Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Advanced Planning & Scheduling

Naturanaloge Optimierungsalgorithmen in der Feinplanung

Die Produktionsplanung stellt viele mittelständische Unternehmen vor immer größere Herausforderungen. Diese liegen beispielsweise in einer variantenreichen Einzel- und Kleinserienfertigung, hohen Fertigungstiefen und großer Teilevielfalt begründet. Dabei kann eine IT-gestützte Produktionssteuerung zur Verbesserung der Fertigungsabläufe beitragen und helfen, Reaktionszeiten bei Störungsfällen zu verkürzen.

Das Dilemma der Ablaufplanung: In der Produktion steigen bei Erhöhung der Maschinenauslastung die Durchlaufzeiten der Aufträge überproportional an. Die maximale Leistung des Produktionssystems ergibt sich als bestmöglicher Kompromiss beider Ziele. Bild: Häckel/Delta Barth, angelehnt an Käschel/Teich: Produktionswirtschaft, GUC, 2007.

Klassische Enterprise Resource Planning Software (ERP) verfügt häufig nur über eingeschränkte Fähigkeiten zur Planung, Steuerung und Optimierung von Fertigungsabläufen, auch wenn die Systeme in der Regel einen Großteil der dafür benötigten Daten vorhalten. Oft wird daher auf eine manuelle Steuerung der Produktion zurückgegriffen, beispielsweise mithilfe von einfachen Prioritätsregeln wie der Planung nach Lieferterminen oder Auftragsprioritäten. Die Fertigungssteuerung ohne die Verwendung professioneller Softwarewerkzeuge stößt jedoch bei hoher Kapazitätsauslastung schnell an ihre Grenzen, was nicht selten zu Problemen in den Abläufen und der Einhaltung von zugesagten Lieferfristen führt. Unvorhersehbare Ereignisse wie Maschinenstörungen, ungeplante Rüst- und Bearbeitungszeiten oder mangelnde Materialverfügbarkeit sorgen für zusätzliche Brisanz. Viele mittelständische Unternehmen benötigen daher IT-Lösungen mit erweiterten Funktionen für die Produktionsfeinplanung. Eine Möglichkeit ist die Integration einer Lösung aus dem Bereich Advanced Planning & Scheduling (APS). Entsprechende Anwendungen oder Softwaremodule ergänzen ERP-Systeme um Planungswerkzeuge zur Umsetzung konsistenter und kapazitätsgeprüfter Ablaufpläne in der Fertigung.

Produktionsplanung unter verschiedenen Zielsetzungen

Ein Merkmal von APS-Lösungen ist die Möglichkeit, Fertigungsabläufe unter verschiedenen Zielstellungen zu planen und zu optimieren. Neben der Einhaltung von Lieferterminen und der Reduzierung von Beständen sind insbesondere kurze Durchlaufzeiten bei gleichzeitiger Erhöhung der Kapazitätsauslastung wichtige Ziele, gleichwohl sie in Konflikt zueinander stehen. Dieser Widerspruch ist bekannt als das Dilemma der Ablaufplanung: Für eine hohe Auslastung der Maschinenkapazitäten ist ein gewisser Auftragsbestand notwendig. Dieser stellt sicher, dass für jede Ressource ein ausreichender Arbeitsvorrat bereitsteht. Steigen die Bestände allerdings zu stark an, erhöhen sich aufgrund von Wartezeiten die Auftragsdurchlaufzeiten zum Teil erheblich. Eine Bestandssenkung kann die Durchlaufzeiten zwar verringern, es stellt sich jedoch auch schnell eine sinkende Auslastung der Maschinen ein, da zu wenige Aufträge im System vorhanden sind. Ein ausgewogener Kompromiss dieser Ziele der Bestandssteuerung kann die Leistung des Produktionssystems deutlich steigern – eine erheblich bessere Termineinhaltung ist die Folge, wie in der Grafik oben zu sehen ist.

APS-Systeme setzen für die Planung häufig heuristische Optimierungsalgorithmen ein, wie beispielsweise evolutionäre Algorithmen oder lokale Suchverfahren. Diese Methoden sind im Stande, mithilfe von Simulationen den Fertigungsablauf schrittweise entsprechend der vorgegebenen Ziele zu verbessern. Die Zielstellungen können zumeist flexibel modelliert und an aktuelle Erfordernisse angepasst werden. So kann beispielsweise eine nach Auftragspriorität gewichtete Termineinhaltung den Produktionsplan bestimmen. Gleichzeitig lassen sich Ereignisse und Störungen im Fertigungsablauf in die Planung und Optimierung einbeziehen, um mögliche Lösungsvorschläge für Engpässe zu ermitteln. Die Adaption solcher Algorithmen für die Anforderungen an Produktionsplanung und -steuerung lässt sich durch den Einsatz Genetischer Algorithmen erreichen. Dieses naturanaloge Optimierungsverfahren überträgt grundlegende Ideen der Evolution auf die Ablaufplanung. Genetische Algorithmen haben sich in der Wissenschaft für viele kombinatorische Optimierungsprobleme als überraschend leistungsfähig erwiesen und erzielen in der Kapazitätsplanung sehr gute Resultate.

Agile Reaktion auf unvorhergesehene Ereignisse

Heuristische Methoden in der Produktionsplanung versuchen, in einer sich ständig ändernden Situation, Produktionsabläufe bestmöglich an die zu erfüllenden Ziele anzupassen. Aufgrund der Dynamik und Agilität dieser Algorithmen stehen einer hohen Planungsqualität deshalb auch häufige Umplanungen gegenüber, sodass mit jedem Planungslauf teils große Änderungen in den Bearbeitungsreihenfolgen notwendig werden. Diese agile Reaktion seitens der Planung auf beispielsweise unvorhergesehene Ereignisse und Störungen muss für gute Ergebnisse folglich auch in den realen Abläufen der Produktion umgesetzt werden. Diese organisatorische Aufgabe stellt eine weitere Herausforderung dar, welche insbesondere mittelständische Unternehmen aufgrund ihrer flexiblen Strukturen meist gut bewältigen können. Die Qualität und die Genauigkeit der Produktionsplanung hängen stark von der Verfügbarkeit konsistenter, umfassender und aktueller Daten ab, die als Planungsgrundlage benötigt werden. Diese Daten umfassen nicht nur die Fertigungsaufträge mit Arbeitsplänen, Stücklisten, Planzeiten und Lieferterminen sowie die betrieblichen Ressourcen inklusive der Schichtpläne und Personalqualifikationen. Zusätzlich sind auch aktuelle Rückmeldedaten aus der Betriebsdatenerfassung und Informationen über Verzögerungen oder Änderungen von Abläufen wie beispielsweise durch Maschinenausfälle notwendig.

Die Bereitstellung dieser Daten stellt insbesondere kleine und mittlere Unternehmen mit schlanken IT-Strukturen vor ein weiteres Problem: Es muss nicht nur sichergestellt sein, dass die notwendigen Daten informationstechnisch vorhanden und zeitnah gepflegt werden, sondern sie müssen auch im APS-System zur Verfügung stehen. Dies erfordert eine klare Definition des Informationsflusses im Unternehmen und organisatorische Rahmenbedingungen zu dessen Umsetzung. Die Planungsdaten für das APS-System werden häufig über Schnittstellen zu einem Datawarehouse ausgetauscht, welches die Daten aus verschiedenen Informationssystemen zusammenführt. Eine sinnvolle Alternative dazu stellen integrierte Lösungen aus ERP- und APS-Systemen dar. Diese Systemintegration bietet den Vorteil einer maßgeschneiderten Lösung zur übergreifenden Planung der Fertigungsprozesse mit einer gemeinsamen Datenhaltung und -pflege.


Das könnte Sie auch interessieren:

Der Maschinenbauer Manz bündelt unter dem Namen Total Fab Solutions sein Angebot für die Automatisierung von Fertigungslinien. Im Paket abgedeckt sind Umsetzungsschritte von Automatisierungsprojekten von der Fabrikplanung über die Prozess- und Materialflusssimulation oder die Integration bestehender Fertigungsprozesse bis hin zu Aufbau, Hochfahren und Optimierung schlüsselfertig zu übergebender Produktionslösungen.‣ weiterlesen

Beim traditionellen Qualitätsmanagement werden gefertigte Bauteile analysiert, um die Qualität der nächsten zu verbessern. Beim Predictive Quality-Ansatz wollen Hersteller analysegestützt eine höhere Qualität erzielen, ohne in die Vergangenheit schauen zu müssen. Bereits verfügbare Lösungen für den Ansatz integrieren die erforderlichen Daten auf einer MES-Plattform.‣ weiterlesen

Der Aufbau einer kabelgebundenen Ortungsinfrastruktur auf großen Flächen wie Lagerhallen, Baustellen oder in der Prozessindustrie ist kostspielig und zeitaufwendig.‣ weiterlesen

KI-getriebene Convolutional Neuronal Networks in selbstfahrenden Autos sollen andere Verkehrsteilnehmer erkennen. Dabei gilt: Je selbstständiger das Auto, desto komplexer der Algorithmus und undurchschaubarer dessen Weg zur getroffenen Entscheidung. Ein Validierungs-Tool soll helfen, diesen besser zu verstehen.‣ weiterlesen

Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialistinnen. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.‣ weiterlesen

Extreme Networks hat die Verfügbarkeit des Wi-Fi 6E Access Point bekanntgegeben. Als Wireless-Plattform erweitert der Zugangspunkt den Einsatzbereich auf das 6GHz-Frequenzband. Das Gerät wurde für Umgebungen mit hohen Anforderungen an Bandbreite und Nutzerdichte entwickelt und zeichnet sich Anbieterangaben zufolge durch seine Perfomance, Funktionalität und Sicherheit aus.‣ weiterlesen

Die Ersatzteilversorgung in der Automobilindustrie besitzt einen sehr kurzfristigen Charakter. Anwendungen zum Abbilden solcher Prozesse sind S/4Hana Supply Chain Management sowie S/4Hana-Automotive-Ersatzteilmanagement. Die wichtigen Zielgrößen für die Versorgungsqualität sind Lieferservicegrad und Time-to-Delivery.‣ weiterlesen

Im Cloud-Projekt Gaia-X entstehen Infrastruktur-Angebote, mit denen Hersteller digitale und vernetzte Produkte entwickeln können, ohne in Abhängigkeit zu Technologiekonzernen zu geraten. Die Strukturen dafür sind bereits etabliert. Jetzt ist es an den Produzenten, durch ihre Mitwirkung aus dem Projekt eine europäische Erfolgsgeschichte zu machen.‣ weiterlesen

Werma bietet ein neues Ruf- und Meldesystem zur Prozessoptimierung in Fertigung, Logistik und an manuellen Arbeitsplätzen an. Mit dem Andon WirelessSet lassen sich Probleme bei der Produktion per Knopfdruck melden, um die Behebung zu beschleunigen.‣ weiterlesen

Alle Werte einer Lieferkette im Blick zu behalten, ist eine Mammutaufgabe - können diese doch schnell in die Millionen gehen. Behälter mit benötigten Materialien müssen nicht mal verschwinden, schon der falsche Lagerplatz im Werk kann die Produktion ausbremsen. Tracker können dafür sorgen, dass nichts Wichtiges aus dem Blick gerät.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige