Skip to content
Licensed Unlicensed Requires Authentication Published by De Gruyter March 31, 2021

Simulation in der Praxis: Hindernisse überwinden

Ein Fallbeispiel zur simulationsbasierten Optimierung der Maschinenbelegungsplanung

Simulation in Practice: Overcoming Obstacles
  • Michael Kranz

    Michael Kranz, M.Sc., studierte Computational Engineering Science an der RWTH Aachen und war anschließend als Simulationsingenieur in der Industrie tätig. Seit 2020 ist er wissenschaftlicher Mitarbeiter in der Abteilung Arbeitsorganisation am Institut für Arbeitswissenschaft der RWTH Aachen. Seine Themenschwerpunkte sind die ereignisdiskrete Simulation und die Prozessoptimierung.

    , Max Duisberg

    Maximilian Duisberg, M.Sc., studierte Maschinenbau mit Fachrichtung Produktionstechnik an der RWTH Aachen und war anschließend als Montageplaner in der Industrie tätig. Seit 2019 ist er wissenschaftlicher Mitarbeiter in der Abteilung Arbeitsorganisation am Institut für Arbeitswissenschaft der RWTH Aachen. Seine Themenschwerpunkte sind die Montageplanung und die Anwendung von Simulation in der Produktionsplanung.

    , Markus Harlacher

    Markus Harlacher, M.Sc., studierte Wirtschaftsingenieurwesen mit Fachrichtung Produktionstechnik an der RWTH Aachen. Am Institut für Arbeitswissenschaft der RWTH Aachen bearbeitet er seit 2014 als wissenschaftlicher Mitarbeiter Projekte in den Themenfeldern Arbeit in der digitalisierten Welt, Arbeitszeitgestaltung, Gestaltung von Führung im Gesundheitswesen und der partizipativen, arbeitsorganisatorischen Gestaltung (hoch)digitalisierter Arbeitssysteme in der Produktion.

    and Susanne Mütze-Niewöhner

    Prof. Dr.-Ing. Susanne Mütze-Niewöhner studierte nach einer Banklehre Maschinenbau an der RWTH Aachen. Seit ihrer Promotion zur Doktor-Ingenieurin leitet sie die Abteilung Arbeitsorganisation am Institut für Arbeitswissenschaft der RWTH Aachen. Sie ist professorales Mitglied der Fakultät für Maschinenwesen und vertritt das Lehr- und Forschungsgebiet Organisationsgestaltung und -entwicklung. Ihre Forschungsschwerpunkte sind die ganzheitliche und partizipative Analyse und Gestaltung von komplexen Arbeitssystemen und -prozessen, teambasierte Arbeitsorganisationsformen sowie die Begleitung und Evaluation von Transformationsprozessen.

Abstract

Individuelle Produkte, komplexe Prozesse und hohe Produktivitäts- und Flexibilitätsanforderungen - Bedingungen, die viele Unternehmen vor große Herausforderungen bei der Planung ihrer Produktionssysteme stellen. Simulationsverfahren können hierbei unterstützen, in der Praxis sind allerdings diverse Hürden zu überwinden. Am Beispiel einer simulationsbasierten Optimierung der Maschinenbelegungsplanung des Presswerks eines Herstellers weißer Ware werden mögliche Lösungsansätze demonstriert.*)

Summary

Individual products, complex processes and high productivity and flexibility demands – conditions that lead many companies to substantial challenges when planning their production systems. Simulation methods can provide support here, but in practice, there are various obstacles to overcome. Using the example of a simulation-based optimization of the machine allocation scheduling of the press shop of a manufacturer of white goods, possible solution approaches are demonstrated.


*) Hinweis

Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).


About the authors

Michael Kranz

Michael Kranz, M.Sc., studierte Computational Engineering Science an der RWTH Aachen und war anschließend als Simulationsingenieur in der Industrie tätig. Seit 2020 ist er wissenschaftlicher Mitarbeiter in der Abteilung Arbeitsorganisation am Institut für Arbeitswissenschaft der RWTH Aachen. Seine Themenschwerpunkte sind die ereignisdiskrete Simulation und die Prozessoptimierung.

Max Duisberg

Maximilian Duisberg, M.Sc., studierte Maschinenbau mit Fachrichtung Produktionstechnik an der RWTH Aachen und war anschließend als Montageplaner in der Industrie tätig. Seit 2019 ist er wissenschaftlicher Mitarbeiter in der Abteilung Arbeitsorganisation am Institut für Arbeitswissenschaft der RWTH Aachen. Seine Themenschwerpunkte sind die Montageplanung und die Anwendung von Simulation in der Produktionsplanung.

Markus Harlacher

Markus Harlacher, M.Sc., studierte Wirtschaftsingenieurwesen mit Fachrichtung Produktionstechnik an der RWTH Aachen. Am Institut für Arbeitswissenschaft der RWTH Aachen bearbeitet er seit 2014 als wissenschaftlicher Mitarbeiter Projekte in den Themenfeldern Arbeit in der digitalisierten Welt, Arbeitszeitgestaltung, Gestaltung von Führung im Gesundheitswesen und der partizipativen, arbeitsorganisatorischen Gestaltung (hoch)digitalisierter Arbeitssysteme in der Produktion.

Prof. Dr.-Ing. Susanne Mütze-Niewöhner

Prof. Dr.-Ing. Susanne Mütze-Niewöhner studierte nach einer Banklehre Maschinenbau an der RWTH Aachen. Seit ihrer Promotion zur Doktor-Ingenieurin leitet sie die Abteilung Arbeitsorganisation am Institut für Arbeitswissenschaft der RWTH Aachen. Sie ist professorales Mitglied der Fakultät für Maschinenwesen und vertritt das Lehr- und Forschungsgebiet Organisationsgestaltung und -entwicklung. Ihre Forschungsschwerpunkte sind die ganzheitliche und partizipative Analyse und Gestaltung von komplexen Arbeitssystemen und -prozessen, teambasierte Arbeitsorganisationsformen sowie die Begleitung und Evaluation von Transformationsprozessen.

Literatur

1 Gutenschwager, K.; Rabe, M.; Spieckermann, S.; Wenzel, S.: Simulation in Produktion und Logistik. Springer-Verlag, Berlin, Heidelberg 2017, S. 1 DOI: 10.1007/978-3-662-55745-7_110.1007/978-3-662-55745-7_1Search in Google Scholar

2 Block, C.; Lins, D.; Kuhlenkötter, B.: Approach for a Simulation-based and Eventdriven Production Planning and Control in Decentralized Manufacturing Execution Systems. Procedia CIRP 72 (2018), S. 1351–1356 DOI: 10.1016/j.procir.2018.03.20410.1016/j.procir.2018.03.204Search in Google Scholar

3 Latos, B. A. et al.: Partizipatives und simulationsgestütztes Vorgehen zur Konzeption einer flexiblen und demografierobusten Montagelinie. Zeitschrift für Arbeitswissenschaft 72 (2018), S. 90–98 DOI: 10.1007/s41449-017-0081-810.1007/s41449-017-0081-8Search in Google Scholar

4 Banks, J. (Hrsg.): Handbook of Simulation – Principles, Methodology, Advances, Applications, and Practice. A Wiley-Interscience Publication, New York 1998, S. 15–18Search in Google Scholar

5 Schlick, C.; Bruder, R.; Luczak, H.: Arbeitswissenschaft. Springer-Verlag, Berlin, Heidelberg 2018, S. 472 DOI: 10.1007/978-3-662-56037-210.1007/978-3-662-56037-2Search in Google Scholar

6 Völker, S.; Schmidt, P.-M.: Simulationsbasierte Optimierung von Produktions- und Logistiksystemen mit Tecnomatix Plant Simulation. In: Zülch, G.; Stock, P. (Hrsg.): Integrationsaspekte der Simulation: Technik, Organisation und Personal. KIT Scintific Publication, Karlsruhe 2010, S. 93–100Search in Google Scholar

7 Diener, F.; Horler, S.; Grzona, P.; Wilsky, P.: Potenziale der Ablaufsimulation für die Entwicklung von einer Pilot- zur Volumenfertigung am Beispiel der Heliatek GmbH. In: Proceedings ASIM SST 2020. ARGESIM Publisher, Vienna 2020, S. 349–356 DOI: 10.11128/arep.59.a5904910.11128/arep.59.a59049Search in Google Scholar

8 Laroque, C.; Skoogh, A.: Functional Interactions of Simulation and Data Analytics. In: Wenzel, S.; Peter, T. (Hrsg.): Simulation in Produktion und Logistik 2017 – Tagungsband zum 17. Fachtagung. Kassel University Press, Kassel 2017Search in Google Scholar

9 Acker, I. J.: Methoden zur mehrstufigen Ablaufplanung in der Halbleiterindustrie. Gabler Verlag, Wiesbaden 2010, S. 1 DOI: 10.1007/978-3-8349-6731-2_110.1007/978-3-8349-6731-2_1Search in Google Scholar

10 Ganesh, K.; Punniyamoorthy, M.: Optimization of Continuous-time Production Planning Using Hybrid Genetic Algorithms-simulated Annealing. International Journal of Advanced Manufacturing Technology 26 (2005), S. 148–154 DOI: 10.1007/s00170-003-1976-410.1007/s00170-003-1976-4Search in Google Scholar

11 Schuh, G.; Stich, V.: Produktionsplanung und -steuerung (2). Springer-Verlag, Berlin, Heidelberg 2012, S. 391 DOI: 10.1007/978-3-642-25427-710.1007/978-3-642-25427-7Search in Google Scholar

12 Page, B.: Diskrete Simulation. Springer-Verlag, Berlin, Heidelberg 1991, S. 12–18 DOI: 10.1007/978-3-642-76862-010.1007/978-3-642-76862-0Search in Google Scholar

13 VDI-Gesellschaft Produktion und Logistik (Hrsg.): VDI 3633: Simulation von Logistik-, Materialfluss- und Produktionssystemen – Begriffe. VDI-Handbuch Technische Logistik – Band 8: Materialfluss II (Organisation/ Steuerung). Beuth Verlag, Berlin 2018Search in Google Scholar

14 Ge, J. H. et al.: Research on Optimization Method of Real-Time Available Resources for Dynamic Scheduling. Applied Mechanics and Materials (Volumes 427–429), 2013, S. 2650–2655 DOI: 10.4028/www.scientific.net/AMM.427-429.2650Search in Google Scholar

15 Vieira, G. E.; Kück, M.; Frazzon, E.; Freitag, M.: Evaluating the Robustness of Production Schedules using Discrete-Event Simulation. IFAC-PapersOnLine 50 (2017), S. 7953–7958 DOI: 10.1016/j.ifacol.2017.08.89610.1016/j.ifacol.2017.08.896Search in Google Scholar

Published Online: 2021-03-31

© 2021 Walter de Gruyter GmbH, Berlin/Boston

Downloaded on 29.9.2023 from https://www.degruyter.com/document/doi/10.1515/zwf-2021-0021/html
Scroll to top button