Verfahren zur simulationsgestützten Regelung der Kanban-Steuerung bei dynamischen Bedarfen
- Art: Dissertation / Doktorarbeit
- Autor: Andreas Moritz
- Abgabedatum: Juli 1999
- Umfang: 216 Seiten
- Dateigröße: 2,3 MB
- Note: 1,0
- Institution / Hochschule: Rheinisch-Westfälische Technische Hochschule Aachen (RWTH) Deutschland
- ISBN (eBook): 978-3-8324-4515-7
-
ISBN (Paperback) :
978-3-8324-4515-7 P - ISBN (CD) :978-3-8324-4515-7 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Moritz, Andreas Juli 1999: Verfahren zur simulationsgestützten Regelung der Kanban-Steuerung bei dynamischen Bedarfen, Hamburg: Diplomica Verlag
- Schlagworte: dynamische Bedarfe, Kanban, Simulation
In den Warenkorb
38,00 €
Dissertation / Doktorarbeit von Andreas Moritz
Einleitung:
Industrieunternehmen sehen sich durch den Werte- und Strukturwandel der Gesellschaft, Änderungen politischer Randbedingungen sowie wissenschaftlichen Neuerungen dynamischen, bisweilen sogar turbulenten Marktbedingungen ausgesetzt. Für die Unternehmen ergibt sich die Verpflichtung, den stetig wandelnden Anforderungen gerecht zu werden. Gesättigte regionale Märkte erzwingen die weltweite Ausweitung von Vertriebsaktivitäten. Zum einen ergeben sich durch die Globalisierung die Chancen eines vergrößerten Beschaffungs- und Absatzmarktes, zum anderen werden die Unternehmen zugleich mit bis zu 50% mehr Wettbewerbern als noch vor 6 Jahren konfrontiert. Für den Kunden ist diese Konkurrenzsituation von Vorteil: Er kann leichter seine Ansprüche an Produkte und Leistungen zu günstigen Konditionen durchsetzen. Für den Lieferanten, beispielhaft der deutsche Maschinenbau, spiegelt sich dieser Sachverhalt zahlenmäßig durch bis zu 60% kürzere Lieferzeiten und bis zu 50% niedrigere Marktpreise im Vergleich zu 1990 wider.
Die Gesamtheit der Veränderungen bewirken, dass Unternehmen komplexere, individuelle Kundenlösungen unter stark erhöhtem Zeit- und Kostendruck hervorbringen müssen. Auf die Erfüllung dieser Anforderungen wirken sich jedoch die Wettbewerbsnachteile in Deutschland negativ aus. Im Merkmal „Kosten pro geleisteter Arbeitsstunde“ liegt Deutschland im internationalen Vergleich an der Spitze. In einer Befragung von 681 Unternehmen nannten 85% resp. 68% der Unternehmen gesetzliche Lohnzusatzkosten und Steuerbelastungen als die Hauptwettbewerbsnachteile bezüglich der Kostensituation.
Um den komplexen und dynamischen Marktanforderungen gewinnbringend entgegenzutreten, müssen daher innerbetrieblich viel Flexibilität und Reaktionsgeschwindigkeit aufgebracht sowie gleichzeitig die Ressourcen effizient genutzt werden. In den Jahren bis 1991 war eine verstärkte Investitionstätigkeit in neue Maschinen und Anlagen zu beobachten. Die Ertragskraft der Unternehmen wurde bei weitem jedoch nicht den Ausgaben entsprechend gestärkt. Die weltweite MIT-Studie für die Automobilindustrie merkte in diesem Zusammenhang an:
„Die Automobilfabrik mit dem geringsten Automatisierungsgrad ist das effizienteste Werk auf der Welt. Erst wenn die schlanke Organisation steht, macht es Sinn, über die Automatisierungstechnologien nachzudenken!“ Durch diese Studie wurde der Begriff „lean production“ (schlanke Produktion) geprägt, die neben der rein technischen Verbesserung vor allem auf die organisatorische Optimierung der Produktions- und Leistungsprozesse sowie auf die Fokussierung der wertschöpfenden Prozesse abzielt. Daraus resultiert die in den letzten Jahren verstärkte Konzentration auf die Logistikfunktionen innerhalb der Wertschöpfungskette. Die logistische Leistungsfähigkeit eines Unternehmens wird sogar als eine der bedeutendsten Erfolgsfaktoren auf dem globalen, vernetzten Markt angesehen.
Das bei der Produktionslogistik vorliegende traditionelle Bestreben nach höchstmöglicher Auslastung ist dabei einer verstärkten Kundenorientierung bei gleichzeitiger Bestandsminimierung gewichen. Diese Ziele müssen ergänzt werden um das Merkmal „Reaktionsfähigkeit“. Um diesen Zielsetzungen Rechnung zu tragen, wird in verstärktem Maße das Just-in-time-Konzept eingesetzt. Dabei ist das gesamte Überdenken des Leistungserstellungsprozesses mit dem Ziel notwendig, möglichst nachfragegenau zu produzieren. Eine Schlüsselrolle beim Just-in-time-Konzept nimmt dabei die integrierte Informationsverarbeitung ein, da eine kundennahe Produktion Planungs- und Steuerungskonzepte erfordert, die eine Vereinfachung der Informations- und Koordinierungsaufgaben zum Ziel haben.
Im Rahmen dieser Konzeption gewinnt die Steuerung nach dem Kanban-Prinzip an Bedeutung. Autonome Fertigungsabschnitte regeln sich dabei über die Größe „Materialbestand“ selbständig; Produktionsautorisierungen für den jeweiligen Regelkreis stellen die sog. Kanban (-Karten) dar.
Eine wesentliche Einsatzvoraussetzung ist jedoch die Verstetigung des Bedarfsverlaufs und damit die Reduzierung von Mengenschwankungen. Vielfach finden sich in der Praxis jedoch Bedarfssituationen, die weit über die engen Toleranzen hinausgehen. Als Konsequenz ergeben sich entweder Materialflussabrisse, die den Servicegrad verringern, oder aber es entstehen unnötige Fertig- und Halbfabrikatbestände, welche durch Bestandskosten die Gesamtwirtschaftlichkeit reduzieren.
Die Beherrschung dynamischer Bedarfe, die auf ein Kanban-System wirken, ist daher eine notwendige Aufgabe, um den weiteren Einsatz und die Verbreitung des Kanban-Prinzips voranzutreiben.
Gang der Untersuchung:
Nachfolgend werden im Kapitel 2 grob die Aufgaben der Produktionsplanung und -steuerung vorgestellt. Sie helfen beim Verständnis und der Einordnung des Kanban-Prinzips, das detailliert in seinen wesentlichen Ausprägungen vorgestellt wird. Das Aufzeigen der Probleme bei schwankenden Bedarfen mündet in die Analyse vorhandener Lösungsansätze. Daraus lässt sich die Zielstellung dieser Arbeit ableiten.
In Kapitel 3 wird dann das Basiskonzept einer simulationsgestützten Regelung hergeleitet. Konsequent wird dabei der Regelungsgedanke aufgegriffen und die Struktur eines überlagerten Regelkreises aufgezeigt.
Kapitel 4 hat die Erweiterung des Konzeptes vor dem Hintergrund der Dynamik des Verbrauchsverhaltens zum Schwerpunkt. Für die bei der Großserien- und Massenfertigung gerade im Automobilzulieferbereich übliche Form der Liefereinteilung wird ein geeignetes Komponentenmodell des Bedarfsprozesses hergeleitet. Neben dem Ansatz zur Regelung im Falle einer deterministischen Komponente wird ein Verfahren zur Absicherung gegen eine zufällige Komponente erarbeitet.
In Kapitel 5 wird eine Konzeption zur DV-gestützten Verfahrensumsetzung aufgezeigt. Diese soll Applikationen in der betrieblichen Praxis ermöglichen. Dabei werden auch Hinweise für den praktischen Einsatz gegeben. Die experimentelle Validierung des Gesamtverfahrens und die Diskussion der Ergebnisse erfolgt in Kapitel 6.
Inhaltsverzeichnis:
| Verzeichnis der Abkürzungen und Variablen | IV | |
| Verzeichnis der Abbildungen | IX | |
| 1. | Einleitung | 1 |
| 2. | Problemstellung und Stand der Technik | 4 |
| 2.1 | Begriffsdefinitionen und Abgrenzung | 4 |
| 2.2 | Systeme zur Steuerung von Produktion und Materialfluss | 6 |
| 2.3 | Das Kanban-Prinzip als Produktionssteuerungsmethodik | 10 |
| 2.3.1 | Einsatzvoraussetzungen | 11 |
| 2.3.2 | Grundelemente von Kanban-Systemen | 14 |
| 2.3.3 | Typologie von Kanban-Steuerungen | 20 |
| 2.3.3.1 | Zwei-Karten-Systeme | 21 |
| 2.3.3.2 | Ein-Karten-Systeme | 23 |
| 2.3.3.2.1 | Ein-Karten-Systeme mit Transport-Kanban-Karten | 23 |
| 2.3.3.2.2 | Ein-Karten-Systeme mit Produktions-Kanban-Karten | 23 |
| 2.3.3.3 | Allgemeine Regeln für Kanban-Steuerungen | 25 |
| 2.3.4 | Planungsablauf bei Kanban | 26 |
| 2.4 | Die Problematik schwankender Bedarfe | 29 |
| 2.5 | Bestehende und relevante Lösungsansätze | 31 |
| 2.6 | Zielsetzung der vorliegenden Arbeit | 37 |
| 3. | Basiskonzept einer simulationsgestützten Regelung der Kanban-Steuerung bei dynamischen Bedarfen | 39 |
| 3.1 | Vorgehensweise zum Entwurf komplexer Systeme | 39 |
| 3.2 | Grundlagen der Regelung | 40 |
| 3.3 | Anwendung des Regelkreisprinzips zur Modellierung der Kanban-Steuerung | 42 |
| 3.3.1 | Analogieschluss zur Regelungstechnik | 42 |
| 3.3.2 | Zielgrößenorientierung und Erstellung eines Zielsystems | 47 |
| 3.3.2.1 | Anforderungen an ein Zielsystem | 47 |
| 3.3.2.2 | Ableitung der relevanten Zielgrößen | 48 |
| 3.3.3 | Formulierung der Regelaufgabe | 52 |
| 3.3.4 | Führungs- und Störgrößen | 55 |
| 3.3.5 | Identifizierung wesentlicher Totzeiten | 56 |
| 3.3.6 | Einsatz klassischer regelungstechnischer Methoden | 57 |
| 3.3.6.1 | Prädiktive, adaptive Regelung | 58 |
| 3.3.6.2 | Simulation zur Lösung der Regelungsaufgabe | 59 |
| 3.4 | Anwendung der Simulation | 61 |
| 3.4.1 | Vorgehensweise zur Nutzung der Simulation | 61 |
| 3.4.2 | Aufbau eines symbolischen Modells | 64 |
| 3.4.2.1 | Prozessmodell | 64 |
| 3.4.2.2 | Prozessstruktur | 66 |
| 3.4.2.3 | Prozessregeln | 68 |
| 3.4.2.4 | Datenmodell | 70 |
| 3.4.3 | Mathematische Beschreibung des Modells | 73 |
| 3.5 | Simulationsgestützte Planung des Reglereingriffs | 78 |
| 3.5.1 | Problemstellung | 78 |
| 3.5.2 | Ableitung des Optimierungsverfahrens | 79 |
| 4. | Erweitertes Konzept zur Berücksichtigung deterministischer und stochastischer Schwankungen | 83 |
| 4.1 | Analyse der Verbrauchsinformation | 83 |
| 4.1.1 | Klassifizierung nach Bedarfsverlauf und -bestimmtheit | 83 |
| 4.1.2 | Lieferabrufsystematik | 86 |
| 4.1.3 | Einflussgrößen der Unsicherheit | 87 |
| 4.2 | Modell des Bedarfsprozesses | 89 |
| 4.2.1 | Komponentensichtweise | 89 |
| 4.2.2 | Zerlegung der Störungskomponenten | 90 |
| 4.3 | Ansatz zur Regelung der deterministischen, dynamischen Komponente | 94 |
| 4.3.1 | Einstufiger Ansatz | 94 |
| 4.3.2 | Mehrstufiger Ansatz | 98 |
| 4.4 | Absicherung gegen die stochastische Komponente | 103 |
| 4.4.1 | Stochastische Lagerhaltungssysteme | 103 |
| 4.4.2 | Kompensation der stochastischen Komponente | 107 |
| 4.5 | Synthese der Ansätze zur Beherrschung deterministischer und stochastischer Bedarfe | 110 |
| 5. | Konzeption einer DV-gestützten Verfahrensumsetzung | 114 |
| 5.1 | Struktureller Aufbau | 114 |
| 5.2 | Konzeption der Systemfunktionen | 115 |
| 5.2.1 | Bedarfsdatenaufbereitung | 116 |
| 5.2.2 | Konfigurationsfunktion | 118 |
| 5.2.3 | Simulationsfunktion | 119 |
| 5.2.4 | Optimierung und Stellgrößengenerierung | 121 |
| 5.2.5 | Analyse und Bewertung | 123 |
| 5.3 | Integration in den betrieblichen Ablauf | 125 |
| 5.3.1 | Ablauforganisatorische Einbindung | 125 |
| 5.3.2 | Hinweise für den praktischen Einsatz | 127 |
| 6. | Experimentelle Validierung des Systemansatzes | 130 |
| 6.1 | Beschreibung der Experimente und Experimentplanung | 130 |
| 6.2 | Durchführung und Auswertung der Untersuchungen | 132 |
| 6.2.1 | Bedarfszerlegung | 132 |
| 6.2.2 | Einstufiges Kanban-System | 138 |
| 6.2.3 | Dreistufiges Kanban-System | 145 |
| 6.3 | Diskussion der Ergebnisse | 148 |
| 7. | Zusammenfassung und Ausblick | 151 |
| 8. | Literaturverzeichnis | 154 |
| 9. | Anhang | 164 |
Im Gegensatz dazu ändern sich bei der diskreten Simulation, die auch als diskrete Ereignis-Simulation bezeichnet wird, die Zustandsvariablen durch den Eintritt von Ereignissen an bestimmten, endlich vielen Zeitpunkten. Abhängig von der Art der Zeitführung lassen sich dabei zwei Arten der Ereignis-Simulation unterscheiden [DoDr-95, S. 208]: 1. Periodenorientierte Zeitführung (taktgetrieben): Die interne Simulationsuhrzeit wird jeweils um feste Zeitintervalle ∆t (Sekunde, Minute, Stunde, Tag, etc. ) vorangetrieben. Nach einer Zeitaktualisierung wird überprüft, ob Ereignisse stattgefunden haben, welche die Zustandsvariablen verändern. 2. Ereignisorientierte Zeitführung (ereignisgetrieben): Nach einer Initialisierung der Systemzeit ermittelt man die Zeitpunkte, an denen zukünftige Ereignisse eintreten. Im Anschluß daran wird die Systemzeit mit dem Zeitpunkt des Eintritts des ersten Ereignisses gleichgesetzt. Die zugehörige Zustandsvariable wird aktualisiert. Die Formulierung der Prozeßstruktur legt die Eigenschaften und Funktionen der Prozeßelemente und deren Beziehungen untereinander fest. Hierbei, wie bei der Festlegung eines Prozeßmodells, wird der Abstraktionsgrad des Modells determiniert. Generell sind dabei der Aufwand zur Modellierung und die Abbildungsgenauigkeit gegeneinander abzuwägen, da der Aufwand überproportional zur Genauigkeit steigt [VDI-93, S. 12]. Eng verbunden mit der Prozeßstruktur sind die Prozeßregeln, nach denen sich die Abläufe im Modell vollziehen. Die Prozeßregeln lassen sich in zwei Gruppen einteilen: In Bearbeitungsregeln und in Steuerungsregeln [Male-88, S. 34]. Im Rahmen der Datenmodellierung und –aufbereitung wird ein Datenmodell für die Simulationsstudie erstellt. Von besonderem Interesse sind dabei die exogenen Daten, die von außen auf das System einwirken (z.B. Systemlast, Störgrößen). Im Anschluß an die erfolgte Modellierung muß das Modell mit Hilfe einer Modellierungssprache für die Computerunterstützung programmiert werden. Grundsätzlich kann festgestellt werden, daß zur Programmierung keine speziellen Simulationsprogramme erforderlich sind [Chah-90, S. 98]. Höhere Programmiersprachen wie z.B. FORTRAN, OBJECTIVE C und PASCAL reichen aus. Allerdings entwickelt sich der Trend immer mehr zu in der Anwendung komfortableren Simulationssystemen wie z.B. SIMFLEX, SIMPLE++ und MODUS [Jüne-89, S. 586]. An die eigentliche Programmierung schließt sich ein Gesamttest aller Funktionalitäten an. Das eigentliche Ziel der Simulation ist nicht der Aufbau eines Modells, sondern die Nutzung dessen, um Aussagen und Erkenntnisse über das Systemverhalten zu gewinnen. Die vorab festgelegten Zielsetzungen orientieren sich ja gerade an der späteren Nutzung. Die Versuchsinitialisierung trägt dazu bei, den datenmäßig zu beschreibenden Ausgangszustand festzulegen. So ist z.B. zu klären, ob das System im Leerzustand startet, oder ob schon Prozeßträger im System [...]
Für die Unterscheidung verschiedener Modellarten sind primär die Eigenschaftspaare deterministisch / stochastisch und stetig / diskret von Bedeutung [Patz-82, S.335]. Tritt in einem Simulationsmodell mindestens eine Einflußgröße auf, die zufallsbedingt variiert, so spricht man von einem stochastischen Modell [Male-88, S. 9]. Im Gegensatz dazu sind im deterministischen Modell alle Einflußgrößen im voraus bekannt. Bei stochastischen Modellen werden sinnvolle Aussagen erst dann erreicht, wenn, den Kenngrößen der einzelnen Wahrscheinlichkeitsverteilungen entsprechend, mehrere Simulationsläufe durchgeführt worden sind. Bei stetigen Modellen ändern sich die Zustandsvariablen kontinuierlich mit der Zeit. Kontinuierliche Simulationsmodelle weisen i.d.R. eine oder mehrere Differentialgleichungen zur Abbildung des Zusammenhangs zwischen Zeitfortschritt und Änderung der Zustandsvariablen auf [DoDr-95, S. 208]. [...]
Zur Lösung dieses regelungstechnischen Problems wird daher das Verfahren der Simulation eingesetzt, welches für die Beherrschung diskreter, ereignisorientierter und dynamischer Systeme geeignet ist. Mit Hilfe der Simulation können Regelungseingriffe zuerst an dem jeweiligen Modell der Strecke überprüft und optimiert werden. Eine vorausschauende Charakteristik der Modelldaten, insbesondere der Störgrößen, erlaubt "Was-wäre-wenn"-Szenarien. Somit können die unterschiedlichen Auswirkungen der Regelungseingriffe auf die Zielgrößen für jeden Regelungslauf experimentell ermittelt werden. Über geeignete Algorithmen und Heuristiken kann dann eine Optimierung der Stellgrößen durchgeführt werden. Die bisherige Struktur des überlagerten Regelkreises wird deshalb detailliert und um die Simulation, das Störgrößenmodell und die Optimierung erweitert (Bild 3.8). [...]
In den Warenkorb
38,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832445157
Arbeit zitieren:
Moritz, Andreas Juli 1999: Verfahren zur simulationsgestützten Regelung der Kanban-Steuerung bei dynamischen Bedarfen, Hamburg: Diplomica Verlag
Schlagworte:
dynamische Bedarfe, Kanban, Simulation



