Einführung in die Logistik-Simulation · Uhrzeitabhängiges Routing und Schichtkalender 9. Statistische Auswertung der Simulationsdaten 10.Statistische Verteilungen 11.Aufbereitung

Einführung in die Logistik-Simulation

Lehrstuhl für Betriebswirtschaftslehre,

insbesondere Operations Research und LogistikWintersemester 2008/09

Prof. Dr. Stefan NickelChristian Heib, Ursula-Anna Schmidt

2

1. Grundkenntnisse zur Simulation

2. Einführung in ProModel

3. Grundbausteine von ProModel

4. Path Networks

5. Variablen und Counter

6. User Distributions

7. Attribute

8. Uhrzeitabhängiges Routing und Schichtkalender

9. Statistische Auswertung der Simulationsdaten

10.Statistische Verteilungen

11.Aufbereitung empirischer Daten

12.Arbeiten mit ProActive X

13.Fallstudie

Gliederung

3

Was ist Simulation?

„Simulation ist die Nachbildung eines dynamischen Prozesses in einem realen Modell, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind.“ (Definition nach VDI-Richtlinie 3633, Blatt 1)

1. Simulation

Warum Simulationsmodelle?

Simulationsmodelle sind ein gängiges Werkzeug zur Entscheidungsunterstützung und zur Analyse komplexer Prozesse im Bereich der Prozessoptimierung.

Ihr Einsatz eignet sich speziell im Falle unübersichtlicher und stark interdependenter Abläufe .

4

• Endlich viele Zustandsänderungen pro Zeitintervall

↔ Zustandsgröße und Zeit ändern sich diskret (getaktet oder ereignisgesteuert)

• Unterscheide …

kontinuierlich

f‘(t 1)

f‘(t 2)f

tt1 t2

t

Modellarten

Diskrete Modelle

Kontinuierliche Modelle

diskretf

t1 t2 t3

• Unendlich viele Zustandsänderungen pro Zeitintervall

↔ Zustandsgröße und Zeit ändern sich stetig)

• Bsp.: Wassermenge in einem Stausee mit Zu- und Abflüssen

• Basis: Systembeschreibende Differentialgleichungen

1. Simulation – Modellarten

5

kontinuierlich

f‘(t 1)

f‘(t 2)f

tt1 t2

t

Modellarten

Diskrete Modelle

Kontinuierliche Modelle

zeitdiskret ereignisdiskret

diskretf

t1 t2 t3

• Werte der Zustandsvariablen im System ändern sich alle ∆ Zeiteinheiten (getaktet)

• Bsp.: Zeitschaltuhr• Problem: genaue Sim. erfordert mglst.kleine Zeitschritte ↔ für Performance jedoch größere Zeitschritte besser

• Werte der Zustandsvariablen im System ändern sich durch das Eintreten eines Ereignisses (ereignisgesteuert)

• Bsp.: Bediensystem (Postschalter), Artikel in einem Warenlager mit Zu- und Abgängen

• Positiv: eignet sich gut für sehr unregelmäßig anfallende Ereignisse.

1. Simulation – Modellarten

6

1. Simulation – Ereignisdiskrete Steuerung

• Ereignisse in Ereignisliste eintragen• Abarbeitung der Liste nach zeitlichem

Anfall der Ereignisse

7

1. Simulation – Zielsetzung

Ziele?

• Gesetzmäßigkeiten eines realen Systems identifizieren• Verhalten des realen Systems analysieren und beschreiben

• Engpässe aufdecken• Potentiale erkennen• Auslastungsgrade bestimmen

• Verbesserungsvorschläge erarbeiten und implementieren • Unterschiedliche Szenarien modellieren und vergleichen

Verschiedene Ideen des Systemdesigns sowie Strategien der Prozess-Steuerung testen, bevor sie im Alltag um- und eingesetzt werden.

8

Prozess der Modellierung eines Simulationsmodells

1. Simulation – Prozess zur Simulationserstellung

9

1. Simulation – Zieldefinition

Zieldefinition:„… ausführliche Beschreibung der Leistungen, die er forderlich sind oder gefordert werden, damit die Ziele eines Projektes e rreicht werden.“

(DIN 69 901)

• Alle weiteren Prozessschritte werden beeinflusst

• Abwägen, ob Simulation für die jeweilige Fragestellung das geeignete Instrument darstellt

• Berücksichtigung einer Aufwand-Nutzen-Analyse

10

1. Simulation – Datenbeschaffung -1-

Input-Daten beeinflussen fundamental die späteren Ergebnisse der Simulation.

11


Mögliche Fälle:

• Daten sind vorhanden

• Daten sind unbekannt

- Kritische Prüfung der Daten

- Enger Kontakt zu Mitarbeitern des Systems

- Aufbereitung der Daten

- Datenerhebung

12


• Daten sind in einer zu großen Menge bzw. zu hohen Komplexität vorhanden

- Sinnvolle Aggregation ähnlicher Daten zur Komplexitätsreduktion

- Z.B. Wahl eines repräsentativen Produktes bei vorliegen eines großen Produktspektrums

13

1. Simulation – Modellierung -1-

„Ein Modell ist ein System, das als Repräsentant eines komplizierten Originals aufgrund mit diesem gemeinsamer, für eine bestimmte Aufgabe wesentlicher Eigenschaften von einem dritten System benutzt, ausgewählt oder geschaffen wird, um Letzterem die Erfassung oder Beherrschung des Originals zu ermöglichen oder zu erleichtern beziehungsweise um es zu ersetzen“ (Philosoph Klaus Dieter Wüsteneck)

14


Grundsätze korrekter Modellierung:

• Richtigkeit: Das Modell sollte der Realität entsprechen

• Relevanz: Nur Objekte, die für das Ziel der Simulation relevant sind, werden betrachtet

• Klarheit: Das Modell sollte transparent und anschaulich konzipiert sein

• Vergleichbarkeit: Unterschiedliche Wege der Modellerstellung führen zu denselben Ergebnissen

• Systematischer Aufbau: Das Modell soll auf Basis logischer und konsistenter Grundsätze erstellt werden

• Wirtschaftlichkeit: Aktivitäten sollten in einem angemessenen Kosten-Nutzen-Verhältnis stehen

15


Vorgehensweise bei der Modellierung:

16

1. Simulation – Verifikation und Validierung (V&V)

• Verifikation: „Ist das Modell richtig?“

• Validierung: „ Ist es das richtige Modell?“

• Generell kein vollständiger bzw. formaler Nachweise der Korrektheit möglich

→ Ziel: Schaffung von Vertrauen und Glaubwürdigkeit bei den Verantwortlichen

• V & V sollte in jeder Prozessphase sobald eine Aufgabe logisch abgeschlossen ist durchgeführt werden

• Dokumentation der Vorgehensweise

17

1. Simulation – Szenarienbildung -1-

18

1. Simulation – Szenarienbildung -2-

• Zwei Alternativen→ Ausgangssituation und ein Szenario (Änderung weniger Parameter) vergleichen

• Ein Parameter→ Veränderung eines Parameter (vielen Ausprägungen) vergleichen

• Zwei Parameter→ Wie bei „einem Parameter“ jedoch werden gleichzeitig die Veränderung von zwei

Parametern verglichen

• Multi-Parameter→ Wie bei „einem Parameter“ jedoch unter Berücksichtigung vieler Parameter

→ Extrem hohe Komplexität

• 2k

→ Betrachtung von k Parametern jedoch nur mit zwei Ausprägungen

19

1. Simulation – Ergebnisauswertung -1-

Ramp-Up-Diagramm

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Zeit

WIP

• Daten müssen bestimmte Bedingungen erfüllen

• Startet die Simulation „leer“ oder im eingeschwungenen Zustand?

• Falls die Simulation leer startet → Hochlaufphase (Ramp-up / Warm-up) innerhalb der Daten

eliminieren

20

1. Simulation – Ergebnisauswertung -2-

• Überprüfung der Daten auf Korrelation→ Kenntnis ermöglicht bessere Interpretation der Daten

• Analyse Kosten- und Materialflussindikatoren

21

1. Simulation – Literatur

Kühn, Wolfgang : Digitale Fabrik, 1. Carl Hanser Verlag, München, Wien, 2006

Chung, Christopher A.: Simulating Modeling Handbook: A Practical Approach, CRC Press, London, 2004

Wenzel, Sigrid; Weiß, Matthias; Collisi-Böhmer, Sim one; Pitsch, Holger; Rose, Oliver: Qualitätskriterien für die Simulation in Produktion und Logistik, Springer Verlag, Berlin, Heidelberg, 2008

22

1. Simulation – Einsatz in der Unternehmenspraxis

Branche der befragten Unternehmen

14%

21%

24%

13%

3%

7%

18%

MetallverarbeitendeIndustrie

Maschinen- undAnlagenbau

Automobilbau und -zulieferer

Elektronik- undApparatebau

Softw are-Hersteller

Beratung undIngenieurbüro

Sonstige

Größe der befragten Unternehmen (MA-Anzahl)

8%

17%

38%

37%1-20 MA

21-200 MA

201-2000 MA

> 2000 MA

• Studie durchgeführt von iwb (Institut für Werkzeugmaschinen und Betriebswissenschaften) der Technischen Universität München

• Befragung von 395 Führungskräften

23


Motivation der Anwender zum Einsatz von Simulation

26%

15%

5%

18%

74%

0%

10%

20%

30%

40%

50%

60%

70%

80%

Projek

terg

ebni

sse

verb

esse

rnSim

ulatio

n au

spro

bier

en

Simula

tion

von

Dritte

n ge

ford

ert

Imag

egrü

nde

weiter

e Grü

nde

Hauptmotivation des Simulationseinsatzes ist die Verbesserung bzw. kostengünstigere Durchführung von Projekten

24


Abschätzung des Nutzens der Simulation im Verhältni s zum Aufwand

0%

10%

20%

30%

40%

50%

60%

70%

sehr groß groß neutral eher gering gering

Aktuell

Geplant

Noch nicht

Nicht mehr

• Nutzen wird von Simulationsanwendern generell höher eingeschätzt als von Personen, die den Einsatz planen

• Frühere Anwender sind geteilter Meinung –teilweise wird hoher Nutzen eingeschätzt, jedoch fast zum gleichen Teil wird dieser als gering angesehen

25


Ziele der Ablaufsimulation

0%

10%

20%

30%

40%

50%

60%P

roje

ktve

rkür

zung

Kom

mun

ikat

ion

und

Ani

mat

ion

Nac

hwei

s vo

nLe

istu

ngsm

erkm

alen

Mac

hbar

keits

anal

yse

Kos

tens

enku

ng

Tra

nspa

renz

stei

geru

ng

Ris

ikom

inim

ieru

ng

Fun

ktio

nsna

chw

eis

Fun

ktio

nsau

sleg

ung

und

-opt

imie

rung

Hauptziele liegen in der:

• Funktionsauslegung-bzw. –optimierung

• Funktionsnachweis

• Risikominimierung

26


Gründe gegen den Einsatz von Simulationssystemen

0%

10%

20%

30%

40%

50%

60%

70%

Hoh

eE

inst

iegs

inve

stiti

onen

Zus

ätzl

iche

rZ

eita

ufw

and

Man

gel a

nqu

alifi

zier

ten

Mita

rbei

tern

Kei

ne re

gelm

äßig

eA

nwen

dung

Hoh

e la

ufen

de K

oste

n

Sim

ulat

ion

ist z

uko

mpl

izie

rt

Dis

krep

anz

zwis

chen

Sim

ulat

ion

und

Rea

lität

Nut

zen

zu g

erin

g

Ber

ater

not

wen

dig,

aber

nic

ht e

rwün

scht

Kei

n ge

eign

etes

Anw

endu

ngsg

ebie

t

Aktuell

Noch nicht

Nicht mehr

Geplant

Hauptgründe gegen den Einsatz von Simulationssystemen:

• Investitionen

• Zeitaufwand

• Qualifizierte Mitarbeiter

27

2. ProModel – Was ist das?

Was ist ProModel?

• Windowsbasierte Simulationssoftware zur Simulation und Analyse von Prozessen und Produktionssystemen aller Art und Größe

• ereignisdiskreter Simulator

• speziell geeignet für

- Gebäude- und Layoutplanung- Personal- und Ressourcenplanung- Katastrophenplanung- Straßenfertigung- JIT und KANBAN Systeme- Flexible Fertigungssysteme- Supply Chains und Logistik

28

Wozu dient ProModel?

ProModel unterstützt eine dynamische Prozessanalyse:

• Verhalten eines Prozesses über die Zeit visualisieren und verstehenlernen

• Abbildung komplexer Sachverhalte mit Hilfe von Simulation möglich, die durch andere Analysewerkzeuge meist nicht erfasst werden können.

� WIE?


29

Dynamische Prozessanalyse

• Statistische Verteilungsfunktionen zur Abbildung von Prozessdauern, Ankunftsraten oder anderen Größen � Variabilität statt meist unzureichender Mittelwerte

• Abbildung gemeinsam genutzter Ressourcen

• Generierung zufälliger Ausfallzeiten der Ressourcen

• Visualisierte Animation erleichtert Fehlersuche im Programm undermöglicht Identifikation von Engpässen

• Verfolgung der Status-Änderungen der Aktivitäten und Ressourcen im Zeitverlauf


30

Industriebeispiel

2. ProModel – Beispiele

Optimierung der Produktionskosten sowie der Produktivität in Abhängigkeit der Mitarbeiteranzahl

31

2. ProModel – Beispiele

Krankenhausbeispiel

Optimierung der Terminplanung für eine Radiologie-Praxis

Analyse der Wartezeiten

Optimierung der Auslastung

Documents

Einführung in die Logistik-Simulation · Uhrzeitabhängiges Routing und Schichtkalender 9. Statistische Auswertung der Simulationsdaten 10.Statistische Verteilungen 11.Aufbereitung