Digitale Fabriken und Industrie 4.0 sind Faktoren, die zu einer erhöhten Digitalisierung in der Produktion führen. Durch große Stückzahlen und teure Maschinen können schnell Millionenschäden für Firmen entstehen sobald Produktionsmittel nicht optimal eingesetzt werden. Simulationen sind ein hilfreiches Mittel um Fehler, die in der Produktion entstehen, zu verringern und Produktionsschritte weiter zu optimieren.
Was ist eine Rückwärtssimulation?
Rückwärtssimulation unterscheidet sich in einem Punkt wesentlich von der klassischen Vorwärtssimulation. Bei einer Vorwärtssimulation ist der Input gegeben. Das heißt, die Lieferungsdaten der Rohstoffe sind terminiert und durch Vorwärtsterminierung kann das Management einen möglichen Liefertermin ermitteln. Im Gegensatz dazu, ist bei einer Rückwärtssimulation der Output gegeben. Wann möchte der Konsument/Unternehmer eine bestimmte Menge des fertigen Produkts haben? Von diesem Zeitpunkt an kann der Produktionsablauf von dem Auslieferungsdatum bis hin zur Anlieferung der Rohstoffe rückwärts simuliert werden.
Welche Aufgaben ergeben sich daraus?
Terminierte Beschaffung und Lagerhaltung
Durch eine optimale Planung können Lieferungsprozesse optimiert und das Lager angepasst werden. Das Unternehmen kann somit planen, wie viele Stücke von jedem einzelnen Gut vorhanden sein müssen um das Endprodukt herzustellen.
„Bottleneck“ Identifizierung
Ein „Bottleneck“ oder auf Deutsch „Flaschenhals“ ist ein weit verbreitetes Problem in der Produktion. Die Bezeichnung steht für Engpässe, die beispielsweise durch eine „Überlastung“ der Maschinen bei zusätzlicher Ausbringungsmenge an einem Punkt der Produktion entstehen. Daher ist eine der Aufgaben von Simulationen, diese zu identifizieren und deren Auswirkungen zu beschreiben.[1]
Kapazitätenplanung
Eng verbunden mit dem vorherigen Punkt, ist auch die Kapazitätenplanung. Dabei versucht man, eventuelle Bottlenecks durch zeitliche Anpassung/Umplanung zu beseitigen. Eine andere Möglichkeit wäre das Vorarbeiten bzw. Lagern der Leistungen um Produktionsverzögerungen zu vermeiden.
Auswertung und Verbesserung der Daten im Unternehmen
Die Optimierung der Produktionsketten ist oftmals keine einfache Angelegenheit, die nach einem Versuch abgeschlossen ist. Daher ist es sinnvoll, die Variablen der Produktionsfunktionen stetig anzupassen. So können Unternehmer ihre Leerzeiten, Bottlenecks und bestenfalls die Lagerhaltungskosten minimieren. Mittlerweile gibt es innovative KI-Systeme, die diese Aufgaben selbstständig übernehmen.
Schwierigkeiten von Rückwärtssimulationen
Abstrahierung der Teilschritte
Ein großes Problem ist die Tatsache, dass der Mensch gewohnt ist vorwärts zu denken.[2] Sobald ein Prozess rückwärts geplant werden muss, ist ein gewisses Umdenken notwendig. Dies dauert für gewöhnlich länger als eine Vorwärtssimulation, ähnlich wie wenn man versucht das Alphabet rückwärts aufzusagen.
Richtige Modellierung
Das Problem der korrekten Modellierung besteht unabhängig der Simulationsart. Wie sollen menschliches Versagen und unplanbare Verzögerungen einkalkuliert werden? Falls der Produktionsendzeitpunkt gegeben ist (Rückwärtssimulation), können auch keine zusätzlichen Puffer eingeräumt werden. Auch eine statistische Berechnung der durchschnittlichen Verzögerungen, etc. sind nur bedingt hilfreich, da bei Abweichungen entweder erhöhte Lagerkosten oder Produktionsausfälle entstehen.
Zusätzlich hängt die Produktionsdauer auch von externen Einflüssen (kurzfristig priorisierte Chargen, o.Ä.) ab, welche im Vorfeld noch nicht ersichtlich sind. Somit kann es passieren, dass das kalkulierte Startdatum zu spät angesetzt wird und sich die Auslieferung verzögert. Dies ist besonders ärgerlich, da es für den Unternehmer zu Umsatzeinbußen/Verluste kommen kann.
Zusammenfassung
Abschließend lässt sich sagen, dass Simulationen eine relevante unterstützende Funktion in der Planung einnehmen. Gerade für KMUs erschließen sich Möglichkeiten der Kosteneinsparung und Personalplanung. Im Kontext der digitalen Entwicklung werden intelligente Systeme zunehmend in der Lage sein, durch umfangreiche Trainingsdaten solche Aufgaben zu übernehmen. Dennoch spielen unternehmensspezifische Daten eine große Rolle, was die zuvor angesprochenen Probleme in der Modellierung verursacht.
Quellenangaben
[1] Vergleiche http://www.businessdictionary.com/definition/bottleneck.html (Stand 26.11.2018)
[2] Chan & Jain, “Experiences with backward simulation based approach for lot release planning” (1997)
