Lotsizing

Innerhalb der IT-Bildungsoffensive des Kanton St. Gallens unter dem Handlungsfeld «Lernfabrik» und insbesondere im Kontext von “Lean”, “SAP” und Data Analytic ist die Losgrössenoptimierung ein zentraler Aspekt für die optimierte Planung und Terminierung mittels Simulation in einer Smart Factory.

Wie die Komplexitätstheorie zeigt, sind die meisten Losgrössenprobleme schwer zu lösen, obwohl verschiedene Techniken entwickelt und von der Operations Management (OM)-Gemeinschaft eingehend untersucht wurden. Die Herausforderung besteht darin, dass die verwendeten Modelle einfach zu berechnen sind, aber nur einen einzigen Artikel oder eine einzige Produktionsstufe abdecken, ohne Ressourcenbeschränkungen zu berücksichtigen. Darüber hinaus haben die gängigen Losgrössenansätze einen rein lokalen Kostenfokus und berücksichtigen möglicherweise nicht die übergreifenden Unternehmensziele eines Unternehmens. Dies kann zu suboptimalen Losgrössen mit unangemessener Ressourcennutzung und unzureichendem Servicegrad führen.

Die steigende Verfügbarkeit von Informationen über Nachfrage, Anlagenauslastung und Kundenanforderungen sowie kürzere Berechnungszeiten digitaler Technologien entfachen die Diskussion über die Optimierung von Losgrössen und die damit verbundenen Berechnungsmethoden neu.

In dieser Übung wird untersucht, wie digitale Technologien wie die Diskrete Event Simulation (DES) den Entscheidungsfindungsprozess für Losgrössen und die damit verbundene OM-Konzepte in einem Fertigungsunternehmen beeinflussen können. Dafür stellen wir ein Entscheidungsmodell für die Losgrössenbestimmung vor, das anschliessend durch Simulationsexperimente bewertet wird. Zudem wird aufgezeigt, wie ein ERP-System hinsichtlich den Losgrössenbestimmungen arbeitet und wo die Schwächen in Bezug zur Losgrössenberechnungen liegen.

Studierende sollen mithilfe eines Simulationsmodelles und einem Optimierungsansatz ein besseres Verständnis für verschiedene Losgrössenberechnungsmethoden entwickeln, wobei reale Produktionsprozesse und Daten aus der Smart Factory als Lerngrundlage dienen. Damit ist eine enge Vernetzung zu der Realität in den Firmen gegeben.

Detaillierte Beschreibung von Inhalt und Ablauf

Inhalt

Zur Vorbereitung dieser Übung wurde ein Simulationsmodell (Software: Simio) des Produktionsnetzwerks der Smart Factory @ OST erstellt, welches sich auf den Fertigungsprozess des Unihockeyballs in Rapperswil und den Fertigungs- und Montageprozess des Wireless-Chargers in Rapperswil resp. Buchs bezieht. Damit sich die Studierenden mit der Diskreten Event Simulation auseinandersetzen und ihre Fähigkeiten darin verbessern, wurde das Simulationsmodell zu einem gewissen Grad zurückgebaut, welches in erster Linie durch die Studierenden wieder vervollständigt werden muss. Dabei wurden ebenfalls entsprechende Powerpoint-Slides erstellt, welche die Studierenden als Hilfestellung beim Wiederaufbau nutzen können.

In zweiter Linie, basierenden auf dem vervollständigten Modell, experimentieren die Studierenden mit verschiedenen Losgrössenstrategien und vergleichen und bewerten deren Ergebnisse, um eine entsprechende Schlussfolgerung mit Vor- und Nachteilen ausarbeiten zu können.

Ablauf

Woche 1:

  • Verstehen des Kontexts innerhalb der Smart Factory @ OST
  • Wiederaufbau des Produktionsprozesses für den Unihockeyball
  • Datenintegration der Nachfrage in Simio

Woche 2:

  • Programmieren und Implementieren der Losgrössenstrategien
  • Durchführen von Experimenten und Interpretation der Ergebnisse
Metadaten
Version 1
Bloomsche Taxonomy
  • K5 - synthetisieren
  • K6 - beurteilen
Sprache
  • Englisch
Anzahl Lektionen 8
Art des Unterrichts
  • Vorlesung
  • Übung (ohne Labor/Werkstätte)
Voraussetzungen

Abschluss der Lerneinheiten:

  • Lean Production
  • Operation Research 1
  • Modellbildung und Simulation

Grundlagen in:

  • Lean Production
  • Operation Research 1
  • Modellbildung und Simulation
Vorbereitungen, Bedingungen

Vorlesungsmaterialien

  • Smart Factory 2023 Week11.pdf
  • Smart Factory 2023 Week12.pdf

Übungsmaterialien

  • pptx à (Hilfestellung Wiederaufbau)
  • pptx à (Hilfestellung Wiederaufbau)
  • pptx à (Hilfestellung Wiederaufbau)
  • Input_Data für Simualtion Smart_Factory_OST.xlsx à (Nachfragedaten)
  • spfx à (Simulationsmodell Simio-File)
  • spfx à (Simulationsmodell Simio-File)
  • spfx à (Simulationsmodell Simio-File)

Prüfungsmaterialien

  • Exam_SFFACTORY_HS20-EN-Part-III.pdf
  • Exam_SFFACTORY_HS21-EN-Part-III.pdf
  • Exam_SFFACTORY_HS22-EN-Part-III.pdf
Lernziele
1 Kompetenzen hinsichtlich des Werkzeugs der Diskreten Event Simulation ausbauen, damit dies in realen Fällen angewendet werden kann. K5 Synthese

K6 Beurteilen

2 Ein besseres Verständnis der verschiedenen Strategien zur Losgrössenbestimmung und die Fähigkeit, sie in realen Fällen umzusetzen. K5 Synthese

K6 Beurteilen

3 Die Schwächen gängiger Losgrössenansätze und deren Auswirkungen verstehen, um entsprechende Gegenmassnahmen ableiten zu können. K5 Synthese

K6 Beurteilen

4 Bewertung der Leistung verschiedener Losgrössenstrategien durch Simulationsexperimente. K5 Synthese

K6 Beurteilen

Autor Rinderer Roger
Co-Autor:innen

Shuangqing Liao, shuangqing.liao@ost.ch
Roman Hänggi, roman.haenggi@ost.ch

Original-Studiengang Wirtschaftingenieurwesen Maschinentechnik
5. Semester
Dateien
Zip-Datei 1334 (Typ: application/zip)

Der Lerninhalt ist schwierig!/The learning content is difficult!

Rating: 4.00/5. Von 1 Bewertung.
Please wait...

Der Lerninhalt ist praxisorientiert!/The learning content is practice-orientated!

Rating: 5.00/5. Von 1 Bewertung.
Please wait...

Das Material unterstützt mich!/The learning material supports me!

Rating: 5.00/5. Von 1 Bewertung.
Please wait...

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Nach oben scrollen