FHN Schriftenreihe Heft 3 Herrmann 08 06 2007 01

Nordhäuser Hochschultexte
Schriftenreihe Betriebswirtschaft
Frank Herrmann
Simulation der Regelung von
Unternehmensprozessen
ein Enterprise Ressource Planning System
am Beispiel von SAP R/3
Heft 3 – 2007
Die Schriftenreihe Betriebswirtschaft der Fachhochschule Nordhausen
dient der regelmäßigen Veröffentlichung aktueller und praxisnaher Forschungsergebnisse. Ziel ist die anschauliche Verknüpfung zwischen betriebswirtschaftlicher Theorie und Praxis. Die Schriftenreihe Betriebswirtschaft richtet sich an Dozenten und Studenten der Hochschulen,
aber auch an Mitarbeiter in Unternehmen, die sich mit betriebswirtschaftlichen Fragestellungen beschäftigen.
Herausgeber:
Prof. Dr. Andreas Scharf
Herausgeberbeirat:
Prof. Dr. Jörg Arnsmeyer
Dr. Georg Baumbach
Prof. Dr. Reinhard Behrens
Dipl.-Oec Dipl-Soz. Bernd Feuerlohn
Prof. Dr. Gerd Gille
Prof. Dr. Dietmar Knies
Prof. Dr. Bernd Lemser
Prof. Dr. Uwe Saint-Mont
Prof. Dr. Marcus Schäfer
Prof. Dr. Sabine Seibold-Freund
Prof. Dr. Thomas Tegen
Prof. Dr. Jörg Wagner
Prof. Dr. Stefan Zahradnik
Fachhochschule Nordhausen • Nordhäuser Hochschultexte • Schriftenreihe Betriebswirtschaft
Weinberghof 4 • 99734 Nordhausen • Tel.: 03631-420-503 • Fax: 03631-420-817
E-Mail: [email protected] • Internet: www.fh-nordhausen.de
Autor:
Dr. Frank Herrmann
lehrt Informationstechnik und Produktionslogistik und ist
Direktor am Innovationszentrum für Produktionslogistik und
Fabrikplanung (IPF) an der Fachhochschule Regensburg
E-Mail: [email protected]
Herrmann, F.: Simulation der Regelung von Unternehmensprozessen - ein Enterprise
Ressource Planning System am Beispiel von SAP R/3; in: Scharf, A. (Hrsg.): Nordhäuser
Hochschultexte – Schriftenreihe Betriebswirtschaft, Heft 3/2007.
Das Werk einschließlich seiner Teile ist urheberrechtlich geschützt. Jede Verwendung außerhalb der
engen Grenzen des Urhebergesetztes ist ohne Zustimmung der Herausgeber nicht zulässig. Das gilt
insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung in
elektronische Systeme.
Inhaltsverzeichnis
Seite
1. Aufgabenstellung, Zielsetzung und Einordnung in die wissenschaftlichen
Arbeiten zur Simulation von Unternehmensprozessen............................................... 1
2. Regelung von Prozessen durch ERP-Systeme .............................................................. 5
3. Systemarchitektur von SIM-R/3 ..................................................................................... 6
4. Beispielprozess.................................................................................................................... 8
5. Simulationsuntersuchungen............................................................................................ 10
6. Weitere Entwicklungen ................................................................................................... 13
7. Zusammenfassung und Ausblick................................................................................... 14
1. Aufgabenstellung, Zielsetzung und Einordnung in die wissenschaftlichen
Arbeiten zur Simulation von Unternehmensprozessen
Wie die Bemühungen von Organisationen wie die Arbeitsgemeinschaft Simulation (ASIM) der
Gesellschaft für Informatik und dem Verein Deutscher Ingenieure (VDI) in Gestalt von
Richtlinien sowie die große Anzahl einschlägiger Publikationen zur Simulation zeigen, ist die
Simulation ein wichtiges Analyseinstrument für die Planung und den Betrieb von Produktionsund Logistiksystemen (z.B. Rabe/Hellingrath 2001, Wenzel 2000). Im Rahmen einer „digitalen
Fabrik“ können so Fertigungsanlagen am Bildschirm durchgetestet und optimiert werden, um die
volle Anlagenkapazität zu erschließen und rechtzeitig Fehlerquellen zu entdecken, die ansonsten
im Fabrikalltag zu sehr hohen Kosten führen. Grundlage jedes Simulationsexperiments ist ein
Modell des zu untersuchenden Systems, beispielsweise eines Lagers oder einer Fertigungslinie.
Dabei werden die Bearbeitungen (an Arbeitstationen) und Bewegungen (durch Transportsysteme) von Lagergütern bzw. von Werkstücken realitätsnah nachgebildet. Über Lasttests
können realistische logistische Kennzahlen prognostiziert werden, Engpässe oder etwaige
Konflikte wie Verklemmung (Deadlock) können aufgezeigt werden; auch eine Visualisierung der
Abläufe ist möglich. Entscheidende Anforderung an das Modell ist, dass es sich ähnlich wie das
Originalsystem im Hinblick auf Zielkriterien wie Servicelevelgrade, Auslastung, etc. verhält.
Durch ihre Erfüllung werden auch in der industriellen Praxis solche Simulationsergebnisse als
realistisch eingestuft und sind als Grundlage für z.T. weit reichende Investitionsentscheidungen
wie die Planung und Gestaltung einer Werkshalle weitestgehend akzeptiert. Üblicherweise werden
die realen Abläufe durch Warteschlangennetze nachgebildet, in denen die prozessbedingten
Streuungen von Größen wie Bearbeitungszeiten mit Hilfe stochastischer Verteilungen wie etwa
der Exponentialverteilung oder der Standardnormalverteilung angenähert werden (Amann, 1994).
Darüber hinaus können externe Einflussfaktoren wie beispielsweise Kapazitätsausfall oder
Absatzschwankungen ebenfalls als stochastische Größen modelliert werden. Die Regelungsentscheidungen an den Warteschlagen erfolgen dann durch einfache Prioritätsregeln wie „FirstIn-First-Out (FIFO)“. Ein solches Vorgehen ist für die Dimensionierung bzw. zur Layoutplanung von Produktionsanlagen sicher ausreichend. Bei der Verbesserung von Prozessen sind
die Verfahren zur Entscheidungsfindung selbst Gegenstand von Simulationsuntersuchungen.
Die Literatur zu quantitativen Planungsverfahren für die Produktionslogistik weist eine hohe
Sensibilität der Lösungsgüte gegenüber selbst leichten Änderungen der Informationen nach. Bei
French (1986) wird dies als Einfluss unbekannter Alternativen bezeichnet und durch das
folgende Beispiel illustriert:
“Suppose that a man walks into a restaurant and sees from the menu that there are only two
possible main courses, rumb steak or roast chicken. He decides to have the chicken. The waiter
arrives and announces that there is also Today's Special, Dover sole with a white wine and herb
sauce. Immediately the man changes his mind and chooses the steak.“
Bei Planungsproblemen zeigt sich häufig, dass ein in einer deterministischen Planungssituation
optimales Verfahren in einem Konzept der rollenden Planung mit einem zeitlich sich verschiebenden Planungsfenster keine optimale Lösung liefert; z.B. beim Einsatz vom Wagner-Within-
2
Frank Herrmann
Verfahren zur Einprodukt-Losgrößenplanung (Tempelmeier, 2002) oder auch beim Einsatz des
Johnson-Algorithmus zur Fertigungssteuerung (Herrmann, 1996). Der beobachtete Effekt liegt
an dem begrenzten Horizont des zugrunde liegenden Modells und an der expliziten Annahme
über die Schnittstellen zur zeitlichen Umwelt. Deswegen kann ein exaktes Verfahren nicht a
priori als das Verfahren angesehen werden, das auch unter praxisnahen Einsatz-bedingungen zu
den besten Ergebnissen führt; es seien wiederum die Erweiterung des Wagner-Within-Verfahrens
von Tempelmeier (2002) und Stadler (2000) bzw. des Johnson-Algorithmus von Herrmann
(1996) im Fall der Fertigungssteuerung als Beispiele angeführt. Durch andere Arbeiten (z.B.
Nyuis, 2002 oder Gudehus, 2002) lässt sich diese Aussage verallgemeinern: Eine singuläre Betrachtung einzelner Parameter ist oftmals nicht erfolgversprechend, da die Parameter sich in ihrer
Wirkung gegenseitig aufheben können und Parameter, die in Laborsituationen große Auswirkungen haben, in einem Gesamtprozess nur marginale Bedeutung besitzen können. Deswegen
besteht das Ziel von SIM-R/3 darin, die Auswirkungen solcher Veränderungen in einem Gesamtprozess, d.h. vom Auftragseingang bis zur Auslieferung, zu analysieren.
Für aussagekräftige Ergebnisse ist die Länge des Simulationszeitraums entscheidend. Werden die
Kennzahlen Arbeitsschicht für Arbeitsschicht über die bisherige Simulationszeit (also
kontinuierlich) neu berechnet, so zeigt sich, dass die Schwankungen in diesen Kennzahlen mit
zunehmender Simulationszeit abnehmen. Statistisch signifikante Ergebnisse liegen also dann vor,
wenn die Kennzahlen stationär sind (d.h. bei längerer Simulation bleiben die Kennzahlen
unverändert).
In der Literatur wurde für die systematische Untersuchung von Planungsverfahren die
Unterscheidung in deterministische Systeme, bei denen alle Größen vor Beginn der Planung
bekannt bzw. fest vorgegeben sind, und semideterministische Systemen, die im Kern obige
Überlegungen berücksichtigen, eingeführt. Mittels Simulation wurde die Analyse semideterministischer Systeme in den letzten beiden Jahrzehnten intensiv betrieben. Stellvertretend sei der
Aufsatz „Simulationsgestützte Auftragsreihenfolge auf Basis von Prioritätsregeln“ von Schultmann (2002) oder auch Engell/Herrmann (1994) genannt. Anfänglich kamen dabei selbst
entwickelte Simulationswerkzeuge, wie beispielsweise in Engell/Herrmann (1994) zum Einsatz.
In neueren Arbeiten wird auf Standardsoftware zur Simulation zurückgegriffen; in Schultmann/
Fröhling (2002) handelt es sich um das System eM-Plant. In den genannten Arbeiten werden die
Planungsverfahren direkt in die Simulationssoftware implementiert. Teilweise ist die Untersuchung auf einen Ausschnitt aus einen produktionslogistischen Prozess, wie beispielsweise die
Reihenfolgeplanung in einem Flexiblen Fertigungssystem, beschränkt.
Demgegenüber wurde mit diesem Projekt eine Infrastruktur geschaffen, mit denen die Planungsverfahren von ERP-Systemen analysiert werden können. Die eigentlichen Simulationsexperimente werden nach den etablierten Vorgehensweisen von Engell/Herrmann (1994) oder auch
Schultmann/Fröhling (2002) durchgeführt.
In SIM-R/3 wird ein realitätsnahes Modell eines produktionslogistischen Prozesses in einem
Simulationswerkzeug abgebildet. Auf dem Softwaremarkt werden mehrere Simulationssysteme
angeboten, z.B. von Noche/Wenzel (1991). Am häufigsten wird das System eM-Plant der Firma
Unigraphics Solutions GmbH (UGS) eingesetzt, weswegen es für SIM-R/3 ausgewählt worden
Simulation der Regelung von Unternehmensprozessen
3
ist. Im Zusammenhang mit Prozessen sei erwähnt, dass das Werkzeug ARIS der IDS Scheer AG
ein Simulationsmodul, wodurch ein ARIS-Modell ins eM-Plant-System übertragen und dort
simuliert wird. Durch die Anbindung von eM-Plant an das R/3-System der SAP AG wird dieser
Prozess genauso wie im Unternehmen durch ein R/3-System geregelt. Dadurch hat SIM-R/3
einen Schwerpunkt auf Unternehmensprozesse, die durch SAP R/3 geregelt werden.
Eine Integration von einem Simulationssystem in die Planungsverfahren von ERP-Systemen wird
in der anwendungsorientierten Forschung auch an anderer Stelle verfolgt. Hauptsächlich soll
dabei eine Verbesserung konventioneller ERP-Systeme, Produktionsplanungs- und –steuerungssysteme (PPS-Systemen) und Fertigungsleitstände durch die Integration der Ablaufsimulation in
den Planungslauf marktgängiger Systeme erreicht werden. Konventionelle Systeme basieren nach
wie vor überwiegend auf Planungsverfahren wie dem klassischen Material Requirements Planning
(MRP) z. B. von Loeffelholz (2003) oder Spath et al. (2002). Schwachpunkte bei diesen Verfahren sind die Vernachlässigung der Interdependenzen zwischen den Erzeugnissen sowohl
bezüglich der Kosten als auch im Hinblick auf die gemeinsame Nutzung von Ressourcen.
Untersuchungen von Tempelmeier (2002) zeigen, dass die Vernachlässigung der kostenmäßigen
Interdependenzen zur Folge haben kann, dass die minimalen Gesamtkosten, die bei einem
sachlich korrekten Verfahren erreicht werden könnten, erheblich überschritten werden. Eine
Vernachlässigung der kapazitätsmäßigen Interdependenzen zwischen den Produkten führt zu in
der Regel nicht zulässigen, d.h. undurchführbaren Produktionsplänen. Dieser Tatbestand ist
wesentlich gravierender und äußert sich bei der Umsetzung eines Produktionsplans darin, dass es
zu Verspätungen und Nichteinhaltungen von Kundenaufträgen kommt. In den Unternehmen
wird versucht, derartige systemimmanente Planungsmängel durch das Erfahrungswissen der
Planer auszugleichen. Die dynamischen Randbedingungen dürften dennoch zu einem sehr
suboptimalen Betrieb der Produktion führen. In den oben genannten Arbeiten besteht die Idee
darin, dem Planer Entscheidungshilfsmittel zur Verfügung zu stellen, mit deren Hilfe die
Komplexität und Dynamik der aktuellen Planungssituation über einen kurzen Zeithorizont
dargestellt und analysiert werden kann. So können mit Hilfe der Ablaufsimulation kapazitive und
zeitliche Zusammenhänge und deren stochastische Störgrößen in verschiedenen Planungsalternativen realitätsgetreu und ereignisdiskret dargestellt werden. Dies ermöglicht eine exakte
Beurteilung bestehender Abläufe ohne Störung des laufenden Betriebs (Rauh, E. et al.., 1998 und
Mertins/Rabe., 2000). Konkrete Arbeiten zu diesen Ansätzen finden sich in Wanner/Czarnietzki
(2006), Hampel/Müller (2003), Schaaf (2005) und Schuh (2006) wieder. Das an der RWTH
Aachen entwickelte simulationsunterstützte PPS-System (Schuh, 2006) ist ein erfolgreiches
Beispiel für einen solchen Ansatz. Seine Skizzierung soll die grundlegende Vorgehensweise dieses
Ansatzes näher erläutern.
Ausgehend von der Aufgabenreferenzsicht des Aachener PPS-Modells sowie den grundlegenden
Anwendungsszenarien und Einsatzpotenzialen der Simulation wurde zunächst der organisatorische Handlungsrahmen aufgestellt. Dazu wurden die Überschneidungsbereiche der
Ablaufsimulation innerhalb der PPS identifiziert und die resultierenden Aufgabenerweiterungen
in einem Aufgabenmodell der simulationsunterstützten Produktionsplanung und –steuerung
zusammengeführt. Da sich Produktionsunternehmen in ihrer Ablauforganisation unterscheiden
und die Aufgabeninhalte im Prozesszusammenhang differieren, wurde ein Prozessreferenzmodell
definiert, welches die typenbezogene Ablauforganisation der simulationsunterstützten
4
Frank Herrmann
Produktionsplanung und –steuerung abbildet und damit den organisatorischen Handlungsrahmen für dieses Konzept abbildet.
Wie bereits erwähnt, bezieht sich Ablauf- bzw. Materialflusssimulation grundsätzlich auf die
Nachbildung kapazitiver und zeitlicher Zusammenhänge (Amann, 1994) und berücksichtigt
darüber hinaus externe Einflussfaktoren wie beispielsweise Kapazitätsausfall oder Absatzschwankungen als stochastische Größen. Vor diesem Hintergrund lassen sich relevante Aufgaben
der Produktionsplanung und -steuerung auf der Ebene des Referenzmodells dadurch identifizieren, dass sie die entsprechenden Planungsobjekte einer Mengen-, Termin- bzw. Kapazitätsplanung berühren. Zudem sind auf der langfristigen Planungsebene die Planungsobjekte der
simulativen Fabrikplanung (z. B. Ressourcenstruktur oder Steuerungsregeln) von besonderer
Bedeutung. Hinsichtlich dieser Planungsobjekte können mit Hilfe der dynamischen Ablaufsimulation innerhalb der PPS-Aufgaben insbesondere eine Dynamisierung von Planungsparametern
und die daraus resultierende Erhöhung der Planungsgenauigkeit als Einsatzpotenziale erschlossen
werden. Die Erhöhung der Planungsgenauigkeit ergibt sich dabei aus einer gleichzeitigen, gleichberechtigten und dynamischen Einplanung mehrerer beschränkt verfügbarer Ressourcen im
Sinne einer Simultanplanung. Während bei klassischen MRP-Systemen im Rahmen der Mengen-,
Termin- und Kapazitätsplanung mit fixen Vorlauf- und Übergangszeiten gerechnet wird, sind
diese Zeiten ein dynamisch ermitteltes und beeinflussbares Ergebnis der Simultanplanung (VDI,
2000).
Ein weiterer Ansatzpunkt zur Verbesserung der klassischen Planungsmöglichkeiten liegt in der
szenariobasierten Validierung und Visualisierung der kapazitiven und materialflussseitigen Auswirkungen von Planungsentscheidungen. Indem diese Auswirkungen vor dem Hintergrund des
unternehmensspezifischen Zielssystems prospektiv bewertet werden können (VDI, 2000), zielen
diese Einsatzpotenziale insbesondere auf eine Erhöhung der Planungssicherheit.
Diese detaillierte Erläuterung zeigt, dass mit der Kopplung zwischen ERP-System und Simulationssystem bei diesen Arbeiten eine grundlegend andere Zielsetzung als beim SIM-R/3-System
verfolgt wird.
Ein mit dieser Ausarbeitung vergleichbarer Ansatz wurde bei der Untersuchung von SAP R/3
(Dispositions-) Parameter bei: Dittrich et al. (2003) gewählt. Dort wurde ein nicht näher beschriebenes, selbst entwickeltes Simulationssystem eingesetzt. Demgegenüber beschreibt diese
Arbeit eine Anbindung an ein kommerziell verfügbares Simulationswerkzeug und erleichtert
dadurch einen Einsatz für Kooperationsprojekte zwischen Industrieunternehmen und dem Labor
für Informationstechnik und Produktionslogistik. Ferner profitiert SIM-R/3 von den Weiterentwicklungen an dem R/3-System und dem eM-Plant-System gleichermaßen.
SIM-R/3 ermöglicht somit eine systematische Analyse von Parametereinstellungen, vor allem für
Planungsverfahren, im R/3-System anhand eines unternehmensspezifischen Prozesses. Dies
ermöglicht realistische Tests des R/3-Systems sowohl vor der in Betriebnahme als auch Parallel
zum laufenden Betrieb. SIM-R/3 unterstützt somit eine weitere Optimierung eines einmal
etablierten Prozesses. Erfolgt dies nicht, wird ein vorhandenes ERP-System mit der Zeit
zunehmend ineffektiver genutzt, da sich die Einsatzbedingungen eines ERP-Systems und auch
Simulation der Regelung von Unternehmensprozessen
5
die planerischen Anforderungen an ein eingesetztes ERP-System zwangsläufig mit der Zeit
ändern. Nach Berensmann (2005) wird ein einmal automatisierter Prozess - sofern es sich nicht
um physische Prozesse, sondern um Software handelt - oft nie wieder in Frage gestellt bzw.
weiter optimiert. Aufgrund der obigen Überlegungen müsste eine Weiterentwicklung bzw. Optimierung an dem realen Unternehmensprozess über einen längeren Zeitraum getestet werden, was
aus Zeitgründen nicht möglich ist. Somit besteht ein Bedarf nach einem Simulationssystem wie
SIM-R/3.
Die gewählte Architektur in SIM-R/3 ist so flexibel, dass auch andere ERP-Systeme an das eMPlant-System angebunden werden können; auch die Ersetzung von eM-Plant ist möglich, aber
nach der aktuellen Planung nicht vorgesehen. Eine solche beabsichtigte Erweiterung erlaubt auch
einen Benchmark zwischen ERP-Systemen und führt zu dem geplanten Simulations-, Test- und
Benchmarking-System für ERP-Systeme (SIM-ERP). Damit können Investitionsentscheidungen
in ERP-Software abgesichert werden.
Im Folgenden wird zunächst die Regelung eines Prozesses durch ein SAP R/3-System beschrieben. Daraus wird eine Arbeitsweise von SIM-R/3 abgeleitet. Auf dieser Grundlage folgt die
Beschreibung der Systemarchitektur. Anhand eines Beispielsprozesses wird seine Arbeitsweise
erläutert. Die Planung und Auswertung von Simulationsexperimenten wird begründet. Typische
Barrieren beim Einsatz von Simulationsuntersuchungen in der industriellen Praxis motivieren
eine wichtige Weiterentwicklung. Im Ausblick werden die geplanten weiteren Arbeiten
vorgestellt.
2. Regelung von Prozessen durch ERP-Systeme
In einem Produktionsunternehmen folgt die Regelung der Produktion auf Maschinen- bzw. Anlagenebene (zusammengefasst als Arbeitsstationen) durch betriebswirtschaftliche Anwendungssoftware wie einem Enterprise Ressource Planning System (ERP-System). Es sei erwähnt, dass
ein MES-System eine häufig anzutreffende Alternative darstellt. Bei einer weitgehenden IT –
Unterstützung gibt ein ERP–System über ein Bedienungsterminal jedem Werker den als nächstes
zu bearbeitenden Teilauftrag vor (s. c in der Abb. 1). Ein Teilauftrag besteht aus einem oder
mehreren Vorgängen eines Produktionsauftrags und wird nun von einem Werker bearbeitet (s. d
in der Abb. 1). Nach einem Bearbeitungsende wird der Teilauftrag über ein Bedienerterminal zurückgemeldet, wobei die produzierte Gutmenge und der entstandene Ausschuss stets anzugeben
sind (s. e in der Abb. 1). Zusätzlich werden weitere Eingaben verlangt, aus denen charakteristische Daten berechnet werden (s. f in der Abb. 1). Wichtige Beispiele hierfür sind auftragsbezogene Daten wie Start und Ende eines Arbeitsgangs, maschinenbezogene Daten wie
Störzeiten nach Dauer und Ursache, werkzeugbezogene Daten, lagerbezogene Daten wie Zuund Abgänge, mitarbeiterbezogene Daten usw.. Eine detaillierte Auflistung befindet sich bei
Scheer (1997). Nun startet dieser Prozess von neuem.
6
Frank Herrmann
Regelt den Produktionsprozesss
ERP - System
c
Teilauftrag
Statusinformationen
f
Bearbeitung
Eingabe von
Rückmeldedaten e
d
h
Automatisch
durch Aufruf i
von R/3Transaktionen und Anstoßen von
Aktionen in
eM-Plant
BDE - Terminal
Anstoß
c der
BearbeiWerker
tung
SAP R/3
ProduktionsProzess
Regelstrecke
Maschine /
Anlage
g
eM-Plant
Abbildung 1: Regelung der Produktion auf Maschinen- /Anlagenebene durch ein ERP-System
wie SAP R/3
In dem Piloten wird - wie gesagt - der eigentliche Produktionsprozess, die Regelstrecke, durch ein
Simulationswerkzeug abgebildet; nämlich das eM-Plant-System (s. g in Abb. 1). Als ERP-System
kam das R/3-System der SAP AG zum Einsatz (s. h in Abb. 1), da die SAP AG mit ihrem R/3System der Marktführer für betriebliche Standardsoftware ist.
Die Rolle von Werkern wird ebenfalls durch das eM-Plant-System übernommen. Dazu stößt
SIM-R/3 für einen (als nächstes zu bearbeitenden) Teilauftrag entsprechende Aktionen im eMPlant-System an und umgekehrt bewirken Ergebnisse im eM-Plant-System (wie beispielsweise das
Bearbeitungsende eines Arbeitsgangs) einen Aufruf von geeigneten R/3-Transaktionen (s. i in
Abb. 1). Damit erlaubt SIM-R/3 die Regelung produktionslogistischer Prozesse durch ein R/3System über einen langen Zeitraum. Das gleiche Vorgehen wurde auf einen Gesamtprozesses –
d.h. vom Auftragseingang bis zur Auslieferung – übertragen. Dies ermöglicht statistisch signifikante empirische Untersuchungen über die Auswirkungen von R/3-Parametern (wie Dispositionsparameter, Losgrößenverfahren oder Verfügbarkeitsverfahren) auf Leistungskennzahlen (wie
Termineinhaltung oder Kapitalbindung) eines Gesamtprozesses.
3. Systemarchitektur von SIM-R/3
Für die oben beschriebene kooperative Verarbeitung zwischen dem SAP R/3-System und dem
eM-Plant-System müssen beide Informationen ausgetauscht werden. Für ein reibungsloses
Zusammenspiel und einen reibungslosen Informationsaustausch bedarf es einer Koordination
der einzelnen Softwarekomponenten.
Für die Kommunikation und Koordination existieren verschiedene Ansätze bei: Bengel (2000).
Die einfachste Interaktion ist eine Nachrichtenübertragung. Danach würde ein Ereignis im eMPlant-System zum Start einer R/3-Transaktion als Nachricht an das R/3-System gesendet.
Umgekehrt würden Ergebnisse der Ausführung einer R/3-Transaktion als Nachricht zurück zum
Simulation der Regelung von Unternehmensprozessen
7
eM-Plant-System gesendet. Für eine solche Kommunikation zwischen dem SAP R/3-System und
dem eM-Plant-System sind Nachrichtenübertragsysteme erforderlich.
Der de facto-Standard für Netzwerkapplikationen auf TCP/IP-Netzen sind sogenannte TCP/IPSockets. Es handelt sich um auf einem Betriebssystem liegende Nachrichtenübertragungsysteme.
Sie basieren auf dem Internet-Protokoll, erlauben einen einfachen auf „send“ und „receive“
basierenden Nachrichtenaustausch und werden von jedem Betriebssystem angeboten.
Neben dieser Lösung für die Rechnerkommunikation ist es erforderlich, dass die Softwaresysteme eM-Plant und SAP R/3 diese Nachrichten verstehen. Im Fall von eM-Plant wurde die
vom Hersteller zur Verfügung gestellte Socket-Schnittstelle eingesetzt. Eine solche SocketSchnittstelle steht im SAP R/3-System nicht zur Verfügung. Deswegen werden beim SAP R/3System die fraglichen Aufträge wie Kundenaufträge, Planaufträge, Fertigungsaufträge oder Lageraufträge direkt über sogenannte Business Application Programming Interfaces (BAPIs) verändert. Bei den BAPIs handelt es sich um eine Standardschnittstelle, die von SAP für solche
Aufgaben realisiert worden ist. Nur wenn keine BAPIs zur Verfügung stehen – z.B. für die
Umwandlung von einem Planauftrag in einen Fertigungsauftrag – werden geeignete R/3Transaktionen über eine Batch-Input Mappe aufgerufen.
Für diese Kommunikation ist ein spezielles Programm (ein sogenannte Middleware) notwendig,
welches Nachrichten vom eM-Plant-System interpretiert und die entsprechenden BAPIs bzw.
Transaktionen in Form eines sogenannten „remote function calls (RFC)“ ausführt. Da die
Programmiersprache Java diverse Klassen zur Socket-Programmierung besitzt, wurde dieses
Programm in Java geschrieben.
Im Detail sendet das eM-Plant-System Nachrichten über seine Socket-Schnittstelle an die
Middleware (s. 1 in Abb. 2, linker Teil). Wie gerade dargestellt, erfolgt über einen „remote
function call (RFC)“ (s. 2 in Abb. 2) eine Änderung von Objekten im R/3-System. Die Middleware interpretiert ferner die Rückmeldungen (im Sinne von Ergebnissen) vom R/3-System (s. 3
in Abb.2) und sendet eine geeignete Nachricht wie z.B. „vorgangRueck_complete“, als
Information über eine erfolgreiche Rückmeldung im R/3-System, an das eM-Plant-System (s. 4 in
Abb. 2).
Für die Ausführung von BAPIs bzw. Transaktionen sind z.T. umfangreiche Informationen
notwendig. Um den Kommunikationsaufwand durch das Senden der Nachrichten gering zu
halten, werden nur Grundinformationen über Nachrichten übertragen. Die restlichen Informationen werden in einer Datenbank abgespeichert. Diese Daten werden vom eM-Plant-System
über ihre ODBC-Schnittstelle (Open Database Connectivity) in eine Oracle Datenbank geschrieben werden (s. 5 in Abb. 2), und von der Middleware werden die erforderlichen Daten
beim Aufsetzen des RFCs aus der Oracle Datenbank gelesen (s. 6 in Abb. 2). Beispielsweise
werden Kundenaufträge (K-Auf) durch eine so genannte Quelle im eM-Plant-System erzeugt
und, wie in der Abbildung 2 (rechter Teil) dargestellt, zunächst in eine Tabelle im eM-PlantSystem und in eine Tabelle in der Oracle Datenbank geschrieben. Dann wird dieser Kundenauftrag im eM-Plant-System wieder gelöscht. Im nächsten Schritt wird dieser Kundenauftrag über
ein BAPI im R/3 angelegt. Für die Kommunikationsrichtung vom R/3-System zum eM-Plant-
8
Frank Herrmann
System werden quasi umgekehrt Daten von der Middleware in die Oracle Datenbank geschrieben
und vom eM-Plant-System werden Daten ebendort ausgelesen.
Abbildung 2: Systemarchitektur von SIM-R/3 (links) und Ablauf „Kundenauftrag erzeugen“
(rechts)
Die Architektur ist insoweit flexibel, als in SIM-R/3 jedes der beteiligten Systeme - eM-Plant,
SAP R/3 und Oracle - durch ein anderes mit einem ähnlichen Funktionsumfang ersetzt werden
kann. Die Schnittstellen sind ggf. anzupassen. Im Fall der Datenbank ist der Aufwand deswegen
moderat, da SQL-Anweisungen verwendet worden sind, die generell in Datenbanken zur
Verfügung stehen (open SQL) und nicht Oracle-spezifisch (native SQL) sind. Beim Einsatz eines
alternativen ERP-Systems ist mit einem höheren Aufwand zu rechnen. Eine vergleichbar günstige
Situation liegt dann vor, wenn das alternative ERP-System eine dem BAPI-Konzept
vergleichbare Schnittstelle besitzt. In jedem Fall kann die Middleware unverändert bleiben.
4. Beispielprozess
Durch einen sehr einfachen Produktionsprozess werden Tische in vier Varianten produziert.
Jeder Tisch besteht aus Tischbeinen, einer Tischplatte und einer Lackmischung aus zwei verschiedenen Lacken. Der Produktionsablauf hat die nachfolgend beschriebene Gestalt und ist in
Abbildung 3 dargestellt; das Bild zeigt zugleich die Nachbildung des Prozesses im eM-PlantSystem.
Zwei Rohmateriallager dienen zur Lagerung von Tischbeinen und Tischplatten (Baustein „Lager
Holz“) und den beiden Lacken (Baustein „Lager Lack“). Zur Herstellung eines Tisches werden
zunächst an 4 Beinen und einer Platte Bohrungen vorgenommen und anschließend werden diese
Zwischenprodukte zu einem Tisch montiert. Mit einer zwischenzeitlich erstellten Lackmischung
wird der Tisch lackiert und nach dem Trocknen wird er im Fertigteilelager (Baustein „Lager
Fertigteile“) eingelagert. Jeder der sechs Arbeitsschritte wird auf einer eigenen Arbeitsstation ausgeführt; s. die Bausteine „Bohren Tischbeine“, „Bohren Tischfläche“, „Montieren“, „Mischen“,
„Lackieren“ und „Trocknen“ in Abbildung 3. Diese sechs Stationen bestehen aus einer Spezial-
Simulation der Regelung von Unternehmensprozessen
9
maschine und einem Werker zur Bedienung der Maschine. Halbfabrikate bleiben im Produktionssystem d.h., sie werden nicht in einem Lager zwischengespeichert. Sie werden in
Eingangs- und Ausgangspuffern vor und nach der Bearbeitung durch die Arbeitsstationen
gelagert. Diese Puffer sind durch entsprechende Bausteine im eM-Plant-System abgebildet. Auf
ihre Darstellung in der Abbildung 3 wurde zugunsten einer höheren Übersichtlichkeit verzichtet.
Die Puffer werden nach dem FIFO – Prinzip gesteuert.
Abbildung 3: Produktionsablauf
Der Geschäftsprozess dieses Modellunternehmens hat folgende Gestalt und ist in Abbildung 4
dargestellt: Ein eintreffender Kundenauftrag (s. 1 in Abb. 4) über ein bestimmtes Fertigerzeugnis
(Tisch) oder der errechnete Planprimärbedarf (s. 2 in Abb. 4), durch eine Absatzplanung (bzw.
Beschäftigungsglättung) im R/3-System (oder einem anderen ERP-System), kann möglicherweise
nicht aus dem Lagerbestand gedeckt werden. In einem solchen Fall ist ein entsprechendes Los zu
produzieren.
Abbildung 4: Gesamtprozess
Eine solche Losbildung aus den vorliegenden Kunden- bzw. Primärbedarfen erfolgt durch einen
MRP-Lauf (Material Requirements Planning) im R/3-System. Als Ergebnis ergeben sich
Planaufträge (s. 3 in Abb. 4) für die Fertigung, die von der Disposition in Fertigungsaufträge umgesetzt werden. Zudem müssen die Komponenten, also der Sekundärbedarf des Tisches in ausreichender Menge bei Lieferanten bestellt werden. Die einzelnen Bestellpositionen (s. 4 in Abb.
4) werden an den Einkauf (s. 5 in Abb. 4) versandt, der daraus eine Bestellung (s. 5 in Abb. 4) für
den Lieferanten erstellt. Für geringwertige und gut verfügbare Materialien ist eine Bestellung laut
10
Frank Herrmann
Meldebestand vorgesehen. Sobald die einzelnen Komponenten zur Verfügung stehen, kann mit
der Fertigung (s. 6 in Abb. 4) begonnen werden. Die einzelnen Schritte der Fertigung müssen
jeweils im R/3–System zurück gemeldet werden (s. 7 in Abb. 4). Sind die Fertigerzeugnisse
erstellt, werden diese ins Lager befördert (s. 8 in Abb. 4). Ist eine Auslieferung (s. 9 in Abb. 4)
eines Kundenauftrags möglich, so wird diese automatisch veranlasst. Danach wird dieser
Kundenauftrag über die Prozessschritte Fakturierung und Zahlungseingang-Ausgleichen
abgeschlossen.
Folgender zeitlicher Ablauf (s. Abb. 5) wird simuliert: Im Unternehmen wird werktags von 6 bis
18 Uhr produziert. Um 8 Uhr werden Bestellanforderungen im System für die Materialien
erzeugt, bei denen am Vortag um 18 Uhr festgestellt wurde, dass der Meldebestand unterschritten
worden ist. Um 10 Uhr liest der Einkauf die Bestellanforderungen aus dem System aus, fasst
diese zusammen und erstellt darauf Bestellungen für die Lieferanten. Um 20 Uhr wird der MRP
Lauf gestartet.
08:00 Uhr
Erzeuge
Bestellanforderungen
10:00 Uhr
Erstelle
Bestellungen
00:00 Uhr
18:00 Uhr
Überprüfe
Meldebestand
20:00 Uhr
geplanter
MRP-Lauf
00:00 Uhr
06:00 Uhr
Produktionsbeginn
Abbildung 5: Zeitlicher Prozessablauf
Kundenaufträge treffen - wie üblich - zufällig im Laufe eines Tages ein (s. auch den Abschnitt
über Simulationsuntersuchungen). Daher werden im Szeanrio „Kundenauftrag erzeugen“ durch
einen Zufallsgenerator im eM-Plant-System zu zufälligen Zeitpunkten BEs erzeugt. Diesen
werden erneut per Zufallsgenerator zufällige Mengen und Wunschliefertermine zugeordnet, wodurch Kundenaufträge entstehen. Im eM-Plant-System sind die gängigsten Verteilungfunktionen
implementiert, mit denen die Realität weitestgehend nachgebildet werden kann.
5. Simulationsuntersuchungen
Es ist zu erwarten, dass die Simulationsergebnisse zum einen durch den Grad der Auslastung (der
Kapazitäten) des Produktionssystems und zum anderen durch den Termindruck beeinflusst
werden.
Ein Maß für die Auslastung ist die Nettobelastung der einzelnen Kapazitäten durch das erzeugte
Produktionsprogramm, welches aus Kundenaufträgen und Planprimärbedarfen besteht. Da die
Planprimärbedarfe durch das Verfahren zur Produktionsprogrammplanung bestimmt werden,
unterliegen ausschließlich die Kundenaufträge einem Zufallsprozess. Planprimärbedarfe sind im
Grunde zu erwartende Kundenaufträge; so wird ein eintreffender Kundenauftrag gegen einen
(oder mehrere) Planprimärbedarf (-e) verrechnet. Da Unternehmen über längere Zeiträume nicht
Simulation der Regelung von Unternehmensprozessen
11
gleichmäßig mit Aufträgen versorgt werden dürften, wird die Kundenauftragsgenerierung mit
einer Belastungsamplitude je (Produktions-) Ressource von bis zu 30 Prozent vorgenommen. Der
Zufallsprozess wird dabei so angelegt, dass der Mittelwert der aktuellen Netto-Belastungsgrenzen
über jeweils fünf Perioden einer vorgegebenen mittleren Belastungsgrenze entspricht.
Die Soll-Endtermine (bzw. Wunschliefertermine) der Kundenaufträge werden aufgrund einer
stochastisch ermittelten Solldurchlaufzeit vorgegeben, so dass ein realitätsnahes, inhomogenes
Termindruckgefüge zustande kommt. Es sei betont, dass die Endtermine der Planprimärbedarfe
durch ein Verfahren zur Produktionsprogrammplanung errechnet werden, da – wie oben erwähnt
– Planprimärbedarfe durch ein Verfahren zur Produktionsprogrammplanung bestimmt werden.
Für repräsentative Aussagen von Simulationsergebnissen ist ein hinreichend langer Simulationszeitraum notwendig, durch den sich die auszuwertenden Zielfunktionen sicher im eingeschwungenen Zustand befinden. Dieser bewirkt insbesondere, dass Schwankungen beim Anlauf
und Abschalten des Systems die erzielten Messergebnisse nicht signifikant beeinflussen. Die
Ermittlung des Simulationszeitraum erfolgt durch die Analyse von Pilot-Simulationsläufen mit
der „First In First Out“-Regel. Hierzu wird das Einschwingverhalten der Zielfunktionen über
einen extrem hohen Zeithorizont aufgezeichnet. Der Zeitpunkt, ab dem alle Zielfunktionen
innerhalb eines Toleranzbereichs von ±2% ihres asymptotischen Endwertes liegen, wird als Simulationszeitraum definiert. Da die FIFO-Regel eine einfache und ineffiziente Steuerungsregel
ist, kann davon ausgegangen werden, dass bei Anwendung der in der Regel anspruchsvolleren
Verfahren im ERP-System ein solcher ein geschwungener Zustand der auszuwertenden
Zielfunktionen durch einen kürzeren Simulationszeitraum erreicht wird. In Engell et al. (1994)
erwies sich ein Simulationszeitraum von 1000 Schichten als repräsentativ.
Im Vordergrund der Untersuchung steht weniger die absolute, sondern vielmehr die relative Leistungsfähigkeit der Verfahrensvarianten, d. h. die Differenz der Stichprobenmittelwerte. Deswegen kann durch die Verwendung identischer Zufallsreihen bei den Simulationen verschiedener
Verfahren eine Varianzreduktion der Mittelwertdifferenzen erreicht werden (vgl. Bratley et al.,
1987). Ein dann zur Überprüfung der statistischen Signifikanz einzusetzendes Testverfahren für
abhängige Stichproben liefert im Allgemeinen zuverlässigere Ergebnisse als dies bei unabhängigen Stichproben der Fall wäre. Alle in einem bestimmten Arbeitspunkt durchzuführenden
Simulationsläufe erfolgen daher mit denselben Produkt- und Terminreihen.
Zur Analyse eines produktionslogistischen Prozesses wird nicht auf das Logistikinformationssystem im R/3-System zurückgegriffen. Stattdessen werden Zielfunktionswerte wie tatsächlicher
Endtermin, Lagerbestand am Ende einer Periode (auch der Bestand an angearbeiteten Werkstücken in der Produktion (work in process) oder Leerzeit einer Ressource in einer Periode direkt
im eM-Plant-System erhoben. Mit solchen Werten werden dann Größen wie die Terminabweichung oder die Verspätung eines Auftrags, seine Durchlaufzeit, Größen zum Bestand und
solche zur Auslastung berechnet. Somit werden die Kennzahlen erhoben, mit denen nach der
Literatur die Effizienz von Logistiksystemen beurteilt werden kann. Als effizient gelten Systeme
mit einer entsprechend den Unternehmenszielen möglichst optimalen Kombination aus
Logistikkosten und Logistikleistung (s. Arnold et al., 2002, Weber, 1993 und Pfohl, 1990). Eine
hohe Logistikleistung steht dabei im Zielkonflikt zu geringen Logistikkosten. Die Logistikleistung
12
Frank Herrmann
lässt sich über die untergeordneten Ziele geringe Lieferzeit und hoher Lieferservice bewerten.
Das Ziel geringe Logistikkosten ist ebenfalls durch zwei untergeordnete Ziele darstellbar, nämlich
geringe Bestände und geringe Prozesskosten. Diese Überlegungen sind in der Abbildung 6
zusammengefasst.
Abbildung 6: Zielsystem der Produktionslogistik
Zur detaillierten Analyse einzelner Programme und Parameter des R/3-Systems wird im Rahmen
einer Weiterentwicklung des Systems die Aufzeichnung weiterer Werte implementiert. Beispielsweise ist geplant*, durch Größen wie die Anzahl an Plan- und Fertigungsaufträgen sowie an
gearbeiteten und freigegebenen Fertigungsaufträgen die geplanten Aufträge den bearbeiteten
Aufträgen gegenüber zu stellen. Das Vorgehen bei der Analyse der belastungsorientierten
Auftragsfreigabe bei Wiendahl (2004) ließe sich dadurch auf Systeme anwenden, in denen die
neuesten Planungsverfahren eingesetzt werden. In Nyhuis/Wiendahl (2002) wird die Steuerung
einer Produktion durch logistische Kennzahlen erläutert. Daher erscheint es sinnvoll, die
Messung der Leistung eines Produktionssystems durch ebensolche Kennzahlen zu ermöglichen.
Verschiedene Alternativen, an Verfahren und Parametern, können nur dann über Simulationsläufe untersucht werden, wenn die Rechenzeit der Simulationen in einem vertretbaren zeitlichen
Rahmen bleiben. Diese Laufzeiten hängen von der Komplexität des Modells (des Geschäftsprozesses) ab. Im Extremfall ist der Unternehmensprozess komplett in allen Einzelheiten
abgebildet. Im ungünstigsten Fall wäre die Laufzeit ähnlich der Abarbeitung des Geschäftsprozesses im täglichen Betrieb. In diesem Fall sind die Rechenzeiten sicher nicht im vertretbaren
Rahmen. Deswegen ist ein Modell eines Prozesses zu bilden, welches die gleiche Struktur hat,
aber weniger Objekte im Sinne von Produkten, Ressourcen usw. aufweist. Solche Modelle
können durch eine Einschränkung auf Engpassmaschinen oder der Clusterung von Produkten,
so dass aus jedem Cluster ein Produkt für das Simulationsmodell ausgewählt wird, gebildet
werden. Die Anzahl der untersuchten Alternativen kann dadurch reduziert werden, indem die
Parametereinstellungen z. B. nicht mehr für jeden Teilestamm separat erfolgen, sondern es
werden einheitliche Parameterwerte für ganze Teilecluster vergeben. Hiermit reduzieren sich die
konfigurationsrelevanten ERP-Objekte, und die Anzahl der Simulationsexperimente kann auf ein
erträgliches Maß verringert werden (vgl. Dittrich/Mertens, 1995). Um einen Eindruck über die
Simulation der Regelung von Unternehmensprozessen
13
Größe eines gut simulierbaren Prozesses zu geben, sei der Prozess skizziert, der bei Dittrich et al.
(2003) simuliert worden ist. Er basiert auf echten Daten, die der Nürnberger Zweiradhersteller
Hercules-Werke GmbH zur Verfügung stellte. Der modellierte Produktionsbereich entspricht
einer realen Fertigung mit 39 Betriebsmittelgruppen. Seine Produktpalette umfasst sieben
Fahrradmodelle mit insgesamt 49 Varianten.
Beim hier verwendeten Beispielprozess dauerte eine Simulation über 1000 Schichten, bei der
insgesamt ca. 15000 Aufträge erfüllt wurden, 85 Minuten. Da bei der Implementierung des
Piloten der Rechenzeit wenig Aufmerksamkeit gewidmet worden ist, dürfte eine Laufzeitoptimierung zu einer deutlich geringeren Rechenzeit führen. Damit dürften auch umfangreichere
Produktionsprozesse in wenigen Stunden simuliert werden können.
Aus der Literatur und in tatsächlichen R/3-Projekten wurden bedeutende Auswirkungen von
Parameterseinstellungen beobachtet. So wurde beispielsweise beobachtet, dass eine Variation der
Auftragspuffer (zwischen einem und drei Tagen) zu einer signifikanten Schwankung der
Kapitalbindung (von über 20%) führte (s. Gronau, 2001). Eine noch deutlichere Reduktion der
Kapitalbindung (von bis zu 31%) trat durch eine geringe mengen- und terminmäßige Veränderung von Planprimärbedarfen gegenüber tatsächlichen Kundenprimärbedarfen (Erhöhung der
Menge um 10% und Vorziehen des Termins um 3 Tage) auf. Es ist nahe liegend, dass das
Ausmaß solcher Einflüsse von dem konkreten Unternehmensprozess abhängt. Durch eine
realistische Nachbildung eines konkreten produktionslogistischen Prozesses erlaubt SIM-R/3
eine unternehmensspezifische systematische Analyse solcher Zusammenhänge.
6. Weitere Entwicklungen
Die Arbeiten erfolgten am Innovationszentrum für Produktionslogistik und Fabrikplanung
innerhalb eines internen Forschungsprojekts zur Analyse von Planungsverfahren in marktgängigen ERP-Systemen und zum Benchmark zwischen der Planung produktions-logistischer Prozesse
durch verschiedene ERP-Systeme. Ein erster Prototyp von SIM-R/3 wurde in circa sechs
Mannmonaten realisiert.
Erfahrungen aus der Praxis zeigen, dass die erfolgreiche Anwendung heutiger Simulationswerkzeuge noch des Einsatzes spezialisierter, erfahrener Abteilungen und Simulationsexperten
bedarf. Die Erfolgsaussichten für Simulationsanwendungen nicht spezialisierter Abteilungen sind
aufgrund der bereits dargestellten Komplexität heutiger Produktionssysteme meist mangelhaft.
Wenn Projekte zur Verbesserung des Produktionsbetriebs jedoch durch Methoden zur Erstellung
von Simulationsmodellen und durch einfacher zu bedienende Software unterstützt würden, wäre
eine erhebliche Steigerung der Erfolgsaussichten dieser Projekte zu erwarten (Korves, 2001,
Cisek, 2001, Reinhard, 1997). Hierfür sind Möglichkeiten zu schaffen, welche die Abbildung von
Produktionssystemen in Simulationsmodellen und die anschließende szenariobasierte Simulationsdurchführung mit Hilfe einer aufgabenspezifischen Modulentwicklung sowie benutzerdefinierten Umfängen wesentlich vereinfachen.
Eine zweite wesentliche Barriere für die Anwendung der Simulationstechnik innerhalb der PPSSystems liegt in der zeitraubenden Erhebung, Bereitstellung und Konvertierung der für eine
14
Frank Herrmann
Simulation erforderlichen Daten. Die Aufgaben zur Durchführung einer Simulationsstudie
(Datenaufbereitung, Modellierung, etc.) zeigen enge inhaltliche und kausale Überschneidungen
mit den Aufgaben des Controllings und der Datenverwaltung. So stehen bereits häufig in der
ERP-Datenbank die erforderlichen Informationen (z. B. Stücklisten, Arbeitspläne, Ressourcenstamm, etc.) zum -Aufbau eines Simulationsmodells zur Verfügung (s.Feldmann et al., 1997).
Ebenso ist die Informationsaufbereitung bzw. -bewertung im Rahmen des Controllings eine elementare Voraussetzung für die Modellierung bzw. Ergebnisvisualisierung bei der Durchführung
einer Simulationsstudie. So soll eine Modul „Initialisierung“ mit den Teilaufgaben Modellierung
und Instanziierung als Bindeglied zwischen den Datenaufbereitungs- bzw. Bewertungsfunktionen
des Controllings und der Modellbildung für die eigentliche Simulationsuntersuchung entwickelt
werden. Dabei wird die Realität durch die Teilaufgabe „Modellierung“ in ein eM-Plant-Modell
abgebildet, welches unter Rückgriff auf vordefinierte und hierarchisierte Simulationselemente
(z. B. Lager-, Transport- oder Bearbeitungselemente) die realen Produktionsressourcen, -abläufe
und Steuerungsregeln repräsentiert. Während der Instanziierung erfolgt die Belegung des Modells
mit den aktuellen Leistungsdaten des Systems. Dabei wird den Simulationselementen die geplante
Auftragslast (Plan- und Kundenaufträge) zusammen mit den Ausgangswerten der jeweils relevanten Planungsparameter aufgeprägt.
7. Zusammenfassung und Ausblick
Die Arbeit zeigt, dass mittels kommerziell verfügbarer Standardsoftware die Regelung produktionslogistischer Prozesse in einem Unternehmen simuliert werden kann. Erste Tests mit einem
implementierten Piloten von SIM-R/3 zeigen, dass eine Simulation produktionslogistischer
Prozesse über viele Jahre nur wenige Stunden Systemrechenzeit in Anspruch nimmt. Damit sind
realitätsnahe Analysen verschiedener Parametereinstellungen, verfügbarer Verfahren etc. im R/3System für realistische Unternehmensmodelle durch statistisch signifikante empirische Untersuchungen möglich. Ebenso können unterschiedliche Produktionsprozesse aufgrund geänderter
Produktionsverfahren, Arbeitsschritte und dergleichen mehr analysiert werden. Wegen der
flexiblen Systemarchitektur kann das R/3-System durch ein anderes ERP-System ersetzt werden,
was einen Leistungsvergleich zwischen ERP-Systemen ermöglicht.
Die aktuelle Literatur (z.B. Tempelmeier, 2002) über quantitative Planungsverfahren zeigt, dass
substantielle Ergebnisverbesserungen nur durch die Ausnutzung der speziellen Struktur der
Planungsprobleme erreichbar sind. Dies impliziert eine Abhängigkeit von der konkreten Unternehmensstruktur. Deswegen sollten solche Algorithmen individuell für ein Unternehmen entwickelt werden und können nicht als Teil von Standardsoftware angeboten werden. Mit SIM-R/3
(und später SIM-ERP) können solche Planungsalgorithmen direkt in das eM-Plant-System integriert werden. Wiederum anhand einer realistische Nachbildung eines konkreten, unternehmensspezifischen produktionslogistischen Prozesses können diese Planungsalgorithmen getestet und
insbesondere deren ihre Verbesserungen können gegenüber Lösungen in Standardsoftware
quantifiziert werden.
Deswegen kann zusammenfassend festgestellt werden, dass das hier vorgestellte Simulationssystem zur Regelung eines Produktionsprozesses mit SAP R/3 (SIM-R/3) einen wichtigen
Simulation der Regelung von Unternehmensprozessen
15
Beitrag für eine Kosten-Nutzen-Analyse und Parametrisierung unterschiedlicher produktionslogistischer Strategien für einen konkreten Produktionsprozess leisten kann. Durch Kooperationen mit Industrieunternehmen in der Region Regensburg soll der Einsatz von SIM-R/3 zum
Test des R/3-Systems sowohl vor der in Betriebnahme als auch parallel zum laufenden Betrieb
evaluiert werden. Um die Potentiale der produktionslogistischen Parameter und Verfahren des
R/3-Systems im Detail zu erschließen, werden am Innovationszentrum für Produktionslogistik
und Fabrikplanung Experimente mit einem komplexeren Produktionsprozess durchgeführt.
Simulation der Regelung von Unternehmensprozessen
17
Literaturverzeichnis
Amann, W. (1994): Eine Simulationsumgebung für Planung und Betrieb von Produktionsunternehmen. Springer, München.
Arnold, D./Isermann, H./Kuhn, A./Tempelmeier, H. (Hrsg.) (2002): Handbuch Logistik, SpringerVerlag, Düsseldorf.
Bengel, G. (2000): Grundkurs verteilter Systeme. Vieweg, Altrip.
Berensmann, D. (2005): IT matters - but who cares? In: Informatik Spektrum, 28, 4, S. 274 – 277.
Bratley, P./Fox, B.I./Schrage, L.E. (1987): A Guide to Simulation. Springer-Verlag, New York,
USA.
Cisek, R. (2001): Ablaufsimulation als planungsbegleitendes Werkzeug. In: Virtuelle Produktion.
Herbert Utz Verlag, München.
Dittrich, J./Mertens, P./Hau, M./Hufgard, A. (2003): Dispositionsparameter von SAP R/3. Vieweg,
Nürnberg.
Dittrich, J./Mertens, P./ (1995): A Framework for MRP-Simulation. In: Dal, Cin M./Herzog,
U./Bolch, G./Kaylan, A. R. (Hrsg.) (1995): European Simulation Symposium 1995 in
Erlangen, 26. – 28. Oktober 1995, Instanbul 1995, S. 591 – 595.
Engell, S./Herrmann, F./Moser, M. (1994): Priority rules and predictive control algorithms for online scheduling of FMS. In Joshi, Sanjay B. and Smith, Jeffrey, S. (Hrsg.): Computer Control
of Flexible Manufacturing Systems. Chapman&Hall, London, United Kingdom, S. 75 – 107.
Feldmann, F./Rauh, E./Steinwasser, P./Wunderlich, J. (1997): Simulation unterstützt die
Produktionsplanung und –steuerung – Integration und modularer Aufbau ergeben neue
Anwendungsfelder. In: wt-Produktion und Management 87 , S. 233 – 236.
French, S. (1986): Decision Theory – an Introduction to the Mathematics of Rationality. Ellis
Horwood, Chichester, United Kingdom.
Gudehus, T. (2002): Dynamische Disposition. Springer, Hamburg.
Gronau, N. (2001): Industrielle Standardsoftware - Auswahl und Einführung. Oldenbourg, Berlin.
Hampel, D./Müller, G. (2003): Simulationsbasierte Fertigungsplanung durch integrativen Ausbau
von ERP-Systemen. In: PPS Management 8, 1, S. 58 – 60.
Herrmann, F. (1996): Modifizierte Verzweige- und Begrenze-Verfahren zur Belegungsplanung in
der Produktion. Dissertation, Shaker, Karlsruhe.
Korves, B. (2001): 10 Gründe nicht zu simulieren – Chancen und Risiken bei Simulationsprojekten.
In: Virtuelle Produktion. Herbert Utz Verlag, München.
Loeffelholz, Frhr v., F. (2003): 25 Jahre alte Systemarchitektur – Ursache für den Innovationsstau
bei PPS-Systemen. In: PPS Management 8, 1, S. 55 – 57.
Mertins, K./Rabe, M. (2000): The New Simulation in Production and Logistics. (9. ASIMFachtagung „Simulation in Produktion und Logistik“), Eigenverlag vom FHI-IPK Berlin.
Noche, B./Wenzel, S. (1991): Marktspiegel Simulationstechnik Produktion und Logistik. Verlag
TÜV Rheinland, Köln.
Nyhuis, P./Wiendahl, H.-P. (2002): Logistische Kennlinien. Springer, Hannover, München.
18
Frank Herrmann
Pfohl, H.-Ch. (1990): Logistik-Systeme. Betriebswirtschaftliche Grundlagen. 4. Auflage, Berlin.
Rabe, M./Hellingrath, B. (2001): Handlungsanleitung Simulation in Produktion und Logistik. SCS
International, Berlin/Dortmund.
Rauh, E: (1998): Methodische Einbindung der Simulation in die betrieblichen Planungs- und
Entscheidungsabläufe. Dissertation, FAPS TU Erlangen-Nürnberg, Meisenbachverlag,
Bamberg.
Reinhard, G. (1997): Stand der Simulationstechnik – Ergebnisse einer Studie. Jahresbericht der TU
Berlin, S. 52 – 54.
Russel, R. S./Dar-El, E.M/Taylor, B.W. (1987): A Comparative Analysis of Covert Job Scheduling
Rule using Various Shop Performance Measures. International Journal of Production
Research, Vol. 25, S. 1523 - 1540.
Schaaf, K. (2005): Echtzeit-Simulation der Supply Chain – Voraussetzungen und Auswirkungen.
In: PPS Management 10, 3, S. 42 – 44.
Schuh, G. (Hrsg.) (2006): Produktionsplanung und –steuerung - Grundlagen, Gestaltung und
Konzepte. Springer, 3. Auflage, Aachen.
Schultmann, F./Fröhling, M./Rentz, O. (2002): Simulationsgestützte Auftragsreihenfolge auf Basis
von Prioritätsregeln. In: PPS Management 7, 4, S. 21 - 24.
Scheer, A.-W. (1997): Wirtschaftsinformatik. Springer, Saarbrücken.
Spath, D./Klinkel, S./Barrho, T (2002): Auftragsabwicklung in dezentralen Strukturen. Erfolgsfaktoren und Probleme – Ergebnisse einer Studie. In: ZWF Zeitschrift für wirtschaftlichen
Fabrikbetrieb 97, 3, S. 130 – 132.
Stadtler, H. (2000): Improved rolling schedules for the dynamic single-level lot-sizing problem. In:
Management Science 46, S. 318 – 326.
Tempelmeier, H. (2002): Materiallogistik. Springer, Köln. .
VDI: (Hrsg.) (2000): Simulation von Logistik-, Materialfluss- und Produktionssystemen – Blatt 5:
Integration der Simulation in die betrieblichen Abläufe. In: VDI-Handbuch Materialfluss und
Fördertechnik, Band 8. VDI-Gesellschaft Fördertechnik Materialfluss Logistik.
Wanner, M.-C./Czarnietzki, R. (2006): Simulationsunterstützter Fertigungsleitstand für die
Produktion von Kühlsystemen. In: PPS Management 11, 2, S. 43 – 46.
Weber, J. (1993): Logistik-Controlling. 3. Auflage, Schaeffer-Poeschel, Stuttgart.
Wenzel, S. (2000): Referenzmodelle für die Simulation in Produktion und Logistik. Verlag der
Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen.
Wiendahl, H.-P. (2004): Betriebsorganisation für Ingenieure. Hanser Verlag, Hannover.
Winter, M. (2005): Methodische objektorientierte Softwareentwicklung. dpunkt, Wuppertal.
Zülch, G./Bongwald, O./Krüger, J. (April 1998): Personalorientierte Simulation als Bindeglied
zwischen Zeitwirtschaft und Fertigungssteuerung – Identifizierung von Nutzungsverlusten in
hybriden Montagesystemen. In: FB/IE, Heft 2, Darmstadt.
Nordhäuser Hochschultexte
Schriftenreihe Betriebswirtschaft
Nordhäuser Hochschultexte, Schriftenreihe Betriebswirtschaft
Heft 1:
Karpe, N./Scharf, A. (2006): Ermittlung relevanter Determinanten der Kundenzufriedenheit mittels Kano-Modell – dargestellt am Beispiel der Dienstleistungen von
Immobilienmaklern
Heft 2:
Behrens, R. (2006): Internationale Harmonisierung der Rechnungslegung – Rahmenbedingungen und Konsequenzen für die Unternehmensrechnung