Bewertung von Flexibilitätsstrategien für die Endmontage in der Automobilindustrie
Bewertung von Flexibilitätsstrategien für die Endmontage in der Automobilindustrie
复制标题
汽车工业终结的灵活性战略
DOI：
10.18419/opus-4123
复制
发表时间：
2008
影响因子：
2.7
通讯作者：
J. Roscher
中科院分区：
文献类型：
--
作者：
J. Roscher
Zur wirtschaftlichen Reaktion auf neue Produkte und Nachfrageschwankungen hat die strategische Montageplanung das Ziel, optimale Flexibilitatsstrategien fur die Produktion umzusetzen. Dabei stellt sich grundsatzlich die Frage, in welche Flexibilitat an einem Standort investiert werden soll. Abhangig ist die Wahl vor allem von den zu fertigenden Produkten. Lassen sich verschiedene Produkte effizient auf einer Linie fertigen, so konnen produktflexible Anlagen dauerhaft gut ausgelastet werden. Unterscheiden sich die Produkte zu stark, so ist die Produktion auf spezifischen Ein-Produkt-Linien, so genannten Solitarlinien, zweckmasig. Das Abfangen von Nachfrageschwankungen kann dann uber eine Volumenflexibilitat erfolgen. Die Wahl der Flexibilitatsstrategie ist jedoch nicht nur abhangig vom zukunftigen Produktportfolio. Einfluss hat zusatzlich die standortspezifische Kostenstruktur und Personalflexibilitat.
In die Kostenbewertung von Flexibilitatsstrategien gehen auf der einen Seite die Investitionen fur die Systemflexibilitat ein. Auf der anderen Seite muss der im Produktionsbetrieb auftretende Flexibilitatsnutzen bewertet werden. Wahrend die Investitionen in der Regel einfach abzuleiten sind, gestaltet sich die Vorhersage des Flexibilitatsnutzens schwieriger. Die Schwierigkeit liegt darin, dass die implementierte Flexibilitat als ein Potenzial anzusehen ist, das die Reaktionsfahigkeit im Produktionsbetrieb steigert. Sie wird nur genutzt, wenn ein Flexibilitatsbedarf besteht. Welche Flexibilitat mit welcher Auspragung verwendet wird und welche Kosten dabei entstehen, hangt von einer Vielzahl technischer und arbeitsorganisatorischer Randbedingungen ab. Um dennoch eine Vorhersage der zeitdynamischen Flexibilitatsnutzung und ihrer Kosten zu ermoglichen, sind neue Planungshilfsmittel erforderlich.
Dafur bietet sich das Konzept der hierarchischen Planung an: Nachdem funktionale Zusammenhange zwischen den Reaktionsmoglichkeiten im Montagebetrieb und den daraus resultierenden Montagebetriebskosten existieren, kann die Antizipation des Montagebetriebs auf Basis einer mathematischen Optimierung durchgefuhrt werden. Sie erlaubt eine Vorhersage des zukunftigen Entscheidungsverhaltens bei der Flexibilitatsnutzung. Voraussetzung ist eine ausreichend detaillierte Betriebskostenstruktur und die Berucksichtigung betrieblicher Lerneffekte. Zu diesem Zweck werden im Rahmen der Arbeit drei Kernelemente konzipiert und umgesetzt: Das Montage-, das Lernkurven- und das Optimierungsmodell.
Das Montagemodell ermoglicht bei spezifischen produkt- und standortspezifischen Eingangsgrosen und fur ein gegebenes Entscheidungsverhalten im Produktionsbetrieb die Ableitung der Betriebskosten. Das Modell basiert auf analytischen Zusammenhangen und integriert neben einer Kapazitatsrechnung eine Arbeitskraftebedarfs- und Kostenrechnung. Das Lernkurvenmodell beschreibt zukunftige betriebliche Lerneffekte nach Anlaufen und Anpassungsmasnahmen. Das Modell basiert auf mengentheoretischen Uberlegungen, die Lernkurveneffekte uber der kumulierten Anzahl durchgefuhrter ahnlicher Arbeitsvorgange aufzeigen. Dabei wirkt das Lernkurvenmodell nicht nur auf Einzellinien, sonder anteilig auch linienubergreifend. Das Optimierungsmodell schlieslich basiert auf der dynamischen Programmierung und prognostiziert das Entscheidungsverhalten bei der Flexibilitatsnutzung im Produktionsbetrieb. Als Entscheidungsvariablen werden die Instrumente der operativen Montageplanung integriert betrachtet. Dies umfasst sowohl die technische Flexibilitat des Systems als auch die Personalflexibilitat des Standorts. Beispielsweise werden Taktzeiten, Einstellungen befristeter und unbefristeter Arbeitskrafte, Schichtmodelle und das Produktionsprogramm uber der Zeit optimiert. Das kostenoptimale Ergebnis zeigt auf, zu welchen Personal- und Anpassungskosten das Produktionsprogramm bei gegebener implementierter Flexibilitat zukunftig produziert werden kann.
Die entwickelten Methoden wurden im Rahmen der Dissertation in einem Planungswerkzeug umgesetzt. Der Lifecycle Adaptation Planner (LAP) fuhrt zu einer hoheren Transparenz der Auswirkungen von strategischen Investitionsmasnahmen auf die Montagebetriebskosten und erlaubt damit eine Optimierung der Flexibilitatsstrategie. Im Anwendungsfall der Arbeit weist der LAP das Potenzial produktflexibler Montagelinien fur innovative Kompaktklassefahrzeuge aus.
Mit dieser Arbeit ist ein weiterer Schritt zur Planung flexibler Montagesysteme gemacht worden. Jedoch mussen weitere Schritte folgen. Dabei kann die Nutzung mathematischer Verfahren dazu beitragen, dass die Automobilindustrie ihre Auslastung, Lieferfahigkeit und Effizienz weiter steigert.
Flexibility strategies for assembly shops are described by the number of assembly lines, their level of automation and their product and volume flexibility. To evaluate these strategies in terms of financial efficiency, two cost factors have to be considered: the investment in the flexibility and the benefit of the flexibility during production.
This doctoral thesis proposes the necessary methods and models to anticipate the future benefits of a investment in flexibility. Therefore, based on the concept of hierarchical planning, three components are developed: The "dynamic assembly model", the "learning curve model" and the "optimization model". The dynamic assembly model describes the functional dependencies between the tactical assembly planning, the necessary resources and the resulting cost. For example, it calculates the impact of takt times and shift models on the required amount of employees. The learning curve model describes the learning curve effects in the assembly lines. For ramp ups and takt time changes, learning curves for assembly times, uptimes and takt efficiency losses are quantified. Finally, linked to both the dynamic assembly model and the learning curve model, the optimization model calculates the cost optimal solution to use the given flexibility during production. The optimization is executed by dynamic programming. As an example, takt times, the amount of fix and temporary workers, the shift models and the production program are optimized for every period of the production lifecycle. The smaller the anticipated operational cost of the future, the higher the benefits of the planned flexibility.
The models and methods developed were implemented in a decision supporting system named "Lifecycle Adaptation Planner" (LAP). In the case study, the LAP proves the benefits of product flexible assembly lines for the production of innovative compact cars in volatile markets. The higher and constant capacity utilization in the flexible lines is leading to a lower investment and to a reduced necessity of expensive takt time changes. Additionally, learning curves after ramp-ups can be realized with a much higher volume. Thus, assembly times are reduced more quickly and for longer term than in one-product lines with lower volumes.
