h1

000954251 001__ 954251
000954251 005__ 20230424161040.0
000954251 0247_ $$2HBZ$$aHT021778887
000954251 0247_ $$2Laufende Nummer$$a42121
000954251 0247_ $$2datacite_doi$$a10.18154/RWTH-2023-03051
000954251 037__ $$aRWTH-2023-03051
000954251 041__ $$aGerman
000954251 082__ $$a620
000954251 1001_ $$0P:(DE-588)1283974495$$aStehr, Ernst-August$$b0$$urwth
000954251 245__ $$aNutzung der ereignisdiskreten Simulation für die operative Produktionsplanung in der mehrstufigen Einzel- und Kleinserienfertigung$$cvorgelegt von Ernst-August Stehr$$honline
000954251 246_3 $$aUsage of discrete event simulation for operative production planning in multilevel job-shops$$yEnglish
000954251 260__ $$aAachen$$bRWTH Aachen University$$c2022
000954251 260__ $$c2023
000954251 300__ $$a1 Online-Ressource : Illustrationen, Diagramme
000954251 3367_ $$02$$2EndNote$$aThesis
000954251 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
000954251 3367_ $$2BibTeX$$aPHDTHESIS
000954251 3367_ $$2DRIVER$$adoctoralThesis
000954251 3367_ $$2DataCite$$aOutput Types/Dissertation
000954251 3367_ $$2ORCID$$aDISSERTATION
000954251 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2022$$gFak04$$o2022-05-02
000954251 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University 2023
000954251 5203_ $$aIm globalen Wettbewerb müssen sich Unternehmen differenzieren. Eine Möglichkeit dazu besteht in kurzen Lieferzeiten und hoher Liefertermintreue. Umfragen belegen die überragende Bedeutung dieser Kennzahlen für die Produktion und insbesondere die Fertigungssteuerung. Diese Ziele können einerseits durch organisatorische, prozessuale und technologische Maßnahmen erreicht werden. Die getaktete Fließfertigung und ihre Erweiterungen Lean Production und Variantentaktfertigung haben enorme Fortschritte erzielt. Diese Ansätze können jedoch nicht ohne weiteres auf den Bereich der Einzel- und Kleinserienfertigung übertragen werden, da sich sehr unterschiedliche Produkte die gleichen Anlagen teilen. Deshalb kommen hier vermehr Softwaresysteme zum Einsatz. Dies begann mit ERP-Systemen (Transaktionsdaten, Abrechnung) und entwickelte sich über MRP (Materialplanung ohne Betrachtung von Kapazitäten) zu APS-Systemen weiter (Simultane Planung der wesentlichen Restriktionen). Letztere reagieren jedoch sehr empfindlich auf Produktionsabweichungen, so dass sich die genannten Liefertermine bereits bei geringen Störungen massiv verändern. Eine hohe Liefertermintreue wird damit nicht erreicht. Andererseits wurde seit den 1960-ern die ereignisdiskrete Simulation (EDS) zur Auslegung von Produktionssystemen unter starken Unsicherheiten eingesetzt. In dieser Arbeit wird der grundsätzliche Algorithmus so erweitert, dass er in der mehrstufigen Einzel- und Kleinserienfertigung benutzt werden kann. Dies setzt die gleichzeitige Betrachtung von Personal-, Maschinen- und Materialverfügbarkeit voraus. Die Neuentwicklung ist erstmals im Bereich der EDS in der Lage, die Fertigung von mehreren Komponenten für einen Montageprozess nicht nur abzubilden, sondern zu koordinieren. Dieser Algorithmus wurde mit einem typischen APS-Algorithmus verglichen. Dazu wurde ein solcher implementiert und mit dem neuen Ansatz auf das gleiche, reale Produktionsprogramm eines mittelständischen Maschinenbauers angewandt. Dabei sind die Planungsergebnisse im Vergleich zu der Referenzimplementierung hinsichtlich Bestandshöhe, Durchsatz (7%) und Auslastung (25%) besser und die Planung erfordert weniger als 5% der Zeit. Ein Kernpunkt des Benchmarks ist die systematische Untersuchung, wie empfindlich die Algorithmen auf Störungen reagieren. Dazu wurden Produktionsabweichungen hinsichtlich Beschaffungsdauern von Einkaufsteilen, Kapazitäten und auftragsbezogenen Störungen in 4 verschiedenen Niveaus simuliert. Die EDS erreicht in allen Szenarien eine etwa 20%-Punkte höhere Termintreue als die herkömmlichen Algorithmen und einen höheren Durchsatz. Daneben wurden noch Untersuchungen angestellt, wie stark sich unterschiedliche Störungsarten auf die Terminabweichung auswirken und welche Pufferstrategien am besten geeignet sind. Die Unterplanung der Kapazitäten hat sich dabei in allen Algorithmen als sinnvoll erwiesen, die sinnvolle Nutzung von Zeitpuffern erfordert dagegen Veränderungen an der Planungslogik.$$lger
000954251 520__ $$aManufacturing companies face stiff competition in global markets. One way of differentiating themselves is by fast and reliable delivery of goods. Studies confirm the paramount importance of these in the manufacturing control departments of the industry. These objectives are either accomplished by technological, processual or organisational changes. The paced assembly lines of the automotive industry and its successors of Lean production and mixed model assembly have achieved tremendous successes in supplying the world with its goods. However, these methods cannot easily be transferred to a job shop with single products or small series as many very different products have to share the same factory. An alternative approach is the usage of software for production planning. This started with ERP (transactional and accounting) via MRP (material planning without capacities) to APS (simultaneous planning of all relevant factors). The last option however reacts very nervous to minor production deviations, leading to massive changes in the forecasted delivery times. Discrete Event Simulation (DES) has been used since the 1960’s to plan factories under high levels of uncertainty. This thesis extends this basic algorithm to allow the operative planning of multi-level job-shops. Therefore, simultaneously personal-, machine- and material availability has to be considered. The developed algorithms is for the first time able to coordinate order networks of multiple components for one assembly instead of just reacting to the manufacturing progress of the parts. The resulting algorithm was benchmarked against a version of a typical APS algorithm. The latter was re-implemented and tested against the new DES for the same real-world manufacturing data set. Results indicate that DES is slightly better in terms of utilization, throughput and inventory (5-10%) but much faster (95%) in the calculation of the plan. A key analysis was the simulation of production deviations and their influence on the generated plans. Again DES had in all scenarios a delivery reliability that was approx. 20%-points better than the reference. Further experiments show the impact of different categories of deviations (e.g. capacity, deliveries of externally sourced parts, sequencing errors) as well as that of planned buffers.$$leng
000954251 588__ $$aDataset connected to Lobid/HBZ
000954251 591__ $$aGermany
000954251 653_7 $$aProduktionsplanung
000954251 653_7 $$aadvanced planning system
000954251 653_7 $$acapacitated planning
000954251 653_7 $$adiscrete event simulation
000954251 653_7 $$amaterial requirements planning
000954251 653_7 $$aproduction control
000954251 653_7 $$aproduction planning
000954251 7001_ $$0P:(DE-82)IDM00801$$aSchuh, Günther$$b1$$eThesis advisor$$urwth
000954251 7001_ $$0P:(DE-82)015562$$aStich, Volker$$b2$$eThesis advisor$$urwth
000954251 8564_ $$uhttps://publications.rwth-aachen.de/record/954251/files/954251.pdf$$yOpenAccess
000954251 8564_ $$uhttps://publications.rwth-aachen.de/record/954251/files/954251_source.doc$$yRestricted
000954251 8564_ $$uhttps://publications.rwth-aachen.de/record/954251/files/954251_source.docx$$yRestricted
000954251 8564_ $$uhttps://publications.rwth-aachen.de/record/954251/files/954251_source.odt$$yRestricted
000954251 909CO $$ooai:publications.rwth-aachen.de:954251$$pdnbdelivery$$pdriver$$pVDB$$popen_access$$popenaire
000954251 9141_ $$y2022
000954251 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
000954251 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-588)1283974495$$aRWTH Aachen$$b0$$kRWTH
000954251 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00801$$aRWTH Aachen$$b1$$kRWTH
000954251 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)015562$$aRWTH Aachen$$b2$$kRWTH
000954251 9201_ $$0I:(DE-82)417210_20140620$$k417210$$lLehrstuhl für Produktionssystematik$$x0
000954251 9201_ $$0I:(DE-82)417200_20140620$$k417200$$lWerkzeugmaschinenlabor WZL der RWTH Aachen$$x1
000954251 961__ $$c2023-04-19T09:54:35.683442$$x2023-03-24T16:17:33.335597$$z2023-04-19T09:54:35.683442
000954251 980__ $$aI:(DE-82)417200_20140620
000954251 980__ $$aI:(DE-82)417210_20140620
000954251 980__ $$aUNRESTRICTED
000954251 980__ $$aVDB
000954251 980__ $$aphd
000954251 9801_ $$aFullTexts