Modellierung

Modellierung und Simulation bieten zahlreiche Vorteile, insbesondere in der Produkt- und Prozessentwicklung. Grafische Modelle etwa erleichtern die Darstellung von Sachverhalten und verdeutlichen Schwachstellen oder Potenziale. Erklärungsmodelle wiederum schaffen Klarheit über bestimmte Ereignisse. Insbesondere Digitale Zwillinge, IoT und Big Data als Konzepte und Technologien haben sich in den vergangenen Jahren stark entwickelt.

In diesem Beitrag werden verschiedene Prognoseverfahren und -modelle zur Vorhersage von kritischen Situationen in den Supply Chains von Unternehmen in der Automobil- und Elektronikindustrie untersucht, wobei der Schwerpunkt auf deutschen Unternehmen liegt. Anhand eines Vergleichs der Leistungsfähigkeit branchenüblicher Modelle soll eine Empfehlung eines Best-Practice-Modells für die Branche ermittelt werden. Um die Anwenderbarkeit der Modelle und der einhergehenden Erkenntnis aufzuzeigen, werden reale Geschäftsszenarien diskutiert, die die Rolle des Risikomanagements in den Abteilungen Einkauf/Beschaffung oder Supply Chain Management umfassen. Im Vergleich wurde ermittelt, dass das effektivste Modell für die Vorhersage von Krisen in der Automobilindustrie das Vector-Auto-Regressionsverfahren/VAR-Modell ist, während das Early-Warning-System/EWS-Modell am besten für die Elektronikindustrie geeignet ist. Darüber hinaus wurden die wichtigsten Risikofaktoren ermittelt, die ...

Im Bereich der Mikrofertigung spielt die exakte Abstimmung von Prozessparametern bei der Planung und der Konfiguration von Prozessketten eine besondere Rolle. Durch die Miniaturisierung von Werkstücken und Fertigungsanlagen werden immer geringere Toleranzen erforderlich. Zudem erschweren sogenannte Größeneffekte die Übertragung von Wissen aus der Makrofertigung auf den Mikrobereich. Viele Fertigungsprozesse und -technologien sind dabei im Mikrobereich so spezialisiert, dass ihre Eignung stark von den in der jeweiligen Prozesskette involvierten Komponenten und Produkten abhängt. Dieser Artikel präsentiert die Methode µ-ProPlAn, die Prozessplaner bei der Auswahl geeigneter Prozesse und Technologien sowie bei deren Konfiguration unterstützt.

Globale Produktionsnetzwerke binden Partner mit herausragender Expertise ein und bedienen sich regionaler Kostenvorteile bei Beschaffung und Produktion. Diese Entwicklung führt zu einer steigenden strukturellen Komplexität der Netzwerke, die mit einer Verknüpfung dynamischer Logistikprozesse einhergeht. Die resultierende Dynamik eines großskaligen Produktionsnetzwerks ist gekennzeichnet durch die Dynamik einzelner Logistikprozesse, die Dynamik der Netzwerkstruktur und der Dynamik externer Prozesse, die auf das Produktionsnetzwerk einwirken. Für die Analyse und Gestaltung dieser Netzwerke fehlen in der Praxis jedoch häufig geeignete Vorgehensweisen. Diesen Bedarf greift der vorliegende Beitrag auf und stellt Werkzeuge und Methoden für die Modellierung und Approximation großskaliger Produktionsnetzwerke, die Analyse ihrer Dynamik sowie die robuste Dimensionierung der Netzwerkressourcen vor.

Wandlungsfähigkeit beschreibt die Fähigkeit einer Organisation, Veränderungen nachhaltig zu etablieren. Bereits in der Planungsphase die Wandlungsfähigkeit eines Systems richtig planen und gestalten zu können, ist ein entscheidender Faktor, der bei der Betrachtung wandlungsfähiger Logistiksysteme berücksichtigt werden muss. Hieraus ergibt sich die Notwendigkeit der konzeptionellen Veränderung eingesetzter Planungsmethoden. Die Modularisierung von Simulationsmodellen im Rahmen der ereignisdiskreten Simulation, als etablierte Planungsmethode, ist ein möglicher erster Schritt in diese Richtung, sodass auch die Wandlungsfähigkeit in die modellgestützte Analyse einbezogen werden kann. Vor diesem Hintergrund diskutiert der Beitrag Möglichkeiten zum Aufbau modularer Simulationsmodelle und zeigt auf, wie eine Modularisierung in der Praxis vorzunehmen ist.

Unternehmen stehen angesichts eines zunehmend turbulenten Umfelds vor der Herausforderung, Kapazitätsangebot und -nachfrage durch gezielte Maßnahmen aufeinander abzustimmen. Es wird ein Ansatz vorgestellt, mit dem diese Maßnahmenauswahl im Rahmen einer quantitativen Analyse gestützt wird.

Dieser Artikel beschreibt eine Möglichkeit, einzelne Akteure und Sys-teme im Rahmen der Geschäftsprozessmodellierung prozessübergreifend in Form eines Netzwerks darzustellen und zu analysieren. Dabei wird ein Algorithmus vorgestellt, der die Umwandlung aus einzelnen Teilprozessen zu einem Gesamtbild durchführt. Anschließend werden Kennzahlen eingeführt, die die Analyse des Netzwerks erlauben. Diese Kennzahlen drücken dabei aus, welche Teile des Netzwerks und damit welche Abschnitte in den Prozessen eine starke Auslastung besitzen und welche nicht. Dadurch ist es Prozessverantwortlichen, Projektleitern, Managern oder allgemein Entscheidern möglich, die Prozesse auf global wiederkehrende Schwachstellen zu analysieren sowie Kompetenzen und Erfolgsmuster herauszufinden, um diese gezielter einzusetzen (Staffing).

Im Beitrag werden Ideen und Erfahrungen zu einer flexiblen Simulation von Echtzeitdatenströmen, die in Produktionsnetzen bei der Anwendung moderner automatischer Identifikations- und Ortungstechnik entstehen, behandelt. Flexibilität bedeutet an dieser Stelle die Möglichkeit, die in Produktions- und Logistikprozessen zu erfassenden Objekte und die mit diesen Objekten verbundenen Ereignis- und Zustandstypen frei zu definieren. Die während der Simulation erstellten Datenströme können zum Test und Vergleich von operativen Steuerungsstrategien für Prozesse in Produktionsnetzen in einem Offline- oder Onlinebetrieb genutzt werden.

Advanced Planning oder Supply Chain Planning bildet eine Teilaufgabe des umfassenderen Supply-ChainManagement-Konzepts. Hierbei steht die Planung der operativen Prozesse der Gütererstellung im Vordergrund. Somit liegt das Haupteinsatzgebiet von Advanced Planning Systems (APS) im produzierenden Gewerbe.

Zentrale Planung und Steuerung werden durch die hohe dynamische und strukturelle Komplexität in heutigen logistischen Systemen erheblich erschwert. Um eine stärker dezentrale und autonome Steuerung zu ermöglichen, ist Kommunikation zwischen den Elementen eines logistischen Netzes zur Bereitstellung der Information zwingend erforderlich. In diesem Beitrag wird die Modellierung der Kommunikation zwischen den beteiligten Komponenten beschrieben. Die Modellierung beinhaltet sowohl Quelle und Ziel der Information, als auch Datenmenge, Häufigkeit, Dienstgüte und den möglichen Zeitpunkt der Übertragung für eine sinnvolle Nutzung der Information. Unter Berücksichtigung des Modells wird die technische Realisierbarkeit mit heutigen und zukünftigen Systemen zur Kommunikation untersucht.