Vergleich der SCM Software von SAP, Manugistics und i2


Diplomarbeit, 2000

106 Seiten, Note: 1


Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Kontext
1.2 Problemstellung
1.3 Terminologie
1.4 Aufbau der Arbeit

2 Klassifizierung der Modelle
2.1 Strukturdaten
2.1.1 Plexiglasfertigung
2.1.2 Halbleiterfertigung
2.2 Auftragsdaten
2.2.1 Plexiglasfertigung
2.2.2 Halbleiterfertigung

3 Anpassung der Modellierungen
3.1 Plexiglasfertigung
3.1.1 GS-Info
3.1.2 SAP APO
3.1.3 i2 Rhythm
3.2 Halbleiterfertigung
3.2.1 SAP APO
3.2.2 i2 Rhythm

4 Datengenerierung
4.1 DemGen
4.2 Plexiglasfertigung
4.3 Halbleiterfertigung

5 Planungsablauf
5.1 SAP APO
5.1.1 Planung („Automatische Planung“)
5.1.2 Interaktive Planung („PP/DS Optimierer“)
5.2 i2
5.2.1 Infinite Capacity Plan
5.2.2 Finite Capacity Plan („Constrained Anchored Optimization“)
5.2.3 Dynamic Sequencing („Dynamic Sequencer“)

6 Konfiguration der Module
6.1 Plexiglasfertigung
6.1.1 GS-Info
6.1.2 SAP APO
6.1.3 i2 Rhythm
6.2 Halbleiterfertigung
6.2.1 SAP APO
6.2.2 i2 Rhythm

7 Vergleich der Planungsgüte
7.1 Plexiglasfertigung
7.1.1 GS-Info
7.1.2 SAP APO
7.1.3 i2 Rhythm
7.2 Halbleiterfertigung
7.2.1 SAP APO
7.2.2 i2 Rhythm
7.2.3 Ergebnisse des Vergleichs

8 Resümee und Ausblick

Literaturverzeichnis

Anhang A

Anhang B

Eidesstattliche Erklärung

Abbildungsverzeichnis

Abb. 1-1: SCP-Matrix (Quelle: Rohde, J., Meyr, H., Wagner, M.)

Abb. 1-2: Module von SAP, i2 Technologies, Numetrix und Magnustics (Quelle: Rohde, J., Meyr, H., Wagner, M.)

Abb. 2-1: Modell der Plexiglasfertigung

Abb. 2-2: Gantt-Diagramm der Plexiglasfertigung

Abb. 2-3: Modell der Scheibenfertigung

Abb. 2-4: modifiziertes Modell der Scheibenfertigung

Abb. 2-5: Modellierung der Halbleiterfertigung

Abb. 2-6: Bedarfsabdeckung Lösung

Abb. 2-7: Farbanteile im Zeitverlauf (Plexiglasfertigung)

Abb. 2-8: Dickenanteile im Zeitverlauf (Plexiglasfertigung)

Abb. 2-9: Sequenzdiagramm (Plexiglasfertigung)

Abb. 2-10: Autokorrelationsfunktionen ACF und PACF (Plexiglasfertigung)

Abb. 2-11: transformiertes Sequenzdiagramm (Plexiglasfertigung)

Abb. 2-12: ARIMA(1,1,1)-Fit (Plexiglasfertigung)

Abb. 2-13: ACF und PACF der Residuen bei ARIMA(1,1,1) –Modell

Abb. 2-14: Auftragsverlauf (Halbleiterfertigung)

Abb. 3-1: SAP APO Modellierung der Plexiglasfertigung

Abb. 3-2: i2 Rhythm Modellierung der Plexiglasfertigung

Abb. 4-1: PZZ-Modul

Abb. 4-2: Demand-Modul

Abb. 4-3: Prudukt-Modul

Abb. 4-4: Konfigurationsansicht von DemGen

Abb. 5-1: Planungsablauf vom PP/DS (Quelle: SAP AG)

Abb. 5-2: Strategieprofil für die Plexiglasfertigung

Abb. 5-3: Optimierungsprofil für die Plexiglasfertigung

Abb. 5-4: Erweiterte Einstellungen im Optimierungsprofil

Abb. 5-5: Planungsablauf bei Rhythm FP (Quelle: i2 Technologies)

Abb. 5-11: Schritte beim CAO (Quelle: i2 Technologies)

Abb. 5-12: CAO Fenster von Rhythm FP

Abb. 6-1: Optimierungsparameter von GS-Info

Abb. 7-1: Ressourcensicht auf das Planungsergebnis (DatensatzNr. 11-2 Tage)

Abb. 7-2: COM-Fehler bei der automatischen Planung

Abb. 7-3: Terminierungs-Fehler bei der automatischen Planung

Abb. 7-4: Plantafel vor der Optimierung (DatensatzNr. 07)

Abb. 7-5: Plantafel nach der Optimierung (DatensatzNr. 07)

Abb. 7-6: Auftragssicht (DatensatzNr. 02)

Abb. 7-7: Load Graph nach dem DS für Kessel 2 (DatensatzNr. 38)

Abb. 7-8: Gütezahlen für verspätete Aufträge (Halbleiterfertigung)

Abb. 7-9: Gütezahlen für verfrühte Aufträge (Halbleiterfertigung)

Abb. 7-10: Maschinenauslastung für SF1, SF2 und SF2A (Halbleiterfertigung)

Abb. 7-11: Zykluszeit und Abweichung von der minimalen Zykluszeit

Abb. 7-12: Servicegrad (Halbleiterfertigung)

Abb. A-1: Dateistruktur der CD zum Diplom

Tabellenverzeichnis

Tab. 2-1: Rüstzeitmatrix der Kessel (Plexiglasfertigung)

Tab. 2-2: Auszug aus den Produktionszeiten der Plexiglasfertigung

Tab. 2-3: Bedarfsabdeckung Lösung

Tab. 2-4: Bedarfsabdeckung Plexiglasplatte

Tab. 2-5: Lage- und Streunungsmaße

Tab. 2-6: Auswertung des Overfittings

Tab. 2-7: Legende zu Tab. 2-6

Tab. 3-1: PPM-Struktur Scheibe D

Tab. 3-2: Zeitstruktur Scheibe D

Tab. 3-3: Mengenstruktur Scheibe D

Tab. 4-1: Auszug aus der Informationstabelle der 2-Tage Testinstanzen

Tab. 4-2: Übersicht der Profile für die Plexiglasfertigung

Tab. 4-3: Auszug aus der Informationstabelle der 2-Wochen-Testinstanzen

Tab. 4-4: Lösungsergebnisse des LP-Modells

Tab. 4-5: ProfilNr und Engpaßsituation

Tab. 4-6: Profil 011

Tab. 6-1: Strategieprofil

Tab. 6-2: Optimierungsprofil (Plexiglasfertigung)

Tab. 6-3: CAO-Parameter der 1ten Konfiguration (Plexiglasfertigung)

Tab. 6-4: CAO-Parameter der 2ten Konfiguration (Plexiglasfertigung)

Tab. 6-5: Optimierungsprofil (Halbleiterfertigung)

Tab. 6-6: CAO-Parameter der 1ten Konfiguration (Halbleiterfertigung)

Tab. 6-7: CAO-Parameter der 2ten Konfiguration (Halbleiterfertigung)

Tab. 7-1: Lage- und Streuungsparameter für Gütekriterien (2 Tage)

Tab. 7-2: Lage- und Streuungsparameter für Gütekriterien (5 Tage)

Tab. 7-3: Verschlechterungsfaktoren gegenüber GS-Info (2 Tage)

Tab. 7-4: Auswahl aus Problemgruppe (2 Wochen Auftragshorizont, 5 % Variationskoeffizient)

Tab. B-1: Produktionszeiten bei der Plexiglasfertigung

Tab. B-2: drei Kessel-Profile (wenige, realle, viele Rüstvorgänge)

Tab. B-3: erstes LuPo-Profil (kurze Bearbeitungszeiten auf LuPo)

Tab. B-4: zweites LuPo-Profil (realle Bearbeitungszeiten auf LuPo)

Tab. B-5: drittes LuPo-Profil (lange Bearbeitungszeiten auf LuPo)

Tab. B-6: Profil1 für die Plexiglasfertigung

Tab. B-7: Auswertung Plexiglasfertigung Teil 1 (GS-Info)

Tab. B-8: Auswertung Plexiglasfertigung Teil 1 (i2: MIN_WIP+PST)

Tab. B-9: Auswertung Plexiglasfertigung Teil 1 (i2: JIT+EPST+2 Days WIP)

Tab. B-10: Auswertung Plexiglasfertigung Teil 1 (SAP: automatische Planung)

Tab. B-11: Auswertung Plexiglasfertigung Teil 1 (SAP: Optimierer)

Tab. B-12: Auswertung Plexiglasfertigung Teil 2 (GS-Info)

Tab. B-13: Auswertung Plexiglasfertigung Teil 2 (i2: MIN_WIP+PST)

Tab. B-14: Auswertung Plexiglasfertigung Teil 2 (i2: JIT+EPST+2 Days WIP)

Tab. B-15: Auswertung Plexiglasfertigung Teil 2 (SAP: automatische Planung)

Tab. B-16: Auswertung Plexiglasfertigung Teil 2 (SAP: Optimierer)

Tab. B-17: Auswertung Plexiglasfertigung Teil 3 (GS-Info)

Tab. B-18: Auswertung Plexiglasfertigung Teil 3 (i2: MIN_WIP+PST)

Tab. B-19: Auswertung Plexiglasfertigung Teil 3 (i2: JIT+EPST+2 Days WIP)

Tab. B-20: Auswertung Plexiglasfertigung Teil 3 (SAP: automatische Planung)

Tab. B-21: Auswertung Plexiglasfertigung Teil 3 (SAP: Optimierer)

Tab. B-22: Auswertung Halbleiterfertigung Teil 1 (SAP: automatische Planung)

Tab. B-23: Auswertung Halbleiterfertigung Teil 1 (SAP: Optimierer)

Tab. B-24: Auswertung Halbleiterfertigung Teil 1 (i2: MIN_WIP+PST)

Tab. B-25: Auswertung Halbleiterfertigung Teil 1 (i2: JIT+EPST+2 Days WIP)

Tab. B-26: Auswertung Halbleiterfertigung Teil 2 (SAP: automatische Planung)

Tab. B-27: Auswertung Halbleiterfertigung Teil 2 (SAP: Optimierer)

Tab. B-28: Auswertung Halbleiterfertigung Teil 2 (i2: MIN_WIP+PST)

Tab. B-29: Auswertung Halbleiterfertigung Teil 2 (i2: JIT+EPST+2 Days WIP)

Tab. B-30: Auswertung Halbleiterfertigung Teil 3 (SAP: automatische Planung)

Tab. B-31: Auswertung Halbleiterfertigung Teil 3 (SAP: Optimierer)

Tab. B-32: Auswertung Halbleiterfertigung Teil 3 (i2: MIN_WIP+PST)

Tab. B-33: Auswertung Halbleiterfertigung Teil 3 (i2: JIT+EPST+2 Days WIP)

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Kontext

Seit den späten Neunzigern finden tiefgreifende Veränderungen in der Industrie statt. Die Informations-Revolution ,Globalisierung , Deregulierungen und Privatisierungen haben einen Prozeß, der als „Dekonstruktion“[1] bekannt ist, ausgelöst. Vorhandene Supply Chains (SC) werden aufgebrochen, neu definiert und strukturiert. Unternehmen konzentrieren sich im zunehmenden Maße auf ihre Kernkompetenzen und beschränken ihre Geschäftsgebiete auf einzelne Schichten der SC. An dem Wertschöpfungsprozeß sind immer mehr Unternehmen beteiligt. Eine Definition der Supply Chain, die diese Entwicklung berücksichtigt, gibt Christopher:

„Die Supply Chain ist ein Netzwerk von Organisationen, die an den verschiedenen Prozessen der Wertschöpfung vom Zulieferer der Rohstoffe über die Fertigung, die Montage und die Distribution der Endprodukte zum Kunden in Form von Waren und Dienstleistungen beteiligt sind.“[2]

Durch die zunehmende Komplexität der SC gewinnt das Supply Chain Management (SCM) an Bedeutung. Es stellt die Unternehmen vor neue Herausforderungen, bietet aber auch neue Potentiale. Eine umfassende Definition zum SCM liefert Hahn:

„Supply-Chain-Management beinhaltet die Planung, Steuerung und Kontrolle des Material- und Dienstleistungsflusses, einschließlich der damit verbundenen Informations- und Geldflüsse, innerhalb eines Netzwerks von Unternehmungen, die im Rahmen von aufeinanderfolgenden Stufen der Wertschöpfungskette an der Entwicklung, Erstellung und Verwertung von Sachgütern und/oder Dienstleistungen partnerschaftlich zusammenarbeiten, mit dem Ziel der Ergebnis- und Liquiditätsoptimierung unter Beachtung von sozio-ökologischen Zielen.“3

Eine zentrale Bedeutung beim SCM nimmt dabei das Supply Chain Planning (SCP) ein. SCP umfaßt alle planenden Tätigkeiten, die für die integrierte Leistungserstellung innerhalb einer SC benötigt werden.

Rohde und Wagner haben die SCP-Matrix (Abb. 1-1) entwickelt, um einen Überblick über die abzudeckenden Einsatzgebieten und Aufgaben des SCP zu geben. Die SCP-Matrix gliedert die Aufgaben nach ihrem Planungshorizont und ihrer Funktion (Beschaffung, Produktion, Distribution und Absatz).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1-1: SCP-Matrix (Quelle: Rohde, J., Meyr, H., Wagner, M.)

Angelehnt an die Darstellung bei Rohde und Wagner sollen im Folgenden die einzelnen Aufgaben des SCP kurz skizziert werden:

Im Strategic Network Planning (SNP) wird die Struktur der SC festgelegt. Dazu gehört die Festlegung der Standorte, die Dimensionierung und die Gestaltung der Beziehungsstruktur der Zuliefer-, Produktions- und Distributionswerke. Zudem wird eine Auswahl und Bewertung der wichtigsten Kunden vorgenommen.

Das Demand Planning (DP) stellt die Grundlage der Absatzplanung, indem es für unterschiedliche Szenerien zukünftige Absatzmengen unter Berücksichtigung von Werbeaktionen und Lebenszykluskonzepten prognostiziert.

Available to Promise (ATP) soll genaue Lieferterminzusagen für Produkte am Point of Sale (POS) ermöglichen. Dabei wird die aktuelle Situation der gesamten SC in Hinblick auf Lagerbestände, Work in Progress (WIP) und der Kapazitätssituation berücksichtigt.

Im Master Planning (MP) wird der Produktionsplan für die gesamte SC festgelegt mit der Zielsetzung der kostenoptimalen Nutzung aller Ressourcen der SC. Ausgehend von einem Abgleich der Produktionsmengen mit den Kapazitäten wird über die Aufteilung der prognostizierten und konkreten Absatzmengen auf die einzelnen Teilnehmer der SC bzw. die Fremdvergabe entschieden.

Im Production Planning (PP) werden die Produktionspläne für einzelne Werke erstellt. Die vom MP zugeteilten Mengen werden zu Produktionsaufträgen zusammengefaßt/aufgeteilt und für diese eine Ablauf- und Maschinenbelegungsplanung erstellt.

Durch das Scheduling (S) erfolgt die Reihenfolgeplanung unter exakter Beachtung von Rüst- bzw. Wechselzeiten und die Terminierung der Produktionsaufträge.

Ausgehend von den Produktionsmengen aus dem PP werden beim Distribution Planning (DiP) die notwendigen Transporte und Bestände zur kostenminimalen Belieferung der Kunden unter Einhaltung von Transport- bzw. Lagerkapazitäten ermittelt.

Aufgabe des Transportation Planning (TP) ist die Generierung umsetzbarer Transportpläne. Dazu gehört die optimale Stauraumplanung (Ladeplanung) und die Festlegung der Tour (Tourenplanung) für jedes einzelne Transportmittel.

Hauptaufgabe des Material Requirements Planning (MRP) ist die Generierung von Bestellaufträgen für Zulieferprodukte und die Beauskunftung über die Materialverfügbarkeit bei Auftragsfreigaben durch PP&S und ATP-Anfragen.

Herkömmliche ERP- bzw. PPS-Systeme können aufgrund ihrer zugrundeliegenden lokalen Sichtweise die Aufgaben des SCP nicht abdecken. Zu diesem Zweck wurden die Advanced Planning Systems (APS) entwickelt. Diese neuen Systeme sind in der Lage, die SC in ihrer ganzen Komplexität abzubilden und zu visualisieren. Mit der gewonnen Transparenz und der Integration aller Teilnehmer in einem einheitlichen Modell ist es möglich, die gesamte SC zu optimieren. Fortschrittliche Lösungsverfahren ermöglichen dabei die simultane Berücksichtigung sämtlicher Restriktionen der SC, so daß die bekannten Mängel der Sukzessivplanungssysteme überwunden werden.[3]

Anbieter der APS versprechen, den Unternehmen mit ihrer Software zu entscheidende Wettbewerbsvorteilen zu verhelfen[4]:

- Verkürzung der Auftragsdurchlaufzeiten
- Erhöhung des Durchsatzes
- effektivere Ressourcenauslastung
- verbesserte Servicegrade
- Senkung der Bestände
- geringere Planungs- und Produktionskosten

1.2 Problemstellung

Um das Leistungsspektrum und die Leistungsfähigkeit von den angebotenen APS zu untersuchen, wurde ein Forschungsprojekt initiiert. An dem Projekt beteiligen sich neben dem Fachgebiet für Fertigungs- und Materialwirtschaft der TU Darmstadt, der Lehrstuhl für Produktion und Logistik der Universität Augsburg, die SAP AG und die Unternehmensberatungen PRTM und KPMG.

Untersucht werden sollen die Produkte von der SAP AG, i2 Technologies, Numetrix und Magnustics. Eine Einordnung der einzelnen Module der Anbieter in die SCP-Matrix findet man in der Abb. 1-2.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1-2: Module von SAP, i2 Technologies, Numetrix und Magnustics (Quelle: Rohde, J., Meyr, H., Wagner, M.)

Die Untersuchung folgt dabei einem Bottum-Up-Ansatz, da dieser der Einführungsstrategie von APS in den Unternehmen am nächsten kommt. In einem ersten Schritt sollen daher die Feinplanungsmodule der Anbieter untersucht werden. Als die entscheidenden Kriterien für eine Bewertung der Feinplanungsmodule sind zu nennen:

- Modellierbarkeit von Prozessen
- Planungsgüte der erstellten Pläne
- Handhabbarkeit und Interaktionsfähigkeit bei der Planerstellung
- Integration zu den anderen Modulen

Die Modellierbarkeit der Prozesse wurde beispielhaft anhand von einem Fertigungsprozeß aus der Halbleiterindustrie (Infineon) und aus der Chemieindustrie (Röhm AG) untersucht. In parallelen Teams wurden jeweils beide Fertigungen mit den Feinplanungsmodulen PP/DS von SAP APO, Rhythm Factory Planner (FP) von i2 Technologies und Schedulix von Numertix/3 modelliert.

Ziel dieser Arbeit ist es, einen Vergleich der Planungsgüte der beiden Module PP/DS von SAP APO und Rhythm Factory Planner von i2 Technologies anhand der vorhandenen Modellierungen von den Fertigungen bei Infineon und der Röhm AG zu ermöglichen und durchzuführen.

Bei der Plexiglasfertigung ist zusätzlich ein Benchmarking mit den Ergebnissen des eigens für diese Art von Fertigung entwickelten Leitstands GS-Info durchzuführen.

1.3 Terminologie

Bevor im nächsten Abschnitt der Aufbau der Arbeit vorgestellt wird, sollen im folgenden noch die Begriffe, die im Verlauf der Arbeit verwendet werden, gegeneinander abgegrenzt werden:

In der Entscheidungstheorie versteht man unter einem (Planungs-)Problem, die Aufgabe der Auswahl einer optimalen Handlungsmöglichkeit aus einer Menge von Alternativen in Hinblick auf eine gegebene Zielsetzung.

Ein Modell ist ein vereinfachtes (isomorphes oder homomorphes) Abbild eines realen Problems, das verbal oder formal formuliert sein kann und die entscheidungsrelevanten Aspekte des Problems wiedergeben sollte. Somit dient ein Modell in erster Linie der Definition der Entscheidungsalternativen und einer Reduzierung der Komplexität des realen Problems.

Wohingegen die Modellformulierung oder Modellierung eine formale Darstellung eines Modells in einer Notation ist, die eine Lösung des Modells ermöglichen soll. Die zu unterscheidenden Elemente der Modellierung sind zum einen die Parameter, die als Platzhalter für die konkreten Daten des Entscheidungsproblems dienen, und zum anderen die Variablen mit denen die Handlungsalternativen modelliert werden.

Die Anpassung der Modellierung an das jeweilige Planungsproblem erfolgt über eine Modifikation der Parameter. Eine konkrete Ausprägung des Problems in Form fest vorgegebenen Parametern bezeichnet man als Probleminstanz oder Problemausprägung.

Probleminstanzen können mit geeigneten Lösungsverfahren gelöst werden. Die Lösung einer Probleminstanz besteht aus konkreten Werten für die Variablen und legt damit die auszuwählende Handlung fest. Die Schwierigkeit eine Lösung zu finden, hängt dabei maßgeblich von der konkret zugrundeliegenden Probleminstanz ab.

1.4 Aufbau der Arbeit

Diese Arbeit baut auf Modellierungen auf, die das Ergebnisse von zwei vorangegangenen Diplomarbeiten am selben Fachbereich sind. Als Grundlage für die weiteren Erläuterungen werden im Kapitel 2 die den Modellierungen zugrundeliegenden Modelle vorgestellt. Insbesondere wird dabei zwischen den Struktur- und Auftragsdaten der Modelle unterschieden. Voraussetzung für einen fairen Vergleich der beiden Module ist, daß die dem Vergleich zugrundeliegenden Modellierungen von denselben Relaxationen ausgehen. Die vorgenommenen Modifikationen der Modellierungen zum Angleichen der beiden Modellformulierungen sind im Kapitel 3 dargestellt. In Kapitel 4 wird der für diese Arbeit entwickelte und implementierte Testdatengenerator „DemGen“ gemeinsam mit den damit erzeugten Testdatensätzen vorgestellt. Die Darstellung des Planungsablaufes von SAP APO und Rhythm FP und die Möglichkeiten, diesen zu automatisieren, finden sich im Kapitel 5. Anschließend werden die beim Planungslauf benutzen Einstellungen im Kapitel 6 angegeben. Kapitel 7 beschreibt die Vorgehensweise und Probleme bei der Planauswertung. Das Ergebnis der Planauswertung sind Kennzahlen für die Güte der erstellten Pläne. Diese bilden die Basis für den im Kapitel 8 vorgenommenen Vergleich der beiden Module hinsichtlich ihrer Planungsgüte. Eine Zusammenfassung der Ergebnisse dieser Arbeit und einen Ausblick auf das weitere Vorgehen der SCP-Gruppe gibt Kapitel 9.

2 Klassifizierung der Modelle

Wie in der Einleitung bereits dargestellt, soll die Untersuchung der beiden Module PP/DS und Rhythm FP hinsichtlich ihrer Planungsgüte exemplarisch anhand von zwei Praxisbeispielen vorgenommen werden. Die Untersuchung anhand von Praxisbeispielen durchzuführen, bietet den Vorteil, die APS unter „realitätsnahen“ Bedingungen zu testen. So kann eine Gegenüberstellung der Planungsergebnisse der APS mit denen der zur Zeit eingesetzten Systeme sinnvoll durchgeführt werden. Diese erlaubt dann auch einen quantitativen Vergleich beider Systeme. Demgegenüber steht der Nachteil, die Fähigkeiten der untersuchten APS nur anhand einer kleinen Auswahl von vorstellbaren Planungssituationen zu beurteilen. Für eine Einschätzung der Ergebnisse dieser Arbeit ist aus diesem Grund eine Klassifikation der betrachteten Modelle notwendig. Zu diesem Zweck werden in den nächsten beiden Kapitel zuerst die Struktur- und anschließend die Auftragsdaten der Fertigungen vorgestellt. Letztendlich bestimmt die Kombination aus Struktur- und Auftragsdaten die Komplexität des Modells.

2.1 Strukturdaten

In Analogie zur Vorstellung der Produktion als einen wertschöpfenden Transformatios- oder Kombinationsprozeß von Produktionsfaktoren zu materiellen Gütern bzw. Dienstleistungen mit einer Input-, Troughput- und Output-Seite, kann man Produktionstypen nach einsatz-, prozeß- und programbezogenen Kriterien klassifizieren. Im folgenden werden für die Modelle der Fallbeispiele nur die für die Planung mit SCP-Software relevanten Unterscheidungsmerkmale beschrieben:

- Anzahl der Erzeugnisse
- Erzeugnisstruktur
- Anzahl der Betriebsmittel
- Prozeßstruktur

Die Erzeugnisstruktur der betrachteten Fertigungen sind in den Abbildungen Abb. 2-1, Abb. 2-3 und Abb. 2-4 schematisch dargestellt. Die Abbildungen bedienen sich dabei des folgendem Schemas:

Rauten stehen für materielle Erzeugnisse, Rechtecke für Betriebsmittel und Dreiecke für Lager. Die Intensität der Rautenfarbe korrespondiert mit der Position des Erzeugnisses im Materialfluß, der durch Pfeile abgebildet wird.

2.1.1 Plexiglasfertigung

In der Plexiglasfertigung werden Platten aus Plexiglas in einem 4-stufigen, diskreten Produktionsprozeß gefertigt. In Abb. 2-1 ist repräsentativ für alle Enderzeugnisse die Erzeugnisstruktur für ein Enderzeugnis („Platte“) wiedergegeben.

Aus dem allen Lösungen gemeinsamen Rohmaterial Metylmethacrylat (MMA) wird auf der ersten Stufe des Produktionsprozesses, den Kesseln, eine Lösung hergestellt. Die Lösungen unterscheiden sich hinsichtlich ihrer Farbe (symbolisiert durch die Buchstaben A bis N im Namen) und der benötigten Menge an MMA. Die Lösung wird auf der zweiten Fertigungsstufe auf der Gießlinie in spezielle Gestelle verfüllt, welche die vierte Fertigungsstufe bilden und in Abb. 2-1 nicht abgebildet sind. Sie stellen ein Transportmedium dar, das den Transport der Lösung zu der dritten Fertigungsstufe, den Luftpolymerisationsöfen (LuPos), ermöglicht. In den LuPos härtet die Lösung zum Enderzeugnis Plexiglasplatte ab. Neben der Farbe ist die Dicke der produzierten Platte (symbolisiert durch die Zahlen 3 bis 10 im Namen) ein Unterscheidungsmerkmal für die Enderzeugnisse. Die gesamte Erzeugnisstruktur findet man in Tab. B-1. Ein Auszug der vollständigen Tabelle ist in Tab. 2-2 wiedergegeben.

Anzahl der Erzeugnisse:

- 1 Vorprodukt
- 14 Zwischenprodukte
- 35 Endprodukte

Erzeugnisstruktur: divergierend

{EMBED Word.Picture.8}

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Modell der Plexiglasfertigung

Die Darstellung der Prozeßstruktur erfolgt anhand des Gantt-Diagramms (Abb. 2-2) für ein Enderzeugnis. Hier ist auch das Transportmedium (“Gestell”) erkennbar, das in der Abb. 2-1 zu Gunsten der Übersicht nicht abgebildet wurde. Die konkrete Ausprägung der dargestellten Zeiten für jedes Enderzeugnis ist in Tab. B-1 zusammengefaßt.

Auf der ersten Stufe stehen für das Anrühren der Lösung 6 identische, parallele Kessel zu Verfügung. Die Kessel haben eine festgelegte Mindest- sowie Höchstfüllmenge. Die Menge an MMA eines Auftrags reicht teilweise nicht aus, um die Mindestmenge zu erreichen, so daß in diesem Fall mehrere Aufträge zusammengefaßt werden müssen und Batchproduktion vorliegt. Die Gesamtbearbeitungszeit auf den Kessel setzt sich zusammen aus dem Rüst- und Bearbeitungszeiten sowohl des Kessels, als auch der Rüst- und Bearbeitungszeiten der nachgeordneten Stufe, der Gießlinie. Die reihenfolgeabhängigen Rüstzeiten des Kessels sind in Tab. 2-1 in Stunden abgebildet.

Die Gießlinie bildet die zweiten Stufe und wird gleichzeitig zu den Kesseln und den beim Gießvorgang benutzten Gestellen während des Vergießens belegt. Die Länge der Bearbeitungszeit auf der Gießlinie (Bz-GL) hängt von der abzufüllenden Menge ab, die durch die Dicke der herzustellenden Platte bestimmt wird.

Auf der dritten Stufe stehen insgesamt 12 identische LuPos für das Aushärten bereit. Die dafür anfallende Bearbeitungszeit (Bz-LuPo) ist für jedes Endprodukt anders.

Für den Transport von der Gießlinie bis zum LuPo sind die Gestelle notwendig und können als vierte Stufe angesehen werden. Sie sind als einzige Resource während der Transportvorgänge (Tz-GL, Tz-LuPo) belegt und bestimmen beim Vergiesen, ob ein Rüstvorgang (Rz-Gestell) der konstanten Dauer von 2 Stunden anfällt. Dieser ist immer dann notwendig, wenn sich das Format der Platte ändert.

EMBED Word.Picture.8

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Gantt-Diagramm der Plexiglasfertigung

Anzahl der Betriebsmittel:

- 6 identische Kessel
- 1 Gießlienie
- 12 identische LuPos

Prozeßstruktur: Hybrid-Flow-Shop, 4-stufig

{EMBED Excel.Sheet.8}

Tab. {STYLEREF 1 \s}-{SEQ Tab. \* ARABIC \s 1}: Rüstzeitmatrix der Kessel (Plexiglasfertigung)

Abbildung in dieser Leseprobe nicht enthalten

Tab. 2-2: Auszug aus den Produktionszeiten der Plexiglasfertigung[5]

Zusammenfassend weist die Plexiglasfertigung folgende Charakteristika auf:

- Parallele (identische) Ressourcen
- Reihenfolgeabhängige Rüstzeiten
- Parallele Ressourcenbelegung durch einen Auftrag
- Restriktive Zeitbeziehungen
- Gleichzeitig Minimal- und Maximal-Bedingungen (hier Füllstände)
- Chargenproduktion
- Restmengen

2.1.2 Halbleiterfertigung

Das von der KPMG bereitgestellte Modell einer Halbleiterfertigung (Abb. 2-3) wurde im Verlauf der Arbeit von der Struktur her geringfügig modifiziert (vgl. Abb. 2-4). In den beiden Abbildungen ist die vollständige Erzeugnis- und Prozeßstruktur der beiden Modelle schematisch dargestellt. Die folgende Beschreibung der Halbleiterfertigung bezieht sich auf die modifizierte Version der Halbleiterfertigung.

In der Halbleiterfertigung werden in einem 2-stufigen, diskreten Produktionsprozeß Halbleiterelemente hergestellt. Dabei sind im Modell nur die kritischen Prozesse abgebildet worden. Die ideale und zugleich maximale Losgröße für alle Erzeugnisse ist 50 Stück. Aus den fremdbezogenen Rohlingen können in der ersten Fertigungsstufe, der Scheibenfertigung 1, die beiden Zwischenprodukte „Scheibe A1“ und „Scheibe B1“ hergestellt werden. Die dafür erforderliche Bearbeitungszeit ist unabhängig von der Losgröße und im Verhältnis zur gesamten Durchlaufzeit von ca. 4 Tagen für diese Stufe relativ gering. Die beiden Zwischenprodukte werden auf Lager gefertigt. Im Lager ist ein Mindestsicherheitsbestand von 50 Stück für Scheibe A1 und 100 Stück für Scheibe B1 einzuplanen. Die Zwischenprodukte werden in einer zweiten Fertigungsstufe, der Scheibenfertigung 2A bzw. Scheibenfertigung 2, zu den Endprodukten „Scheibe D“, „Scheibe A“, „Scheibe B“ und „Scheibe C“ weiterverarbeitet. Die Bearbeitungs- und Durchlaufzeiten sind in Abb. 2-4 angegeben.

Anzahl der Erzeugnisse:

- 1 Vorprodukt
- 2 Zwischenprodukte
- 4 Endprodukte

Erzeugnisstruktur: divergierend

{EMBED Word.Picture.8}

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Modell der Scheibenfertigung

{EMBED Word.Picture.8}

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: modifiziertes Modell der Scheibenfertigung

Anzahl der Betriebsmittel:

- 3 Engpassresourcen

Prozeßstruktur: Job-Shop, 2-stufig

{EMBED Word.Picture.8}

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Modellierung der Halbleiterfertigung

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1} visualisiert den Arbeitsablauf und die Belegungszeiten bei der Produktion von Scheibe D anhand eines um den Materialfluß erweiterten Gantt-Diagramms.

Zusammenfassend weist die Halbleiterfertigung folgende Charakteristika auf:

- Bildung von Fertigungslosen
- Mindestbestand im Zwischenlager

2.2 Auftragsdaten

In diesem Kapitel werden die Auftragsdaten der beiden Fallbeispiele, soweit sie zur Verfügung standen, untersucht. Gegenstand der Analyse ist:

- Der Anteil der modellierten Produkte am realen Produktprogramm.

Er ermöglicht eine quantitative Einschätzung des Abbildungsdefektes bei der Modellbildung hinsichtlich der Erzeugnisstruktur und ist bei einer späteren Validierung der mit den SCP-Modulen erzeugten Plänen mit einzubeziehen.

- Die Struktur des Bedarfsverlaufs der modellierten Produkte.

Die realen Auftragsdaten konnten aus Vertraulichkeitsgründen nicht als Testinstanzen verwendet werden. Um die Modelle dennoch unter realitätsnahen Bedingungen zu testen, wurden Auftragsdaten mit den spezifischen Struktureigenschaften der realen Bedarfsverläufe mit Hilfe eines speziell für diese Struktur entwickelten Datengenerators erzeugt.

- Der „reale“ Wertebereich der Bedarfe.

Mit der Kenntnis des realen Wertebereichs konnten Auftragsdaten erzeugt werden, die ein breites Spektrum an Planungssituationen abdecken und damit einen umfassenden Vergleich der Planungsgüte ermöglichen.

2.2.1 Plexiglasfertigung

Die Analyse der Auftragsdaten der Plexiglasfertigung basiert auf den tatsächlich gefertigten Plexiglasplatten in dem der Modellierung zugrundeliegenden Werk der Röhm GmbH. Das zur Verfügung gestellte Datenmaterial ist auf der beigefügten CD im Verzeichnis \Plexiglas\Data_orig in der Datenbank Plexiglas.mdb zu finden und umfaßt Auftragsdaten von Anfang 1998 bis Ende 1999. In die Auswertung gingen die Daten der tatsächlich produzierten Platten (SollLiefertermin vor dem 1.7.1999) der modellierten Linie 3 ein. Die in dieser Zeit produzierten 13926 Aufträge, bilden die Grundgesamtheit der folgenden Analysen.

In dem betrachteten Werk werden mehr als 530 verschiede Plexiglasplatten gefertigt. Sie unterscheiden sich in ihrer Farbe (215 Ausprägungen) und Dicke (35 Ausprägungen). In dem Modell sind die bedeutendsten 35 Plexiglasstypen mit ihren 14 vorgelagerten Lösungen abgebildet worden. Diese Auswahl deckt mengenmäßig den größten Teil des Bedarfes ab.

{REF _Ref478026842 \h} zeigt die Abdeckung des Bedarfes bei einer Einschränkung der Produkte auf die im Modell abgebildeten 14 Farben. Obwohl nur ein Bruchteil der 215 Farben betrachtet wird, decken diese 81,78 % des Bedarfes ab (siehe kum. Anteil in Tab 2-3). Diese Abdeckung entspricht wegen der divergierenden Erzeugnisstruktur der mengenmäßigen Abdeckung des Bedarfes an Lösung.

{EMBED Word.Picture.8}

Abbildung in dieser Leseprobe nicht enthalten

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Bedarfsabdeckung Lösung Tab. {STYLEREF 1 \s}-{SEQ Tab. \* ARABIC \s 1}: Bedarfsabdeckung Lösung

Die Anteile der einzelnen Plexiglasplattentypen am Gesamtbedarf sind in Tab. 2-4 aufgeführt. Die abgebildeten Produkte sind dabei grün hinterlegt und decken zusammen 66,74 % des Gesamtbedarf ab.

{EMBED Word.Picture.8}

Tab. {STYLEREF 1 \s}-{SEQ Tab. \* ARABIC \s 1}: Bedarfsabdeckung Plexiglasplatte

Nachdem die Abdeckung der Bedarfe durch alle modellierten Produkte ermittelt wurde, wird im folgenden der Bedarfsverlauf mit den Hilfsmitteln der Zeitreihenanalyse für die einzelnen Produkte untersucht. In den Abb. {REF _Ref478036244 \h} und Abb. {REF _Ref478036249 \h} sind die Produkt- bzw. Dickenanteile quartalsweise abgebildet. Sie belegen, daß sich die prozentualen Anteile der mengenmäßig bedeutendsten Produkte am Gesamtbedarf im Zeitverlauf kaum ändern. Folglich stimmt die Struktur des Gesamtbedarfs mit dem der einzelnen Produkte überein und man kann sich bei der Zeitreihenanalyse der Bedarfsverläufe auf den Gesamtbedarf einschränken.

{EMBED Word.Picture.8}

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Farbanteile im Zeitverlauf (Plexiglasfertigung)

{EMBED Word.Picture.8}

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Dickenanteile im Zeitverlauf (Plexiglasfertigung)

In { REF _Ref478041947 \h \* MERGEFORMAT} wird eine Definition für eine Zeitreihe gegeben.

Def. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1} Zeitreihe: zeitlich geordnete Folge von Beobachtungen einer Größe.

Der allgemeine Ablauf bei der Zeitreihenanalyse gliedert sich in die folgenden Schritte:

1. Deskription der Zeitreihe
2. Modellauswahl
3. Modellspezifikation
4. Modellanpassung
5. Modellvalidierung

Deskription der Zeitreihe

Der erste Schritt bei einer Zeitreihenanalyse ist immer der Plot der Reihe. Aus dem Plot lassen sich die ersten Charakteristika erkennen. Der Plot des Gesamtbedarfs ist auf Tagesbasis in Abb. 2-9 dargestellt. Die horizontale Linie ist in Höhe des arithmetische Mittel der Reihe eingezeichnet und visualisiert den mittlere Auftragsbestand pro Tag. Die Unregelmäßigkeiten im Verlauf deuten darauf hin, daß in diesem Fall eine Approximation mit einem Polynom nicht in Betracht kommt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. {STYLEREF 1 \s}-{SEQ Abbildung \* ARABIC \s 1}: Sequenzdiagramm (Plexiglasfertigung)

Nach dem Plot der Zeitreihe bietet sich als zweiter Schritt die Berechnung der Lage- und Streuungsmaße an. Mit den Lagemaßen wird die Lage der Verteilung angegeben. Dazu gehören Mittelwert, Median und Modus. Mit den Maßen für Streuung werden Unähnlichkeiten der Werte angezeigt. Diese umfassen Standardfehler, Varianz, Standardabwei-chung, Minimum, Maximum, Spannweite und die Interquartilbereiche. Die Lage- und Streuungsmaße sind in Tab. 2-5 zusammengefaßt.

Modellauswahl

Eine zentrale Stellung bei der Untersuchung von Zeitreihen nimmt die Frage nach den Abhängigkeiten zwischen verschiedenen Zeitpunkten ein. Eine Verallgemeinerung der klassischen Kovarianz, mit der man lineare Abhängigkeiten mißt, ist die (empirischen) Autokorrelation.

Def. 2 - 2 empirische Autokorellationsfunktion (ACF): mit

Autokovarianzfunktion mit dem

Lag

Die Korrelationen höherer Ordnungen, die um die Korrelationen niedrigerer Ordnung bereinigt wurden, bezeichnet man als partielle Autokorellationen.

Def. 2 - 3 partielle Autokorellationsfunktion (PACF): ist die partielle Korrelation von und unter Konstanthaltung der dazwischen liegenden Zufallsvariablen mit . sei dabei ein stationärer Prozeß.

Die ACF und PACF der Gesamtbedarfe ist in Abb. 2-10 wiedergegeben. Sie belegen eine deutliche lineare Abhängigkeit aufeinander folgender Werte. Insbesondere kann man eine besonders ausgeprägte Abhängigkeit bei einem Vielfachen des Lags von 7 Tagen erkennen. Die Graphen der ACF und PACF deuten auf einen ARIMA(p,d,q)-Prozeß hin. ARIMA(p,d,q)-Prozesse sind spezielle lineare Prozeße, die im allgemeinen. ökometrische Zeitreihen gut approximieren.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2-10: Autokorrelationsfunktionen ACF und PACF (Plexiglasfertigung)

Def. 2 - 4 stochastischer Prozeß: Folge von Zufallsvariablen mit höchstens abzählbarer Indexmenge .

Modellspezifikation

Nachdem für die Näherung des Bedarfsverlaufs ein ARIMA(p,d,q)-Prozeß ausgewählt worden ist, wird in diesem Schritt die Ordnung (p,d,q) des Prozesses spezifiziert.

Def. 2 - 5 ARIMA(p,d,q)-Prozeß: gilt und stationär ist mit

White Noise Prozeß: stochastischer Prozeß mit Zufallsvariablen unkorreliert mit gleichen Erwartungswert 0 und gleicher Varianz .

Backshiftoperator: Lineare Filter B mit

Polynomen und

Das Sequenzdiagramm in der Abb. 2-9 läßt noch keine offensichtliche Stationarität erkennen. Wendet man einen Differenzfilter erster Ordnung an, ergibt sich eine in Abb. 2-11 dargestellte offensichtlich mittelwert-stationäre Reihe. Im Weiteren wird immer die transformierte, stationäre Reihe betrachtet.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2-11: transformiertes Sequenzdiagramm (Plexiglasfertigung)

Größere Probleme bereitet die Spezifikation der Ordnungen p und q der AR- und MA-Operatoren und . Sie können nach dem klassischen Box-Jenkins-Ansatz [6] oder einer rechenaufwendigen automatischen Methode der Modellsuche [7] bestimmt werden.

Der Box-Jenkins-Ansatz basiert auf einem Vergleich des theoretischen mit dem empirischen Verlauf der ACF und der PACF. Anhand bestimmter Muster, die für kleine Ordnungen katalogisiert sind, kann man die Ordnungen p und q bestimmen. Diese Mustererkennung ist keineswegs trivial und wurde anhand der ACF und PACF der mittelwertstationären Reihe mit p=1 und q=1 bestimmt.

Zusätzlich wurden die Ordnungen nach der semiautomatischen Methode des Overfittings bestimmt, die bei Schlittgen, R., Streitberg, J., auf den Seiten 244-245 beschrieben ist. Bei den semiautomatischen Methoden wird aus einer Vielzahl geschätzter Modelle, dasjenige ausgewählt , das ein vorgegebenes Gütekriterium optimiert. Die Methode des Overfittings besteht in der Betrachtung geschätzter, umfassenderer Modellordnungen und der Auswahl der Ordnungen p und q bei denen die folgenden Phänomene nicht auftreten:

- Parameterschätzungen vom erweiterten Modell unterscheiden sich deutlich von denen des ausgewählten Modells
- Bei einer Erweiterung neu hinzukommende Parameter sind signifikant von Null verschieden.
- Wesentlich sinkende Residualvarianzen bei einer Erweiterung.

In Tab. 2-6 sind die Daten des Overfittings aufgeführt. Sie wurden mit dem Statistikpaket SPSS 9.0 ermittelt. Aus der Legende (siehe Tab. 2-7) zur Tab. 2-6 erkennt man, daß zusätzlich die bedeutendsten Gütezahlen für die Schätzung des Modells angegeben sind.

Abbildung in dieser Leseprobe nicht enthalten

Tab. 2-6: Auswertung des Overfittings

Abbildung in dieser Leseprobe nicht enthalten

Tab. 2-7: Legende zu Tab. 2-6

Die Ordnung p=1 und q=1, die nach der Methode des Overfittings ausgewählt wurden, sind farblich hervorgehoben.

Modellschätzung

Bei der Overfittingmethode in der Phase der Modellspezifikation sind bereits die Koeffizienten geschätzt worden. Die Koeffizienten der Modelle werden bei SPSS iterativ durch die Kleinst-Quadrat-Methode [8] bestimmt, die zum Ziel hat, die Summe der quadrierten Residuen zu minimieren.

Der mit SPSS geschätzte ARIMA(1,1,1)-Prozeß ist in Abb. 2-12 gegen den Gesamtbedarf geplotet. Offensichtlich approximiert er den Gesamtbedarfsverlauf sowohl von der Höhe als auch von der unregelmäßigen Struktur her sehr gut.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2-12: ARIMA(1,1,1)-Fit (Plexiglasfertigung)

Modelldiagnose

Bei einem ARIMA(1,1,1)-Prozeß ist die Stationarität der Reihe nach der Transformation mit dem linearen Filter und die Unkorreliertheit der Residuen zu untersuchen.

Wie zuvor erwähnt, approximiert der geschätzte ARIMA(1,1,1)-Prozeß den Gesamtbedarfsverlauf hinreichend gut an. Da die transformierte Zeitreihe des Gesamtbedarfs mittelwertstationär ist, ist folglich auch der transformierte ARIMA(1,1,1)-Prozeß mittelwertstationär mit dem berechneten Mittelwert 24,75 Aufträge pro Tag.

Hinweise auf die Unkorreliertheit der Residuen können die Graphen der ACF und PACF der Residuen (siehe Abb. 2-13) liefern. Unter der Annahme der Unkorreliertheit dürften bei einem Konfidenzintervall von 95 % nur 5 % der Balken die eingezeichneten Konfidenzgrenzen überschreiten. Die Korrelogramme weisen eine geringfügig größerere Anzahl an Überschreitungen auf. Auffällig ist die große partielle Autokorrelation zum Lag von 7 Tagen. Sie deutet auf einen autoregressiven Prozeß zum Lag 7 hin. Ein um diesen saisonalen, autoregressiven Prozeß erweiterstes ARIMA(1,1,1)(1,0,0)-Prozeß liefert zwar eine geringfügig bessere Anpassung an den Bedarfsverlauf, wurde aber wegen der ungleich höheren Komplexität nicht weiter verwendet. Schließlich gibt der ARIMA(1,1,1)-Prozeß augenscheinlich die Struktur und das Niveau der Zeitreihe ausreichend gut wieder.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2-13: ACF und PACF der Residuen bei ARIMA(1,1,1) –Modell

2.2.2 Halbleiterfertigung

Für das von KPMG zur Verfügung gestellte Fallbeispiel einer Halbleiterfertigung, stand nur eine sehr begrenzte Anzahl von Auftragsdaten für die Datenanalyse bereit. Eine eingehende Datenanalyse, wie sie bei der Plexiglasfertigung durchgeführt wurde, war nicht möglich. Die verfügbaren Daten sind auf der CD im Verzeichnis \Halbleiter\Data_orig in einer Excel-Datei abgespeichert. Sie umfassen für 4 exemplarische Endprodukte die gefertigte Auftragsmenge auf Wochenbasis für insgesamt 13 Wochen (siehe Abb. 2-14).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2-14: Auftragsverlauf (Halbleiterfertigung)

Eine qualifizierte Aussage über die Struktur konnte anhand dieses Datenmaterials nicht gegeben werden. Ohne Kenntnis des Abstraktionsniveaus des Modells und des realen Wertebereichs der Auftragsdaten ist die Generierung von Testdaten, mit denen eine Validierung vorgenommen werden könnte, nicht möglich. In Anbetracht der fehlenden Möglichkeit einer Validierung wurde das ursprüngliche Modell dahingehend modifiziert, daß eine Untersuchung des Planungsverhaltens bei allen denkbaren Engpaßsituationen untersucht werden konnte. Dafür war die Ergänzung der Erzeugnisstruktur um ein Endprodukt und die Modifikation der Bearbeitungszeiten pro Los auf beiden Fertigungsstufen notwendig (siehe Kapitel 2.1.2).

3 Anpassung der Modellierungen

Die gegebenen Modellierung der beiden Modelle mit SAP APO und Rhythm FP entstanden mit dem Ziel, die Modelle der Fallbeispiele möglichst detailgetreu abzubilden. Wie sich herausstellte, konnten einige Merkmale der Plexiglasfertigungen mit den beiden Produkten unterschiedlich gut bzw. nicht modelliert werden. Jedes Produkt hatte seine individuellen Stärken und Schwächen bei der Modellierung, so daß sich die Modellierungen in ihrem Abbildungsdefekt unterscheiden. Für einen fairen Vergleich der Planungsgüte mußten die verwendeten Modellierungen angepaßt werden. Die für die Anpassung der Modellierungen erforderlichen Änderungen gegenüber den Ausgangsmodellierungen sind in diesem Kapitel beschrieben. Eine detaillierte Beschreibung der Ausgangsmodellierungen und der Vorgehensweise bei der Modellierung mit SAP APO und Rhythm FP findet man bei Richter, M. (1999) und Schneeweiß, L. (1999).

3.1 Plexiglasfertigung

Von den in Kapitel 2.1.1 beschriebenen Merkmalen konnten die Folgenden von beiden Produkten nicht modelliert werden:

- Belegung des Kessels während des Rüstvorgangs beim Gestell auf der Gießlinie.

- Parallele Belegung des Kessels und der Gießlinie während des Vergießens.

Zudem wurden folgende Punkte nicht mit Rhythm FP abgebildet:

- Minimale und maximale Füllstände der Kessel.
- Chargenproduktion.
- Mengenbedarfe an MMA für die Herstellung der Lösungen (d.h. es ist keine Restmengenbetrachtung auf den Kesseln möglich)

Die SAP APO-Modellierung wurde dementsprechend angepaßt.

3.1.1 GS-Info

GS-Info ist speziell für die Plexiglasfertigung entwickelt worden und greift bei der Planung auf leistungsfähige Eröffnungs- und Verbesserungsverfahren zurück, die zudem an die speziellen Erfordernisse der Fertigung angepaßt sind. Die Erzeugnis- und Prozeßstruktur, wie sie in Kapitel 2.1.1 beschrieben sind, sind im Sourcecode fest implementiert. Die Reduzierung der Modellierung von GS-Info gestaltete sich dementsprechend schwierig und wurde in enger Zusammenarbeit mit den Entwickler und den Programmierer von GS-Info durchgeführt. Die wichtigsten Relaxationen gegenüber der Originalmodellierung von GS-Info, die Chargenproduktion aufgrund der minimalen und maximalen Füllstände und der sich daraus ergebenden Restmengenproblematik konnten implementiert werden. Ein Anpassen der Prozeßstruktur an die in SAP APO und Rhythm FP modellierte Prozeßstruktur war nicht möglich.

Die abgespeckte Version und der Sourcecode von GS-Info sind auf der CD im Verzeichnis \Plexiglas\Modelle\GS-Info abgespeichert.

3.1.2 SAP APO

Die in diesem Abschnitt vorgestellte angepaßte Modellierung basiert auf der von Richter, M. (1999) für das SAP APO 2.0 System entwickelten Modellierung, die den Produktionsprozeß in zwei getrennten Produktionsprozeßmodelle (PPM) abbildet[9]. Bei der Anpassung an die Rhythm FP-Modellierung sind folgende Änderungen vorgenommen worden:

- Die Minimal- und Maximalfüllstände der Kessel sind indirekt durch die minimale bzw. maximale Losgrößenmenge bei der Lösungsherstellung modelliert. Die minimale Losgrößenmenge der Lösungen ist entsprechend von dem Minimalfüllstand des Kessels auf die tatsächlich benötigten Mengen heruntergesetzt worden.
- Die Losgrößenpolitik von den Lösungen und Platten ist im Produktstamm von Lot-for-Lot auf die feste Losgröße von einem Stück geändert worden (d.h. keine Chargenproduktion)
- Restmengen können zwar anfallen, beeinflussen jedoch nicht die Planung.

Die Prozeßstruktur der angepaßten Modellierung der Plexiglasfertigung ist in Abb. 3-1 in einem Gantt-Diagramm visualisiert. Sie unterscheidet sich von der in GS-Info Implementierten durch die im einleitenden Text dieses Kapitels genannten Punkte. Gegenüber der Modellierung mit Rhythm FP ist eine Relaxation der restriktiven Zeitbeziehungen zwischen dem Vergießen und beim Übergangs von der ersten zur zweiten Stufe notwendig gewesen.

Die angepaßte Modellierung der Plexiglasfertigung ist in Form von BAPI-Sheets auf der CD im Verzeichnis \Plexiglas\Modelle\SAP abgespeichert.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3-1: SAP APO Modellierung der Plexiglasfertigung

3.1.3 i2 Rhythm

Für den Vergleich mit SAP APO ist die Modellierung von Schneeweiß, L. (1999) verwendet worden, in der die Kessel als alternative Ressource modelliert sind[10]. Da alle Aspekte der Rhythm FP Modellierung auch von der Modellierung mit SAP APO abgedeckt werden, ist eine Anpassung der Rhythm FP Modellierung nicht notwendig gewesen.

Die modellierte Prozeßstruktur des Rhythm FP-Modells der Plexiglasfertigung ist in Abb. 3-1 in einem Gantt-Diagramms visualisiert. Sie ist bis auf die Relaxation der Zeitbeziehungen im SAP APO-Modell mit der im SAP APO-Modell abgebildeten Prozeßstruktur identisch.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3-2: i2 Rhythm Modellierung der Plexiglasfertigung

Das für die Planung mit Rhythm FP benutzte Modell der Plexiglasfertigung ist auf der CD im Verzeichnis \Plexiglas\Modelle\i2 abgespeichert.

[...]


[1] vgl. Boven, R.(1999), S. 3.

[2] Christopher et al. (1992), S. 12.

[3] Hahn, D. (1999), S. 851-855.

[3] siehe Stadtler, H. (1999), S. 35-37.

[4] Hillek, T. (1998), S. 4.

[5] siehe Tab. B-1.

[6] siehe Box, G., Jenkins, G. (1976), S. 174-177 oder Schlittgen, R., Streitberg, J. (1984), S. 213-235.

[7] siehe Schlittgen, R., Streitberg, J. (1984), S. 236-256.

[8] siehe Schlittgen, R., Streitberg, J. (1984), S. 193-197.

[9] siehe Richter, M. (1999), S.55-78.

[10] siehe Schneeweiß, L. (1999), S. 62-66.

Ende der Leseprobe aus 106 Seiten

Details

Titel
Vergleich der SCM Software von SAP, Manugistics und i2
Hochschule
Technische Universität Darmstadt
Note
1
Autor
Jahr
2000
Seiten
106
Katalognummer
V185436
ISBN (eBook)
9783656980612
ISBN (Buch)
9783867463324
Dateigröße
1430 KB
Sprache
Deutsch
Schlagworte
vergleich, software, manugistics
Arbeit zitieren
Christof Kluska (Autor:in), 2000, Vergleich der SCM Software von SAP, Manugistics und i2, München, GRIN Verlag, https://www.grin.com/document/185436

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Vergleich der SCM Software von SAP, Manugistics und i2



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden