Opera ons Management

Kapitel 1 – Gegenstand des Opera ons Managements

1. Management von Wertschöpfungsprozessen in Betrieben

Bei dem Opera onsmanagement handelt es sich um die Analyse und Gestaltung des
Wertschöpfungsprozesses. Es handelt sich um die e ziente Erstellung von Sachgüter und Produk on
von Dienstleistungen, bei knappen Ressourcen.
Wertschöpfungsprozess: Kombina on von Einsatzgüter (Sachgüter, Dienstleistungen, Energie etc.) zu
Ausbringungsgüter (Sachgüter, Dienstleistungen, Hybride). Die Wertschöpfung ist die Di erenz
zwischen dem Wert der Ausbringungsgüter und Einsatzgüter.
Einsatzgüter sind Repe erfaktoren, sie werden verbraucht und müssen immer wieder neu bescha en
werden, und Potenzialfaktoren, sie werden nicht verbraucht (Anlagen, Arbeiter, Gebäude).

Betrieb als Wertschöpfungssystem ! komplexes sozio-technisches System, das vielfsch geeignet ist
den Wertschöpfungsprozess durchführen zu können.
Die Einsatzgüter müssen möglichst e zient/gewinnbringend eingesetzt werden, dafür muss man die
vielen Alterna ven analysieren und bewerten können.

Merkmale des Opera ons Managements:

Arten von Betrieben und Problemen des Opera ons Managements:

- Buchungsannahme in Hotels
- Routenplanung (Briefzusteller oder Außendienst)
- Stundenplangestaltung in Schulen und Hochschulen
- Schichtplanung im Call Center
- Losgrößenplanung in Industriegebieten
- Bestandsmanagement in Wertschöpfungske e

titi titi

ti ffi
titi
tt

ti
ffi

ff
tiff
 2. Quan ta ve Modelle des Opera ons Managements

2.1. Entscheidungsmodelle
Nutzen des Modells: beschreibt Vorstellungen von dem Problem und gibt mathema sche
Anforderungen an die Lösung an. Das Modell gibt aber keine Lösung.
Funk on von Entscheidungsmodellen (zwei Problemlösungsarte):

Mathema sches Modell

Lösung des mathema schen Modells

Reales Problem Lösung des realen Problems

Entscheidungsträger sucht zu einem
realen Problem eine möglichst gute Lösung. Erfahrung und Intui on reichen dafür o nicht mehr aus.
Deshalb werden Algorithmen dafür verwendet.

Funk on von Entscheidungsmodellen:

- Abbildung der Vorstellung eines Entscheidungsproblems
- Anforderung an die Lösung
- Spezi ka on der mathema schen Eigenscha en
- Ausgangspunkt für die Wahl eines Lösungsverfahrens
- Beschreibung von Informa onsbedarfen und Datenstrukturen

5 Fragen zu Konstruk on von Entscheidungsproblemen:

• Was sind die Objekte der Betrachtung?: z.B. Au rag i und Anlage j ! Indizes (i, j) und
Indexmenge (Interval), welche verschieden kombiniert werden können.
• Was sind die exogene A ribute dieser Projekte?: Parameter. Von „außen“ vorgegebene
Merkmale, die zu den Parametern des Modells führen. z.B. Kapazität und Deckungsbeitrag.
• Was sind die endogenen A ribute dieser Objekte?: Merkmale der Objekte, für die eine konkrete
Ausprägung gesucht wird. Diese sind die Entscheidungsvariablen Xi , für die ei zulässiger Werte-
oder De ni onsbereich angegeben werden muss.
• Wie sieht die Zielfunk on aus?: Verknüpfung einiger Entscheidungsvariablen mit Parametern. Die
Güte der Lösung ist der für jede Ausprägung der Lösung berechnete Zielfunk onswert. Dadurch
kann man zb. Den gesamten Deckungsbeitrag der Au räge ermi eln.
Forderung: Maximiere Z =
• Wie sehen die Nebenbedingungen aus?: Beschränkung des Löaungsraums und Abhängigkeit
zwischen Entscheidungsvariablen. Sie können zb. Kapazitätsrestrik onen der verschiedenen
Anlagen sein.
Nebenbedingung: unter Beachtung der Restrik on (u.B.d.R.)
Kapazitätanspruch </= vorhandene Kapazität

tifiti fititi ti
titi tt

tt
titi
ti
ft
tift


ft

titt
ti


ti tift

 Dadurch erreicht, dass die Zielfunk on Korrekt ermi elt, Ressourcenbelastungen korrekt abgebildet
werden und jeder Au rag i max. einmal angenommen werden kann.

So ware: Modellierungssystem und Solver

So waresysteme zur Entwicklung und Nutzung von Modellen.
Problemlösung mit Hilfe eines Logarithmus. Dieser enthält einzelne Rechenschri en die konkrete
Probleminstanzen lösen.
Es exis eren keine geschlossene Ausdrücke zur Modelllösung, da diese o nicht di erenzierbar und
nicht ste g sind. Es gibt aber o Lösungsverfahren für konkreten Probleminstanzen.
Man braucht zur Modelllösung algebraische Modellierungssysteme, die mathema sche Modelle und
Daten erfassen, sowie einen Solver. Der Solver ist eine So ware mit geeignetem Lösungsalgorithmus,
welcher eine Lösung errechnen soll.
So eine So ware ist GAMS. In dieser werden abstrakte (Un-)Gleichungen von konkreten Daten
(Parameter, Sets, etc. ) getrennt. Diese So ware ist für Probleme, die man von Hand nicht lösen kann,
gut geeignet.

2.2. Simula onsmodelle

Situa on in der die Bewertung einzelner Konstella onen nicht einfach sind, weil die Parameter von
einer stochas scher und/oder dynamischen Problemsitua on abhängen. Bsp. Für so eine Situa on ist
das Bestandsmanagement oder ein Warte- und Bediensystem. Diese werden meist mit
So waresystemen simuliert, welche man als mathema sche Experimente betrachten kann. Diese
Zufallsexperimente müssen aber mit einer Wahrscheinlichkeitsrechnung durchgeführt werden.
Dafür muss die (Normal-) Verteilung zB. der Nachfrage ermi elt werden.
Außerdem muss das Zufallsexperiment mehrmals durchgeführt werden, die Durchführungen werden
als Szenarien bezeichnet. Wird so ein Experiment im Verkauf durchgeführt ist der Gewinn die
Di erenz aus der eher zufälligen Nachfrage zu einem bes mmten Zeitpunkt und den festen
Bescha ungs-/Produk onskosten. Für jedes Szenario wird der Gewinn bes mmt. O fragt man sich
nach dem Szenario mit einem mi leren Gewinn.
Die Genauigkeit des stochas schen Simula onsergebnisses hängt von der Anzahl der Szenarien ab (je
mehr, desto genauer) und Kon denzintervallen ab. Das liegt an der Schwankung der stochas schen
Größe (Nachfrage). Das Simula onsergebnis ist aber auch zufällig.
Die Berechnungsvorschri wird bei dem (Exel-)Programm von innen nach außen gelesen.
Unterschied zwischen Simula on und Op mierung:
Simula on kon guriert, bzw. bewertet, nur eine einzelne Situa on, bzw. Kon gura on.
Op mieren bedeutet aus allen möglichen Kon gura onen die besten Lösungen zu nden.

ffftti ti titiffti ft ti
fi
ftti ft
titifift
ti tt ti
tiftti
fi
ti
titt ti tiftti tt ti


ft
ti fi tttiti
fffift

ti
ti
 Kapitel 2 – Prozessanalyse 1: Zeiten und Bestände

2.1 Prozessorien erte Betrachtung von Warte- und Bediensystemen

Grundmodell eines Warte- und Bediensystems:

Lamda: Zeitankun srate, gibt an wie viele Jobs pro Zeiteinheit eintre en. Lamda ist der Kehrwert der
mi leren Zwischenankun szeit. Die Jobs werden dem Server, welcher ein (Bedien-) System ist
bedient. Die Bedienrate Mü eines Servers ist der Kehrwert der mi leren Bedienzeit.
Falls die Server belegt sind, müssen die Jobs in einem Warteraum/Eingangspu er warten.
Jobs können sein: E-Mails, Pa enten, Werksto e.

Drei Fälle mit unterschiedlichen Zwischenankun szeiten und Bedienzeiten:

1. Iden sche Zwischenankun s- und Bedienzeiten: Keine Wartezeit

2. Verschiedene Zwischenankun szeiten, iden sche Bedienzeiten: mi elgroße Wartezeit

3. Verschiedene Zwischenankun s- und Bedienzeiten: Größte mi lere Wartezeit

Die Unterschiede in den Wartezeiten treten nicht auf, weil der Server mehr zu tun hat. Alles Server
können gleich ausgelastet sein.

Auslastung:

Die Wartezeitunterschiede treten auf Grund von der Variabilität des Ankun sprozesses und
Bedienprozesses (Schwankungen der Zwischenankun s- und Bedienzeit) auf.

2.2 Bes mmungsgrößen und Berechnungsverfahren von Wartezeiten

Bei Größenschwankungen werden die Zufallsvariablen modelliert.
Varia onskoe zient ist das rela ve Maß der Variabilität:


 tt titi ti
ffi ft
ti ftft tift
ti ti ff
ft
ft

tt
tt
ttff ft

ff

 cs = 0 ! Größe schwankt nicht

cs = 1 ! Erwartungswert = Standartabweichung, Größe schwankt stark.
Die mi lere Wartezeit der Jobs steigt mit zunehmender Auslastung und/oder Variabilität der
Zwischenankun s- und Bearbeitungszeiten an.
Je niedriger die Auslastung desto präziser die Simula on.
Ergebnisse der Approxima on sind der Simula on sehr nahe.
Approxima onsformel von Kingman für die Wartezeit:

Gesamte Jobverbrauchszeit im System: W = Wq + Ts

Für den Erwartungswert gilt: E[W] = E [Wq] + E[Ts] mit E[Ts] = 1/Mü

➔ Wartezeit kann durch Verringerung mind. einer der drei Bereiche reduziert werden
- Variabilität ca² + cb²
- Auslastung p
- Mi lere Servicezeit E[Ts] = 1/Mü

2.3 Bestände und Zeiten: Das Gesetz von Li le

Mi lerer Bestand = Ankun srate * Mi lere Warte- bzw. Durchlaufzeit
⬄ Erwartete Jobanzahl E[L] = E[W]* = erwartete Wartezeit * Jobankun srate
Das Getz gilt für beliebig gezogene Systemgrenzen, aber L und müssen sich auf iden sche
Systemgrenzen beziehen.
Der Systembestand ist zu den Start- t=0 und Endzeitpunkten t=T leer ! l(t=0) = l(t=T) = 0 .
Zeitdauer der Jobs im System: wj = (tj)ˆd – (tj)ˆa mit a: Jobankun ; d: Jobabgang
Mi lerer Wert:
Gesamtzeit aller Jobs im System: x = wj = w* J =
Zeitlicher Mi elwert des Bestands:
X: Gesamtzeit aller Jobs im System von 0 bis T
Erwartungswert der Gesamtzeit: E[X]= E[X]* E[W]*
Mi elwert des Bestands: E[L] = E[X] / E[T] ; zu t=0=T ist E[L] = E[W]*

tt tt ti tt

ft

tift


tt
titt

ti



ft


ft

ti

 Kapitel 4 – Produk onsprogramme und aggregierte Planung

4.1 Problemaspekte
Programmplanung - Fragen:
- Wie viel?
- Wovon?
- Wann?
- Wodurch beschränk?
(Bescha ung – Produk on – Absatz)
Aggregierte Planung (mehrere Perioden):
- Überstunden?
- Lagerbestände?
- Fremdbezug?
Die Produk on ist häu g durch die Nachfrage (Absatz) begrenzt.
Zb. Durch sehr hohes Innova onstempo gezwungen alles verkaufen zu müssen, d.h.
Produk onsbeschränkung.
Bescha ungsbegrenzt: begrenzt den Wertschöpfungsprozess quan ta v, z.B. Natürliche Ressourcen,
Saisonale Beschränkung.
Kurzfris ge Perspek ve: Einzelnen Erzeugnisse unterscheiden sich hinsichtlich der Kosten und Erlöse,
die bei der Produk on beachtet werden müssen.
Stückdeckungsbeitrag = Stückerlös – variable Kosten.
Produk onskapazität kann unter anderem durch Überstunden, Sonderschichten, Leiharbeiten etc.
zeitweilig vergrößert werden oder das Unternehmen gibt Produk onsmengen an andere
Unternehmen fremd.
Bei Sachgüter kann man zeitweilig auf Lager produzieren, um die Lagerkosten zu minimieren.

4.2 Entscheidungsmodell
Brauchen Antworten auf die folgenden Fragen:
• Wie viel absetzten? Wann?
• Wie viel produzieren? Wann?
• Wie viel von außen beziehen? Wann?
• Wie viel lagern? Wann?
• Wie viele Überstunden machen? Wann?
• Wie groß sind die Kosten und Erlöse?
Annahmen:

ff
titi
ff
ti



titi

fiti

ti

ti

ti ti ti

 A1: Zielsetzung: Maximierung der Di erenz aus beein ussbarem Erlösen und Kosten (kann kurzfris g
beein usst werden).
A2: Absatzobergrenze dit für Absatzmenge Ait von Produkt i in der Periode t
A3: Ait von i in t darf die Absatzuntergrenze dit min nicht unterschreiten
A4: Lagerbestände Lit : Produkte können über die Periodengrenzen hin gelagert werden
A5: Zusätzlich zur Normal-Kapazität cjt jeder (Produk ons-)Ressource j in Periode t kann
Zusatzkapazität Ojt eingesetzt werden
A6: Eingeplanten Zusatzkapazitäten dürfen eine Obergrenze ojmax je Periode nicht überschreite
A7: Obergrenze fit,max für eingeplanten Fremdbezugsmengen Fit
➔ Aus diesen Annahmen ein Modell der Programmplanung erstellen
Fixkosten können außer Betracht bleiben.

4.3 Programmplanung: Konzentra on auf pro table Produkte

Beispiel 1: einperiodige Programmplanung
Frage: wie viel von welchem Produkt hergestellt und abgesetzt werden soll?
Zentrum der Problemstellung: unterschiedliche Pro tabilität der verschiedenen Produkte.
Unternehmen ist bestrebt jede gewinnbringende Nachfrage zu befriedigen.

Op male Entscheidung tre en, in dem man…

- verschiedene Restrik onen (Stufen) des Entscheidungsproblems gemeinsam in einem
formalen Entscheidungsmodell berücksich gt

- dies wird durch die Kapazitäts- & Nachfragerestrik onen und Kosten- & Erlösparameter
bes mmt

➔ o ist es subop onal so viel wie möglich von dem Produkt mit dem höchsten Erlös zu
produzieren

➔ pro table Verwendung knapper Ressourcen kann z.B. mit Gams bes mmt werden
Scha enpreis:
Fragestellung was wäre, wenn ich die zweite Produk onsstufe eine Einheit mehr Kapazität habe?
Lösen mit GAMS:
Neuer Zielfunk onswert ist um 16,6 GE höher, das bedeutet soviel ist eine Einheit der Kapazität von
2 wert.
Scha enpreise sind in GAMS bei Kapazitätsrestrik onen ganz rechts der „Marginal“ – Wert ! Um so
viel vergrößert sich also die Zielfunk on, wenn ich eine Einheit mehr habe.
Daraus sehe ich auch, dass beide Stufen die Produk on begrenzen. Diese Begrenzung ist in dem
Graphen durch zwei gestrichelte Linien gekennzeichnet.
Wenn ich 1000 Einheiten mehr habe erhöht es sich auch um 1000*16,6. Es nährt sich aber ein
Maximum an, irgendwann erhält man eine Überkapazität.

4.4 Aggregierte Planung: Lagerung vs. Überstunden

Beispiel 2
Nachfrage ist gegeben und vollständig zu befriedigen. (Fremdbezug ist nicht möglich.)
Frage: Wie kann das durch den rich gen Einsatz von Überstunden und Lagerhaltung realisiert
werden?

ft tifitittfl

titi
ti
ff titiff
ti

ti

fi
titifititi fl

ti


ti

ti
 Komplexere Modelle der aggregierten Planung können ganze Netzwerke aus Produk onsstä en und
auch Transpor lussbeziehung zwischen diesen abbilden. Es ist eine begrenzte
Produk onsmöglichkeit pro Periode und Nachfragen je Periode gegeben. Die Produk on kann so
aufgeteilt werden, dass, durch Lagerung und Überstunden, die Produk on für die Gesamtnachfrage
aller Perioden auf einzelne Perioden im durchschni verteilt wird, um die Produk onsbegrenzung pro
Periode nicht zu überschreiten.

Kapitel 6 – Bestandsmanagement 1: Das Zeitungsjungenproblem

6.1 Problemaspekte
Problem: Unsicherheit der Nachfrage (Standartabweichung > 0).
➔ kann mit dem Zeitungsjungenproblem analysiert werden: Wie viel Zeitung soll am Morgen
gekau werden um möglichst viel zu verkaufen und wenig wegzuwerfen.

6.2 Modellierung von Nachfrage, Fehlmenge und Restmenge

Benö gten Größen:

- Unsichere Nachfrage! Zufallsvariable D (demand)

- Wahrscheinlichkeitsfunk on Prob[D=d]

- Verteilungsfunk on FD(d)= Prob[D =/< d]

- Bescha ende Mengeneinheit q

- Zufällige Fehlmenge F=F(q)

- Nachfrage nach einem Gut ganzzahlig, nicht nega v

Zufällige Fehlmenge: F= F(q) = max(D - q,0)

Zufällige Restmenge: R = R(Q) = max (q – D,0)
Erwartungswert der Fehlmenge: E[F(q)]
Erwartungswert der Restmenge: E[R(q)]
Beziehung: E[D] – q = E[F(q)] – E[R(q)]

Abbildung der Nachfrage durch die Normalverteilung, da:

1. Zentraler Grenzwertsatz: Gesamtnachfrage = Summe der unabhängigen Einzelnachfragen mit

ähnkichen oder iden schen Verteilungsfunk onen.

2. Nachfrage durch ein Prognosemodell, dessen Prognosefehler der Normalverteilung folgt,

prognos zieren.

Bei normalverteilter Nachfrage gilt

- Dichtefunk on:

- Verteilungsfunk on:

- Erwartungswert der Fehlmenge:

- Erwartungswert der Restmenge:

tiftff
titi ti tf
ti

ti
ti

ti
ti
tt

ti
ti titi tt

 - Standarisierte Bescha ungsmenge: v

➔ Standardirisierte Verlus unk on: Wert in tabellierter Form.

6.3 Minimierung der erwarteten Kosten

- Kostensatz für: zu viel bescha e Menge: co=c (over) ; zu wenig bescha e Menge cu= p-c (under)

Kostenfunk on: K(q) = cu *E[F(q)] + c* E[R(q)]

Bei einer diskreten Kostenfunk on kann man das Kostenminimum ermi eln, indem man von der
Bescha ungsmenge = 0 ausgeht und diese je um eine Einheit vergrößert, bis die erwarteten Kosten
sinken. Mehrere benachbarten Bescha ungsmengen können auf das gleiche Kostenminimum
kommen.

Bescha ungsmenge für minimale Kosten q* : Prob[D=/< q*] = 1- c/p

Ausgehend vom risikoneutralen Zeitungsjunge und Grenzkosten = Grenzerlös: erwarteter Grenzerlös

= Produkt aus Verkaufspreis und Wahrscheinlichkeit dafür.

! c = p*Prob[D>/= q*] ⬄ q*=(1/FD)(cu/cu+co)

! (cu/cu+co) = kri sches Verhältnis

Bes mmung der Bescha ungsmenge q*

1. Bes mmung der Wahrscheinlichkeit (cu/cu+co)
2. Ermi lung des Wertes (1/F D )(c u /c u +c o ), der in der Verteilungsfunk on einer
standartnormalverteilten Zufallsvariable X zur Wahrscheinlichkeit (cu/cu+co) korrespondiert.
3. Mul plika on dieses Wertes (1/FD)(cu/cu+co) mit der Standardabweichung und Addi on
des Erwartungswertes .

Kapitel 7 - Bestandsmanagement 2: Lagerhaltung bei mehrfachen

Bescha ungsvorgängen

7.1 Problemaspekte

7.2 Ausgangspunkt: Op male Bestellmengen und -abstände bei konstanten Bedarfsraten

Modell von Lagerhaltung unter Unsicherheiten

Parametrisierung einer (s,q)- oder (r,S)-Poli k
Idee:
1. von Unsicherheit abstrahieren
2. Op male Bestellmengen oder -abstände bes mmen
3. Mit Blick auf Unsicherheit Bestellpunkt s oder -niveau S ermi eln

tititi
tt ffff
titi ti ff
tfffti
ti

fftti


ffti
ti





tt

fft tt ti ti

 4. Damit implizit Sicherheitsbestände SB einplanen

➔ Form: Heuris k
In der op malen Lösung der Lagerhaltung muss man s und q simultan bes mmen, hier aber
heuris sch, da man es sequen ell macht.
Ausgangspunkt: klassisches Bestellmodell
- Determinis sche Problemstellung
- Konstante Bedarfsrate d [ME/ZE], ste ger Bedarf
- Bestellkostensatz s
- Lagerhaltungskostensatz h
- Unendlich schneller Lagerzugang
- Frage nach op maler Bestellmenge q* bzw. -abstand t*
Bestandsverlauf
Bestand über die Zeit. In dem Moment des Bestellungseintre en springt der Bestand nach oben und
nimmt ab dort (linear) mit der Zeit ab, bis der Bestand = 0 ist. Im selben Zeitpunkt (unendlich schnelle
Produk on) wird neuer Bestand geliefert, d.h. Bestand springt nach oben. Mi lerer Bestand= halbe
Bestellmenge.
Kostenverlauf
Lagerkosten: steigen mit der Bestellmenge linear ab.
Bestellkosten: Sinken je größer die Bestellmenge ist (quadra sche Fkt).
Gesamtkosten: Minimum an der Stelle, wo sich die Bestell- und Lagerkosten schneiden, dort ein
acher Bereich (x³).

➔ Sta onäre Bedingungen, keine Ressourcenkonkurrenz

Kapitel 8 – Losgrößenplanung

Problemaspekte
Rüstvorgang: Bei der Produk on mehrerer Produktarten werden Werkzeugwechsel, technische
Einstellungen oder andere nö ge Zustände vorgenommen. In diesem Zeitraum kann nicht produziert
werden. (engl. Setup)
Los: unmi elbar nach einander bearbeitetem Einheiten einer gemeinsamen Produktart.
Losgröße: Die Anzahl der bearbeiteten Produkte eines Loses.
Serienproduk on: Einzelne Produkteinheiten eines Loses werden seriell nacheinander bearbeitet.
Rüstwechsel
Flexible Produk onseinrichtungen
- Mehrere Produktarten
- Rüstvorgänge
- Serielle Bearbeitung der Produkteinheiten

fl ti titi tttiti
ti
ti

ti

tititi

ti

ti
ff
tt ti

 - Ressourcenkonkurrenz: während auf der Anlage eine Produktart verarbeitet wird, können es
keine anderen mehr und Konkurrenz zwischen den verschiedenen Opera onsarten

➔ Es sinnvoller mehrere Produkte einer Produktart hintereinander zu produzieren, da der

Wechsel zur Herstellen einer anderen Art zei ntensiv ist.
Losgrößenproblem
Vorteil großer Produk onslose
- Geringe Rüstzeiten je ZE oder ME
- Geringe Rüstkosten je ZE oder ME
Nachteil großer Produk onslose
- Hohe Lagerkosten je ZE oder ME
- Große Bestände
- Lange Durchlaufzeit

! Fundamentales Problem des OP

8.2 Endliche Produk onsgeschwindigkeit

Prinzipielle Idee
➔ Adler
Formale Analogie von
- Bestellung und
- Produk on mit unendlicher Produk onsgeschwindigkeit
Erweiterung des klassischen Modells (Kapitel 7.2)
Annahmen und Nota on
- Eine Produktart
- Konstante Bedarfsrate d [ME/ZE]
- Losgröße q
- Au agezyklus T
- Produk onsphase tP < T
Bestandsverlauf

fl
ti

titi
titi

ti ti

ti

 8.3 Schwankender Bedarf und endliche Produk onsgeschwindigkeit

Kri k am Modell aus 8.2:
• Wenn man mehrere verschiedene Produktarten hat, kann es passieren, dass aufgrund der
sich überschneidenden zeitlichen Abstände tp müssen verschiedene Produktarten gleichzei g
produziert werden.
• Bedarfsrate ist nicht konstant.
Problemstellung im Capacitated Lot Sizing Problem (CLSP)
Annahmen im CLSP
- Eine Produk onsressource (Maschine, Anlage)
- Mehrere Perioden t
- Gegebene Kapazität
- Mehrere Produktarten k
- Rüstvorgänge, serielle Bearbeitungsvorgänge
- Gegebene dynamische Nachfrage für die Perioden
- Rüst- und Lagerkostensätze je Produktart

!Suche nach einem kostenminimalen und zulässigen Plan

Modellformulierung zum CLSP

➔ Je weniger ZE pro Periode bei der Produk on zur Verfügung stehen, desto weniger wird
produziert und desto mehr gelagert.
Die Produk on wird teurer.

➔ Wenn man die Rüstkosten bei allen Produkten um ein vielfaches erhöht, senken die
Rüstungs-Kapazitätsbelastungen
Die Lagerung würde sich erhöhen.

8.3/4 Weitere Problemaspekte

o Mehrstu ge Prozesse und mul ple Ressourcen

ti fi titi

ti

ti

ti

ti
 o Reihenfolgeabhängige Rüstzeiten und -kosten
o Übertragung des Rüstzustandes am Periodenende
o Unsichere Nachfrage
Mögliche Prüfungsfrage: ist die Lösung zum CLSP eine Heuris k oder ein Algorithmus?
Heuris k: Lehre, Wissenscha von den Verfahren, Probleme zu lösen; methodische Anleitung,
Anweisung zur Gewinnung neuer Erkenntnisse
Lösung: S. 158 Eine op male Lösung der Instanz. ! Lösungssuche in Kapitel 1

9 Planung und Steuerung von Abläufen

9.1 Problemaspekte
▪ vielfache Entscheidungen für Prozessgestaltungen im Zeitablauf müssen getro en werden

▪ Einige Jobs erfordern mehrere nacheinander durchzuführende Prozessschri e

▪ Diese Prozessschri e erfordern bes mmte Ressourcen und haben bes mmte Zeitdauern

▪ Abläufe müssen auf verschiedene Jobs und Ressourcen koordiniert werden

➔ Job bzw. Ressourcen werden auf einander warten müssen

➔ Wird ein Job(/Ressource) bevorzugt muss u.U. ein anderer Job (Ressource) länger warten
Liefertermine (engl. due date): für die Jobs gewünschte Fer gstellungstermine
Orien erungsziele bei der Entscheidung über die Prozessablaufsgestaltung
Minimierung der Durchlaufzeit: Bei gegebener Bearbeitungszeit ! Minimierung der Summe
der Fer gstellungszeitpunkte = Minimierung der Wartezeiten
Minimierung der Fer gungszeit des letzten Au rags
Minimierung der Verspätungen: frühere Fer gstellung hat keine Folgen
Minimierung der Abweichung vom Liefertermin: Zu frühe oder späte Fer gstellung ist
unerwünscht
Annahmen
- Alle Informa onen über die Jobs sind gegeben (Jobdauer und verfügbare Ressourcen)
- Ablaufplan (= Lösung des Ablaufplanungsproblems) kann umgesetzt werden, ohne dass sich
die Daten ändern (= stabile Datenbasis)
Falls keine stabile Datenbasis gegeben, muss man ein Steuerungsproblem, sta des
Planungsproblem, lösen. ! Entscheidungsregeln nö g die angeben was bei einer Systemänderung
geschehen soll
Methoden der Ablaufplanung
Instrumente
- Mathema sche Entscheidungsmodelle und Op mierungsalgorithmen.

9.2 Zeitdiskrete Entscheidungsmodelle der Ablaufplanung

Elementare Entscheidungsmodelle der Ablaufplanung, mit den Annahmen

tititi ti
ti


tt ti
ti
ft
ti
ti
ft
ti

ti

ti
ti
ti

tt
ff

ti

tt
 - Für jeden Job j sind nacheinander auf dazu bes mmten Ressourcen r verschiedene
Prozessschri e s mit gegebener ganzzahliger Dauer djs durchzuführen. Begonnene Schri e
können nicht unterbrochen werden.
- Durchführung von sj erfordert die Kapazitätseinheiten ajsr
- Von jeder Ressource können nur brt Kapazitätseinheiten verwendet werden
Vier mögliche Ablaufplanungsmodelle für verschiedene Fallkonstella onen
1. Minimierung der gesamten Durchlaufzeit aller Jobs
2. Minimierung des Gesam er gungszeitpunktes (engl. makespan): evtl. zeitlicher Spielraum
für die auf Ressourcen durchzuführenden Prozessschri e vorhanden ! mehrere op male
Lösungen
3. Minimierung der (gewichteten) Verspätungen: bspw. durch Bestrafung bei Verspätungen,
frühe Fer gstellungen sind unschädlich
4. Verfrühung und Verspätungen sind unerwünscht

9.3 Prioritätsregeln zur Planung und Steuerung von Abläufen

Da die bewiesen op male Entscheidungsmodelllösung bei realitätsnahen Problemstellungen o nicht
gelingt, verwendet man zur Erstellung von Ablaufplänen o Prioritätsregeln.
Annahme: am Ende einer Ressourcenbearbeitung eines Jobs konkurrieren mehrere Jobs um die
freigewordene Ressource. ! Unter diesen Jobs muss eine Auswahl getro en werden. ! Auswahl
wird mit den Regeln vereinfacht
Prioritätsregeln
- „First come, rst served“ (FCRS)-Regel: unter Gerech gkeitsaspekten posi v bewertet, kann
aber dazu führen, dass Job mit kurzer Bearbeitungsdauer lange warten müssen
- Kürzeste- Opera onszeit (KOZ)-Regel: Wähle aus den wartenden Au rägen den mit der
kleinsten Bearbeitungszeit
- Liefertermin (LT)-Regel: Jobs mit dem zeitlich nächsten Liefertermin wählen
Problem
Löst man das Entscheidungsmodell exakt, ndet man eine op male Lösung, die alle
Interdependenzen der einzelnen Teilentscheidungen berücksich gt. Verwendet man dagegen die
Prioritätsregeln, baut man schri weise Lösung auf. Man tri Teilentscheidungen die „lokal“ op mal,
aber im Bezug nicht op mal (oder gar nega v) sind.
Vor- und Nachteile der Prioritätsregeln
- führe zu subop malen Lösungen
- sind prak sch einfacher anwendbar
- lassen sich als Instrument der detaillierten Planung, aber auch als dezentrales
Steuerungsinstrument verwenden
- sinnvoll bei unstabilen Datenbasen (unvorhersagbaren Informa onen und Störungen)
Vorgehensweise der KOZ- und LT-Regel
Beginnend zum Zeitpunkt 0 werden an allen Ressourcen
1. einplanbare Jobs ermi eln

ti
ttfi ti
ti ti ttti tf

ti tt

ti
fi

titi
tt
ftfft ti ti ti
ft titi
ff


ti tt ftti
 2. Prioritätswerte bes mmen
3. Nach Prioritätswerten die Einplanung vorgenommen
4. Frühsten Zeitpunkte ermi elt, zu denen eine Prozessschri fer g wird und weitere
Prozessschri e eingeplant werden können
Sukzessiver Au au des Ablaufplans „von vorne nach hinten“
Mögliche Klausurfragen
Welchem Zweck dienen die 4 mathema schen Entscheidungsmodelle der Ablaufplanung?
- Um das zu lösende Problem zu beschreiben um einen Lösungsweg anzufangen.
Wodurch unterschieden sich Op mierungsalgorithmen und Prioritätsregeln der Ablaufplanung?

Kapitel 10 – Planung von Transporten und Touren

1. Problemaspekte
• Transportprozesse unter Kosten- und Zeitaspekten wich g ! En ernung und Dauer des
Transports
• Ausgang: Mehrere Standorte, mehrere Kunden mit verschiedenen Kundenorten
• Fragen: Welcher Kunde soll mit Welcher Menge von welchem Standort aus bedient werden?
Wie sollen Auslieferungs- und Einsammlungstouren gebildet werden?

2. Das klassische Transportproblem

- Gut an mehreren Standorten verfügbar
- Gut an mehreren Kundenorten nachgefragt
Entscheidungsmodell:

▪ An jedem Angebotsort i= 1, …, I liegen ai Mengeneinheiten eines Gutes vor.

▪ An jedem Nachfrageort j = 1, … , J besteht ein Bedarf von nj Mengeneinheiten des Gutes.

▪ Summe der Angebotsmengen = Summe der Nachfrage

▪ Transportkostensatz für den Transport einer Mengeneinheit von Angebotsort i zu

Nachfrageort j beträgt cij GE.

▪ Gesucht ist ein realisierbarer Transportplan mit Transportmengen Xij , der zu minimalen
Transportkosten führt

➔ Minimiere ΣIi=1Σ Jj=1 (cijXij)

3. Das Tourenplanungsproblem und die Savings-Heuris k

▪ Ort 1 ist das Depot, an dem die Touren starten und enden

▪ An jedem Ort i= 2, …, I sind wi Transporteinheiten abzuholen

▪ Ein Fahrzeug kann in einer Tour maximal b Transporteinheiten aufnehmen

▪ Die En ernung von Ort i zu Ort j ist cij

▪ Gesucht ist ein Tourenplan mit insgesamt minimaler Fahrtstrecke

tf
tt fb
ti


tt
ti


ti


titi

tf
tt

ti

 !Siehe Modell Touren Formelbla

Probleme der Tourenplanung
a. Zuordnungsproblem: Jeder Kundenort einer Tour zuzuordnen
b. Rundreiseproblem: Abfahrreihenfolge mit möglichst kurzen Tourwegen
Fahrzeugkapazität: Je größer die Kapazität, desto kleiner die Anzahl und Gesamtstrecke der Touren
und desto größer die Dauer der einzelnen Touren.
Savings-Heurisik: Erstellen einer Startlösung, die alle aufzusuchenden Orte mit dem Depot über
einzelne Pendeltouren verbindet. Zusammenfassen der Touren zu gemeinsamen Touren, unter
Berücksich gung der Fahrzeugkapazitäten.
Vorgehen: Ermi eln welche Pendeltouren an ihren Enden verknüp werden können (ohne dabei die
Kapazitätsgrenzte zu überschreiten). Bei jeder Zusammenfassung der Tourenkombina on, bei der sich
die größere Ersparnis sij einstellt, werden die Touren zu einer verknüp . Das wird solange
durchgeführt, bis sich keine Einsparung bilden lässt.
➔ Heuris sches Verfahren, welches nicht unbedingt die op male Lösung ist.

Kapitel 11- Projektplanung

11.1 Problemaspekte
Merkmale
• Komplexe Vorhaben
• Anfang und Ende
• Einmaligkeit der Bedingungen

Beispiele
• Einführung eine neuen IT-Systems in einem Unternehmen
• Bau eines Gebäudes
• Durchführung einer Marktstudie
• Veranstaltung einer Konferenz

Bereiche der Projektplanung

-Von unten nach oben au auende Planung.
-Struktur- und Zeitplanung sind häu g eng mit einander
verknüp .
-Es bietet sich o an die Kapazitäts- und Kostenplanung

11.2 Struktur- und Zeitplanung

Projektstruktur als Vorgangsknotennetzplan
- Knoten bilden einzelne Vorgänge ab.
- Pfeile zwischen den Knoten, stellen das Vorgänger-Nachfolger-Prinzip dar: z.B. Vorgang 1
muss abgeschlossen werden, bevor Vorgang 2 begonnen werden kann.
In der Praxis ndet die Datenerfassung in Projektplanungsso waren sta . Dabei werden die Daten
in Tabellen erfasst und sor ert.

ti ft

ti fi fttt


fbti

tt
fi

ti
ft
ft ft
tt
ti
 Die Tabellen geben an: Nummer, Name des Vorgangs, Dauer, ggf. Anfangs- und Enddatum, direkte
Vorgänger und Ressourcennamen.
Bsp. Eines Vorgangsknotenplanes und Projektplanungsso ware

Gan -Diagramm Frühestmögliche Einplanung unbegrenzte Kapazitäten

Kri scher Pfad

Vorgänge deren gesamte Pu erzeit GPi = 0 beträgt, liegen auf dem kri schen Pfad.
Wenn man einen der Vorgänge auf dem kri schen Pfad verlängert (seine Bearbeitungszeit
vergrößert), vergrößert man in dem gleichen Maße die Gesamtbearbeitungszeit.

11.3 Kapazitätsplanung
Projektplan
• Zulässig de Projektstruktur
• Zulässig hinsichtlich der Ressourcen

• Zielsetzung: frühestmögliche Fer gstellung ! Minimiere Z=Summe t= FE SE( t*XI,t)

Kapazitätsplanung
• Begrenzte Kapazitäten bes mmen den Projektablauf
• Schwieriges kombinatorisches Problem
• Verwendung von Heuris ken, da es ein schweres/kompliziertes Problem ist
Es muss nicht nur einen op malen Plan mit minimaler Projektdauer geben.
Bsp. Tabelle Ressourcenbedarf der Vorgänge und mögliche Op male Lösungen

Ressourcen:
-Grundaussta ung: 2 Einheiten von A, 1 von B

titt
tt

ti
ti
tiff ti


ti

ft ti
ti

 11.4 Kostenplanung
Projektplan
• Zulässig hinsichtlich der Projektstruktur
• Zulässig hinsichtlich der Ressourcen
• Rechtzei ge Fer gstellung zum gegebenen Termin
• Ziel: Minimale Kosten für Zusatzkapazitäten
Entscheidungsmodell in wesentlichen Punkten iden sch zur Kapazitätsplanung, mit geringen
Abweichungen. Diese Abweichungen sind: Kosten für eine Einheit Zusatzkapazität von Ressource r ocr
und Entscheidungsvariable Ort (=Zusatzkapazität von Ressource r in Periode t)
Ressourcen:
- Grundaussta ung: 2 Einheiten von A, 1 von B
- Zusatzaussta ung: ocA GE je Periode bei A, ocB GE je Periode bei B
Zusammenhang zwischen Projektdauer und Zusatzkosten
- „Zusatzkosten = 0“ in einem op malen Plan (minimale Projektdauer ohne zusätzliche
Ressourcen)
- Auch mit Unendlichen zusätzlichen Kapazitäten ist die minimal mögliche Projektdauer
begrenzt

! In diesem Fall sind die Kosten für die zusätzliche Kapazitäten sehr hoch
Kostenplanung
• Begrenzte Kapazitäten bes mmen den Projektablauf
• Schwieriges kombinatorisches Problem
• Zielsetzung ist ein Forschungsgegenstand

STRUKTURPLANUNG 90
Kapitel 13 – Standortplanung

13.1 Standortentscheidungen
Problemaspekte
• Nähe zum Kunden oder Absatzmarkt
• Verfügbarkeit der Produk onsfaktoren
• Natürliche Umweltbedingungen
• Rechtloche, ökonomische und poli sche Rahmenbedingungen
• Soziale und kulturelle Rahmenbedingungen

ti

tt


ti

titi ti

ti

ti

 Probleme, Modelle und Methoden

Problemstellung und Modelle
• Kostenorien erte Standortplanung
• Serviceorien erte Standortplanung

Methoden
• Nutzwertanalyse
• Entscheidungsmodelle und Op mierungsverfahren (genauere Abb. Des Sachverhaltes)

13.2 Kostenorien erte Standortplanung (Facility Loca on Problem)

Annahmen
• Einzelnes Produk onswerk mit gegebenem Standort (Werk)
• Abnehmerzentren über das Land verteilt, dort jeweils regionale Umschlagdepots (RUDs)
• Such nach Standorten für zentrale Auslieferungslager (ZAL)
• Trade-o : Transportkosten vs. Fixkosten der ZAL

Distribu onsstruktur
Bekannt: Werk, RUDs
Gesucht: ZALs
Potenzielle Plätze für ZALs:
- Orte an denen die RUDs sind
- Andere Orte in der Nähe von Ruds (kostengüns ger)

Op male Lösung nden

- Nö ge Informa onen: Transportkostensätze, weitere Parameter (Nachfragen, Fixkosten je
ZAL, Kapazität je ZAL)

Einrichtung der ZAL und Zuordnung der jeweiligen RUD

- Kosten minimieren
- Nachfrage befriedigen
- Kapazitäten einhalten

Modellveränderung bei
- Erhöhung der Fixkosten der Standorte: weniger ZALs, höhere Transportau ommen,
Erhöhung der Gesamtkosten (=Ziel t.wert)
- Verringerung der Fixkosten der Standorte: mehr ZALs, geringere Transportau ommen,
Verringerung der Gesamtkosten

13.3 Standortwahl und Reak onszeiten

Serviceorien erte Standortwahl (Covering-Problem)
Bsp: Standortplanung für Re ungswagen

Messung der En ernung durch

horizontale und ver kale Distanzen.

Modell
- Minimiere die Einrichtung der Standorte

ti
ffti

tititi
titf
tifiti
ti

tt

ti

fk

ti



ti


fk fk

 - Bei hinreichend vielen Standorten (Max. Distanzen einhalten, Jeder Einsatzort wird von
einem Standort versorgt)

➔ Einsatzorte müssen in einer möglichst kurzen Zeit erreicht werden

Modellveränderung bei
- Verringerungen der max. Distanz zws. Standort und Einsatzort: Erhöhung der benö gten
Standorte, da einige im Ausgangszustand zulässige Zuordnungen aufgrund der verringerten
max. Distanz nicht mehr möglich sind.
- Vergrößerung der max. Distanz zws. Standort und Einsatzort: Das durch einen Standort
abgedeckte Gebiet vergrößert sich, das führt zur Verringerung der benö gten Standorte.

Kapitel 15 – Arbeitsteilung und Fließbandabs mmung

Problemaspekte

Gegenstand
Arbeitsverteilung = Zuordnung von Arbeitsausgaben auf Arbeitsträger
• Sachgüterproduk on
• Dienstleistungsproduk on
• Verwaltungsprozesse
• Stellen, Gruppen, Abteilung etc.
Problemaspekte
Gesichtspunkte von Entscheidungen zur Arbeitsteilung:
• Quali ka on
• E zienz und Kosten
• Kapazität
• Wahrgenommene Gerech gkeit und sozialer Frieden
• Verknüpfung der Arbeitsprozesse

2.2. Arbeitsverteilung ohne Fließbandabs mmung

Situa on:
- Betrachtung „kollek ver“ Aufgaben
- Diverse Mitarbeiter

ffi

tifi ti

ti

ti

ti

ti




ti
ti





ti ti

 - Unterschiedliche Kapazität
- Unterschiedliche Präferenzen
- Keine Verknüpfung der Aufgaben durch Reihenfolgebeziehungen
- Keine Abbildung des Prozessablaufs
!Gegeben: Kapazitätsbedarf der Aufgaben, Kapazität der Arbeitsträger (für mehrere Fällen),
Aufgaben und Präferenzen der Arbeitsträger (Kosten: 1=sehr gut, 5= Mangelha ),
Entscheidungsmodell
Annahmen:
• Alle Aufgaben müssen zugeordnet werden
• Aufgaben sind unterteilbar
• Kein Arbeitsträger darf überlastet werden
• Das Leid/die Kosten aus der Zuordnung soll minimiert werden
Modell:
- Minimiere die Summe der Kosten (des Leides)
- U.B.d.R Jede Aufgabe wird jemanden zugeordnet & Kapazitätrestrik on </= Kapazität
Ergebnis:
Senkt man die Kapazität der Arbeitsträger kann man (kollek v gesehen) den gleichen
Zielfunk onswert mit einer (individuell gesehen) gerechteren Arbeitsverteilung bekommen.
Modell zur Arbeitsverteilung
Minimiere:
u.B.d.R.:

2.3. Fließbandabs mmung: Arbeitsverteilung mit Reihenfolgebeziehungen

Bsp.: Getaktetes Fließproduk onssystem
Vorranggraphen: visualisieren die Vorrangbeziehung und Prozesszeiten
- Prozessschri nummer im Kreis, seine Dauer drunter.
- Pfeile zeigen Vorgänger-Nachfolge-Beziehungen.

Au eilung der Prozessschri e auf Systemsta onen.

Voraussetzung: Bes mmte Prozessschri e müssen bereits erledigt sein um die Arbeit an einer Sta on
zu starten.

ft ti

tt ti ti

tt ti

tt

ti



ti

ti

ft


ti
 Entscheidungsmodell
Annahmen
• Alle Prozessschri e müssen zugeordnet werden (dürfen nicht mehr o. weniger als einmal
vorkommen)
• Prozessschri e sind unteilbar
• Taktzeit muss an allen Sta onen eingehalten werden
• Vorrangbeziehungen müssen eingehalten werden
• Zahl der Sta onen soll minimiert werden = Minimierung der Kosten
Taktzeit der Sta onen: mind. so groß wie Dauer des längsten Prozessschri es und maximal so groß
wie die Summe der Dauer aller Prozessschri e (wenn z.B. alle Prozessschri e in einer Sta on sind).
Auslastung p(i) = sum (i, t(i)) / [t(i)*#Sta onen]
Ergebnis:
Je größer die Taktzeit, desto größer die Anzahl der Prozessschri e in den Sta onen und desto größer
ist die Auslastung in diesen Sta onen. ! Min. Taktzeit = min. Auslastung/Sta on; Max. Taktzeit =
100% Auslastung der Sta on.
Auslastung = Bandwirkungsgrad
Je mehr Sta onen, desto mehr Lösungsvaria onen gibt es.
Heuris sche Lösung über Prioritätsregeln (nicht op male Lösung)
Idee des Verfahrens
• Zuordnung sta onsweise au auen
• Ermi lung einplanbarer Prozessschri e

➢ Alle Vorgänger sind eingeplant

➢ Passt noch in betrachtete Situa on
• Auswahl nach Prioritätsregel: Den Prozessschri mit dem höchsten Prioritätswert nehmen
Rekursive Formel zur Berechnung der Prioritätswerte
➔ Vorgehen von Hinten nach Vorne:

Übungen und Aufgaben: Nr. 5

tt ti

titt
tititt

titi fb

ti

tt ti
ttti tt


ti


tt

tttt titi ti

 Kapitel 16 – Organisa on, Planung und Steuerung der Produk on

Grundfrage: wie fasst und gliedert man die verschiedenen Betriebseinheiten, räumlich und
organisatorisch, zusammen.?

16.1 Organisa onstypen der Produk on

Gliederung nach der Funk on (z.B. Werksta produk on)
Die Jobs durchlaufen verschiedene Abteilungen.
Beurteilung
Vorteile
- Kapazitätsausgleich leicht
- Zeitliche und inhaltliche Flexibilität hoch
- Breite fachliche Quali ka on
Nachteile
- Unübersichtlichkeit
- Koordina on verschiedener Werkstä en schwierig
- u.U. hohe Bestände und Durchlaufzeiten
- u.U. Orien erung auf die Funk on (der Abteilung), nicht auf das Ergebnis

Gliederung nach dem Objekt

Was braucht man an Ressourcen, um Objekt der Klasse x zu erstellen? ! Gliederung nach
Objektproduk on.
Objek luss bei Objektzentralisa on: Fließproduk onssystem
Beurteilung
Vorteile

tf
ti
ti
titi

fi titi

titi tt ti
tt

ti
ti

ti

 - Übersichtlichkeit
- Koordina on verschiedener Prozessschri e einfacher, klarer
- Tendenziell geringere Bestände und Durchlaufzeiten
- Geringere quali ziertes Personal einsetzbar
Nachteile
- Kein Kapazitätsausgleich über verschiedene Linien möglich
- Flexibilität geringer
Kombina on der Gliederungsprinzipien
Mit funk onsorien erten Werkstä en und objektorien erten Montagelinien.

Objektprinzip eignet sich vor allem, wenn gleichar ge Aufgaben über einen längeren Zeitraum in
großer Zahl erfüllt werden muss.

o junge, kleine Unternehmen: noch keine Standartprodukte, die in großer Anzahl und mit sicherer
Nachfrage produziert werden können benö gen großes Ausmaß an Flexibilität um auf
unbekannte Reak onen vom Markt reagieren zu können. Nachteil der größeren Komplexität
aufgrund überschaubarer Unternehmensgröße noch unbedeutend
o bei gewisser Größe des Unternehmens: Umschwenken auf Objektprinzip wenn sich
Standardprodukte herausgebildet haben. Komplexitätsreduk on durch Objektprinzip.
o häu g Kombina on von Beidem: Fer gung von Vorprodukten nach dem Funk onsprinzip
zentralisiert, Endmontage in objektorien erten Subsystemen

16.2 Zentrale Produk onsplanung nach dem Push Prinzip

Produk onsplanung in Wissenscha und Praxis
Wissenscha , akademische Literatur

- Analyse der Grundstrukturen von Problemen

- Generische Entscheidungsmodelle
- Entwicklung und Test von Lösungsverfahren
- Publizität und Transparenz
Praxis
- IT-Systeme von So wareherstellern
- Datenverwaltung in Datenbanken
- Integra on von Funk onen und Geschä sprozessen
- Begrenzte Entscheidungsunterstützung
- Standarisierungskon ikt zwischen Kundenunternehmen und So wareherstellern
- Geheimhaltung und Intransparenz
Grundstruktur von PPS-Systemen nach dem Push-System
(PPS: Produk onsplanung und -Steuerung)

fi
titititi
ftti fiti
tiftti
flti ti


tt

ft


fttitt


ti

ti ti

ti

ft



ti
 Push-Sytem, weil geplante Produk onsau räge für kün ige Bedarfe in das
Produk onssystem ,,hereingedrückt‘‘ werden, ungeachtet des Bestands im Produk onssystem.
1. Hauptproduk onsprogrammplanung: Absatzprognossen und konkrete Kundenau räge
2. Mengenplanung: Materialbedarfs- und Losgrößenrechnung (hier geht man allerdings von
unendlichen Ressourcen aus)
3. Termin- und Kapazitätsplanung: o entsteht ein nicht lösbares Problem aufgrund der
Mengenplanung
4. Produk onssteuerung
Warum sind in derar gen Systemen im Rahmen der Mengenplanung die Materialbedarfsrechnung
und die Losgrößenplanung miteinander o untrennbar verbunden?
Aufgrund der mehrstu gen Erzeugnisstruktur, sind Materialbedarfsrechnung und Losgrößenplanung
o untrennbar verbunden. Die Losgrößenplanung auf einer Stufe sorgt für die Entstehung eines
Materialbedarfs in der vorherigen Stufe. Daher ergibt sich der Materialbedarf aus der
Losgrößenentscheidung der nachfolgenden Stufe.

Kri k
- Vielfach keine Berücksich gung knapper Produk onskapazitäten
- Keine klare Beschreibung der zugrunde gelegten Problemstellung (kein formales
Entscheidungsmodell)
- Einfachste Verfahren
- Eingeschränkte Abbildung de organisatorischen und technischen Spezi ka
- Keine systema sche ökonomische Zielorien erung

Reak onen und Konsequenzen

- So ware-Hersteller: Entwicklung und Vermarktung von Advanced Planing Systemen
(fortgeschri ene Planungssysteme, die formale Entscheidungsmodelle mit ökonomischer
Zielorien erung arbeiten)
- SW-Anwender: Verwendung „eigener Tools“
Unterschied zwischen einer Produk onsplanung und der Verwaltung von Produk onsdaten:
Planen: Finden einer geordneten Menge von Ak onen, deren Ausführung einen gegebenen Ist-
Zustand der realen Welt in einen geforderten Zielzustand der realen Welt überführt und damit das
Planungsproblem löst.
! in konven onellen PPS-Sytemen keine Planung, sondern Aufnahme und Verrechnung von
vorhanden Daten.

16.3 Produk onssteuerung nach dem Pull-Prinzip

Teufelskreis der Au ragfreigabe

Szenario
• Produk onssystem mit mehreren Produk onsbereichen oder -stufen
• Engpässe und Nicht-Engpässe in den Bereichen möglich/vorhanden
• Nicht-Engpässe sind nicht ausgelastet
• Vorzei ge Freigabe zusätzlicher Produk onsau räge zur Auslastung der
Nicht-Engpässe

ftftti ti
titi
ti tttiti


ft
ti
fi ti


tift
titift ti
tiftti

ti
ft


fi
ft tiftti

 !Ans eg der Bestände und Durchlaufzeiten

!Ans eg der Verspätungen und DLZ-Schwankungen
➔ Ans eg der Plan-Durchlaufzeiten ! Noch mehr Arbeit wird noch früher ins System
reingesetzte

Lösungs- Überlegung
• Durchsatz ist Minimum aus Nachfrage- und Produk onsrate des Engpasses
• Prinzipielles Arbeitsverbot
• Arbeitserlaubnis durch Produk onsautorisierungskarten (PAKn) (Kanban)
• Kleine lokale Bestände
• Nachfrage erzeugt „Löcher“ in den Beständen
• Produk on „stop die Löcher“ wieder
• Jede Produk on ist Reak on auch bereits aufgetretene Nachfrage stromabwärts
Formale Beschreibung: Synchronisa onssta on
- 3 Objekte verschiedener Typen kommen im Eingang rein. Aus ihnen entstehen 2 neue
Objek ypen.
Kanban-Produk onssteuerung
A: Werkstücke ; S: Schri ; P: Werkstückpu er; I: Anzahl d. Werkstücke, d. sich im Ausgangspu er
a n s a m m e l n d ü r fe n , b evo r d . Syste m a u ö r t zu a r b e i te n ; D : N a c hf ra ge p u e r

Man muss sich überlegen wie groß die Autorisierungskartenanzahl in PA1 und PA2 sind.
Conwin-Produk onssteuerung
Conwip: Constant work in process
Arbeitet nur mit einem Produk onskreis. Werkstücke sammeln sich nur in einem Pu er (PA2). Falls zu
viel Nachfrage kommt, sammelt sich die Nachfrage, die nicht verarbeitet werden kann, nur in D3, dort
wartet die Nachfrage.
Nur eine Sta on PA2 in der die Anzahl der Autorisierungskarten festgelegt wird.

ti tttiti ti

ti ft

titt

titi
ti
ti
ff

ti fh

ff
ffff

 Vorteil: im Falle von Produk onsengpässen wandern Bestände zu dem Engpass und verhindern so
tendenziell, dass ein Engpasssystem unbeschä igt bleibt; nur ein Kartenkreislauf notwendig.
Begrenzung des Bestands auf den einzelnen Produk onsstufen
Nachteil: lange Wiederbescha ungszeiten des Endproduktes.
Basestock-Produk onssteuerung
Es gibt keine Begrenzung der Bestände. In dem Moment, in dem eine Nachfrage ankommt, wir ein
fer ges Werkstück hinausgezogen und Nachfrageinforma on geht in die vorgelagerten
Produk onsstufen.
Nachteil: Falls eine Sta on langsamer arbeitet, als die vorherige und am Anfang viel nachfrage
ankommt, wird der nachfolgende Pu er sehr stark befühlt. ! sehr hohe Bestände und
Durchlaufzeiten.
Vorteil: System reagiert sehr schnell auf Nachfragesysteme.
Man muss sich überlegen wie groß die Autorisierungskartenanzahl in PA1 und PA2 sind.

Beurteilung
Voraussetzung für den Einsatz
• Rela v gleichmäßige Nachfrage
• Stabile Produk onsprozesse, keine Qualitätsprobleme
• Geringe Rüstzeiten im Mehr-Produkt-Fall
Konsequenz: Konzentra on auf Strukturen (lean produc on, Toyota Produk onssystem)

Agilität ist die Fähigkeit einer Organisa on exibel, ak v, anpassungsfähig und mit Ini a ve in Zeiten
des Wandels und Unsicherheit zu agieren.
• bei Vielzahl von Produkten und unbegrenzt verfügbaren Rohmaterial am ehesten bei geringen
Beständen möglich
• hohe Bestände führen zu langen Wartezeite

titi ti
Powered by TCPDF (www.tcpdf.org)

ti
ti

titi tiff


ti
ff
fl ftti
ti ti


ti ti ti

ti