gemeinsamen Plattform hergestellt werden, treibt dieser Trend die Komplexität in der Produktion. Ein zusätzlicher Aspekt in der Individualisierung der Produkte sind die weltweit unterschiedlichen regionalen Produktwünsche, denen Hersteller ihre Portfolios anpassen müssen [12]. Noch immer bildet die produzierende Industrie in Mitteleuropa das Rückgrat der Wirtschaft. Der Verdrängungswettbewerb führt allerdings dazu, dass Hersteller standortbedingte Produktivitäts- und Kostenvorteile mehr denn je intensiv nutzen. Eine Abwanderung der produzierenden Industrie aus Mitteleuropa birgt dabei die volkswirtschaftliche Gefahr der darauf folgenden Abwanderung der Forschung und Entwicklung, und dadurch langfristig den Verlust von

15 Simulation und Optimierung in der operativen Produktionsplanung 3 technologischem Knowhow und durch die Abhängigkeit vom Ausland Einbußen in der Innovationskraft. Compact Mid-size Large Sport&SUV 7 Abbildung 1: Entwicklung der Modellpalette bei Audi Um diesem steigenden Wettbewerbsdruck unter der enormen Komplexität durch Individualisierung entgegenzuwirken, ist der Einsatz moderner Methoden der operativen Planung unabdingbar. 3 Simulationsbasierte Optimierung Neben den klassischen Verfahren der operativen Produktionsplanung (Material Requirements Planning, Just in Time, usw.) existiert eine Menge aus Kombination und Erweiterungen dieser [7]. Ein moderner Ansatz in der operativen Produktionsplanung ist die simulationsbasierte Optimierung. Darunter versteht man die Verknüpfung einer Simulation mit einer mathematischen Optimierung [11]. Eine Simulation ist die Durchführung eines Experiments an einem Modell. Dabei ist das Modell eine abstrahierte Abbildung eines zu untersuchenden Systems. Abstraktion heißt bei der Modellierung, dass im Modell die Struktur oder das Verhalten des Systems mit geringeren Detaillierungsgrad beschrieben wird als beim originalen System [11]. Simulationsstudien werden in allen Zeithorizonten der Produktionsplanung eingesetzt und dienen im operativen Bereich vor allem zum Erhöhen der Planungsgenauigkeit, während sie im taktischen und strategischen Bereich die Planungssicherheit erhöhen. In der Prozess-Modellierung ist die Diskrete-Event-Simulation (DES) stark verbreitet. Bei dieser Technik werden die Abläufe eines Systems mittels Ressourcen (z.b. Maschinen, Personal) und Entitäten (z.b. Produktionsaufträge) in diskreten 1 Daten von von Krog & Statkevich [10] 2012 von [1] Compact: A1, A2, A3; Mid-size: A4, TT; Large: A5, A6, A7, A8; Sport&SUV: R, Q