EP1518197A2 - Verfahren und simulationssystem zur simulation von auftragsabwicklungsprozessen sowie entsprechendes computerprogramm-erzeugnis und entsprechendes computerlesbares speichermedium - Google Patents

Verfahren und simulationssystem zur simulation von auftragsabwicklungsprozessen sowie entsprechendes computerprogramm-erzeugnis und entsprechendes computerlesbares speichermedium

Info

Publication number
EP1518197A2
EP1518197A2 EP03738007A EP03738007A EP1518197A2 EP 1518197 A2 EP1518197 A2 EP 1518197A2 EP 03738007 A EP03738007 A EP 03738007A EP 03738007 A EP03738007 A EP 03738007A EP 1518197 A2 EP1518197 A2 EP 1518197A2
Authority
EP
European Patent Office
Prior art keywords
simulation
production
demand
delivery
forecast
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
EP03738007A
Other languages
English (en)
French (fr)
Inventor
Stephan Hase
Jan Hickmann
Ulrich Wendt
Axel Wagenitz
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volkswagen AG
Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Original Assignee
Volkswagen AG
Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from DE10302433A external-priority patent/DE10302433A1/de
Application filed by Volkswagen AG, Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV filed Critical Volkswagen AG
Publication of EP1518197A2 publication Critical patent/EP1518197A2/de
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • the invention relates to a method and a simulation system for simulating order processing processes for the production of a complex product, in particular a motor vehicle, and a corresponding computer program product and a corresponding computer-readable storage medium with the features mentioned in the preambles of claims 1, 16 and 18 to 21.
  • the known tools do not allow the complicated interdependencies of the vehicle equipment to be depicted with one another, to stay with the example of the automotive industry. There are therefore no tools with which it would be possible to generate vehicles in a model in which these dependencies are correctly taken into account (buildable vehicles).
  • the invention is therefore based on the object of providing a method and a simulation system for simulating order processing processes for producing a complex product, in particular a motor vehicle, as well as a corresponding computer program product and a corresponding computer-readable storage medium, by means of which the above-mentioned disadvantages are eliminated and in particular Holistic modeling and simulation of all planning processes in the logistics chain is made possible.
  • step c) execution of a simulation of production and / or delivery for production based on the assignment made in step c),
  • a simulation system for simulating order processing processes for the production of a complex product advantageously comprises the modules “forecast”, “fixed orders”, settlement “,“ production ”and“ distribution ”, the modules being controlled by a computer System-implemented computer program, interact in such a way that the following steps can be carried out:
  • step c) execution of a simulation of production and / or delivery for production based on the assignment made in step c),
  • the simulation system has interfaces to databases of real systems, such as databases from dealers and / or production sites.
  • a computer program product for simulating order processing processes for the production of a complex product, in particular a motor vehicle comprises a computer-readable storage medium on which a program is stored which enables a computer, after it has been loaded into the memory of the computer, a method for simulating To carry out order processing processes, the simulation comprising the method steps according to one of claims 1 to 15.
  • a computer-readable storage medium is advantageously used, on which a program is stored, which enables a computer after it has been loaded into the memory of the computer, a method to simulate order processing processes, the simulation comprising the method steps according to one of claims 1 to 15.
  • the data records used in the automatic comparison of the required numbers in step b) according to claim 1 include restrictions of the production sites and / or suppliers.
  • the demand figures are determined in step a) according to claim 1 by specifying a first demand forecast for a first forecast period and determining a second demand forecast for a second forecast period using stochastic methods from the first forecast and the demand numbers are determined according to predefinable algorithms which evaluate the first and / or second demand forecast.
  • step b) includes a correction of the required numbers to adapt to the manufacturing and / or (manufacturing) supplier capacities.
  • method steps a) to c) according to claim 1 comprise the following steps:
  • provisional demand numbers for a first forecast period, preferably for a sales year
  • a further advantage of the method according to the invention is that the automatic allocation of the demand numbers to the production sites results in a division of the demand numbers of the specified period into daily settlements, or that the automatic assignment of the demand numbers to the manufacturing sites is the compilation of daily programs for the manufacturing sites or the dissolution of the products specified in the daily subscriptions in their modules.
  • the model on which the simulation is based depicts a number of manufacturing locations
  • the model on which the simulation is based include the parameters which characterize a production facility, the limit capacities, working time models, personnel base and / or in the model on which the simulation is based a differentiation is made between dealers, in particular between dealers on the domestic market and importers, and / or in the model on which the simulation is based, distribution channels are subdivided into sub-distribution channels.
  • Another advantage of the invention is that the data generated by steps a) to e) according to claim 1, quantitative evaluations of process designs, evaluations of strategies such as fault management, freezing times of orders, delivery times, delivery reliability, means of transport utilization and / or costs include.
  • a product model is included that allows the complex dependencies of the vehicle equipment to be represented by rules. This enables vehicles to be created in the model that meet these rules (buildable vehicles).
  • Planning processes can be assessed qualitatively and quantitatively.
  • OTD Order to Delivery
  • Operative systems can be integrated so that the effects of decisions based on actual data can be examined in advance.
  • the method according to the invention integrates and extends concepts from material flow simulation, business process simulation and systems of supply chain management (SCM).
  • SCM supply chain management
  • the method according to the invention is based on the event-controlled, discrete simulation of business processes with a high level of detail in relation to product resolution, planning algorithms and mapping area. This result can also be used to advantage in logistics.
  • the invention simulates essential planning processes for the product representation and the order processing process that affect the entire logistics chain.
  • the high quality of statements that can be achieved by the invention / should be emphasized as a particular advantage; this quality makes it possible to support the introduction of new processes on a strategic, tactical and operational level. This achieves a new holistic modeling and simulation of all planning processes in the logistics chain and enables the construction of complex models.
  • process designs can be assessed quantitatively.
  • planners can evaluate production programs in terms of effects on delivery times, delivery reliability, utilization of means of transport or ultimately costs.
  • the order processing process can be examined both as a whole and in its sub-aspects.
  • Planning algorithms can be examined and evaluated.
  • the formulation of planning procedures is clear.
  • the simulation model can serve as a reference.
  • the process design is supported seamlessly from the first draft through the implementation of IT systems to operational operations.
  • Figure 1 is a flow diagram of a simulation study
  • FIG. 2 shows a verification and validation of simulation models
  • Figure 3 is a comparison of a sequential and a simultaneous
  • FIG. 4 is an illustration of possible process stages in the implementation of
  • Figure 5 shows an example of a possible structure of a model for simulating the
  • FIG. 6 shows an exemplary representation of levels of the vehicle description
  • Figure 7 is a representation of input and output data of a simulation study for the
  • FIG. 8 shows a distribution of the production throughput times for the vehicle types X and
  • FIG. 9 shows a diagram for the real production lead time for vehicle type Y
  • FIG. 10 shows a diagram for the real production lead time for vehicle type X
  • FIG. 11 shows a representation of the reduction in stochastics in the production lead time of vehicle type Y
  • Figure 12 is an illustration of the reduction in stochastics in the
  • FIG. 13 shows a comparative representation of the customer arrival time for a scenario in which the customer is only informed about the delivery date when the vehicle is finished (top) and a scenario in which the customer is already informed about the delivery date in the vehicle planning (bottom);
  • FIG. 14 shows a table of the space required when delivering the vehicle to a vehicle
  • FIG. 15 shows a table of the results of the sensitivity analysis
  • FIG. 16 shows a table of the space requirement for scenario S2 and the distribution Vc of the production cycle time
  • Figure 17 is a table of the potential savings at parking spaces in the transition from
  • Figure 18 is a table with information on reducing the capital commitment costs per
  • Figure 19 is a table with information on reducing the capital commitment costs per
  • FIG. 20 shows a schematic representation of an annual forecast
  • FIG. 21 shows a schematic representation of the forecast update
  • FIG. 22 shows a schematic illustration of the capacity adjustment
  • FIG. 23 shows a schematic illustration of the generation of “approved
  • FIG. 24 shows a schematic representation of the “weekly settlement”
  • FIG. 25 shows a schematic representation of the “daily settlements”
  • FIG. 26a shows a composition of the US and Canada markets in one exemplary embodiment
  • FIG. 26b shows the markets and dealers in one exemplary embodiment
  • Figure 27a PR number families for engines, transmissions and air conditioning
  • Figure 27b PR number families for radios, paints and hoods
  • FIG. 28 shows a product tree
  • FIG. 29 shows a diagram to illustrate the sales forecast for the vehicle
  • FIG. 30 is the basis of the diagram shown in FIG. 29
  • FIG. 31a shows a course of the proportional vehicle sales for North America and Europe used in one exemplary embodiment
  • FIG. 31b the sales data on which the diagram shown in FIG. 31a is based;
  • FIG. 32a shows a course of the proportionate vehicle sales used in one exemplary embodiment for the USA, Canada and the “other regions”;
  • FIG. 32b the sales data on which the diagram shown in FIG. 31a is based;
  • Figure 33 is a table of days off in plant A in one
  • FIG. 34 shows a probability distribution for the swirl at
  • Figure 35 average, minimum and maximum delivery times;
  • Figure 36 average delivery and order lead time;
  • Figure 50 average delivery and order lead time
  • the task associated with the design of the order processing process results from the complexity of the system under consideration, in which the process runs, as well as the various options for consciously influencing system behavior, for example by changing the control principles or unconsciously due to disruptions.
  • one or more simulations of the order processing process are carried out with the method according to the invention.
  • a modular simulation model was set up, with the help of which the system behavior can be assessed under various boundary conditions.
  • the model shows optimization potential in order to be able to continuously improve the business process of order processing in the planning and implementation stages.
  • weaknesses e.g. bottleneck capacities
  • the benefits of, for example, expanding capacity at a specific site can be quantified with regard to the success factors and possible investment decisions can be secured.
  • the exemplary simulation model shows, in addition to the dealer network of the Federal Republic, the central sales and planning areas, selected plant locations and the distribution of the manufacturer in an abstract form.
  • the core processes of the suppliers, important order modules and the interfaces to the production areas of the automobile plants are roughly mapped.
  • the simulation model accordingly represents, on the one hand, a modeling environment for the adaptation of the open reference model, and, on the other hand, it represents a model memory for those already configured based on location and brand
  • the lead time, inventory and adherence to delivery dates largely depend on a balanced relationship between the available capacity and the required capacity. This comparison must already be carried out in the annual production program planning based on sales forecasts in order to align the company to the seasonal fluctuations (so-called breathing company). Long-term capacity planning must be coordinated with personnel planning in particular in order to take annual working time models into account.
  • the exemplary simulation model can also be used to test various methods of medium and short-term capacity matching in order to obtain statements such as the
  • Planning functions have been integrated that require interaction between the dealers and the manufacturer. These planning functions include the creation of an annual sales forecast, the coordination of a sales target matched to the available capacities, the triggering of firm orders by the dealers as well as the implementation of settlements (conversion of firm orders into individual orders, the
  • simulation tool it is possible to evaluate the usefulness of the information that the suppliers can derive from the sales forecast, the content of the firm orders and the changes in the settlement in order to optimize their production and distribution processes.
  • simulation With the help of the simulation, it can also be checked to what extent the objective of the distribution can be taken into account in the sequence planning in production and what advantages or disadvantages are associated with it.
  • the dynamic process of order processing is simulated in a model in order to arrive at knowledge that can be transferred to reality.
  • simulation is a tool for dealing with reality.
  • Simulation is therefore an auxiliary tool to generate an image of the dynamic behavior of systems of reality in a model.
  • Properties describing the system are its state variables. Changes in the state variables reflect changes in the system environment.
  • Systems to be examined can be both facilities, such as factories, and processes. Specifically, it is about the investigation of system behavior in the event of changing environmental conditions.
  • the areas of application for simulation are in particular where it is difficult to model complex, real world developments. The aim is to understand this complexity and consequently to master it. Uncertainties regarding the behavior of dynamic systems under changing environmental conditions can be eliminated more quickly and easily using simulation.
  • Modeling as part of a simulation study enables a reduction in complexity by means of comparative-static analysis, which means that when comparing alternative process configurations, only one parameter is ever varied.
  • the quantity of influence on the object under investigation is successively measured by the influencing parameters considered.
  • the functionality of simulation instruments proves to be advantageous in viewing and evaluating the degree of influence in isolation. Furthermore, an improvement can result from the variation of influences that affect the system in parallel.
  • simulation technology is of great importance as an auxiliary tool in the decision-making of such complex processes.
  • Decision alternatives can be simulated in advance. Simulation results provide information about the consequences of the respective decision in relation to the entire system. Possible wrong decisions can thus be avoided ex ante.
  • simulation tools are usually used where relatively reliable statements about the behavior of complex, dynamic systems can be made with comparatively little effort.
  • reference models were used for the simulation tool under consideration. These reference models contain, for example, prefabricated components. Examples of building blocks are machines, means of transport or warehouses. This considerably reduces the effort required to carry out the actual simulation experiments.
  • the building blocks provided can be combined depending on the particular question.
  • the modeling effort of the user is then limited to the parameterization of the functionalities of the blocks used.
  • model creation can be significantly accelerated.
  • the significance of the model regarding reality based on the chosen level of abstraction must be checked. The latter has a decisive influence on the assessment of the simulation results and thus the benefits of the simulation method in general.
  • Figure 1 shows schematically the sequence when carrying out a simulation study.
  • the scheme shown in FIG. 1 takes into account the problem that a model may have to be adapted after verification and validation.
  • the relevant input variables have to be systematized. It is also necessary to discuss which parameters significantly influence the system. The relevant influencing parameters are then classified. In the context of system analysis, the dynamic parameters are of particular interest. The determination of the quantity of system influence of an individual parameter is usually supported by a sensitivity analysis. Dependencies between the input and output variables must be taken into account as a characteristic of the system behavior when developing the model. The input data required is collected in parallel with the model development.
  • Verification is the review of the individual steps in the modeling process. In other words, it is checked whether the model relationships formally developed as part of the model concept have actually been implemented in the computer model.
  • the validation of the model includes the question of whether reality, based on the objective of the simulation, is appropriately and correctly represented in the model.
  • Validation is simple in cases where a real existing system has to be modeled. First, the state of the real system has to be shown in a model. The model is suitable if the simulation results match those of the real system provided that comparable parameter settings are made. The model must map the behavior of the real system precisely enough and without errors.
  • verification means checking whether the right things are mapped in the model, while validation checks whether things are mapped correctly.
  • Figure 2 illustrates the relationship between model verification and model validation.
  • the modeled system needs a certain time of "settling” until the stability of the model is given (the values from the phase of the so-called “warming up” period are to be excluded from the overall evaluation).
  • n replications of simulation experiments are carried out with the same parameter setting and an average value over n is determined.
  • Another method is to set a confidence or trust interval. This interval limits the range in which the true value to be determined lies with a certain probability.
  • Simulation experiments carried out in a company usually serve as decision aids for management decisions.
  • the results of operationally used simulation tools in particular influence real decisions.
  • the quality of the results is of course an essential prerequisite for user acceptance.
  • the modeling for the specific example of the simulation of an order processing process for the production of motor vehicles is to be explained in detail below.
  • the order processing process comprises all sub-processes from the customer order to the delivery of the vehicle to the customer.
  • the following steps can be specified as subprocesses of order processing:
  • Order acceptance Dealers and customers agree on the vehicle type, equipment and delivery date. If the customer orders the vehicle under the agreed conditions, the order is forwarded to the manufacturer's sales department.
  • the vehicle After completion and final acceptance of the vehicle in the factory, the vehicle is loaded and transported to an interim storage facility or directly to the appropriate dealer. The vehicle is then handed over to the dealer.
  • the market demand is forecast beforehand. Based on this forecast, the quantity planning is carried out after checking the available capacities. This planning is done for both vehicles and properties. The parts requirement can be determined on the basis of the quantity planning. Quantity planning also defines the ranges for the scheduling of orders. The aim of optimizing order processing is to significantly reduce delivery times. This is achieved through the use of the invention.
  • a solution for the optimization of order processing is the implementation of a new process structure.
  • One example is the substitution of a sequential one
  • Process architecture through a simultaneous process architecture a possibility of Redesign of the process structure.
  • the individual chain links - forecasting, program planning, manufacturing, and distribution - systematically interlock.
  • a key aspect of this effort is the introduction of a process in which a vehicle in order control can be assigned to a specific customer as late as possible.
  • the specification of the order may be changed until shortly before production begins.
  • the delivery time is also gradually reduced through the gradual, evolutionary introduction of the respective process level.
  • the throughput time is reduced by one week.
  • the retailer thus orders a vehicle from "2 + 2" at least four weeks before the planned production date (ZP8 week). Order changes are then possible up to two weeks before the ZP8 appointment. In this case, changing an order does not lead to a postponement.
  • the retailer can also place an order in the systems without a specific customer order. The property specifications of a dealer order can then be changed according to customer requirements up to the time of freezing.
  • the order processing process in the automotive industry is a very complex system with numerous subordinate system components and cross-connections, so that it is difficult to master the functioning of the individual chain links of the process in the context of an overall view of the real process. For this reason, the simulation tool described in more detail below is used.
  • the order processing process is transferred to a model and simulated. Based on the efforts to optimize the overall process, changes in parameter settings can be used to determine the effects in all sections of the process chain.
  • An idealized system state is first modeled in the example simulation.
  • the result of the simulation of this reference model forms, so to speak, the benchmark for subsequent simulation runs, whereby the system status is now varied by the fact that events that can be observed in reality hinder the continuity of the process flow.
  • so-called “worst case” studies can be carried out. This determines the constellation in which the system becomes unstable with regard to the parameter setting, that is to say the functionality of the system is endangered.
  • FIG. 5 shows an overview of the complete structure of a simulation model and the logical links between the system components.
  • the above-mentioned components of the model structure - vehicle description, sales, process control, markets / distribution, factories - and their components are briefly explained in general and then explained in two more detailed execution stages.
  • the first case shows how the laws of the real system are implemented in the model structure. Following this, the procedure for modeling is explained using a concrete simulation study as an example.
  • a vehicle is fully described by a six-digit model key.
  • Components of this key include information about the vehicle class (platform and series), the designation of the body shape (sedan, variant and so on), the equipment level (base, Trendline, Comfortline, Highline and so on), as well as the designations for the engine and transmission.
  • PR numbers Hierarchically subordinate to the model key, the detailed resolution of the vehicle takes place via a list of so-called "PR numbers".
  • the unique description of a property is given via PR numbers.
  • Each property is assigned to exactly one PR number.
  • PR numbers are assigned to " PR number families "summarized. For example, the PR numbers "without airbag” and “airbag for driver” are assigned to the PR number family "airbag (short name AIB)".
  • Each vehicle is uniquely described by exactly one PR number from each PR number family. This structure is also taken into account in the construction of the model.
  • the vehicle body takes different levels into account. This structure is shown in FIG. 6.
  • the levels group root, 1st level
  • vehicle type or class 3rd level
  • body shape (4th level)
  • equipment 5th level
  • country code (6th Level)
  • the number of levels depends on the model scope. If, for example, only one platform or only one vehicle class of a platform is considered, the relevant levels can be combined accordingly.
  • the level of detail can be increased by modeling further levels. As part of the modeling process, it is to be determined ex ante to what extent the real structure of the vehicle levels can be abstracted.
  • EWC installation rates
  • Property defines the proportion of this property in relation to the family of properties. If only one vehicle description is modeled for each level, the EWC corresponds to 100% for each level.
  • Other attributes at each level are "PR numbering", "PR numbering specifications” and "PR numbering groups”.
  • PR numbering means all those properties that are already installed in the basic equipment of the respective vehicle description, whereby one property of a PR number family is to be modeled as a setting.
  • the combination of properties is called a PR number group.
  • This functionality could be used to map constraints and prohibitions, for example. On the one hand, the need to form combinations of properties could be due to technical reasons. On the other hand, sales functions can also be mapped using this functionality. For this reason, in some cases the customer can only choose from a large number of so-called equipment packages, which reduces the number of variants and facilitates the property forecast.
  • PR number specifications are all properties taken into account in the model for each family of properties, from which the customer can individually configure his vehicle. Installation rates must be defined for both the PR number groups and the PR number specifications. It is not necessary to enter an EWC for the properties set. The EWC of the property set in each case results from the difference of the sum of the EWC of the properties not set of a PR number family to one.
  • the time horizon for the forecasts and the planning of the vehicles is determined.
  • the various process stages, as described above in connection with the changeover to a modified process structure, can be parameterized using appointment series.
  • the rolling planning rhythm is mapped via the appointment series. For this, times and the corresponding time intervals of the events during the planning process must be defined.
  • Information regarding the dates for volume agreements and vehicle orders of a dealer / importer are part of the specific dealer planning parameters. Another feature is the classification of customers by segmentation. In the exemplary model, customers are differentiated according to their preferences regarding the delivery time.
  • a plant is fully described by the name, the capacity, the throughput time, closures, the destination station and the vehicle classes installed in the plant.
  • Locking is the temporary impairment of the availability of the planned capacity of one or more properties.
  • the capacity of a plant is determined by
  • a degree of flexibility over time can be defined for both throughput and weekly working hours.
  • the planned throughput time and the throughput time distribution are to be specified as value curves in the exemplary embodiment under consideration.
  • the scheduling of the order in production takes place on the basis of the planning lead time.
  • there are corresponding effects on the ZP8 fidelity there are corresponding effects on the ZP8 fidelity.
  • An improvement in ZP8 fidelity can be achieved, for example, by reducing the stochastic influences.
  • Property locks are also specified at the factories in the exemplary embodiment.
  • the description of the block is based on its definition.
  • the definition includes information regarding the warning time, the duration and the start of the block as well as the proportionate capacity of the property that is affected by the block.
  • a shift in the operating date could also be modeled.
  • a shift in the operating date is referred to when a property cannot be installed due to a variety of problems at the original date (synonymous with "Operating date", "Start of Production” (SOP) is also used This is particularly problematic in cases in which the failure to meet the planned appointment becomes known very late and can no longer be taken into account in the scheduling.
  • the exemplary embodiment of the simulation of the order processing process allows a wide range of questions to be examined.
  • the effects of strategic as well as operational-tactical decision alternatives can be simulated.
  • the following examples are intended to give an impression of the universal use of the invention. It is analyzed in all cases how the described key figures delivery time, delivery reliability, capacity utilization and stocks vary if certain factors negatively influence the continuity of the process.
  • the effects of strategic decisions can be examined regarding
  • the customer is offered the option of handing over the new vehicle at a delivery point of the manufacturer or the manufacturers in the examined model.
  • vehicle orders are also accepted by local dealers.
  • the difficulty associated with delivering the vehicles to a delivery point of the manufacturer or the manufacturers is that the vehicles that are to be handed over to the customer at a specific point in time must also be available at that point. Specifically, this claim results in 100% delivery reliability. This requires binding planning of the customer-specific vehicles and stable process flows. As part of the When planning, the personal preferences of the customer with regard to the time of delivery must be taken into account.
  • the logistical claim regarding delivery reliability described above could be realized. Based on the status quo of the delivery, it is determined which system adjustments are to be made in order to notify the customer of a binding delivery date at the time the customer receives the order from the dealer. In order to be able to guarantee the delivery of vehicles to customers on the agreed date, the customer is currently only informed of the earliest possible date of delivery when the vehicle is completed.
  • the aim of the simulation is to compare alternative process configurations.
  • a model has to be created that shows the relevant properties of the real system. Not all sub-processes of the order processing process are relevant in relation to the special circumstances to be examined here as an example. Accordingly, the abstraction can be made appropriately.
  • AOO and A vehicle classes, - market / country code (domestic / market Germany).
  • the scope of the properties recorded in the exemplary model is also limited to the property families that are regularly classified as critical.
  • an important criterion is considered to be that the model approximates the complexity of the vehicle description in reality.
  • the complexity depicted in the exemplary model relates to the properties installed in Plant A for the German market in the case of the thirteen property families considered as examples. Accordingly, a total of thirteen property families with, for example, 68 properties or PR numbers must be taken into account.
  • the PR number specifications and PR number setting are also mapped.
  • the actual or target installation rates of the properties or vehicle classes are taken from the respective planning systems. Since only vehicle control is considered in this example, modeling suppliers is irrelevant for answering the question.
  • the deadlines of process level "2 + 2" implemented in plant A are also implemented in the model.
  • the distribution of the production lead time assumed in the model must correspond to the actual production time in plant A. For this purpose, for example, the net production lead times must be shown. Machine downtimes (for example the Weekends) are subtracted from the gross production lead times. Since the production lead times for the individual vehicle types have different distributions, the assembly lines are modeled separately. At this point, no abstraction from reality can be made.
  • Figure 7 shows an overview of the input and output data required for this model.
  • the model concept is first implemented as a reference model in the simulation model.
  • a period of two years was defined as the simulation period with a vehicle volume of around 500,000 vehicles.
  • the distribution of the production lead time is shown in the model via a histogram, that is, intervals of lead times are determined and the percentage of vehicles whose production lead time has a value within the limits of these intervals is determined.
  • Figure 8 shows the real lead time distributions for the production of the two vehicle types X and Y in plant A.
  • the throughput time distributions for the two vehicle types X and Y are shown cumulatively in FIG. 9 and FIG. 10.
  • the reference model in scenario S1 is modified by taking into account the special features that occur in connection with the vehicle delivery at a delivery point of the manufacturer or the manufacturer.
  • a binding earliest possible delivery date is only set when the vehicle is completed (ZP8).
  • ZP8 a binding earliest possible delivery date
  • the vehicle In the period between the completion of the vehicle and the handover of the vehicle to the customer at a delivery point of the manufacturer or the manufacturer, the vehicle must be temporarily stored in the designated parking spaces.
  • an average service life of fourteen to sixteen calendar days was expected. However, this guideline can vary.
  • a time-delaying element within the distribution channel was modeled in order to appropriately map the customer arrival time.
  • customer arrival time corresponds to the time span between the information of the customer about the earliest possible delivery of the vehicle and the actual time of delivery of the vehicle.
  • the average customer arrival time is around sixteen calendar days.
  • a capacity of around 8,700 parking spaces on the factory premises was provided for the temporary storage of the vehicles.
  • alternative places of indefinite capacity can be taken into account.
  • a first simulation step the space required for the three expansion stages described is determined, the real distribution of the production lead time of the two vehicle types X and Y being assumed (distribution Va in FIGS. 11 and 12, respectively). Subsequently, the variance in the distribution of the production cycle time is successively reduced (distribution Vb and Vc in FIGS. 11 and 12, respectively). This measure increases ZP8 loyalty. As part of this sensitivity analysis, the influence of stochastics in the distribution of the production cycle time on the ZP8 fidelity is quantified.
  • FIG. 11 and FIG. 12 show the distributions Va, Vb and Vc of the production throughput time for the manufacture of vehicle type X and for the manufacture of vehicle type Y. In both cases, the course of the production throughput time distribution shows the reduction in the stochastic influences.
  • a further embodiment of the simulation tool according to the invention is described below, a second scenario S2 having been implemented in the configuration.
  • the scenario S2 of the second embodiment is based on the findings of the sensitivity analysis with regard to reducing the variance in the production lead time.
  • a stable manufacturing process enables the timing of the transmission of the information of the earliest possible delivery date to the customer.
  • the average service life of the vehicle is reduced according to ZP8.
  • the delivery date preferred by the customer is already taken into account when planning the vehicle.
  • the distribution of the customer arrival time is not implemented in the distribution, but rather as a customer request date distribution in the order planning.
  • scenario S2 for the customer request date as for the customer arrival time in scenario S1.
  • the model was verified and validated. As already described in the introduction, a comparison between the model and the model concept is carried out during the verification, i.e. it is checked whether all relevant system relationships that were defined in the concept are mapped in the model.
  • the evaluation is based on only one simulation run. This approach is justified in connection with the present question, for example, because in a first step, only a rough estimate of the space requirement is to be made. In the event that exact values have to be determined, statistical methods must be used. This includes performing multiple replications, among other things. It must be ensured that the starting value is varied by the random generator when generating the random numbers. Otherwise the results are reproduced with each replication.
  • a rough estimate is usually sufficient to determine the duration of the "warming-up" period. This procedure is generally permissible since only a maximum value has to be determined for the specific question. However, approximation methods would be used, for example, if an average value is to be determined over a certain output variable. When evaluating the data from the exemplary simulation runs, a duration of three months was determined that the modeled system needs to settle.
  • FIG. 14 shows the results of the determination of the space requirement on the basis of the real distribution of the production lead time (distribution Va) for the expansion stage 1 (delivery of 300 vehicles per day), expansion stage 2 (600 vehicles per day) and expansion stage 3 (1,000 vehicles per day).
  • FIG. 15 the results of the sensitivity analysis described above with regard to the effect of stochastic production throughput times on the ZP8 fidelity were processed.
  • the values for the standard deviation in the production lead time shown in FIG. 15 were determined from a sample of 1,000 vehicle orders for each of the three assumed distributions.
  • the expected value for the production lead time corresponds to the plan lead time.
  • FIG. 16 shows the space requirement for the case of the distribution Vc of the production cycle time.
  • Figure 17 shows the savings potential with regard to the space requirements compared to the current process in scenario S1.
  • the simulation tool is divided into different program blocks, which implement the steps described above, which are required in the simulation for examining the respective problem.
  • These program blocks have the following functional scope:
  • the system load generator generates the demand forecasts of the dealers and the orders of the buyers in a simple form.
  • the forecasts are continuously (for example monthly) adjusted to the generated (actual) needs of the dealers.
  • the system load generator generates a simplified forecast of the number of cars that could be sold over the following year individually for the dealers and once in total at the beginning of a sales year. In addition to the number of vehicles that are likely to be required, their main features ("heavy items") are characterized.
  • the annual forecast can, for example, have the form shown in FIG. 20:
  • this is a simplified forecast that approximates the forecast progression of the retailers.
  • the load generator uses the simulated annual process to generate purchase orders for each dealer, whose curve display has a similarly simplified form that deviates from the annual forecast.
  • the forecasts for the next period are updated per week.
  • the output data of the system load generator include the annual forecasts of the dealers, the buyers' requirements as well as the updated weekly requirements (number and "heavy items" of the required vehicles) of the dealers for the next forecast period. They simplify the input load for the following program blocks and can also be graphically illustrated become.
  • the needs of the dealers are collected and accumulated.
  • the requirements (number, items) are compared with the actual capacities of the plants and the suppliers.
  • the capacity leveling can be represented as shown in FIG. 22.
  • the output of the program block for capacity balancing includes the approved firm orders and module quotas for the dealers. They form the input for the program block "settlement generator”.
  • Program block settlement generator "
  • the settlement generator generates specific settlements (fixed orders and order modules) for each delivery week from each of the approved firm orders and module contingents (see Figure 24).
  • the specification of the fixed orders for settlement depends on the purchaser orders received so far by the dealer and the requirements forecast for the delivery week. This specification is modeled in the model by means of probability distributions with mean values and scatter.
  • Settlement generator outputs are the settlements per dealer and delivery week. These individual settings are assigned to the plants by the following program block and converted into daily settings.
  • the output data of the program block "Plant assignment" include specific settings with information about the manufacturing plant, the suppliers involved and the name of the delivery day.
  • the settled concretizations are communicated to the dealers and form the input for the following program block.
  • the program block "settlement manipulator” carries out the entire outlined process of inventory and settlement comparison with the purchaser orders and the locating and updates the individual settlement of the dealer.
  • Results or issues of the settlement manipulator are updated settlements with buyer orders as well as buy orders with assigned stocks or vehicles specified in the settlements or fixed orders.
  • This program block works with the daily settlements of the dealers. Depending on the plant-specific requirements, for example the latest possible starting points for assembly, the settings are compiled into daily programs. In addition, the vehicles specified in the subscriptions are broken down into their modules. This is communicated to the suppliers as specified call quantities.
  • the outputs of the program block "daily program" are daily production programs for the factories as well as fixed call quantities that are communicated to the suppliers.
  • Program block "Production and suppliers” In this program block, the individual production facilities, the suppliers' plants and the times for assembly or delivery are reproduced in an abstract form using several model modules.
  • Average throughput times and throughput time fluctuations as well as the daily production capacities for the production facilities and the supplying plants are given as parameters.
  • model elements have descriptions of characteristics, for example, about limit capacities, working time models, personnel numbers or other specifics of the plants, which are necessary for the forecasting and planning processes of the previously described program blocks.
  • the production plants simulated in rough model blocks give simplified calls to the model blocks that simulate the supply in a simplified form.
  • the daily programs serve as the input for this program block.
  • the program block creates vehicles in the model that are transferred to the following program block "Distribution".
  • This basic model exemplifies the start of series production and the subsequent year (for example, the year 2003) without disruptions such as strikes or supplier bottlenecks.
  • the model is intended to consider the US, Canada, Western Europe markets and a market that supplies the other areas.
  • the USA and Canada markets are composed of the PPCs shown in FIGS. 26a and 26b.
  • the markets of Western Europe and "other areas" are each represented by an importer with a 100% market share.
  • Equipment variant A is sold on the European market.
  • the equipment variants B, C and D are sold on the other markets USA, Canada and "other areas”.
  • the vehicle body includes the modeled vehicle classes and equipment.
  • a vehicle is described in the model described here by a family of PR numbers:
  • Air conditioning, radio and hood Air conditioning, radio and hood.
  • Every vehicle also has an exterior color.
  • the individual PR number families are composed, for example, as indicated in FIGS. 27a and 27b.
  • the product tree consists of a basic vehicle description, a vehicle description "Vehicle X, US", which summarizes the common features of the equipment B, C and D, a vehicle description "Vehicle X, Europe” and the equipment variants A, B, C and D (compare figure 28).
  • vehicle description "Vehicle X, Europe” or the subordinate vehicle description A is sold 100% on the European market.
  • vehicle description "Vehicle X, US” and the subordinate equipment variants B, C and D are reproduced with that in FIGS. 32a and 32b Distributed to the US, Canada and "other territories" markets.
  • the pro rata plant output in the model was set so that the plant utilization in the model related to vehicle X averaged 85%.
  • the transports take place daily in the model.
  • the capacity of the transports can be limited if necessary.
  • Figure 35 Average, minimum and maximum delivery time: Figure 36, average delivery and order processing time: Figure 36, delivery time for vehicles with a specific engine: Figure 37, schedule reliability: Figure 38, weekly schedule reliability: Figure 39, - ZP8 loyalty: Figure 40,
  • Scenario S3 for example, is characterized by an overly pessimistic sales forecast.
  • the assumption is made that the forecast sales actually arrive as actual sales; in scenario S3, which assesses sales too pessimistic, this assumption is rejected. It is then examined what effects a too pessimistic sales forecast has on the process.
  • model for this scenario S3 can be expanded, for example, in such a way that the actual sales exceed the forecast sales by a total of 20%.
  • Scenario S4 is characterized by an overly optimistic forecast for sales.
  • Another scenario S5 shows, for example, a strike in production.
  • the strike began on March 1st, 2003 and lasted a total of ten days.
  • Two variants can be examined. In the first variant, the effects of the strike are examined without countermeasures. In a second variant, fewer orders are scheduled early because the strike was known in good time.
  • the strike is mapped by a disturbance in the factory capacity.
  • Option two after ten days, 1,165 vehicles are delayed. In response to the strike, the target output is reduced by these 1,165 vehicles in March.
  • a bottleneck in the delivery of diesel units can be examined in a simulation.
  • the model is expanded to include a supplier of this engine, for example, and the capacity is set so that the need for engines can be met exactly.
  • the bottleneck is then mapped to a disruption in the supplier's capacity.
  • the embodiment of the invention is not limited to the preferred exemplary embodiments specified above. Rather, a number of variants are conceivable which make use of the arrangement and method according to the invention even in the case of fundamentally different types.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeugs, sowie ein Simulationssystem, ein entsprechendes Computerprogramm-Erzeugnis und ein entsprechendes computerlesbares Speichermedium.Hierzu sind folgende Schritte vorgesehen: a) Eingabe von Bedarfszahlen für mindestens eine Klasse des Produktes für mindestens einen vorgebbaren Zeitraum in eine Datenverarbeitungseinrichtung, b) automatischer Abgleich dieser Bedarfszahlen mit vorgebbaren, Fertigungs- und/oder (Fertigungs-)Zulieferkapazitäten beschreibenden Datensätzen durch ein auf der Datenverarbeitungseinrichtung installiertes Computerprogramm, c) automatische Zuordnung der Bedarfszahlen oder von Anteilen der Bedarfszahlen zu Fertigungsorten (Werken), d) Ausführung einer Simulation der Fertigung und/oder Zulieferung für die Fertigung auf Basis der in Schritt c) erfolgten Zuordnung, e) automatische Ermittlung der Distributionswege und Ausführung einer Simulation der Distribution(en) fertiggestellter Produkte von den Werken zu den Auslieferungsorten, f) Speicherung und/oder Ausgabe wenigstens eines Teils der durch die Schritte a) bis e) erzeugten Daten.

Description

Verfahren und Simulationssystem zur Simulation von Auftragsabwicklungsprozessen sowie entsprechendes Computerprogramm- Erzeugnis und entsprechendes computerlesbares Speichermedium
Die Erfindung betrifft ein Verfahren und ein Simulationssystem zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeuges, sowie ein entsprechendes Computerprogramm-Erzeugnis und ein entsprechendes computerlesbares Speichermedium mit den in den Oberbegriffen der Ansprüche 1, 16 und 18 bis 21 genannten Merkmalen.
Seit einigen Jahren bemüht man sich in verschiedenen Industriezweigen, besonders in der Automobilindustrie, Prozesse in der Fertigung zu verbessern. Ein Weg zu einer solchen Verbesserung ist die Nutzung von Simulationsmodellen zur Planung beziehungsweise Überprüfung von Systemen und insbesondere Materialflüssen. Zu diesem Zweck wurde eine große Palette von Werkzeugen geschaffen, die mittlerweile als Standardsoftware verfügbar sind.
Eine Aufweitung des Fokus der Betrachtung erfolgt inzwischen auf Potenziale, die sich im Zusammenspiei mehrerer Teilprozesse erschließen, unter gleichzeitiger Berücksichtigung der Regeln, die zur Steuerung der Abläufe dienen. Diese Herangehensweise führt jedoch zu einer Komplexität, die mit herkömmlichen Instrumenten und Methoden nicht aufgelöst werden kann.
Herkömmliche Methoden und Werkzeuge zur Materialflusssimulation u. a. genügen nicht mehr, um die notwendige Transparenz in solchen vernetzten Prozessen zu erzielen. Hier sind deshalb neue Werkzeuge erforderlich.
Die Untersuchung von Geschäftsprozessen in der Automobilindustrie ist in vielerlei Hinsicht besonders anspruchsvoll. Eine wesentliche Ursache hierfür ist, dass für viele Teilprozesse die Betrachtung des Produktes "Fahrzeug" ohne Abbildung der Eigenschaften (Ausstattungen) nicht zielführend ist, da diese Eigenschaften starke Auswirkungen auf den Prozessablauf haben. Bei einer Untersuchung der Geschäftsprozesse sind diese Eigenschaften zudem so zu berücksichtigen, dass zum einen das Verhalten der Käufer auf bestimmten Märkten nachgebildet wird und weiterhin eine Reihe von Regeln bei der Zusammensetzung der Fahrzeuge beachtet werden.
Die Notwendigkeit einer solch detaillierten Produktabbildung entsteht unter anderem dadurch, dass Planungsalgorithmen auf der Basis von Teilen beziehungsweise Ausstattungen arbeiten und damit auch nur eine "realistische" Produktrepräsentation Rückschlüsse auf die Effizienz der Verfahren zulässt.
Die Gestaltung beziehungsweise Bewertung von komplexen Geschäftsprozessen ist mit bisherigen Methoden nur schwierig durchführbar. Die Möglichkeiten zur Simulation dieser Prozesse sind begrenzt, da herkömmliche Simulationen häufig nur auf sehr abstrakten Produkt- und Prozessrepräsentationen durchgeführt werden.
Zumindest für die Automobilindustrie lässt sich - wie bereits angedeutet - zeigen, dass die Abstraktion von Prozess- beziehungsweise Produktdetails schnell zu einer schlechten Qualität der Aussagen führt.
Zum Beispiel führt eine Verbesserung von Unternehmensprozessen über die Grenzen von bislang schwach gekoppelten Einzelbereichen hinweg häufig dazu, diese schwache Kopplung in integrierenden Planungsverfahren zu verstärken. So lassen sich dadurch zum Beispiel Bestände in Puffern zwischen Bereichen minimieren. Neben der erwünschten Verringerung von Beständen, kann aber auch beobachtet werden, dass die Verkleinerung von Puffern zu einem gegenüber Störungen kritischeren Prozess führen kann. Solche Auswirkungen können bislang nicht im Voraus simulativ untersucht und gültig abgeschätzt werden.
Das Design von übergreifenden Prozessen, wie zum Beispiel dem Auftragsabwicklungsprozess, ist ohne unterstützende Werkzeuge mit hohen Risiken behaftet. Mangelnde Transparenz führt zudem fast zwangsläufig zu ineffizienten Prozessen. Zur Minimierung dieser Risiken ist deshalb ein System erforderlich, das es einem Prozessplaner bereits beim ersten Entwurf - bis hin zur Umsetzung - ermöglicht, die Auswirkung der geplanten Prozesse qualitativ und/oder quantitativ zu untersuchen und, davon ausgehend, gegebenenfalls alternative Prozessabläufe zu entwerfen. Insbesondere erlauben die bekannten Werkzeuge nicht - um beim Beispiel der Automobilindustrie zu bleiben - die komplizierten Abhängigkeiten der Fahrzeugausstattungen untereinander abzubilden. Damit gibt es keine Werkzeuge, m|t denen es möglich wäre, Fahrzeuge in einem Modell zu generieren, in welchem diese Abhängigkeiten korrekt berücksichtigt werden (baubare Fahrzeuge).
Es ist bisher ebenso wenig möglich, eine Umsetzung vom Planungsverfahren zur Werksverbuchung, Kapazitätssteuerung, Störungsmanagement und so weiter und/oder alternative Planungsverfahren qualitativ und quantitativ zu bewerten.
Auswirkung der geplanten Prozesse qualitativ und/oder quantitativ zu untersuchen und, davon ausgehend, gegebenenfalls alternative Prozessabläufe zu entwerfen.
Insbesondere erlauben die bekannten Werkzeuge nicht - um beim Beispiel der Automobilindustrie zu bleiben - die komplizierten Abhängigkeiten der Fahrzeugausstattungen untereinander abzubilden. Damit gibt es keine Werkzeuge, mit denen es möglich wäre, Fahrzeuge in einem Modell zu generieren, in welchem diese Abhängigkeiten korrekt berücksichtigt werden (baubare Fahrzeuge).
Es ist bisher ebenso wenig möglich, eine Umsetzung vom Planungsverfahren zur Werksverbuchung, Kapazitätssteuerung, Störungsmanagement und so weiter und/oder alternative Planungsverfahren qualitativ und quantitativ zu bewerten.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und ein Simulationssystem zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeuges, sowie ein entsprechendes Computerprogramm-Erzeugnis und ein entsprechendes computerlesbares Speichermedium bereitzustellen, durch welche die vorstehend genannten Nachteile behoben werden und insbesondere eine ganzheitliche Modellierung und Simulation aller Planungsprozesse in der Logistikkette ermöglicht wird.
Diese Aufgabe wird erfindungsgemäß gelöst durch die Merkmale im kennzeichnenden Teil der Ansprüche 1 , 16 und 18 bis 21 in Zusammenwirkung mit den Merkmalen im Oberbegriff. Zweckmäßige Ausgestaltungen der Erfindung sind in den Unteransprüchen enthalten. Ein besonderer Vorteil des erfindungsgemäßen Verfahrens zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeugs, besteht in der Möglichkeit einer ganzheitlichen Modellierung und Simulation aller Planungsprozesse in der Logistikkette, indem folgende Schritte ausgeführt werden:
a) Eingabe von Bedarfszahlen für mindestens eine Klasse des Produktes für mindestens einen vorgebbaren Zeitraum in eine Datenverarbeitungseinrichtung,
b) automatischer Abgleich dieser Bedarfszahlen mit vorgebbaren, Fertigungsund/oder (Fertigungs-)Zulieferkapazitäten beschreibenden Datensätzen durch ein auf der Datenverarbeitungseinrichtung installiertes Computerprogramm,
c) automatische Zuordnung der Bedarfszahlen oder von Anteilen der Bedarfszahlen zu Fertigungsorten (Werken),
d) Ausführung einer Simulation der Fertigung und/oder Zulieferung für die Fertigung auf Basis der in Schritt c) erfolgten Zuordnung,
e) automatische Ermittlung der Distributionswege und Ausführung einer Simulation der Distribution(en) fertiggestellter Produkte von den Werken zu den Auslieferungsorten,
f) Speicherung und/oder Ausgabe wenigstens eines Teils der durch die Schritte a) bis e) erzeugten Daten.
Ein Simulationssystem zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeugs, umfasst vorteilhafterweise die Module „Prognose", „Festaufträge", Setzungen", „Produktion" und „Distribution", wobei die Module, gesteuert durch ein auf einem Computer-System implementiertes Computerprogramm, derart zusammenwirken, dass folgende Schritte ausführbar sind:
a) Eingabe von Bedarfszahlen für mindestens eine Klasse des Produktes für mindestens einen vorgebbaren Zeitraum in eine Datenverarbeitungseinrichtung, b) automatischer Abgleich dieser Bedarfszahlen mit vorgebbaren, Fertigungsund/oder (Fertigungs-)Zulieferkapazitäten beschreibenden Datensätzen durch ein auf der Datenverarbeitungseinrichtung installiertes Computerprogramm,
c) automatische Zuordnung der Bedarfszahlen oder von Anteilen der Bedarfszahlen zu Fertigungsorten (Werken),
d) Ausführung einer Simulation der Fertigung und/oder Zulieferung für die Fertigung auf Basis der in Schritt c) erfolgten Zuordnung,
e) automatische Ermittlung der Distributionswege und Ausführung einer Simulation der Distribution(en) fertiggestellter Produkte von den Werken zu den Auslieferungsorten,
f) Speicherung und/oder Ausgabe wenigstens eines Teils der durch die Schritte a) bis e) erzeugten Daten.
In einer bevorzugten Ausführungsform des Simulationssystems ist außerdem vorgesehen, dass das Simulationssystem Schnittstellen zu Datenbanken realer Systeme, wie Datenbanken von Händlern und/oder Fertigungsstätten, aufweist.
Ein Computerprogrammprodukt zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeugs, umfasst ein computerlesbares Speichermedium, auf dem ein Programm gespeichert ist, das es einem Computer ermöglicht, nachdem es in den Speicher des Computers geladen worden ist, ein Verfahren zur Simulation von Auftragsabwicklungsprozessen durchzuführen, wobei die Simulation die Verfahrensschritte gemäß einem der Ansprüche 1 bis 15 umfasst.
Um eine Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeugs, durchzuführen, wird vorteilhafterweise ein computerlesbares Speichermedium eingesetzt, auf dem ein Programm gespeichert ist, das es einem Computer ermöglicht, nachdem es in den Speicher des Computers geladen worden ist, ein Verfahren zur Simulation von Auftragsabwicklungsprozessen durchzuführen, wobei die Simulation die Verfahrensschritte gemäß einem der Ansprüche 1 bis 15 umfasst.
Besonders vorteilhaft erweist sich die Verwendung eines Verfahrens zur Simulation von Auftragsabwicklungsprozessen gemäß einem der Ansprüche 1 bis 15 oder eines Simulationssystems gemäß einem der Ansprüche 16 oder 17 zur Ermittlung von Planungsdaten wie Optimierungspotentiale, Entscheidungsalternativen, Kennzahlen für Lieferzeit oder Liefertreue, Transportmittelauslastung, Kosten oder dergleichen.
Darüber hinaus stellt es einen Vorteil für strategische, taktische und/oder operative Entscheidungen dar, Planungsdaten wie Optimierungspotentiale,
Entscheidungsalternativen, Kennzahlen für Lieferzeit. oder Liefertreue, Transportmittelauslastung, Kosten oder dergleichen, die durch ein Verfahren zur Simulation von Auftragsabwicklungsprozessen gemäß einem der Ansprüche 1 bis 15 oder durch ein Simulationssystems gemäß einem der Ansprüche 16 oder 17 verfügbar gemacht wurden, nutzen zu können.
In einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ist vorgesehen, dass die bei dem automatischen Abgleich der Bedarfszahlen in Schritt b) nach Anspruch 1 genutzten Datensätze Restriktionen der Fertigungsorte und/oder Lieferanten umfassen.
In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens ist außerdem vorgesehen, dass die Bedarfszahlen in Schritt a) nach Anspruch 1 ermittelt werden, indem eine erste Bedarfsprognose für einen ersten Prognosezeitraum vorgegeben wird, eine zweite Bedarfsprognose für einen zweiten Prognosezeitraum mit stochastischen Verfahren aus der ersten Prognose ermittelt wird und die Bedarfszahlen nach vorgebbaren, die erste und/oder zweite Bedarfsprognose auswertenden Algorithmen bestimmt werden.
Des Weiteren erweist es sich als vorteilhaft, wenn der automatische Abgleich in Schritt b) nach Anspruch 1 eine Korrektur der Bedarfszahlen zur Anpassung an die Fertigungsund/oder (Fertigungs-)Zulieferkapazitäten umfasst.
In einer anderen bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ist vorgesehen, dass die Verfahrensschritte a) bis c) gemäß Anspruch 1 folgende Schritte umfassen:
Vorgabe vorläufiger Bedarfszahlen (Bedarfsprognose) für einen ersten Prognosezeitraum, vorzugsweise für ein Verkaufsjahr,
simulative Generierung von Händlerbestellungen für einen zweiten Prognosezeitraum, vorzugsweise für drei Monate, Auswertung der vorläufigen Bedarfszahlen und Händlerbestellungen und Ermittlung einer aktualisierten Bedarfsprognose für den zweiten Prognosezeitraum,
Abgleich der aktualisierten Bedarfsprognose für den zweiten Prognosezeitraum mit den Kapazitäten der Fertigungsstätten und/oder der Zulieferer und Ermittlung von zugelassenen Festauftragskontingenten und/oder Modulkontingenten,
- Generierung der Bedarfszahlen (Setzungen) für den vorgebbaren Zeitraum, vorzugsweise eine Lieferwoche, durch Auswertung der zugelassenen Festauftragskontingente, Modulkontingente und/oder von simulierten bei den Händlern neu eingegangenen Käuferbestellungen,
- Abgleich dieser Bedarfszahlen (Setzungen) mit Restriktionen (Kapazität,
Auslastung oder dergleichen) der Fertigungsstätte(n) und/oder Lieferanten und Zuordnung der Bedarfszahlen (Setzungen) zu der (den) Fertigungsstätte(n).
Ein weiterer Vorteil des erfindungsgemäßen Verfahrens besteht darin, dass bei der automatischen Zuordnung der Bedarfszahlen auf die Fertigungsstätten eine Aufteilung der Bedarfszahlen des vorgegebenen Zeitraums auf Tagessetzungen erfolgt oder dass die automatische Zuordnung der Bedarfszahlen auf die Fertigungsstätten die Zusammenstellung von Tagesprogrammen für die Fertigungsstätten oder die Auflösung der in den Tagessetzungen spezifizierten Produkte in ihre Module umfasst.
Von Vorteil ist es ebenfalls, wenn die Bedarfszahlen Angaben zu wesentlichen Ausstattungsmerkmalen der Produkte („heavy items") umfassen.
In einer weiteren bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ist vorgesehen, dass das der Simulation zugrunde liegende Modell mehrere Fertigungsorte abbildet, in dem der Simulation zugrunde liegenden Modell die eine Produktionsstätte charakterisierenden Parameter Grenzkapazitäten, Arbeitszeitmodelle, Personalstamm umfassen und/oder in dem der Simulation zugrunde liegenden Modell eine Differenzierung zwischen Händlern, insbesondere zwischen Händlern des Inlandsmarktes und Importeuren, vorgenommen wird und/oder in dem der Simulation zugrunde liegenden Modell Distributionskanäle in Unterdistributionskanäle untergliedert sind. Ein anderer Vorteil der Erfindung besteht darin, dass die durch die Sehritte a) bis e) gemäß Anspruch 1 erzeugten Daten quantitative Bewertungen von Prozessentwürfen, Bewertungen von Strategien, wie beispielsweise zum Störungsmanagement, Einfrierzeitpunkte von Aufträgen, Lieferzeiten, Liefertreue, Transportmittelauslastung und/oder Kosten umfassen.
Darüber hinaus ist es ebenfalls vorteilhaft, wenn während des Verfahrens automatisch Daten aus Datenbanken realer Systeme, insbesondere aus Datenbanken von Händlern und/oder Fertigungsstätten, ausgewertet werden.
Der Nutzen, der mit dem planungs- und betriebsbegleitenden Einsatz des erfindungsgemäßen Simulationsmodells verbunden ist, lässt sich folgendermaßen zusammenfassen:
- Validierung des geplanten Prozesses der Auftragsabwicklung im Vorfeld der Realisierung,
Verbesserung der Planung des Auftragsabwicklungsprozesses im Vorfeld der Realisierung sowie in der Betriebsphase durch Aufbau und Bewertung verschiedener Szenarien in einem Experimentierfeld,
Analyse und Bewertung potentieller Schwachstellen, wie etwa die Beantwortung solch beispielhafter Fragestellung wie: An welchen Stellen entstehen unnötig lange Durchlaufzeiten und welche Randbedingungen sind hierfür verantwortlich?
Unterstützung der Lastenheftersteilung für die Entwicklung von Planungs- und Steuerungsinstrumenten,
Testen der Entscheidungsspielräume und Leistungsgrenzen in Extremsituationen (Überlastungen, Störungen etc.) und Ableiten möglicher Kompensationsstrategien als
Präventivmaßnahme.
Der Einsatz des erfindungsgemäßen Verfahrens oder Simulationssystems bietet darüber hinaus folgende Vorteile:
1. In der Erfindung wird ein Produktmodell einbezogen, das es erlaubt, die komplizierten Abhängigkeiten der Fahrzeugausstattungen untereinander durch Regeln abzubilden. Damit gelingt die Erzeugung von Fahrzeugen im Modell, die diesen Regeln entsprechen (baubare Fahrzeuge).
2. Die detaillierte Umsetzung von Planungsverfahren zur Werksverbuchung, Kapazitätssteuerung, Störungsmanagement und so weiter wird ermöglicht. Alternative
Planungsverfahren können qualitativ und quantitativ bewertet werden.
3. Nahezu beliebige Ausschnitte des OTD-Prozesses (OTD = Order to Delivery) können modelliert, modifiziert und die Auswirkungen auf den Gesamtprozess untersucht werden.
4. Operative Systeme können eingebunden werden, um die Auswirkungen von Entscheidungen auf der Basis von Ist-Daten im Vorfeld untersuchen zu können.
Das erfindungsgemäße Verfahren integriert und erweitert Konzepte aus der Materialflusssimulation, der Geschäftsprozesssimulation und Systemen des Supply Chain Management (SCM). Basis des erfindungsgemäßen Verfahrens ist die ereignisgesteuerte diskrete Simulation von Geschäftsprozessen mit hohem Detaillierungsgrad in Bezug auf Produktauflösung, Planungsalgorithmen und Abbildungsbereich. Dieses Ergebnis lässt sich insbesondere auch vorteilhaft in der Logistik nutzen.
Es werden durch die Erfindung für die Produktrepräsentation und den Auftragsabwicklungsprozess wesentliche Planungsabläufe nachgebildet, die die gesamte Logistikkette betreffen. Die hohe Qualität der Aussagen, die durch die Erfindung zu erzielen sind/ ist als besonderer Vorteil hervorzuheben; diese Qualität ermöglicht es, die Einführung neuer Prozesse auf strategischer, taktischer und operativer Ebene zu unterstützten. Dadurch wird eine neue ganzheitliche Modellierung und Simulation aller Planungsprozesse in der Logistikkette erreicht und der Aufbau komplexer Modelle ermöglicht.
Erst die hohe Qualität der Aussagen gestattet es, die Erfindung durchgängig vom Prozessentwurf bis hin zum operativen Einsatz nutzbar zu machen:
auf strategischer Ebene: Prozessentwürfe können quantitativ bewertet werden.
auf taktischer Ebene: Bewertung von Strategien zum Beispiel zum Störungsmanagement werden ermöglicht. auf operativer Ebene: Planer können Fertigungsprogramme im Bezug auf Auswirkungen auf Lieferzeit, Liefertreue, Transportmittelauslastung beziehungsweise letztlich Kosten bewerten.
Neben der Absicherung der Prozessgestaltung ergeben sich eine Reihe weiterer Vorteile:
Systemlasten können basierend auf komplexen Regelwerken effizient erzeugt werden.
- Puffer zwischen Prozessstufen können aufgrund abgesicherter Erkenntnisse dimensioniert werden. .
Der Auftragsabwicklungsprozess kann sowohl als Ganzes, wie auch in seinen Teilaspekten untersucht werden.
Planungsalgorithmen (Bedarfs- und Kapazitätsmanagement, Störmanagement, Beschaffung und so weiter) können untersucht und bewertet werden.
Die Formulierung von Planungsverfahren ist eindeutig. Das Simulationsmodell kann als Referenz dienen.
Die Prozessgestaltung wird lückenlos vom ersten Entwurf, über die Implementierung von IT-Systemen bis hin zum operativen Betrieb unterstützt.
Die durch die Erfindung ermöglichte ganzheitliche Bewertung von Prozessen gestattet es, neue Optimierungspotentiale anzugehen und mit sehr geringen Risiken für das Unternehmen umzusetzen.
Weitere bevorzugte Ausgestaltungen der Erfindung ergeben sich aus den übrigen, in den Unteransprüchen genannten Merkmalen.
Die Erfindung wird nachfolgend in Ausführungsbeispielen anhand der zugehörigen . Zeichnungen näher erläutert. Es zeigen:
Figur 1 ein Ablaufschema einer Simulationsstudie;
Figur 2 eine Verifizierung und Validierung von Simulationsmodellen; Figur 3 eine Gegenüberstellung einer sequentiellen und einer simultanen
Prozessarchitektur;
Figur 4 eine Veranschaulichung möglicher Prozessstufen bei der Umsetzung der
Tagesorientierung;
Figur 5 ein Beispiel für eine mögliche Struktur eines Modells zur Simulation des
Auftragsabwicklungsprozesses;
Figur 6 eine beispielhafte Darstellung von Ebenen der Fahrzeugbeschreibung;
Figur 7 eine Darstellung von Ein- und Ausgabedaten einer Simulationsstudie für das
Modell „Fahrzeugauslieferung an einem Auslieferungspunkt des Herstellers beziehungsweise der Hersteller";
Figur 8 eine Verteilung der Fertigungsdurchlaufzeiten für die Fahrzeugtypen X und
Y;
Figur 9 ein Diagramm für die reale Fertigungsdurchlaufzeit für den Fahrzeugtyp Y;
Figur 10 ein Diagramm für die reale Fertigungsdurchlaufzeit für den Fahrzeugtyp X;
Figur 11 eine Darstellung der Verringerung der Stochastik in der Fertigungsdurchlaufzeit des Fahrzeugtyps Y;
Figur 12 eine Darstellung der Verringerung der Stochastik in der
Fertigungsdurchlaufzeit des Fahrzeugtyps X;
Figur 13 eine vergleichende Darstellung der Kundenankunftszeit für ein Szenario, in dem der Kunde erst bei Fertigstellung des Fahrzeugs über den Auslieferungstermin informiert wird (oben), und ein Szenario, in dem der Kunde bereits in der Fahrzeugeinplanung über den Auslieferungstermin informiert wird (unten);
Figur 14 eine Tabelle des Stellflächenbedarfs bei der Fahrzeugauslieferung an einem
Auslieferungspunkt des Herstellers beziehungsweise der Hersteller; Figur 15 eine Tabelle der Ergebnisse der Sensitivitätsanalyse;
Figur 16 eine Tabelle des Stellflächenbedarfs für das Szenario S2 und die Verteilung Vc der Fertigungsdurchlaufzeit;
Figur 17 eine Tabelle des Einsparpotentials an Stellplätzen beim Übergang von
Szenario S1 zu Szenario S2;
Figur 18 eine Tabelle mit Angaben zur Verringerung der Kapitalbindungskosten pro
Jahr für den Fall des Übergangs von Szenario S1 mit Verteilung Va der Fertigungsdurchlaufzeit zu Szenario S2 mit Verteilung Vc der Fertigungsdurchlaufzeit;
Figur 19 eine Tabelle mit Angaben zur Verringerung der Kapitalbindungskosten pro
Fahrzeug für den Fall des Übergangs von Szenario S1 mit Verteilung Va der Fertigungsdurchlaufzeit zu Szenario S2 mit Verteilung Vc der Fertigungsdurchlaufzeit;
Figur 20 eine schematische Darstellung einer Jahresprognose;
Figur 21 eine schematische Darstellung der Prognoseaktualisierung;
Figur 22 eine schematische Darstellung des Kapazitätsabgleichs;
Figur 23 eine schematische Darstellung der Erzeugung von „zugelassenen
Festaufträgen;
Figur 24 eine schematische Darstellung der „wöchentlichen Setzungen";
Figur 25 eine schematische Darstellung der „täglichen Setzungen";
Figur 26a eine Zusammensetzung der Märkte USA und Kanada in einem Ausführungsbeispiel;
Figur 26b eine Darstellung der Märkte und Händler in einem Ausführungsbeispiel; Figur 27a PR-Nummer-Familien für Motoren, Getriebe und Klimaanlage;
Figur 27b PR-Nummer-Familien für Radios, Farben und Verdeck;
Figur 28 eine Darstellung eines Produktbaums;
Figur 29 ein Diagramm zur Veranschaulichung der Absatzprognose für das Fahrzeug
X in einem Ausführungsbeispiel;
Figur 30 dem in Figur 29 wiedergegebenen Diagramm zugrunde liegende
Absatzdaten;
Figur 31a einen Verlauf der anteiligen, in einem Ausführungsbeispiel verwendeten Fahrzeugabsätze für Nordamerika und Europa;
Figur 31b dem in Figur 31a wiedergegebenen Diagramm zugrunde liegende Absatzdaten;
Figur 32a einen Verlauf der anteiligen, in einem Ausführungsbeispiel verwendeten Fahrzeugabsätze für die USA, Kanada und die „übrigen Gebiete";
Figur 32b dem in Figur 31a wiedergegebenen Diagramm zugrunde liegende Absatzdaten;
Figur 33 eine Tabelle von arbeitsfreien Tagen in Werk A in einem
Ausführungsbeispiel;
Figur 34 eine Wahrscheinlichkeitsverteilung für die Verwirbelung bei der
Tagesprogrammbildung in einem Ausführungsbeispiel;
Figuren Ergebnisse der Simulation unter Verwendung eines beispielhaften
35 bis 42 Grundmodells:
Figur 35 durchschnittliche, minimale und maximale Lieferzeit; Figur 36 durchschnittliche Liefer- und Auftragsdurchlaufzeit;
Figur 37 Lieferzeit für Fahrzeuge mit einem bestimmten Motor;
Figur 38 Einplanungstreue; Figur 39 Wochenprogrammtreue;
Figur 40 ZP8-Treue;
Figur 41 Liefertreue;
Figur 42 Bestände;
Figuren Ergebnisse der Simulation unter Verwendung eines beispielhaften
43 bis 49 Grundmodells und der zusätzlichen Annahme, dass ein Streik aufti dass Gegenmaßnahmen getroffen werden:
Figur 43 durchschnittliche Liefer- und Auftragsdurchlaufzeit;
Figur 44 Lieferzeit für Fahrzeuge mit einem bestimmten Motor;
Figur 45 Einplanungstreue;
Figur 46 Wochenprogrammtreue;
Figur 47 ZP8-Treue;
Figur 48 Liefertreue;
Figur 49 Bestände;
Figuren Ergebnisse der Simulation unter Verwendung eines beispielhaften
50 bis 56 Grundmodells und der zusätzlichen Annahme, dass ein Streik auftritt und als Gegenmaßnahme die Soll-Ausbringung der Fahrzeuge reduziert wird:
Figur 50 durchschnittliche Liefer- und Auftragsdurchlaufzeit;
Figur 51 Lieferzeit für Fahrzeuge mit einem bestimmten Motor;
Figur 52 Einplanungstreue; Figur 53 Wochenprogrammtreue;
Figur 54 ZP8-Treue;
Figur 55 Liefertreue;
Figur 56 Bestände.
Im Folgenden soll die Erfindung beispielhaft an verschiedenen Detaillierungsgraden der Auftragsabwicklung in der Automobilindustrie ausführlich beschrieben werden.
Die Anforderungen der Kunden an die Fahrzeuge und an das Servicepaket, das der Automobilhersteller an seine Produkte knüpft, sind ausgesprochen vielfältig. Neben einer optimalen Produktqualität, maximaler Wirtschaftlichkeit und hoher Betriebssicherheit, spielt die Serviceleistung, die nicht erst beim After-sales-Service beginnt, sondern bereits beim Fahrzeugkauf, eine entscheidende Rolle für das Kaufverhalten der Kunden. Um insbesondere die Serviceleistungen vor der Auslieferung neuer Fahrzeuge für den Kunden zu optimieren, ist es ein Ziel der Automobilindustrie, einerseits die Lieferzeiten als Spanne zwischen Kundenbestellung und Fahrzeugübergabe möglichst stark zu reduzieren, und andererseits die Liefertreue zu maximieren.
Es hat sich gezeigt, dass zur Erreichung dieses Ziels in der Regel eine Neugestaltung des Geschäftsprozesses der Auftragsabwicklung, von der Erstellung jährlicher Absatzprognosen und entsprechender Programmplanungen über das Auslösen von Kundenbestellungen bis zur Fahrzeugübergabe an den Kunden, erforderlich ist.
Die Aufgabe, die mit der Gestaltung des Prozesses der Auftragsabwicklung verbunden ist, ergibt sich aus der Komplexität des betrachteten Systems, in dem der Prozess abläuft, sowie den vielfältigen Möglichkeiten, das Systemverhalten bewusst beispielsweise durch Veränderung der Steuerungsprinzipien oder unbewusst durch Störungen zu beeinflussen.
Um im Vorfeld der Realisierung aber auch in späteren Betriebsphasen das dynamische Verhalten des Systems sowie die Qualität des Geschäftsprozesses der Auftragsabwicklung beurteilen und optimieren zu können, muss ein Instrument als Experimentierumgebung vorhanden sein, mit dessen Hilfe quantifizierte Aussagen über das Systemverhalten bei variierenden Systemlasten und alternativen Steuerungsprinzipien möglich werden.
Für die Bewertung der Qualität des Auftragsabwicklungsprozesses sind insbesondere die folgenden Erfolgsparameter von Bedeutung:
Reduzierung der Lieferzeiten,
Gewährleistung der Liefertreue,
Optimierung der Kapazitätsauslastung,
Minimierung der Fahrzeugbestände im Distributionssystem.
Innerhalb des Prozesses der Auftragsabwicklung müssen Flexibilitätsspannen integriert sein, die schnelle Anpassungen an variierende Randbedingungen ermöglichen. Die Kenntnis dieser Spannen und der mit ihnen verbundene Reaktionsspielraum stellen eine wichtige Voraussetzung dar, um die skizzierten Erfolgsparameter zu einem Gesamtoptimum verbinden zu können. Konkret werden hierfür quantifizierte Aussagen benötigt über: die Kapazitätsgrenzen der verschiedenen Systeme und Teilsysteme (Händler- Netz, Vertrieb, Produktion, Distribution),
die potentiellen Engpasskapazitäten,
die Wirkung verschiedener Steuerungsprinzipien unter variierenden Randbedingungen,
die Abhängigkeiten zwischen Materialbeständen, Beständen an Neuwagen, Durchlaufzeiten, Lieferterminen, Liefertreue und Kapazitätsauslastungen,
die vorhandenen Restriktionen und deren Auswirkungen auf den Auftragsabwicklungsprozess sowie die Kenntnis über Möglichkeiten, Restriktionen kurz- oder langfristig beseitigen zu können.
Um das dynamische Verhalten des Systems „Fahrzeugfertigung" unter einer neu definierten Ablauforganisation, die durch den Prozess der Auftragsabwicklung beschrieben wird, beurteilen und bewerten zu können, werden mit dem erfindungsgemäßen Verfahren eine oder mehrere Simulationen des Auftragsabwicklungsprozesses durchgeführt.
Um die anschließend spezifizierten Ziele zu erreichen, wurde ein modulares Simulationsmodell aufgebaut, mit dessen Hilfe das Systemverhalten unter verschiedenen Randbedingungen bewertet werden kann. Gleichzeitig werden mit Hilfe des Modells Optimierungspotentiale aufgezeigt, um den Geschäftsprozess der Auftragsabwicklung fortlaufend im Planungs- und Realisierungsstadium verbessern zu können. Neben dieser Prozessmodellierung können durch Simulationsstudien Schwachstellen (zum Beispiel Engpasskapazitäten) des Systems erkannt und bewertet werden. Der Nutzen beispielsweise einer Kapazitätserweiterung in einem bestimmten Werkstandort kann hinsichtlich der Erfolgsfaktoren quantifiziert werden und mögliche Investitionsentscheidungen lassen sich absichern.
Das beispielhafte Simulationsmodell bildet neben dem Händler-Netz der Bundesrepublik, die zentralen Vertriebs- und Planungsbereiche, ausgewählte Werkstandorte sowie die Distribution des Herstellers in abstrahierter Form ab. Darüber hinaus werden die Kernprozesse der Lieferanten, wichtige Bestellmodule sowie die Schnittstellen zu den Produktionsbereichen der Automobilwerke grob mit abgebildet. Durch den Einsatz des beispielhaften Simulationsinstrumentes werden unter anderem die folgenden Ziele erreicht:
Integration aller im Verbund arbeitenden Hersteller (Konzern) und Produktionsstandorte in den Prozess der Auftragsabwicklung:
Hierzu ist es erforderlich, den Prozess der Auftragsabwicklung als offenes Rahmenkonzept zu entwickeln, um den Prozess an die marken-, Standort- und käuferspezifischen Anforderungen anpassen zu können. In einem Simulationsmodell müssen die notwendigen Veränderungen umgesetzt und hinsichtlich der Auswirkungen auf das dynamische Verhalten bewertet werden.
Das Simulationsmodell stellt demgemäß einerseits eine Modellierungsumgebung für die Anpassung des offenen Referenzmodells dar, und andererseits stellt es einen Modellspeicher für bereits Standort- und markenbezogen konfigurierte
Modellkomponenten dar.
Bewertung von Mengenabweichungen in der lang- bis kurzfristigen Planung:
- Die Durchlaufzeit, der Bestand sowie die Termintreue hängen maßgeblich von einem abgeglichenen Verhältnis aus Kapazitätsangebot und Kapazitätsbedarf ab. Dieser Abgleich muss bereits bei der jährlichen Produktionsprogrammplanung auf Basis von Absatzprognosen durchgeführt werden, um das Unternehmen auf die saisonalen Schwankungen auszurichten (so genanntes Atmendes Unternehmen). Die langfristige Kapazitätsplanung muss dabei insbesondere mit der Personalplanung abgestimmt werden, um Jahresarbeitszeitmodelle berücksichtigen zu können.
Mit Hilfe der beispielhaften Simulation können verschiedene Jahresarbeitszeitmodelle aber auch unterschiedliche Schichtmodelle bezüglich ihrer Auswirkungen auf das Atmende Unternehmen bewertet werden. Es können die Flexibilitätsspannen beurteilt werden, die mit den alternativen Methoden der Personaleinsatzplanung verbunden sind.
Neben den Möglichkeiten der langfristigen Kapazitätsanpassungen können mit dem beispielhaften Simulationsmodell ebenfalls verschiedene Methoden des mittel- und kurzfristigen Kapazitätsabgleiches getestet werden, um Aussagen zu erhalten, wie die
Systemkomponenten (Produktion, Distribution etc.) auf Kapazitätsbedarfsschwankungen reagieren und welche kurzfristigen Steuerungseingriffe mit welchem Ergebnis möglich sind (Auswirkungen auf Durchlaufzeiten, Liefertreue etc.).
Die kurzfristigen Kapazitätsbedarfsschwankungen werden durch volumenbezogene
(Fahrzeuganzahl) und eigenschaftsbezogene Bestelläbweichungen
(Ausstattungsvarianten) ausgelöst.
Um die lang- bis kurzfristige Mengen- und Kapazitätsplanung optimal aufeinander abzustimmen, sind in dem Konzept des beispielhaften Simulationsinstrumentes
Planungsfunktionen integriert worden, die eine Interaktion zwischen den Händlern und dem Hersteller erfordern. Diese Planungsfunktionen umfassen die Erstellung einer Jahresabsatzprognose, die Abstimmung eines auf die verfügbaren Kapazitäten abgeglichenen Absatzzieles, das Auslösen von Festaufträgen durch die Händler sowie die Durchführung von Setzungen (Wandlung der Festaufträge in Einzelaufträge, die
Fahrzeuge vollständig spezifizieren) und die permanente Anpassung der Setzungen an die Kundenauftrage oder Händlerspezifikationen für Fahrzeuge ohne konkreten Kundenauftrag bis kurz vor Montagebeginn.
Der Nutzen für die der Händler besteht insbesondere in der Möglichkeit, vorhandene
Setzungen an Kundenbestellungen bis drei Tage vor MO anzupassen und somit Kundenwünsche kurzfristig zu befriedigen.
Der Hersteller gewinnt durch das Konzept eine größere Planungssicherheit (garantierte Produktionsmenge durch Festaufträge drei Monate vor MO), kürzere
Lieferzeiten und eine höhere Liefertreue, womit die Konkurrenzfähigkeit der verschiedenen Marken gesteigert wird.
Analyse und Systematisierung der Restriktionen des Prozesses der Auftragsabwicklung:
Bei der Optimierung des Geschäftsprozesses können unterschiedliche Restriktionen vorgesehen werden. Hierzu zählen Unternehmensstrategien (Dieselquoten etc.), Tarifvereinbarungen, Lieferantenkapazitäten, Werksrestriktionen etc. Die Auswirkungen dieser Restriktionen auf die Erfolgsfaktoren des Prozesses der Auftragsabwicklung können mit dem Simulationsinstrument bewertet werden, um eine
Entscheidungshilfe zu erhalten, welche Vorteile mit der Beseitigung einzelner Restriktionen verbunden sind. Analyse von Leistungsgrenzen und Bewertung von Maßnahmen zur Verschiebung der Grenzen:
- Die Leistungsgrenzen einzelner Systeme werden durch die technischen und personellen Kapazitäten bestimmt. Experimente in dem beispielhaften Simulationsmodell mit unterschiedlichen Systemlasten können potentielle Engpasskapazitäten unter verschiedenen Randbedingungen (beispielsweise gravierende Abweichung des Bestellverhaltens von den Prognosewerten) transparent machen.
Insbesondere die Möglichkeiten und der Nutzen einer flexiblen Verteilung des Produktionsprogramms auf unterschiedliche Werkstandorte für einzelne Modelle und Typen werden hinsichtlich der Kapazitätsauslastung, der Lieferzeiten sowie anderer Erfolgsfaktoren durch Simulationsstudien bewertbar gemacht.
Bewertung und Optimierung der Lieferantenschnittstelle im Prozess der Auftragsabwicklung:
- Die Integration der Lieferanten in den Prozess der Auftragsabwicklung spielt eine entscheidende Rolle, um Fehlmengen zu vermeiden, die zwangsläufig Lieferzeiten verlängern und die Termintreue gefährden. Mit Hilfe des Simulationsmodells kann überprüft . werden, welche Informationen den Lieferanten zu welchen Zeitpunkten bereitgestellt werden müssen, damit die Lieferung wichtiger Bestellmodule (heavy items) bedarfsorientiert realisiert werden kann.
Es ist mit dem Simulationswerkzeug möglich, den Nutzen der Informationen zu bewerten, die die Lieferanten aus der Absatzprognose, den Inhalten der Festaufträge sowie den Veränderungen der Setzungen ableiten können, um ihre Produktions- und Distributionsprozesse zu optimieren.
Bewertung alternativer Distributionsstrategien:
Mit Hilfe der Simulation kann des Weiteren geprüft werden, inwieweit die Zielsetzung der Distribution bei der Reihenfolgeplanung in der Produktion berücksichtigt werden kann und welche Vorteile beziehungsweise Nachteile damit verbunden sind. In einer Simulation wird eine Nachbildung des dynamischen Prozesses der Auftragsabwicklung in einem Modell vorgenommen, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind. Allgemein stellt Simulation ein Hilfsmittel zum Umgang mit der Realität dar.
Simulation ist somit ein Hilfsinstrument, um ein Abbild des dynamischen Verhaltens von Systemen der Realität in einem Modell zu generieren. Als System wird dabei die Gesamtheit von Elementen mit Beziehungen zwischen diesen Elementen und ihren Eigenschaften begriffen. Das System beschreibende Eigenschaften sind dessen Zustandsgrößen. Änderungen der Zustandsgrößen reflektieren Änderungen der Systemumgebung. Zu untersuchende Systeme können sowohl Einrichtungen, wie zum Beispiel Fabriken, als auch Prozesse sein. Konkret geht es um die Untersuchung des Systemverhaltens bei sich ändernden Umweltzuständen. Die Einsatzgebiete der Simulation liegen insbesondere dort, wo kaum überschaubare, komplexe Entwicklungen der realen Welt modelliert werden sollen. Ziel ist es, diese Komplexität zu verstehen und infolgedessen zu beherrschen. Unklarheiten bezüglich des Verhaltens dynamischer Systeme unter veränderlichen Umweltzuständen können mittels Simulation schneller und einfacher beseitigt werden.
Die Komplexität realer dynamischer Systeme erschwert die Erfassung der Wirkzusammenhänge zwischen den Einflussfaktoren. Die Modellbildung im Rahmen einer Simulationsstudie ermöglicht eine Reduktion der Komplexität mittels komparativ-statischer Analyse, das heißt, dass bei einem Vergleich von alternativen Prozesskonfigurationen immer nur ein Parameter variiert wird. Hierbei wird sukzessive die Quantität der Beeinflussung auf den Untersuchungsgegenstand durch die betrachteten Einflussparameter gemessen. Vorteilhaft erweist sich die Funktionalität von Simulationsinstrumenten, den Grad der Beeinflussung isoliert zu betrachten und zu bewerten. Weiterführend kann eine Verbesserung durch die Variation von Einflüssen, die parallel auf das System einwirken, resultieren.
Bei einer Modellierung und Simulation, beispielsweise des Auftragsabwicklungsprozesses eines Automobilherstellers, lassen sich maßgebliche Kennzahlen zur Bewertung des Prozesses, wie zum Beispiel Lieferzeit und Liefertreue, untersuchen. Dadurch können gegebenenfalls Optimierungspotentiale aufgezeigt und Entscheidungsalternativen diskutiert werden. Simulation als Hilfsmittel zur Abbildung dynamischer Systeme wird in unterschiedlichen Bereichen der Arbeitswelt genutzt. Sowohl ökonomische, soziologische als auch ökologische Fragestellungen können mit Hilfe von Simulation untersucht werden.
Folgende Bereiche bilden den Schwerpunkt beim Einsatz von Simulatoren:
in der Wissenschaft, um Systemverhalten zu untersuchen, im technischen Bereich bei der Systementwicklung, im Systemmanagement, - in der Entwicklungsplanung.
Die Gründe, aus denen im Allgemeinen eine Simulation eingesetzt wird, liegen in dem speziellen Fall der Auftragsabwicklung bei der Automobilherstellung vor. Simulation kommt insbesondere zur Anwendung, wenn
Neuland beschriften wird, die Grenzen analytischer Methoden erreicht sind, komplexe Wirkzusammenhänge die menschliche Vorstellungskraft überfordern, das Experimentieren am realen System nicht möglich beziehungsweise zu kostenintensiv ist, das zeitliche Ablaufverhalten einer Anlage untersucht werden soll.
Durch den Einsatz eines Simulationswerkzeuges bei der Untersuchung des Auftragsabwicklungsprozesses - wie überhaupt in Produktion und Logistik - sollen unter anderem folgende spezielle Ziele erreicht werden:
Verbesserung der Planungsqualität und Planungssicherheit, Generierung eines Verständnisses für das System und Beherrschung der Syste m kom p lexität.
Aus betriebswirtschaftlicher Sicht kommt der Simulationstechnik als Hilfsinstrument bei der Entscheidungsfindung solch komplexer Prozesse eine große Bedeutung zu. Entscheid ungsaltemativen können im Vorfeld simuliert werden. Simulationsergebnisse geben Aufschluss über die Folgen der jeweiligen Entscheidung bezogen auf das gesamte System. Mögliche Fehlentscheidungen können somit ex ante vermieden werden. Zusammenfassend kommen Simulationstools in der Regel dort zum Einsatz, wo mit vergleichsweise geringem Aufwand relativ zuverlässige Aussagen über das Verhalten komplexer, dynamischer Systeme getroffen werden können.
Als besonders vorteilhaft erweist sich der Einsatz von Simulationswerkzeugen deswegen in folgenden Bereichen:
Systemverständnis
- Parametersensitivitäten,
Begründbarkeit und Überprüfbarkeit der gewählten Lösung, Vermeidung und Eliminierung von Engpässen, dynamische Analyse und Darstellung des gesamten Ablaufs.
Kostengünstige Lösung
Optimierung von Abläufen,
Einsparung oder Vereinfachung von Systemelementen,
Optimierung von Puffergrößen und Lagerbeständen.
Sicherheitsgewinn
Bestätigung der Planungsvorhaben, Minimierung des unternehmerischen Risikos, - Funktionalität des geplanten Systems,
Funktionalität der Steuerung.
Für das betrachtete Simulationswerkzeug wurden so genannte Referenzmodelle verwendet. Diese Referenzmodelle enthalten zum Beispiel vorgefertigte Bausteine. Beispiele für Bausteine sind Maschinen, Transportmittel oder Lager. Dadurch wird der Aufwand für die Durchführung der eigentlichen Simulationsexperimente erheblich verringert.
Die bereitgestellten Bausteine können in Abhängigkeit von der jeweiligen Fragestellung spezifisch kombiniert werden. Der Modellierungsaufwand des Anwenders beschränkt sich dann auf die Parametrisierung der Funktionalitäten der verwendeten Bausteine. Mit Hilfe dieses Prinzips kann die Modellerstellung erheblich beschleunigt werden. Insbesondere bei sehr komplexen Sachverhalten wird es im Rahmen der Modellbildung erforderlich, von der Wirklichkeit zu abstrahieren. Eine detailgetreue Nachbildung des realen Systems ist in den meisten Fällen nicht möglich. In diesem Kontext ist zu prüfen, welche Aussagekraft das Modell über die Realität aufgrund des gewählten Abstraktionsgrades besitzt. Letzteres beeinflusst entscheidend die Beurteilung der Simulationsergebnisse und damit den Nutzen der Methode Simulation generell.
Die Festlegung des Abstraktionsgrades bei der Modellbildung ist Bestandteil der Simulationsstudie, die im Anschluss kurz beschrieben werden soll.
Die Figur 1 zeigt schematisch den Ablauf bei der Durchführung einer Simulationsstudie.
Im Unterschied zu Darstellungen vereinfachter Abläufe berücksichtigt das in Figur 1 wiedergegebene Schema die Problematik, dass ein Modell nach erfolgter Verifizierung und Validierung gegebenenfalls angepasst werden muss.
Nachfolgend werden die einzelnen Bestandteile einer Simulationsstudie kurz erläutert.
Im Rahmen einer Problemdefinition ist zu klären, welche Fragestellung mittels Simulation untersucht werden soll. Dieser Aspekt ist insbesondere für die Abgrenzung von relevanten und für die Beantwortung der Problemstellung irrelevanten Bereichen des im Modell abzubildenden realen Systems von Bedeutung. In Abhängigkeit von der Fragestellung ist festzulegen, welche Einflussparameter des Systems in dem Modell berücksichtigt werden müssen. Im Anschluss an die Klärung dieses Sachverhaltes kann bestimmt werden, welcher Detaillierungsgrad bei der Modellerstellung erforderlich ist, um qualifizierte Aussagen bezüglich der Problemstellung treffen zu können. Je nach Abstraktion kann der Aufwand für die Modellbildung abgeleitet werden.
Um die im ersten Schritt definierte Problemstellung in einem Modell geeignet abzubilden, sind die relevanten Eingangsgrößen zu systematisieren. Darüber hinaus ist zu diskutieren, welche Parameter das System maßgeblich beeinflussen. Im Anschluss daran sind die relevanten Einflussparameter zu klassifizieren. Im Rahmen der Systemanalyse sind insbesondere die dynamischen Parameter von Interesse. Die Bestimmung der Quantität der Systembeeinflussung eines einzelnen Parameters wird meist durch eine Sensitivitätsanalyse unterstützt. Abhängigkeiten zwischen den Eingangs- und Ausgangsgrößen sind als Kennzeichen des Systemverhaltens bei der Modellentwicklung zu berücksichtigen. Parallel zu der Modellentwicklung erfolgt die Erhebung der benötigten Inputdaten.
Nach der Entwicklung des formalen Modells ist die Überführung der Inhalte des Modellkonzeptes in das Computerprogramm vorzunehmen. Während der Modellkonzeption werden die Systembestandteile herausgearbeitet, die in dem Modell abgebildet werden müssen. Diese sind geeignet und in der erforderlichen Detaillierung auf das Modell zu übertragen. Bei der Implementierung kann in manchen einfach strukturierten Fragestellungen auf marktgängige Standardsimulationstools zurückgegriffen werden. Viele dieser standardisierten Simulationswerkzeuge beruhen - wie oben bereits erwähnt - auf dem so genannten Bausteinprinzip. Derartige Tools können zwar in manchen Anwendungsfeldern relativ flexibel eingesetzt werden, bei komplexen Problemstellungen, wie beispielsweise bei der Auftragsabwicklung in der Automobilindustrie, erweisen sie sich in der Regel als unbrauchbar. Auch für das beispielhafte Simulationswerkzeug war es erforderlich, die entsprechende Software neu zu erstellen.
Im Anschluss an die Modellimplementierung ist sowohl eine Verifizierung als auch die Validierung des Modells vorzunehmen. Verifizierung ist die Überprüfung der einzelnen Schritte des Modellierungsprozesses. Das heißt, es wird geprüft, ob die im Rahmen der Modellkonzeption formal erarbeiteten Modellzusammenhänge auch tatsächlich in dem Computermodell implementiert wurden.
Im Gegensatz dazu umfasst die Validierung des Modells die Frage, ob die Realität, bezogen auf die Zielsetzung der Simulation, in dem Modell geeignet und richtig abgebildet wird. Einfach ist die Validierung in den Fällen, wo ein real existierendes System zu modellieren ist. Zunächst ist der Zustand des realen Systems in einem Modell abzubilden. Geeignet ist das Modell dann, wenn die Simulationsergebnisse unter der Voraussetzung vergleichbarer Parametereinstellungen mit denen des realen Systems übereinstimmen. Das Modell muss das Verhalten des realen Systems genau genug und fehlerfrei abbilden.
Vereinfachend ausgedrückt bedeutet Verifizierung die Überprüfung, ob die richtigen Dinge in dem Modell abgebildet werden, während im Rahmen der Validierung überprüft wird, ob die Dinge richtig abgebildet werden.
Für den Fall, dass im Anschluss an die Verifizierung und/oder die Validierung Zweifel an der Richtigkeit des Modells begründet sind, muss die Simuiationsstudie in diesem Stadium unterbrochen werden. An dieser Stelle erfolgt die .Rückkopplung zur Modellentwicklung. Figur 2 verdeutlicht den Zusammenhang von Modellverifizierung und Modellvalidierung.
Nachdem die Qualitätsprüfung erfolgreich abgeschlossen wurde, kann mit der Durchführung der Experimente begonnen werden.
Bei der Auswertung der Ergebnisse der Simulationsläufe sind mehrere Aspekte zu berücksichtigen. Folgende statistische Gesetzmäßigkeiten sind dabei zu beachten:
- Werden dynamische Prozesse simuliert, benötigt das modellierte System eine bestimmte Zeit des „Einschwingens", bis die Stabilität des Modells gegeben ist (die Werte aus der Phase der so genannte „warming up"-Periode sind von der Gesamtauswertung auszuschließen).
- Charakteristisch für Simulationsexperimente mit stochastischen
Verteilungsfunktionen ist die Unabhängigkeit der Simulationsläufe.
Um die Genauigkeit der Ergebnisse von Simulationsläufen mit stochastischen Verteilungsfunktionen zu erhöhen, werden n-Replikationen von Simulationsexperimenten mit derselben Parametereinstellung durchgeführt und ein Durchschnittswert über n ermittelt.
Eine andere Methode ist die Vorgabe eines Konfidenz- oder Vertrauensintervalls. Dieses Intervall begrenzt den Bereich, in dem der wahre zu ermittelnde Wert mit einer bestimmter Wahrscheinlichkeit liegt.
Nachdem die Simulationsläufe durchgeführt wurden,, müssen die Ergebnisse interpretiert werden. Anhand der Simulationsexperimente kann der Anwender zu Erkenntnissen über das Verhalten des realen Systems gelangen. Die Interpretation sollte jedoch immer vor dem Hintergrund der vorgenommenen Abstraktion erfolgen.
In einem Unternehmen durchgeführte Simulationsexperimente dienen in der Regel als Entscheidungshilfen für Managemententscheidungen. Insbesondere die Ergebnisse operativ eingesetzter Simulationswerkzeuge beeinflussen reale Entscheidungen. Die Qualität der Ergebnisse ist in diesem Zusammenhang natürlich eine wesentliche Voraussetzung für die Akzeptanz des Anwenders. Nachfolgend soll die Modellierung für das spezielle Beispiel der Simulation eines Auftragsabwicklungsprozesses zur Herstellung von Kraftfahrzeugen detailliert erläutert werden.
Der Auftragsabwicklungsprozess umfasst alle Teilprozesse von der Kundenbestellung bis zur Auslieferung des Fahrzeugs an den Kunden. Als Teilprozesse der Auftragsabwicklung können insbesondere folgende Schritte spezifiziert werden:
.Bestellannahme: Händler und Kunde erzielen eine Übereinkunft über Fahrzeugtyp, Ausstattung und Liefertermin. Bestellt der Kunde das Fahrzeug zu den vereinbarten Bedingungen, wird der Auftrag an den Vertrieb des Herstellers weitergeleitet.
Programmplanung: Kunden- und Händleraufträge werden unter Berücksichtigung bestehender Restriktionen eingeplant.
Fertigung: Nachdem ein Auftrag einem Werk zugeordnet und in ein Wochenoder Tagesprogramm eingeplant wurde, werden die Fahrzeuge entsprechend dem Produktionsprogramm gefertigt.
Distribution: Nach Fertigstellung und Endabnahme des Fahrzeugs im Werk wird das Fahrzeug verladen und in ein Zwischenlager oder direkt zu dem entsprechenden Händler transportiert. Im Anschlss daran erfolgt die Übergabe des Fahrzeugs an den Händler.
Zuvor wird der Marktbedarf prognostiziert. Auf Basis dieser Prognose wird nach der Überprüfung der vorhandenen Kapazitäten die Mengenplanung durchgeführt. Diese Planung erfolgt sowohl für Fahrzeuge als auch für Eigenschaften. Aufgrund der Mengenplanung kann der Teilebedarf ermittelt werden. Des Weiteren legt die Mengenplanung die Bandbreiten für die Einplanung von Aufträgen fest. Ziel einer Optimierung der Auftragsabwicklung ist es, die Lieferzeiten signifikant zu reduzieren. Dies wird durch den Einsatz der Erfindung erreicht.
Ein Lösungsansatz für die Optimierung der Auftragsabwicklung ist die Implementierung einer neuen Prozessstruktur. Dabei ist zum Beispiel die Substitution einer sequentiellen
Prozessarchitektur durch eine simultane Prozessarchitektur eine Möglichkeit der Neugestaltung der Prozessstruktur. Hierbei greifen die einzelnen Kettenglieder - Prognose, Programmplanung, Fertigung, und Distribution - systematisch ineinander.
Ein wesentlicher Kernpunkt dieser Bemühungen ist die Einführung eines Prozesses, bei dem ein in der Auftragssteuerung befindliches Fahrzeug möglichst spät einem konkreten Kunden zugeordnet werden kann.
Figur 3 stellt beide Prozessstrukturen vergleichend gegenüber.
Um diese Reduzierung der Lieferzeiten zu erreichen, wird beispielsweise angestrebt, die Fahrzeugeinplanung in den Werken von einer ZP8-Woche auf einen ZP8-Tag umzustellen (ZP8 = Zählpunkt 8; der Zählpunkt 8 markiert die Fertigstellung eines Fahrzeugs). Im Unterschied zu heutigen Prozessen wird bei der Tagesorientierung anstatt des Auftragsbestandes einer Kalenderwoche immer nur der Auftragsbestand eines Tages an die Fertigung übergeben. Dieser Prozess wird als „Tagesorientierung" bezeichnet. Im Gegensatz zu der klassischen Auftragsabwicklung kann der Prozess „Tagesorientierung" die zeitliche Verlagerung des Einfrierzeitpunktes (EZP) des Auftrags ermöglichen. Der Einfrierzeitpunkt markiert den spätestzulässigen Termin für die Änderung einer Eigenschaft beziehungsweise eines Auftrags. Grundgedanke jeder der in Figur 4 dargestellten Prozessstufen ist die Erhöhung der Flexibilität in der Auftragsabwicklung.
Eine Änderung der Spezifikation des Auftrags ist in Abhängigkeit von der zu verändernden Eigenschaft unter Umständen bis kurz vor Fertigungsbeginn zulässig.
Die Einführung des Prozesses der „Tagesorientierung" erfordert die Erfüllung bestimmter Voraussetzungen. Beispielsweise ist die Stabilität der Freigabe von Einsatzterminen zu gewährleisten. Des Weiteren dürfen die Vorlaufzeiten für die Beschaffung der Teile nicht außerhalb des Zeitfensters für die Änderung der Spezifikation des Auftrags liegen. Ansonsten reduzieren sich die Änderungsmöglichkeiten auf geringe Eigenschaftsumfänge. Ansonsten würde der Vorteil, der aufgrund der Flexibilisierung der Auftragsabwicklung resultiert, nicht ausgeschöpft werden. Die Lieferzeiten könnten nicht signifikant gesenkt werden.
Der Vorteil der Tagesorientierung im Vergleich zu dem im Anschluss beschriebenen „2+2"- Prozess ist bei ungestörten Aufträgen die Fixierung eines Auftrags in der Auftragssteuerung auf einen ZP8-Tag. Verwirbelungen von Aufträgen in der Fertigung zum Beispiel, wie im „2+2"-Prozess, sind dann nicht mehr möglich. Aufgrund dieser Maßnahme resultiert eine konstante Sequenz von Aufträgen vor der Fertigung. Die Tagesorientierung stabilisiert und vereinfacht somit den Prozess. Eine konsequente Umstellung auf die modifizierte Prozessstruktur würde unter Umständen nicht vorhersehbare Komplikationen verursachen. Aus diesem Grund wurden diverse Prozessstufen entwickelt, die einen gleitenden Übergang ermöglichen. Diese Prozessstufen sind in Figur 4 dargestellt.
Auch durch schrittweise, evolutionäre Einführung der jeweiligen Prozessstufe wird die Lieferzeit sukzessive reduziert.
Da bei der Umsetzung der Prozessstufe „Tagesorientierung" wie erwähnt Probleme auftreten könnten, wird in dem beispielhaften Vorgehen eine Vorstufe „2+2" zwischengeschaltet. Dieser Prozess ermöglicht unter bestimmten Randbedingungen bereits eine Durchlaufzeit von vierzehn Kalendertagen. „2+2" soll verdeutlichen, dass bei einer Bestellzeit von vier (=2+2) Wochen durch den Händler Auftragsänderungen bis zirka zwei Wochen vor dem ZP8-Termin möglich sind - im Gegensatz zu „1+3", wo zwar ebenfalls vier (=1+3) Wochen zwischen Bestellung und Fertigungstermin liegen, der Auftrag jedoch bereits drei Wochen vor dem ZP8-Termin eingefroren wird, so dass eine Auftragsänderung nur bis drei Wochen vor dem ZP8-Termin möglich ist.
Gegenüber dem „1+3" wird somit die Durchlaufzeit um eine Woche reduziert. Der Handel bestellt bei „2+2" also ein Fahrzeug spätestens vier Wochen vor dem geplanten Fertigungstermin (ZP8-Woche). Auftragsänderungen sind dann bis zirka zwei Wochen vor ZP8-Termin möglich. Die Änderung eines Auftrags führt in diesem Falle nicht zu einer Terminverschiebung. Der Handel kann einen Auftrag auch ohne konkrete Kundenbestellung in die Systeme einstellen. Die Eigenschaftsspezifikationen eines Händlerauftrags können dann entsprechend dem Kundenwunsch bis zum Einfrierzeitpunkt geändert werden.
Wie ersichtlich geworden ist, handelt es sich bei dem Auftragsabwicklungsprozess in der Automobilindustrie um ein sehr komplexes System mit zahlreichen unterlagerten Systembestandteilen und Querverbindungen, so dass die Beherrschung der Funktionsweise der einzelnen Kettenglieder des Prozesses im Rahmen einer Gesamtbetrachtung am realen Prozess schwierig erscheint. Aus diesem Grund wird das im Folgenden näher beschriebene Simulationswerkzeug eingesetzt. Der Auftragsabwicklungsprozess wird in ein Modell übertragen und simuliert. Ausgehend von der Bestrebung der Optimierung des Gesamtprozesses können durch veränderte Parametereinstellungen Auswirkungen in allen Teilabschnitten der Prozesskette ermittelt werden. Hierbei wird in der beispielhaften Simulation zunächst ein idealisierter Systemzustand modelliert. Das Ergebnis der Simulation dieses Referenzmodells bildet gewissermaßen die Benchmark für nachfolgende Simulationsläufe, wobei der Systemzustand nun dadurch variiert wird, dass in der Realität beobachtbare Ereignisse die Kontinuität des Prozessablaufes behindern. Darüber hinaus können so genannte „worst case"-Studien durchgeführt werden. Hierbei wird ermittelt, bei welcher Konstellation bezüglich der Parametereinstellung das System instabil wird, das heißt die Funktionsfähigkeit des Systems gefährdet ist.
Am realen System ist diese Form der Systemanalyse nicht praktikabel, da diese Vorgehensweise sehr kostenintensiv wäre.
Ein vollständiges Modell der Auftragsabwicklung ist in die Teilbereiche Fahrzeugaufbau, Absätze, Planung, Märkte/Distribution und Werke untergliedert. Die Figur 5 zeigt im Überblick die vollständige Struktur eines Simulationsmodells und die logischen Verknüpfungen der Systembestandteile. Nachfolgend werden die oben erwähnten Bestandteile der Modellstruktur - Fahrzeugbeschreibung, Absatz, Prozesssteuerung, Märkte/Distribution, Werke - und deren Komponenten kurz allgemein und daran anschließend auf zwei jeweils mehr detailliert dargestellten Ausführungsstufen erläutert. Parallel dazu wird im ersten Falle gezeigt, wie die Gesetzmäßigkeiten des Realsystems in dem Modellaufbau implementiert sind. Im Anschluss daran wird die Vorgehensweise bei der Modellbildung anhand einer konkreten Simulationsstudie beispielhaft erläutert.
Absätze
Unter der Rubrik „Absätze", ist ein Wertverlauf für den globalen, absoluten Absatz der betrachteten Fahrzeugklassen bezogen auf den Simulationszeitraum anzugeben. Je nach Fragestellung besteht die Möglichkeit, saisonale Absatzschwankungen zu definieren, indem die Eingabe von Absatzzahlen beispielsweise auf Monatsbasis, anstatt aggregiert auf Basis eines Jahres, vorgenommen wird. Diese Funktionalität ist beispielsweise auch im Zusammenhang mit der Kennzahl „Atmenden Fabrik" von Bedeutung. Fahrzeugbeschreibung
Ein Fahrzeug wird beispielsweise durch einen sechsstelligen Modellschlüssel vollständig beschrieben. Bestandteile dieses Schlüssels sind etwa Angaben zur Fahrzeugklasse (Plattform und Baureihe), die Bezeichnung der Karosserieform (Limousine, Variant und so weiter), die Ausstattungsstufe (Basis, Trendline, Comfortline, Highline und so weiter), sowie die Bezeichnungen für Motor und Getriebe.
Hierarchisch dem Modellschlüssel untergeordnet, erfolgt über eine Liste so genannter „PR- Nummern" die detaillierte Auflösung des Fahrzeugs. Dabei erfolgt über PR-Nummem die eindeutige Beschreibung einer Eigenschaft. Jede Eigenschaft wird genau einer PR- Nummer zugeordnet. PR-Nummem werden zu „PR-Nummem-Familien" zusammengefasst. Beispielsweise sind die PR-Nummern „ohne Airbag" und „Airbag für Fahrer" der PR-Nummern-Famiiie „Airbag (Kurzbezeichnung AIB)" zugeordnet. Jedes Fahrzeug wird durch genau eine PR-Nummer aus jeder PR-Nummem-Familien eindeutig beschrieben. Diese Struktur wird auch im Aufbau des Modells berücksichtigt.
Länder- beziehungsweise Marktspezifika bei der Fahrzeugbeschreibung sind gesondert zu definieren. Beispiele hierfür sind Fahrzeuge mit Rechtslenkung oder spezielle Abgasnormen.
Der Fahrzeugaufbau berücksichtigt unterschiedliche Ebenen. In Figur 6 ist diese Struktur wiedergegeben. In diesem Beispiel wurden die Ebenen Konzern (Wurzel, I . Ebene), Plattform (2. Ebene), Fahrzeugtyp beziehungsweise -klasse (3. Ebene), Karosserieform (4. Ebene), Ausstattung (5. Ebene) und Länderkennzeichen (6. Ebene) berücksichtigt. Die Anzahl der Ebenen ist abhängig von dem Modellumfang. Wird beispielsweise lediglich eine Plattform oder nur eine Fahrzeugklasse einer Plattform betrachtet, können die betreffenden Ebenen entsprechend zusammengefasst werden. Im umgekehrten Fall kann durch die Modellierung weiterer Ebenen der Detaillierungsgrad erhöht werden. Im Rahmen der Modellbildung ist ex ante festzulegen, inwieweit von der realen Struktur der Fahrzeugebenen abstrahiert werden kann.
Des Weiteren sind auf allen Ebenen Einbauraten (EBR) zu definieren. Die Einbaurate einer . Eigenschaft definiert den Anteil dieser Eigenschaft in Relation zu der Eigenschaftsfamilie. Wird durchgängig jeweils nur eine Fahrzeugbeschreibung je Ebene modelliert, entspricht die EBR jeder Ebene 100 %. Weitere Attribute jeder Ebene sind „PR-Nummern- Setzungen", „PR-Nummem-Spezifikationen" und „PR-Nummern-Gruppen". Unter PR-Nummern-Setzungen versteht man alle diejenigen Eigenschaften, die bereits in der Basisausstattung der jeweiligen Fahrzeugbeschreibung verbaut werden, wobei jeweils eine Eigenschaft einer PR-Nummem-Familie als Setzung zu modellieren ist. Als PR- Nummern-Gruppe wird die Kombination von Eigenschaften bezeichnet. Über diese Funktionalität könnten beispielsweise Zwänge und Verbote abgebildet werden. Die Notwendigkeit zur Bildung von Eigenschaftskombinationen könnte einerseits technisch bedingt sein. Andererseits lassen sich über diese Funktionalität auch Maßnahmen des Vertriebs abbilden. Aus diesem Grund kann der Kunde in einigen Fällen lediglich aus einer Vielzahl so genannter Ausstattungspakete wählen, wodurch die Variantenvielfalt gesenkt und die Eigenschaftsprognose erleichtert wird.
PR-Nummem-Spezifikationen wiederum sind alle in dem Modell berücksichtigten Eigenschaften je Eigenschaftsfamilie, aus denen der Kunde sein Fahrzeug individuell konfigurieren kann. Sowohl für die PR-Nummem-Gruppen als auch für die PR-Nummern- Spezifikationen sind jeweils Einbauraten zu definieren. Für die gesetzten Eigenschaften ist die Eingabe einer EBR nicht erforderlich. Die EBR der jeweils gesetzten Eigenschaft ergibt sich aus der Differenz der Summe der EBR der nicht gesetzten Eigenschaften einer PR- Nummern Familie zu Eins.
Prozesssteuerung
Im Rahmen der Prozesssteuerung wird der Zeithorizont für die Prognosen und die Einplanung der Fahrzeuge festgelegt. Die verschiedenen Prozessstufen, wie sie oben im Zusammenhang mit der Umstellung auf eine modifizierte Prozessstruktur beschrieben wurden, lassen sich anhand von Terminserien parametrisieren. Über die Terminserien wird der rollierende Planungsrhythmus abgebildet. Dafür sind Zeitpunkte und die entsprechenden zeitlichen Abstände der Ereignisse während des Planungsprozesses zu definieren.
Märkte/Distribution
Bei den Märkten kann zwischen den Händlern (Inlandsmarkt) und Importeuren differenziert werden. Diese Differenzierung kann deswegen sinnvoll sein, weil im Unterschied zum Inlandsmarkt die Fahrzeugbestellungen aus Exportmärkten nicht auf Kundenaufträgen basieren, sondern in der Regel auf Prognosen. Die Fahrzeuge werden in diesem Fall vom Importeur spezifiziert. Ein Händler/Importeur wird über die Bezeichnung, den Ort des Zielbahnhofs, die Distributionskanäle, die Vorzugswerke und spezifische Händlerplanungsparameter vollständig beschrieben. Die Distributionskanäle wiederum können erforderlichenfalls in so genannte Unterdistributionskanäle untergliedert werden. Diese Funktionalität ermöglicht die Verschachtelung von Distributionswegen. Beispielsweise besteht die Option, sowohl alternative Transportmittel als auch verschiedene Routen abzubilden. Jeder Distributionskanal ist in der vorliegenden Ausführungsform über die Attribute „Ausgangspunkt", „Zielpunkt", „Fahrplan" (= zeitlicher Abstand zwischen zwei Transporten), „Transportkapazität", „Transport-" und „Verladedauer" definiert.
Angaben bezüglich der Termine für die Volumenvereinbarung und Fahrzeugbestellungen eines Händlers/Importeurs sind Bestandteil der spezifischen Händlerplanungsparameter. Weiteres Merkmal ist die Klassifizierung der Kunden durch Segmentierung. In dem beispielhaften Modell werden die Kunden entsprechend ihrer Präferenzen bezüglich der Lieferzeit differenziert.
Werke
Ein Werk ist durch die Bezeichnung, die Kapazität, die Durchlaufzeit, Sperrungen, den Zielbahnhof und die in dem Werk verbauten Fahrzeugklassen vollständig beschrieben. Als
Sperrung wird die temporäre Beeinträchtigung der Verfügbarkeit der geplanten Kapazität einer oder mehrerer Eigenschaften bezeichnet. Die Kapazität eines Werkes wird durch
Multiplikation der Ausbringung pro Stunde und der Wochenarbeitszeit des Werkes ermittelt.
Gesetzlich geregelte Feiertage und Werksurlaub werden in dem beispielhaften Simulationswerkzeug separat aufgeführt und in der Kapazitätsplanung berücksichtigt.
Sowohl für den Durchsatz als auch für die Wochenarbeitszeit kann ein Grad der Flexibilität im Zeitverlauf definiert werden.
Bezogen auf die Durchlaufzeit sind in dem betrachteten Ausführungsbeispiel die Plandurchlaufzeit und die Durchlaufzeitverteilung als Wertverlauf anzugeben. Auf Basis der Plandurchlaufzeit erfolgt die zeitliche Einplanung des Auftrags in der Fertigung. In Abhängigkeit von der Varianz der Durchlaufzeitverteilung ergeben sich entsprechend Effekte auf die ZP8-Treue. Eine Verbesserung der ZP8-Treue ist beispielsweise durch eine Verringerung der stochastischen Einflüsse erreichbar.
Anhand der Ergebnisse können dann Aussagen über die Stabilität des Auftragsabwicklungsprozesses insgesamt abgeleitet werden. Für den Fall, dass ausschließlich die Stochastik in der Fertigung die Ursache der Destabilität in der Auftragsabwicklung darstellt, ermöglichen deterministische Fertigungszeiten unter sonst gleichen Bedingungen die genaue Bestimmung des Liefertermins.
Sperrungen von Eigenschaften werden in der beispielhaften Ausführungsform ebenfalls bei den Werken angegeben. Die Beschreibung der Sperrung erfolgt über deren Definition. Bestandteile der Definition sind Angaben bezüglich der Vorwarnzeit, der Dauer und dem Beginn der Sperrung sowie der anteiligen Kapazität der Eigenschaft, die von der Sperrung betroffen ist. Im Rahmen der Funktionalität „Sperrung" könnte auch eine Einsatzterminverschiebung modelliert werden. Von einer Einsatzterminverschiebung wird gesprochen, wenn eine Eigenschaft aufgrund vielfältiger Probleme nicht zum ursprünglichen Termin verbaut werden kann (synonym für „Einsatztermin" wird auch „Start of Production" (SOP) verwendet). Besonders problematisch ist dieser Umstand in den Fällen, wo die Nichteinhaltung des geplanten Einsatztermins sehr spät bekannt wird und in der Einplanung dann nicht mehr berücksichtigt werden kann. Wenn ein Einsatztermin verschoben wird, erfolgt die Substitution der gesperrten Eigenschaft durch eine Eigenschaft der gleichen PR-Nummern-Familie. Aufgrund der hohen Komplexität und der Existenz zahlreicher Zwänge und Verbote bei Eigenschaftskombinationen, ist hierfür ein ausreichend langer Vorlauf vorzusehen. In diesem Zusammenhang wird deutlich, welche Auswirkungen eine späte Bekanntgabe einer Einsatzterminverschiebung auf die Stabilität des Prozesses und infolgedessen auf die Einhaltung des geplanten ZP8-Termins haben kann.
Eine Angabe der verbauten Fahrzeugbeschreibungen und der entsprechenden relativen Anteile der Fahrzeugbeschreibungen an der gesamten Fertigung der jeweiligen Fahrzeugbeschreibung ist nur dann relevant, wenn mehr als ein Werk in dem Modell berücksichtigt wird und Fahrzeugbeschreibungen nicht ausschließlich in einem Werk gefertigt werden. Ansonsten beträgt der Anteil immer 100 %.
Die beispielhafte Ausführungsform der Simulation des Auftragsabwicklungsprozesses erlaubt es, vielfältige Fragestellungen zu untersuchen. Dabei können sowohl Auswirkungen von strategischen als auch operativ-taktischen Entscheidungsalternativen simuliert werden. . Die nachfolgenden Beispiele sollen einen Eindruck für den universellen Einsatz der Erfindung vermitteln. Analysiert wird in allen Fällen wie die beschriebenen Kennzahlen Lieferzeit, Liefertreue, Auslastung und Bestände variieren, wenn bestimmte Faktoren die Kontinuität des Prozesses negativ beeinflussen. Auswirkungen strategischer Entscheidungen lassen sich untersuchen bezüglich
der Implementierung einer neuen Prozessstufe, der Komplexitätsreduktion (Modularisierung in der Beschaffung und im Vertrieb), - alternativer Beschaffungsstrategien (zum Beispiel: modular sourcing), alternativer Fertigungskonzepte (Kundenauftragsfertigung vs. Lagerfertigung), der Standortplanung, alternativer Distributionskanäle, der langfristigen Kapazitätsplanung (technische Kapazität), - neuer Händlernetzstrukturen.
Mit dem erfindungsgemäßen Simulationswerkzeug können untersucht werden die Auswirkungen operativ-taktischer Maßnahme infolge von:
- Einsatzterminverschiebungen,
Engpässen bei Zulieferern, nicht prognostizierter Nachfrage nach Fahrzeugen! Eigenschaften, temporären Kapazitätseinschränkungen in den Werken aufgrund eines Maschinenausfalls und ähnlichem.
Im Folgenden soll nun der allgemeine Ablauf einer Simulationsstudie am Modell „Fahrzeugauslieferung an einem Auslieferungspunkt des Herstellers bzw. der Hersteller" beschrieben werden.
Im Unterschied zu der herkömmlichen Übergabe von Neuwagen bei einem Händler wird dem Kunden in dem untersuchten Modell die Möglichkeit der Übergabe des neuen Fahrzeugs an einem Auslieferungspunkt des Herstellers beziehungsweise der Hersteller offeriert. Die Fahrzeugbestellung wird wie bisher auch von den Händlern vor Ort entgegengenommen.
Die mit der Auslieferung der Fahrzeuge an einem Auslieferungspunkt des Herstellers beziehungsweise der Hersteller verbundene Schwierigkeit besteht in der Notwendigkeit, dass die Fahrzeuge, die zu einem bestimmten Zeitpunkt an den Kunden übergeben werden sollen, auch genau dann zur Verfügung stehen müssen. Konkret resultiert aus diesem Anspruch eine Liefertreue von 100 %. Dies setzt eine verbindliche Einplanung der kundenspezifischen Fahrzeuge und stabile Prozessabläufe voraus. Im Rahmen der Einplanung sind insbesondere die persönlichen Präferenzen des Kunden hinsichtlich des Zeitpunktes der Auslieferung zu berücksichtigen.
Wie der oben beschriebene logistische Anspruch bezüglich der Liefertreue realisiert werden könnte, kann unter Verwendung des erfindungsgemäßen Simulationswerkzeugs aufgezeigt werden. Ausgehend von dem Status quo der Auslieferung wird dabei bestimmt, welche Systemanpassungen vorzunehmen sind, um dem Kunden einen verbindlichen Auslieferungstermin bereits zum Zeitpunkt des Eingangs der Kundenbestellung beim Händler mitzuteilen. Um die Auslieferung von Fahrzeugen an die Kunden zu dem zugesagten Termin verbindlich sicherstellen zu können, wird der Kunde gegenwärtig erst zum Zeitpunkt der Fertigstellung des Fahrzeugs über den frühestmöglichen Tag der Übergabe informiert.
Da die Übernahme durch den Kunden nicht in jedem Fall kurzfristig erfolgen kann, müssen die Fahrzeuge in der Zwischenzeit gelagert werden. Hierfür wird eine bestimmte Kapazität an Stellplätzen benötigt. Kosten entstehen in Form von Kapitalbindung, fixe Kosten der
Errichtung der Lagerflächen und variable Kosten der Lagerhaltung. Im Rahmen dieser
Problematik kann auch eine monetäre Betrachtung vorgenommen werden. Ziel einer solchen Betrachtung ist es, aufzuzeigen, welche Einsparungen resultieren könnten, wenn die mit dem erfindungsgemäßen Simulationswerkzeug gewonnenen Erkenntnisse in die reale Prozessgestaltung einfließen würden. Aufgrund der vielen Einflussfaktoren, die den
Prozess destabilisieren können, ist es schwierig, den Bedarf an Stellflächen genau zu quantifizieren. Für den Fall, dass mehrere Einflüsse parallel auf das System einwirken, resultiert eine Durchlaufzeitverteilung mit einer hohen Varianz. Infolge dessen wäre der dem Kunden verbindlich zugesagte Liefertermin nicht zu halten.
Ziel der Simulation ist ein Vergleich alternativer Prozesskonfigurationen. Zunächst ist daher - wie oben bereits erläutert - ein Modell zu erstellen, das die relevanten Eigenschaften des realen Systems abbildet. In Bezug auf den hier beispielhaft zu untersuchenden speziellen Sachverhalt sind nicht alle Teilprozesse des Auftragsabwicklungsprozesses relevant. Entsprechend kann die Abstraktion geeignet vorgenommen werden.
Zur Untersuchung des gestellten Problems ist es zum Beispiel nur erforderlich, ein Werk A zu modellieren. Des Weiteren muss dazu nur der Anteil der im Werk A gefertigten Fahrzeuge berücksichtigt werden, der für den Inlandsmarkt bestimmt ist. Neben der Beschränkung auf das Werk A und den Markt Deutschland werden in der speziellen Ausführungsform nur folgende Ebenen des Fahrzeugaufbaus im Modell betrachtet: Hersteller,
Plattformen: AOO und A, Fahrzeugklassen, - Markt/Länderkennzeichen (Inland / Markt Deutschland).
Der Umfang der im beispielhaften Modell erfassten Eigenschaften beschränkt sich außerdem auf die Eigenschaftsfamilien, die regelmäßig als kritisch eingestuft sind. Als wichtiges Kriterium wird in diesem Zusammenhang angesehen, in dem Modell annähernd die Komplexität der Fahrzeugbeschreibung in der Realität abzubilden. Die in dem beispielhaften Modell abgebildete Komplexität bezieht sich auf die im Werk A für den Markt Deutschland verbauten Eigenschaften bei beispielhaft betrachteten dreizehn Eigenschaftsfamilien. Demnach sind insgesamt dreizehn Eigenschaftsfamilien mit beispielsweise 68 Eigenschaften beziehungsweise PR-Nummern zu berücksichtigen. Im Rahmen der beispielhaften Modellierung werden die PR-Nummern-Spezifikationen und PR-Nummern-Setzungen ebenfalls abgebildet.
Die Ist- beziehungsweise Soll-Einbauraten der Eigenschaften beziehungsweise Fahrzeugklassen werden den jeweiligen Planungssystemen entnommen. Da in diesem Beispiel lediglich die Fahrzeugsteuerung betrachtet wird, ist die Modellierung von Zulieferern für die Beantwortung der Fragestellung irrelevant. Die Terminleisten der im Werk A realisierten Prozessstufe „2+2" werden auch im Modell implementiert. Die im Modell unterstellte Verteilung der Fertigungsdurchlaufzeit muss der tatsächlichen Fertigungszeit im Werk A entsprechen. Abzubilden sind hierzu zum Beispiel die Netto- Fertigungsdurchlaufzeiten. Maschinenstillstandszeiten (zum Beispiel die Wochenenden) werden von den Brutto-Fertigungsdurchlaufzeiten subtrahiert. Da die Fertigungsdurchlaufzeiten für die einzelnen Fahrzeugtypen unterschiedliche Verteilungen aufweisen, wird eine getrennte Modellierung der Montagelinien vorgenommen. In diesem Punkt kann keine Abstraktion von der Realität erfolgen.
Für das reale Layout der Fertigungsanlagen für einen ersten Fahrzeugtyp X im Werk A ist beispielhaft eine Unterteilung der Fertigung in drei unabhängige Segmente angenommen worden. Die Fertigungsdurchlaufzeiten in den jeweiligen Segmenten sind ebenfalls unabhängig voneinander angesetzt worden. Um die Modellkomplexität nicht unnötig zu erhöhen, kann auf diese Trennung verzichtet werden. Stattdessen wäre dann ein Durchschnittswert über die Fertigungszeiten der drei Segmente zu bilden. Für die Fertigung des Fahrzeugstyps X wurde eine Plandurchlaufzeit für die Fertigung von zirka 75 h und für die Fertigung eines zweiten Fahrzeugtyps Y von zirka 60 h angenommen, wobei sich die Plandurchlaufzeit der Fertigung aus der Summe der Plandurchlaufzeiten für Rohbau, Lack und Montage ergibt.
Es sollen in der beispielhaften Simulation ausschließlich logistische beziehungsweise produktionstechnische Einflussfaktoren in der Prozessanalyse bewertet werden. Figur 7 zeigt die für dieses Modell benötigten Eingabe- und Ausgabedaten im Überblick.
Implementieren des Modells
Allgemeine Umsetzung des Model Ikonzeptes
Das Modellkonzept wird zunächst als Referenzmodell im Simulationsmodell umgesetzt. Als Simulationszeitraum wurde ein Zeitraum von zwei Jahren festgelegt mit einem Fahrzeugvolumen von zirka 500.000 Fahrzeugen. Die Verteilung der Fertigungsdurchlaufzeit wird im Modell über ein Histogramm abgebildet, das heißt, man bestimmt Intervalle von Durchlaufzeiten und ermittelt jeweils den prozentualen Anteil an Fahrzeugen, deren Fertigungsdurchlaufzeit einem Wert innerhalb der Grenzen dieser Intervalle aufweist.
Figur 8 zeigt die realen Durchlaufzeitverteilungen für die Fertigung der beiden Fahrzeugtypen X und Y im Werk A.
In Figur 9 und Figur 10 sind die Durchlaufzeitverteilungen für die beiden Fahrzeugtypen X und Y kumuliert dargestellt.
Nachfolgend werden für das erfindungsgemäße Simulationswerkzeug Konfigurationen von zwei unterschiedlichen Szenarios der Prozessgestaltung vorgestellt.
In einer ersten Ausführungsform wird das Referenzmodell in Szenario S1 durch die Berücksichtigung der Besonderheiten modifiziert, die im Zusammenhang mit der Fahrzeugauslieferung an einem Auslieferungspunkt des Hersteilers beziehungsweise der Hersteller auftreten. Wie weiter oben bereits beschrieben, erfolgt die Festlegung eines verbindlichen frühestmöglichen Auslieferungstermins erst zum Zeitpunkt der Fertigstellung des Fahrzeugs (ZP8). In der Zeit zwischen der Fertigstellung des Fahrzeugs und der Übergabe des Fahrzeugs an den Kunden an einem Auslieferungspunkt des Herstellers beziehungsweise der Hersteller muss das Fahrzeug auf hierfür vorgesehenen Stellplätzen zwischengelagert werden. Aufgrund von Erfahrungswerten wurde mit einer durchschnittlichen Standzeit von vierzehn bis sechzehn Kalendertagen gerechnet. Dieser Richtwert kann jedoch variieren. Um die Kundenankunftszeit geeignet abzubilden, wurde ein zeitverzögerndes Element innerhalb des Distributionskanals modelliert. Die im Modell als Kundenankunftszeit bezeichnete Verteilung entspricht der Zeitspanne zwischen der Information des Kunden über die frühestmögliche Auslieferung des Fahrzeugs und dem tatsächlichen Zeitpunkt der Fahrzeugauslieferung. Im Mittel ergibt sich eine durchschnittliche Kundenankunftszeit von zirka sechzehn Kalendertagen. Für die Zwischenlagerung der Fahrzeuge wurde eine Kapazität von zirka 8.700 Stellplätzen auf dem Werksgelände vorgesehen. Zusätzlich können Ausweich platze unbestimmter Kapazität berücksichtigt werden.
In einem ersten Simulationsschritt wird nun der Stellflächenbedarf für die geschilderten drei Ausbaustufen ermittelt, wobei die reale Verteilung der Fertigungsdurchlaufzeit der beiden Fahrzeugtypen X und Y unterstellt wird (Verteilung Va in den Figuren 11 beziehungsweise 12). Im Anschluss daran wird die Varianz in der Verteilung der Fertigungsdurchlaufzeit sukzessive reduziert (Verteilung Vb und Vc in den Figuren 11 beziehungsweise 12). Durch diese Maßnahme kann die ZP8-Treue erhöht werden. Im Rahmen dieser Sensitivitätsanalyse wird der Einfluss der Stochastik in der Verteilung der Fertigungsdurchlaufzeit auf die ZP8-Treue quantifiziert.
Figur 11 und Figur 12 zeigen die Verteilungen Va, Vb und Vc der Fertigungsdurchlaufzeit für die Fertigung des Fahrzeugtyps X beziehungsweise für die Fertigung des Fahrzeugtyps Y. Anhand der Verläufe der Fertigungsdurchlaufzeitverteiiung lässt sich in beiden Fällen die Verringerung der stochastischen Einflüsse erkennen.
Nachfolgend wird eine weitere Ausführungsform des erfindungsgemäßen Simulationswerkzeuges beschrieben, wobei in der Konfiguration ein zweites Szenario S2 umgesetzt wurde.
Das Szenario S2 der zweiten Ausführungsform basiert auf den Erkenntnissen der Sensitivitätsanalyse bezüglich der Verringerung der Varianz der Fertigungsdurchlaufzeit. Ein stabiler Fertigungsprozess ermöglicht das Vorziehen des Zeitpunktes der Übermittlung der Information des frühestmöglichen Auslieferungstermins an den Kunden. Infolgedessen reduziert sich die durchschnittliche Standzeit des Fahrzeugs nach ZP8. Im Optimum kann der vom Kunden präferierte Auslieferungstermin bereits in der Fahrzeugeinplanung berücksichtigt werden. Im Gegensatz zu Szenario S1 wird die Verteilung der Kundenankunftszeit nicht in der Distribution, sondern bereits als Kundenwunschterminverteilung in der Auftragseinplanung implementiert.
In Figur 13 werden die beiden Szenarios vergleichend gegenübergestellt. Um beide Szenarios besser vergleichen zu können, wurde in Szenario S2 für den Kundenwunschtermin genau die gleiche Verteilung wie bei der Kundenankunftszeit in Szenario S1 unterstellt.
Nach der Implementierung wurde das Modell verifiziert und validiert. Wie bereits einleitend beschrieben, wird bei der Verifizierung ein Vergleich zwischen dem Modell und der Modellkonzeption durchgeführt, das heißt, es wird geprüft, ob im Modell alle relevanten Systemzusammenhänge, die im Rahmen der Konzeption definiert wurden, abgebildet sind.
Bei der Überprüfung der Validität des Modells wurden die Simulationsergebnisse mit den Daten des realen Systems verglichen. Diese Vorgehensweise empfiehlt sich in den Fällen, wo reale Eingangsdaten verwendet werden. In der beispielhaften Simulation wurden sowohl Teilprozesse als auch der Gesamtprozess überprüft. Für die Validierung des Gesamtprozesses wurden die realen Treuemesswerte aus der Treuemessung für das Werk A zugrunde gelegt.
In Abhängigkeit der Fragestellung kann es ausreichen, wenn die Auswertung auf nur einem Simulationslauf basiert. Diese Vorgehensweise ist zum Beispiel im Zusammenhang mit der vorliegenden Fragestellung gerechtfertigt, weil in einem ersten Schritt lediglich eine grobe Abschätzung des Stellflächenbedarfs vorgenommen werden soll. Für den Fall, dass genaue Werte zu bestimmen sind, müssen statistische Verfahren angewandt werden. Dies beinhaltet unter anderem die Durchführung mehrerer Replikationen. Dabei ist sicherzustellen, dass der Startwert bei der Generierung der Zufallszahlen durch den Zufallsgenerator variiert wird. Ansonsten werden die Ergebnisse bei jeder Replikation reproduziert.
Darüber hinaus genügt meist auch für die Bestimmung der Dauer der „warming-up"- Periode eine grobe Abschätzung. Diese Vorgehensweise ist in der Regel zulässig, da für die konkrete Fragestellung lediglich ein Maximalwert ermittelt werden muss. Näherungsverfahren wären jedoch beispielsweise dann anzuwenden, wenn ein Durchschnittswert über eine bestimmte Ausgangsgröße ermittelt werden soll. Bei der Auswertung der Daten der beispielhaften Simuiationsläufe wurde eine Dauer von drei Monaten ermittelt, die das modellierte System zum Einschwingen benötigt.
In Figur 14 sind die Ergebnisse der Ermittlung des Stellflächenbedarfs auf Basis der realen Verteilung der Fertigungsdurchlaufzeit (Verteilung Va) für die Ausbaustufe 1 (Auslieferung von 300 Fahrzeugen täglich), Ausbaustufe 2 (600 Fahrzeuge täglich) und Ausbaustufe 3 (1.000 Fahrzeuge täglich) aufgeführt.
In Figur 15 wurden die Ergebnisse der oben beschriebenen Sensitivitätsanalyse bezüglich der Wirkung stochastischer Fertigungsdurchlaufzeiten auf die ZP8-Treue aufbereitet. Die in der Figur 15 aufgeführten Werte für die Standardabweichung in der Fertigungsdurchlaufzeit wurden aus einer Stichprobe von 1.000 Fahrzeugaufträgen für jede der drei unterstellten Verteilungen ermittelt. Der Erwartungswert für die Fertigungsdurchlaufzeit entspricht der Plandurchlaufzeit.
Im Rahmen der weiteren Vorgehensweise kann es sich als nützlich erweisen, vorauszusetzen, dass ein Übergang zu der Prozessgestaltung des Szenarios S2 nur dann in Betracht gezogen wird, wenn der Fertigungsprozess einen stabilen Verlauf aufweist. Diese Voraussetzung ist zumindest in Ansätzen für die Fertigungsdurchlaufzeitverteilung Vc gegeben.
Figur 16 zeigt den Stellflächenbedarf für den Fall der Verteilung Vc der Fertigungsdurchlaufzeit. Darüber hinaus geht aus Figur 17 das Einsparpotential bezüglich des Bedarfs an Stellflächen im Vergleich zum heutigen Prozess in Szenario S1 hervor.
Die im Rahmen der beispielhaften Simulation durchgeführten monetären Betrachtung ergaben die in Figur 18 dokumentierten Einsparpotentiale, die in diesem Beispiel ausschließlich aus der Verringerung der Kapitalbindungskosten resultieren. Bei einer Untersuchung, die darüber hinaus auch die Kosten der Bereitstellung von Flächen für die Zwischenlagerung der Fahrzeuge betrachtete, ergab sich ein entsprechend höherer Betrag.
Die Berechnung der Einsparpotentiale bei der Substitution der Parameter aus Szenario S1 mit der Fertigungsdurchlaufzeitverteilung Va durch die Parameter des Szenario S2 mit der Fertigungsdurchlaufzeitverteilung Vc basiert auf der folgenden Gleichung: jährliches Einsparpotential der Prozessveränderung
= Zins * durchschnittlicher Verkaufspreis * Reduzierung des durchschnittlichen
Lagerbestandes
Als Kapitalmarktzins wurde dabei ein Zinssatz von 8 % unterstellt. Der durchschnittliche Verkaufspreis der in der Simulation betrachteten Fahrzeugklassen beträgt 30.000 Euro. Die Differenz des durchschnittlichen Lagerbestandes in beiden Szenarios wurde bereits in Figur 17 ermittelt. Weiterhin ist zu beachten, dass bei der Berechnung nur die in Werk A gefertigten Fahrzeuge berücksichtigt wurden. Auch in diesem Fall würden sich die Beträge entsprechend erhöhen, wenn das gesamte Fahrzeugvolumen, das an den Kunden ausgeliefert wird, in die Gesamtkalkulation mit einfließen würde.
Bezogen auf ein einzelnes Fahrzeug ergeben sich in Abhängigkeit von der jeweiligen Ausbaustufe die in der Figur 19 aufgeführten durchschnittlichen Ersparnisse.
Das Simulationswerkzeug ist in einer bevorzugten Ausführungsform in unterschiedliche Programmblöcke gegliedert, welche die oben beschriebenen Schritte, die bei der Simulation zur Untersuchung der jeweiligen Fragestellung erforderlich sind, umsetzen. Diese Programmblöcke haben den folgenden Funktionsumfang:
Programmblock "Systemlastgenerator"
Der Systemlastgenerator erzeugt in einfacher Form die Bedarfsprognosen der Händler und die Bestellungen der Käufer. Die Prognosen werden kontinuierlich (zum Beispiel monatlich) an die generierten (tatsächlichen) Bedarfe der Händler angepasst.
Dabei erzeugt der Systemlastgenerator einzeln für die Händler und in Summe einmalig zu Beginn eines Verkaufsjahres eine vereinfachte Prognose der Anzahl der Wagen, die über das folgende Jahr verteilt verkauft werden könnten. Zusätzlich zur Anzahl der wahrscheinlich benötigten Fahrzeuge werden ihre wesentlichen Ausstattungsmerkmale („heavy items") charakterisiert.
Die Jahresprognose kann beispielsweise die in Figur 20 dargestellte Form besitzen:
Herauszustellen ist, dass hiermit eine vereinfachte Prognose erstellt wird, die näherungsweise die Prognoseverläufe der Händler widerspiegelt. Über den simulierten Jahresablauf werden vom Lastgenerator Käuferbestellungen für jeden Händler erzeugt, deren Kurvendarstellung eine von der Jahresprognose abweichende, ähnlich vereinfachte Form besitzt.
Abhängig von dem (mittleren) Kurvenverlauf der Käuferbestellungen der vorhergehenden Monate werden für den nächsten Zeitraum (zum Beispiel 3 Monate) die Prognosen je Woche aktualisiert.
Hieraus ergibt sich beispielsweise ein Kurvenverlauf, wie ihn Figur 21 zeigt.
Die Ausgabedaten des Systemlastgenerators umfassen die Jahresprognosen der Händler, die Käuferbedarfe sowie die aktualisierten Wochenbedarfe (Anzahl und „heavy items" der benötigten Fahrzeuge) der Händler für den nächsten Prognosezeitraum. Sie bilden in vereinfachender Form die Eingangslast für die folgenden Programmblöcke und können auch graphisch veranschaulicht werden.
Programmblock „Kapazitätsabgleich"
Die wöchentlichen Bedarfe der Händler werden in diesem Programmblock mit den abstrahiert modellierten Kapazitäten der Werke und den ebenso grob nachgebildeten Kapazitäten der Zulieferer (vergleiche unten) abgeglichen und angepasst.
Hierzu werden die Bedarfe der Händler gesammelt und kumuliert. Nach einer Bedarfskorrektur durch den Zentralvertrieb, im Modell abstrahiert zum Beispiel durch Bedarfs- und Kapazitätsgrenzen dargestellt, erfolgt der Abgleich der Bedarfe (Anzahl, Items) mit den tatsächlichen Kapazitäten der Werke und der Zulieferer.
Der Kapazitätsabgleich kann dargestellt werden, wie es Figur 22 wiedergibt.
Aus dem Kapazitätsabgleich ergeben sich zugelassene Festauftragskontingente je Planungswoche, die angepasst an vorgegebene Modulkontingente wieder den Händlern mitgeteilt werden (vergleiche Figur 23).
Die Ausgabe des Programmblocks für den Kapazitätsausgleich umfasst die zugelassenen Festaufträge und Modulkontingente für die Händler. Sie bilden den Input für den Programmblock "Setzungsgenerator". Programmblock Setzungsgenerator"
Der Setzungsgenerator erzeugt für jeden Händler aus den zugelassenen Festaufträgen und Modulkontingenten konkrete Setzungen (Festaufträge und Bestellmodule) für eine Lieferwoche (vergleiche Figur 24). Die Konkretisierung der Festaufträge zu Setzungen ist abhängig von den bisher beim Händler eingegangenen Käuferbestellungen und den für die Lieferwoche prognostizierten Bedarfen. Im Modell wird diese Konkretisierung durch Wahrscheinlichkeitsverteilungen mit Mittelwerten und Streuungen nachgebildet.
Ausgaben des Setzungsgenerators sind die Setzungen je Händler und Lieferwoche. Diese einzelnen Setzungen werden durch den folgenden Programmblock den Werken zugeordnet und in Tagessetzungen umgewandelt.
Programmblock „Werkszuordnung"
Die Eingabe für den Programmblock "Werkszuordnung" sind die Setzungen der Händler. Diese werden mit den Restriktionen (Kapazitäten, Auslastung, etc.) der Produktionswerke und Lieferanten abgeglichen. In diesem Programmblock findet die Werkszuordnung und die Aufteilung der Wochensetzungen auf die Liefertage statt (vergleiche Figur 25).
Die Ausgabedaten des Programmblocks „Werkszuordnung" umfassen konkrete Setzungen mit Angaben über das Herstellwerk, die beteiligten Zulieferer und die Nennung des Liefertages.
Die so konkretisierten Setzungen werden den Händlern mitgeteilt und bilden den Input für den folgenden Programmblock.
Programmblock „Setzungsmanipulator"
Während des gesamten Prozesses
Prognose -> Festaufträge -> Setzungen -> Tagesprogramme (siehe unten) -> Produktion -> Distribution
treffen Käuferbedarfe bei den Händlern ein. Diese werden gegenläufig zum Prozess mit den noch freien Fahrzeugbeständen in der Distribution, der Produktion, in den Tagesprogrammen, den Händlersetzungen, Festaufträgen oder prognostizierten Bedarfen verglichen. Wird ein noch freies Fahrzeug in den Beständen gefunden, das den Käuferwünschen entspricht, so wird ihm die Käuferbestellung zugewiesen. Andernfalls wird versucht, die Prognosen, Festaufträge oder auch Setzungen dem Käuferwunsch anzupassen.
Aus der Sicht eines Händlers werden vorerst nur die eigenen Setzungen (beziehungsweise Festaufträge) mit dem Käuferwunsch verglichen. Trifft keine Setzung zu, so kann der Händler in dafür freigegebenen Setzungsbeständen eines Nachbarhändlers nachsehen und versuchen, aus ihnen den Käuferwunsch zu befriedigen. Dieser Prozess der Zuordnung eines Käufers zu benachbarten Händlern wird mit „Locating" bezeichnet.
Der Programmblock „Setzungsmanipulator" führt den gesamten skizzierten Vorgang der Bestands- und Setzungsabgleiche mit den Käuferbestellungen und das Locating durch und aktualisiert die einzelnen Setzungen der Händler.
Ergebnisse beziehungsweise Ausgaben des Setzungsmanipulators sind aktualisierte, mit Käuferbestellungen versehene Setzungen sowie Käuferaufträge mit zugeordneten Beständen oder in den Setzungen beziehungsweise Festaufträgen spezifizierten Fahrzeugen.
Programmblock „Tagesprogramm"
Dieser Programmblock arbeitet mit den täglichen Setzungen der Händler. Abhängig von werksspezifischen Vorgaben, zum Beispiel der spätest möglichen Startpunkte für die Montage, werden die Setzungen zu Tagesprogrammen zusammengestellt. Darüber hinaus werden die in den Setzungen spezifizierten Fahrzeuge in ihre Module aufgelöst. Dieses wird den Zulieferern als festgelegte Abrufmengen mitgeteilt.
Die Ausgaben des Programmblocks „Tagesprogramm" sind Tagesproduktionsprogramme für die Werke sowie festgelegte Abrufmengen, die den Zulieferern mitgeteilt werden.
Programmblock „Produktion und Zulieferer" In diesem Programmblock werden die einzelnen Produktionsstätten, die Werke der Zulieferer und die Zeiten für Montage oder für die Belieferung in abstrahierter Form durch mehrere Modellbausteine nachgebildet.
Dabei werden mittlere Durchlaufzeiten und Durchlaufzeitschwankungen sowie die Tagesproduktionskapazitäten für die Produktionsstätten und die Zulieferwerke als Parameter angegeben.
Darüber hinaus besitzen die Modellelemente Merkmalsbeschreibungen zum Beispiel über Grenzkapazitäten, Arbeitszeitmodelle, Personalstamm oder andere Spezifika der Werke, die für die Prognose- und Planungsvorgänge der vorher beschriebenen Programmblöcke notwendig sind.
Die so in Grobmodellbausteinen nachgebildeten Produktionswerke geben in vereinfachter Form Feinabrufe an die Modellbausteine, die die Zulieferung nachbilden.
Als Eingang für diesen Programmblock dienen die Tagesprogramme. Der Programmblock erzeugt Fahrzeuge im Modell, die dem folgenden Programmblock „Distribution" übergeben werden.
Programmblock „Distribution"
Ebenso wie die Produktionsstätten oder die Werke der Zulieferer wird die Distribution zu den Händlern oder direkt zu den Käufern abstrahiert in Form von Modellelementen abgebildet, die die mittleren Distributionszeiten nachbilden. Inwieweit die Auslastungen einzelner Transportkapazitäten berücksichtigt werden müssen, wird in der Konzeptionsphase geklärt.
Aufbau eines beispielhaften Grundmodells
Im Folgenden soll ein Grundmodell in größerer Detailtiefe beschrieben werden. Dieses Grundmodell bildet beispielhaft den Serienanlauf und das sich daran anschließende Jahr (zum Beispiel das Jahr 2003) ohne Störungen wie Streiks oder Zuliefererengpässe ab.
In dem Modell sollen die Märkte USA, Kanada, West Europa und ein Markt, der die übrigen Gebiete versorgt, betrachtet werden. Die Märkte USA und Kanada setzen sich aus den in den Figuren 26a und 26b angegebenen PPCs zusammen. Die Märkte West Europa und „übrige Gebiete" werden jeweils über einen Importeur mit 100%-Marktanteil abgebildet.
Auf dem Markt Europa wird eine Ausstattungsvariante A verkauft. Auf den weiteren Märkten USA, Kanada und „übrige Gebiete" werden die Ausstattungsvarianten B, C und D verkauft.
Der Fahrzeugaufbau umfasst die modellierten Fahrzeugklassen und Ausstattungen.
Ein Fahrzeug wird in dem hier beschriebenen Modell durch je eine PR-Nummern-Familie beschrieben:
Motoren, - Getriebe,
Klimaanlage, Radio und Verdeck.
Zusätzlich hat jedes Fahrzeug noch eine Außenfarbe.
Die einzelnen PR-Nummer-Familien setzen sich dabei beispielsweise wie in den Figuren 27a und 27b angegeben zusammen.
Der Produktbaum besteht aus einer Basis-Fahrzeugbeschreibung, einer Fahrzeugbeschreibung „Fahrzeug X, US", die Gemeinsamkeiten der Ausstattungen B, C und D zusammenfasst, einer Fahrzeugbeschreibung „Fahrzeug X, Europa" und den Ausstattungsvarianten A, B, C und D (vergleiche Figur 28).
Für diese Fahrzeugbeschreibungen wurden außerdem die folgenden Zwänge und Verbote definiert:
1 ,6 I-Motor immer mit Schaltgetriebe, Ausstattungsvariante B immer mit 2,0 I-Motor, - Ausstattungsvariante C nie mit 1 ,4 I-Motor,
Ausstattungsvariante C nie mit 1 ,6 I-Motor, Ausstattungsvariante D immer mit 2,0 I-Motor. Für die Jahre 2002 und 2003 (Serienanlauf und das sich daran anschließende Jahr) wurden für das Fahrzeug X die in Figur 29 wiedergegebenen Absätze prognostiziert. Weiter wurde angenommen, dass der Anlauf des Fahrzeugs X zum Beispiel in der KW 31 des Jahres 2002 beginnt und die in Figur 30 angegebenen Absatzdaten aufweist. Dieser Fahrzeugabsatz wird in dem Modell zunächst auf die beiden Fahrzeugbeschreibungen „Fahrzeug X, US" und „Fahrzeug X, Europa" aufgeteilt. Diese anteiligen Fahrzeugabsätze haben den in den Figuren 31a und 31b gezeigten Verlauf.
Die Fahrzeugbeschreibung „Fahrzeug X, Europa" beziehungsweise die untergeordnete Fahrzeugbeschreibung A wird zu 100 % auf dem Markt Europa abgesetzt. Die Fahrzeugbeschreibung „Fahrzeug X, US" und die untergeordneten Ausstattungsvarianten B, C und D werden mit der in den Figuren 32a und 32b wiedergegebenen Verteilung auf den Märkten USA, Kanada und „übrige Gebiete" abgesetzt.
Für die Ausstattungsvarianten B, C und D wird weiter die folgende, konstante Verteilung angenommen:
B: 10 % des Absatzes der Fahrzeugbeschreibung „Fahrzeug X, US", - C: 65 % des Absatzes der Fahrzeugbeschreibung „Fahrzeug X, US",
D: 15 % des Absatzes der Fahrzeugbeschreibung „Fahrzeug X, US".
Für die Festlegung der Werkskapazität wurde angenommen, dass in (dem außereuropäischen) Werk A von Montag bis Freitag in zwei Schichten und Samstags in einer Schicht ä 7 Stunden gearbeitet wird und die in Figur 33 angegebenen Tage arbeitsfrei (Feiertage oder Werksferien) sind.
Die anteilige Werksausbringung im Modell wurde so eingestellt, dass die Werksauslastung im Modell bezogen auf das Fahrzeug X im Durchschnitt 85 % betrug.
Die Distribution wurde wie folgt abgebildet:
Fahrzeuge nach Europa werden zuerst in den Hafen Übersee transportiert (Dauer zirka eine Woche). Von dort erfolgt der Versand per Schiff in den Zielhafen (Dauer zirka drei Wochen). Im Zielhafen werden die Fahrzeuge abschließend zirka eine
Woche gelagert. Die Distribution innerhalb Europas wird nicht weiter betrachtet. US-Distribution
Fahrzeuge, die in den Markt „übrige Gebiete" geliefert werden, gehen beispielsweise nach Latein-Amerika (Dauer zirka drei Wochen).
Die Transporte erfolgen im Modell täglich. Die Kapazität der Transporte kann dabei gegebenenfalls limitiert werden.
Für die Prozesssteuerung wurden folgende Parameter angenommen:
FU1 (Werkszuordnung): 28 Kalendertage vor ZPδ,
Tagesauflösung (Aufteilung der Aufträge auf Tage): 28 Kalendertage vor ZP8, FU2 (Übergabe in die Fertigung): 14 Kalendertage vor ZP8, FU1 und FU2 finden wöchentlich statt, - Prognosen werden monatlich erstellt,
Volumenvereinbarungen werden monatlich erstellt, Händlerbestellungen finden wöchentlich statt.
Bei der Tagesprogrammbildung wird für die Verwirbelung der Auftragsreihenfolge die in Figur 34 dargestellte Wahrscheinlichkeitsverteilung angenommen.
Dieses so parametrisierte Grundmodell führt (ohne weitere Modifikation) zu den in den Figuren 35 bis 42 dargestellten Ergebnissen für:
- durchschnittliche, minimale und maximale Lieferzeit: Figur 35, durchschnittliche Liefer- und Auftragsdurchlaufzeit: Figur 36, Lieferzeit für Fahrzeuge mit einem bestimmten Motor: Figur 37, Einplanungstreue: Figur 38, Wochenprogrammtreue: Figur 39, - ZP8-Treue: Figur 40,
Liefertreue: Figur 41 , Bestände: Figur 42.
Auf Basis dieses Grundmodells können nun verschiedene Szenarios entwickelt werden.
Szenario S3 zum Beispiel ist durch eine zu pessimistische Prognose über den Absatz gekennzeichnet. Im Grundmodell wird die Annahme getroffen, dass die prognostizierten Absätze tatsächlich als Ist-Absätze eintreffen, in einem Szenario S3, welches den Absatz zu pessimistisch einschätzt, wird diese Annahme verworfen. Es wird dann untersucht, welche Auswirkungen eine zu pessimistische Absatzprognose auf den Prozess hat.
Hierfür kann das Modell für dieses Szenario S3 beispielsweise folgendermaßen erweitert werden, dass die Ist-Absätze die prognostizierten Absätze insgesamt um 20 % übertreffen.
Szenario S4 beispielsweise ist durch eine zu optimistische Prognose über den Absatz gekennzeichnet.
Analog zu Szenario S3 können die Auswirkungen untersucht werden, die eine zu optimistische Prognose auf den Prozess hat, indem etwa die Annahme getroffen wird, dass die prognostizierten Absätze insgesamt um 20 % über dem Ist-Absatz liegen.
Ein weiteres Szenario S5 bildet beispielsweise einen Streik in der Produktion ab.
Beispielhaft beginnt der Streik am 01. März 2003 und dauert insgesamt zehn Tage. Dabei können zwei Varianten untersucht werden. In der ersten Variante werden die Auswirkungen des Streiks ohne Gegenmaßnahmen untersucht. In einer zweiten Variante werden frühzeitig weniger Aufträge eingeplant, da der Streik bereits rechtzeitig bekannt war.
In entsprechend erweiterten Modellen können weitere Gegenmaßnahmen berücksichtigt werden.
In der beschriebenen Ausführungsform wird der Streik durch eine Störung der Werkskapazität abgebildet.
Variante Eins: Der Streik tritt auf, ohne dass Gegenmaßnahmen getroffen werden.
Die Simulationsergebnisse dieser Variante sind in den Figuren 43 bis 49 für:
- durchschnittliche Liefer- und Auftragsdurchlaufzeit: Figur 43,
Lieferzeit für Fahrzeuge mit einem bestimmten Motor: Figur 44, Einplanungstreue: Figur 45, Wochenprogrammtreue: Figur 46, ZP8-Treue: Figur 47, Liefertreue: Figur 48, Bestände: Figur 49
dargestellt.
Variante Zwei: Nach zehn Tagen sind 1.165 Fahrzeuge verspätet. Als Reaktion auf den Streik wird in der Simulation die Soll-Ausbringung im März um diese 1.165 Fahrzeuge reduziert.
Die Simulationsergebnisse dieser zweiten Variante sind in den Figuren 50 bis 56 für:
durchschnittliche Liefer- und Auftragsdurchlaufzeit: Figur 50, - Lieferzeit für Fahrzeuge mit einem bestimmten Motor: Figur 51 ,
Einplanungstreue: Figur 52, .
Wochenprogrammtreue: Figur 53,
ZP8-Treue: Figur 54,
Liefertreue: Figur 55, - Bestände: Figur 56
dargestellt.
In einem weiteren Szenario S6 kann beispielsweise ein Engpass bei der Lieferung von Diesel-Aggregaten in einer Simulation untersucht werden.
Hierfür wird das Modell beispielsweise um einen Zulieferer dieses Motors erweitert und die Kapazität so eingestellt, dass der Bedarf an Motoren exakt gedeckt werden kann. Der Engpass wird dann über eine Störung der Kapazität des Zulieferers abgebildet.
Die Erfindung beschränkt sich in ihrer Ausführungsform nicht auf die vorstehend angegebenen, bevorzugten Ausführungsbeispiele. Vielmehr ist eine Anzahl von Varianten denkbar, die von der erfindungsgemäßen Anordnung und dem erfindungsgemäßen Verfahren auch bei grundsätzlich anders gearteten Ausführungen Gebrauch machen.

Claims

PATE N TA N S P RÜ C H E
1. Verfahren zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeugs, gekennzeichnet durch folgende Schritte:
a) Eingabe von Bedarfszahlen für mindestens eine Klasse des Produktes für mindestens einen vorgebbaren Zeitraum in eine Datenverarbeitungseinrichtung,
b) automatischer Abgleich dieser Bedarfszahlen mit vorgebbaren, Fertigungsund/oder (Fertigungs-)Zulieferkapazitäten beschreibenden Datensätzen durch ein auf der Datenverarbeitungseinrichtung installiertes Computerprogramm,
c) automatische Zuordnung der Bedarfszahlen oder von Anteilen der Bedarfszahlen zu Fertigungsorten (Werken),
d) Ausführung einer Simulation der Fertigung und/oder Zulieferung für die Fertigung auf Basis der in Schritt c) erfolgten Zuordnung,
e) automatische Ermittlung der Distributionswege und Ausführung einer Simulation der Distribution(en) fertiggestellter Produkte von den Werken zu den Auslieferungsorten,
f) Speicherung und/oder Ausgabe wenigstens eines Teils der durch die Schritte a) bis e) erzeugten Daten.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die bei dem automatischen Abgleich der Bedarfszahlen in Schritt b) nach Anspruch 1 genutzten
Datensätze Restriktionen der Fertigungsorte und/oder Lieferanten umfassen.
3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass die Bedarfszahlen in Schritt a) nach Anspruch 1 ermittelt werden, indem
eine erste Bedarfsprognose für einen ersten Prognosezeitraum vorgegeben wird, eine zweite Bedarfsprognose für einen zweiten Prognosezeitraum mit stochastischen Verfahren aus der ersten Prognose ermittelt wird und
die Bedarfszahien nach vorgebbaren, die erste und/oder zweite Bedarfsprognose auswertenden Algorithmen bestimmt werden.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass der automatische Abgleich in Schritt b) nach Anspruch 1 eine Korrektur der Bedarfszahlen zur Anpassung an die Fertigungs- und/öder (Fertigungs-)Zulieferkapazitäten umfasst.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Verfahrensschritte a) bis c) gemäß Anspruch 1 folgende Schritte umfassen:
Vorgabe vorläufiger Bedarfszahlen (Bedarfsprognose) für einen ersten Prognosezeitraum, vorzugsweise für ein Verkaufsjahr,
simulative Generierung von Händlerbestellungen für einen zweiten Prognosezeitraum, vorzugsweise für drei Monate,
- Auswertung der vorläufigen Bedarfszahlen und Händlerbestellungen und
Ermittlung einer aktualisierten Bedarfsprognose für den zweiten Prognosezeitraum,
Abgleich der aktualisierten Bedarfsprognose für den zweiten Prognosezeitraum mit den Kapazitäten der Fertigungsstätten und/oder der Zulieferer und Ermittlung von zugelassenen Festauftragskontingenten und/oder Modulkontingenten,
Generierung der Bedarfszahlen (Setzungen) für den vorgebbaren Zeitraum, vorzugsweise eine Lieferwoche, durch Auswertung der zugelassenen Festauftragskontingente, Modulkontingente und/oder von simulierten bei den
Händlern neu eingegangenen Käuferbestellungen,
Abgleich dieser Bedarfszahlen (Setzungen) mit Restriktionen (Kapazität, Auslastung oder dergleichen) der Fertigungsstätte(n) und/oder Lieferanten und Zuordnung der Bedarfszahlen (Setzungen) zu der (den) Fertigungsstätte(n).
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass bei der automatischen Zuordnung der Bedarfszahlen auf die Fertigungsstätten eine Aufteilung der Bedarfszahlen des vorgegebenen Zeitraums auf Tagessetzungen erfolgt.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass die automatische Zuordnung der Bedarfszahlen auf die Fertigungsstätten die Zusammenstellung von Tagesprogrammen für die Fertigungsstätten umfasst.
8. Verfahren nach einem der Ansprüche 6 oder 7, dadurch gekennzeichnet, dass die automatische Zuordnung der Bedarfszahlen auf die Fertigungsstätten die Auflösung der in den Tagessetzungen spezifizierten Produkte in ihre Module umfasst.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die Bedarfszahlen Angaben zu wesentlichen Ausstattungsmerkmalen der Produkte („heavy items") umfassen.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass das der Simulation zugrunde liegende Modell mehrere Fertigungsorte abbildet.
11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass in dem der Simulation zugrunde liegenden Modell die eine Produktionsstätte charakterisierenden Parameter
- Grenzkapazitäten, - Arbeitszeitmodelle und/oder
- Personalstamm
umfassen.
12. Verfahren nach einem der Ansprüche 1 bis 11 , dadurch gekennzeichnet, dass in dem der Simulation zugrunde liegenden Modell eine Differenzierung zwischen Händlern, insbesondere zwischen Händlern des Inlandsmarktes und Importeuren, vorgenommen wird.
13. Verfahren nach einem der. Ansprüche 1 bis 12, dadurch gekennzeichnet, dass in dem der Simulation zugrunde liegenden Modell Distributionskanäle in Unterdistributionskanäle untergliedert sind.
14. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass die durch die Schritte a) bis e) gemäß Anspruch 1 erzeugten Daten
- quantitative Bewertungen von Prozessentwürfen,
Bewertungen von Strategien, wie beispielsweise zum Störungsmanagement, Einfrierzeitpunkte von Aufträgen, Lieferzeiten, Liefertreue, - Transportmittelauslastung und/oder
Kosten
umfassen.
15. Verfahren nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, dass während des Verfahrens automatisch Daten aus Datenbanken realer Systeme, insbesondere aus Datenbanken von Händlern und/oder Fertigungsstätten, ausgewertet werden.
16. Simulationssystem, welches die Module „Prognose", „Festaufträge", Setzungen", „Produktion" und „Distribution" umfasst, wobei die Module, gesteuert durch ein auf einem Computer-System implementiertes Computerprogramm, derart zusammenwirken, dass folgende Schritte ausführbar sind:
a) Eingabe von Bedarfszahlen für mindestens eine Klasse des Produktes für mindestens einen vorgebbaren Zeitraum in eine Datenverarbeitungseinrichtung,
b) automatischer Abgleich dieser Bedarfszahlen mit vorgebbaren, Fertigungsund/oder (Fertigungs-)Zulieferkapazitäten beschreibenden Datensätzen durch ein auf der Datenverarbeitungseinrichtung installiertes Computerprogramm,
c) automatische Zuordnung der Bedarfszahlen oder von Anteilen der Bedarfszahlen zu Fertigungsorten (Werken),
d) Ausführung einer Simulation der Fertigung und/oder Zulieferung für die Fertigung auf Basis der in Schritt c) erfolgten Zuordnung, e) automatische Ermittlung der Distributionswege und Ausführung einer Simulation der Distribution(en) fertiggestellter Produkte von den Werken zu den Auslieferungsorten,
f) Speicherung und/oder Ausgabe wenigstens eines Teils der durch die Schritte a) bis e) erzeugten Daten.
17. Simulationssystem nach Anspruch 16, dadurch gekennzeichnet, dass das Simulationssystem Schnittstellen zu Datenbanken realer Systeme, wie Datenbanken von Händlern und/oder Fertigungsstätten, aufweist.
18. Computerprpgramm-Erzeugnis, das ein computerlesbares Speichermedium umfasst, auf dem ein Programm gespeichert ist, das es einem Computer ermöglicht, nachdem es in den Speicher des Computers geladen worden ist, ein Verfahren zur Simulation von Auftragsabwickiungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeuges, durchzuführen, wobei die Simulation die Verfahrensschritte gemäß einem der Ansprüche 1 bis 15 umfasst.
19. Computerlesbares Speichermedium, auf dem ein Programm gespeichert ist, das es einem Computer ermöglicht, nachdem es in den Speicher des Computers geladen worden ist, ein Verfahren zur Simulation von Auftragsabwicklungsprozessen zur Herstellung eines komplexen Produktes, insbesondere eines Kraftfahrzeuges, durchzuführen, wobei die Simulation die Verfahrensschritte gemäß einem der Ansprüche 1 bis 15 umfasst.
20. Verwendung eines Verfahrens zur Simulation von Auftragsabwicklungsprozessen gemäß einem der Ansprüche 1 bis 15 oder eines Simulationssystems gemäß einem der Ansprüche 16 oder 17 zur Ermittlung von Planungsdaten wie Optimierungspotentiale, Entscheidungsalternativen, Kennzahlen für Lieferzeit oder Liefertreue, Transportmittelauslastung, Kosten oder dergleichen.
21. Planungsdaten wie Optimierungspotentiale, Entscheidungsalternativen, Kennzahlen für Lieferzeit oder Liefertreue, Transportmittelauslastung, Kosten oder dergleichen, die durch ein Verfahren zur Simulation von Auftragsabwicklungsprozessen gemäß einem der Ansprüche 1 bis 15 oder durch ein Simulationssystem gemäß einem der
Ansprüche 16 oder 17 verfügbar gemacht wurden.
EP03738007A 2002-06-25 2003-06-06 Verfahren und simulationssystem zur simulation von auftragsabwicklungsprozessen sowie entsprechendes computerprogramm-erzeugnis und entsprechendes computerlesbares speichermedium Ceased EP1518197A2 (de)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
DE10228358 2002-06-25
DE10228358 2002-06-25
DE10302433A DE10302433A1 (de) 2002-06-25 2003-01-17 Verfahren und Simulationssystem zur Simulation von Auftragsabwicklungsprozessen sowie entsprechendes Computerprogramm-Erzeugnis und entsprechendes computerlesbares Speichermedium
DE10302433 2003-01-17
PCT/EP2003/006025 WO2004001633A2 (de) 2002-06-25 2003-06-06 Verfahren und simulationssystem zur simulation von auftragsabwicklungsprozessen sowie entsprechendes computerprogramm-erzeugnis und entsprechendes computerlesbares speichermedium

Publications (1)

Publication Number Publication Date
EP1518197A2 true EP1518197A2 (de) 2005-03-30

Family

ID=30001473

Family Applications (1)

Application Number Title Priority Date Filing Date
EP03738007A Ceased EP1518197A2 (de) 2002-06-25 2003-06-06 Verfahren und simulationssystem zur simulation von auftragsabwicklungsprozessen sowie entsprechendes computerprogramm-erzeugnis und entsprechendes computerlesbares speichermedium

Country Status (4)

Country Link
US (1) US20060010017A1 (de)
EP (1) EP1518197A2 (de)
AU (1) AU2003245924A1 (de)
WO (1) WO2004001633A2 (de)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7376477B2 (en) * 2000-12-29 2008-05-20 Honda Motor Co., Ltd. Move lot size balancing system and method
EP1607890A1 (de) * 2004-06-18 2005-12-21 Sap Ag Bewahrung des fixierten Peggings
US7440811B2 (en) * 2004-09-28 2008-10-21 Siemens Aktiengesellschaft Dynamic-state waiting time analysis method for complex discrete manufacturing
US8996151B2 (en) * 2005-11-09 2015-03-31 The Boeing Company Visualization of product build using precedence transversal method
US20070106410A1 (en) * 2005-11-09 2007-05-10 The Boeing Company Systems and methods for production planning by visualizing products and resources in a manufacturing process
US7584083B1 (en) * 2005-12-30 2009-09-01 At&T Corp. Modeling and simulation of workcenter processes
US7991634B2 (en) * 2006-08-08 2011-08-02 United Road Services Inc. Vehicle transport load optimization
US20090118842A1 (en) * 2007-11-06 2009-05-07 David Everton Norman Manufacturing prediction server
US20090119077A1 (en) * 2007-11-06 2009-05-07 David Everton Norman Use of simulation to generate predictions pertaining to a manufacturing facility
TWI394089B (zh) * 2009-08-11 2013-04-21 Univ Nat Cheng Kung 虛擬生產管制系統與方法及其電腦程式產品
US8626572B2 (en) * 2010-02-05 2014-01-07 Oracle International Corporation Sales performance management through quota planning
US20140122178A1 (en) * 2012-10-30 2014-05-01 Barnaby St. John Knight Method for optimizing new vehicle inventory for a car dealership
CN104598979B (zh) * 2013-10-31 2021-10-08 Sap欧洲公司 基于时间和位置的递送最优化
EP3009904A1 (de) * 2014-10-13 2016-04-20 Eisenmann SE Verfahren und Anlage zur Herstellung von Gegenständen sowie Telekommunikationsverfahren und Computerprogramm hierfür
CN105608259A (zh) * 2015-12-17 2016-05-25 西安测绘研究所 低低跟踪重力测量卫星地面处理系统
US10643160B2 (en) * 2016-01-16 2020-05-05 International Business Machines Corporation Order optimization in hybrid cloud networks
US10929367B2 (en) * 2018-10-31 2021-02-23 Salesforce.Com, Inc. Automatic rearrangement of process flows in a database system
CN112329966A (zh) * 2019-08-05 2021-02-05 珠海格力电器股份有限公司 一种成品配套合理排产计划方法、计算机可读存储介质和管理系统
US10657492B1 (en) * 2019-09-23 2020-05-19 Coupang Corp. Systems and methods for optimization of a product inventory by an intelligent adjustment of inbound purchase orders
CN113009895A (zh) * 2021-03-08 2021-06-22 联想(北京)有限公司 一种动态生产控制方法、系统及存储介质
CN114037093B (zh) * 2021-10-25 2025-01-17 北京工业大学 一种基于快速非支配排序方法的电子产品回收订单分配方法
CN114331204B (zh) * 2022-01-06 2024-08-13 武汉理工大学 一种内河突发事故的应急救助资源调配方法及系统
CN116258329A (zh) * 2023-02-01 2023-06-13 一汽解放汽车有限公司 车身生产顺序调度系统及方法
CN116976947A (zh) * 2023-07-06 2023-10-31 浙江极氪智能科技有限公司 一种收入预估方法、装置、电子设备及存储介质
TWI900071B (zh) * 2024-06-21 2025-10-01 南亞塑膠工業股份有限公司 經營維度管理系統

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU4543993A (en) * 1992-07-01 1994-01-31 Maspar Computer Corporation Systems and methods for planning and simulation
US6032123A (en) * 1997-05-12 2000-02-29 Jameson; Joel Method and apparatus for allocating, costing, and pricing organizational resources
US20010032029A1 (en) * 1999-07-01 2001-10-18 Stuart Kauffman System and method for infrastructure design
US6892192B1 (en) * 2000-06-22 2005-05-10 Applied Systems Intelligence, Inc. Method and system for dynamic business process management using a partial order planner
US20030055700A1 (en) * 2001-03-23 2003-03-20 Restaurant Services, Inc. System, method and computer program product for generating supply chain statistics based on sampling
US6701201B2 (en) * 2001-08-22 2004-03-02 International Business Machines Corporation Decomposition system and method for solving a large-scale semiconductor production planning problem

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2004001633A2 *

Also Published As

Publication number Publication date
US20060010017A1 (en) 2006-01-12
AU2003245924A1 (en) 2004-01-06
WO2004001633A2 (de) 2003-12-31
AU2003245924A8 (en) 2004-01-06
WO2004001633A3 (de) 2004-06-10

Similar Documents

Publication Publication Date Title
WO2004001633A2 (de) Verfahren und simulationssystem zur simulation von auftragsabwicklungsprozessen sowie entsprechendes computerprogramm-erzeugnis und entsprechendes computerlesbares speichermedium
DE10297684T5 (de) System zur Unterstützung der Verbesserung des Geschäftsgewinns
DE69512040T2 (de) Betriebsmittelzuweisung
Moore Jr et al. The indispensable role of management science in centralizing freight operations at Reynolds Metals Company
US20020178147A1 (en) Fleet servicing method
CN113780588A (zh) 一种轨道交通车辆检修自动排程方法及系统
DE10213830A1 (de) Produktkostenvarianzanalysesystem und Steuerungsverfahren dafür
EP1561180A2 (de) Vorrichtung und verfahren zur erzeugung eines abarbeitungs-werkzeugs
EP3765962B1 (de) Verfahren zur behebung von prozessanomalien
DE10302433A1 (de) Verfahren und Simulationssystem zur Simulation von Auftragsabwicklungsprozessen sowie entsprechendes Computerprogramm-Erzeugnis und entsprechendes computerlesbares Speichermedium
WO2004040483A2 (de) Vorhersage des termintreuegrads in der serienfertigung
DE10243281A1 (de) Verfahren und System zur Komplexitätsreduzierung
Mielke Applications for enterprise simulation
DE102021210025A1 (de) Planungssystem zur Erstellung eines Bestellplans für zumindest ein Bauteil und Trainingsverfahren
DE10338036A1 (de) Reparatur - Planung auf Nachfrage
Katok et al. Investment in production resource flexibility: An empirical investigation of methods for planning under uncertainty
DE102024121040A1 (de) System und Verfahren zur Verwendung bei der Güterproduktion
EP1527400A1 (de) Verfahren zur rechnergestützten steuerung von fertigungsprozessen
DE10319883A1 (de) Verfahren und Anordnung zur Auftragsverfolgung bei der Herstellung von komplexen Produkten sowie entsprechendes Computerprogrammerzeugnis und entsprechendes computerlesbares Speichermedium
EP2901384A1 (de) Verfahren zur lagerhaltung und/oder obsoleszenzrisikoeinschätzung
DE10250313A1 (de) Verfahren zur Bestimmung einer Vorlaufzeit
DE102023122170A1 (de) Managementverfahren und managementvorrichtung
WO2025224243A1 (de) System zum optimieren einer produktion
Auer et al. Implementation of a comprehensive production planning approach in special purpose vehicle production
EP1316867A2 (de) Verfahren und Vorrichtung zum Ermitteln und Überwachen von Resourcen in einem Herstellungsprozess

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20050125

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LI LU MC NL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL LT LV MK

RIN1 Information on inventor provided before grant (corrected)

Inventor name: WAGENITZ, AXEL

Inventor name: WENDT, ULRICH

Inventor name: HICKMANN, JAN

Inventor name: HASE, STEPHAN

17Q First examination report despatched

Effective date: 20050421

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20050421

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED

18R Application refused

Effective date: 20090604