Please use this identifier to cite or link to this item: http://dx.doi.org/10.18419/opus-4123
Authors: Roscher, Jörg
Title: Bewertung von Flexibilitätsstrategien für die Endmontage in der Automobilindustrie
Other Titles: Evaluation of flexibility stratgies for assembly shops in the automotive industry
Issue Date: 2008
metadata.ubs.publikation.typ: Dissertation
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-34021
http://elib.uni-stuttgart.de/handle/11682/4140
http://dx.doi.org/10.18419/opus-4123
Abstract: Zur wirtschaftlichen Reaktion auf neue Produkte und Nachfrageschwankungen hat die strategische Montageplanung das Ziel, optimale Flexibilitätsstrategien für die Produktion umzusetzen. Dabei stellt sich grundsätzlich die Frage, in welche Flexibilität an einem Standort investiert werden soll. Abhängig ist die Wahl vor allem von den zu fertigenden Produkten. Lassen sich verschiedene Produkte effizient auf einer Linie fertigen, so können produktflexible Anlagen dauerhaft gut ausgelastet werden. Unterscheiden sich die Produkte zu stark, so ist die Produktion auf spezifischen Ein-Produkt-Linien, so genannten Solitärlinien, zweckmäßig. Das Abfangen von Nachfrageschwankungen kann dann über eine Volumenflexibilität erfolgen. Die Wahl der Flexibilitätsstrategie ist jedoch nicht nur abhängig vom zukünftigen Produktportfolio. Einfluss hat zusätzlich die standortspezifische Kostenstruktur und Personalflexibilität. In die Kostenbewertung von Flexibilitätsstrategien gehen auf der einen Seite die Investitionen für die Systemflexibilität ein. Auf der anderen Seite muss der im Produktionsbetrieb auftretende Flexibilitätsnutzen bewertet werden. Während die Investitionen in der Regel einfach abzuleiten sind, gestaltet sich die Vorhersage des Flexibilitätsnutzens schwieriger. Die Schwierigkeit liegt darin, dass die implementierte Flexibilität als ein Potenzial anzusehen ist, das die Reaktionsfähigkeit im Produktionsbetrieb steigert. Sie wird nur genutzt, wenn ein Flexibilitätsbedarf besteht. Welche Flexibilität mit welcher Ausprägung verwendet wird und welche Kosten dabei entstehen, hängt von einer Vielzahl technischer und arbeitsorganisatorischer Randbedingungen ab. Um dennoch eine Vorhersage der zeitdynamischen Flexibilitätsnutzung und ihrer Kosten zu ermöglichen, sind neue Planungshilfsmittel erforderlich. Dafür bietet sich das Konzept der hierarchischen Planung an: Nachdem funktionale Zusammenhänge zwischen den Reaktionsmöglichkeiten im Montagebetrieb und den daraus resultierenden Montagebetriebskosten existieren, kann die Antizipation des Montagebetriebs auf Basis einer mathematischen Optimierung durchgeführt werden. Sie erlaubt eine Vorhersage des zukünftigen Entscheidungsverhaltens bei der Flexibilitätsnutzung. Voraussetzung ist eine ausreichend detaillierte Betriebskostenstruktur und die Berücksichtigung betrieblicher Lerneffekte. Zu diesem Zweck werden im Rahmen der Arbeit drei Kernelemente konzipiert und umgesetzt: Das Montage-, das Lernkurven- und das Optimierungsmodell. Das Montagemodell ermöglicht bei spezifischen produkt- und standortspezifischen Eingangsgrößen und für ein gegebenes Entscheidungsverhalten im Produktionsbetrieb die Ableitung der Betriebskosten. Das Modell basiert auf analytischen Zusammenhängen und integriert neben einer Kapazitätsrechnung eine Arbeitskräftebedarfs- und Kostenrechnung. Das Lernkurvenmodell beschreibt zukünftige betriebliche Lerneffekte nach Anläufen und Anpassungsmaßnahmen. Das Modell basiert auf mengentheoretischen Überlegungen, die Lernkurveneffekte über der kumulierten Anzahl durchgeführter ähnlicher Arbeitsvorgänge aufzeigen. Dabei wirkt das Lernkurvenmodell nicht nur auf Einzellinien, sonder anteilig auch linienübergreifend. Das Optimierungsmodell schließlich basiert auf der dynamischen Programmierung und prognostiziert das Entscheidungsverhalten bei der Flexibilitätsnutzung im Produktionsbetrieb. Als Entscheidungsvariablen werden die Instrumente der operativen Montageplanung integriert betrachtet. Dies umfasst sowohl die technische Flexibilität des Systems als auch die Personalflexibilität des Standorts. Beispielsweise werden Taktzeiten, Einstellungen befristeter und unbefristeter Arbeitskräfte, Schichtmodelle und das Produktionsprogramm über der Zeit optimiert. Das kostenoptimale Ergebnis zeigt auf, zu welchen Personal- und Anpassungskosten das Produktionsprogramm bei gegebener implementierter Flexibilität zukünftig produziert werden kann. Die entwickelten Methoden wurden im Rahmen der Dissertation in einem Planungswerkzeug umgesetzt. Der Lifecycle Adaptation Planner (LAP) führt zu einer höheren Transparenz der Auswirkungen von strategischen Investitionsmaßnahmen auf die Montagebetriebskosten und erlaubt damit eine Optimierung der Flexibilitätsstrategie. Im Anwendungsfall der Arbeit weist der LAP das Potenzial produktflexibler Montagelinien für innovative Kompaktklassefahrzeuge aus. Mit dieser Arbeit ist ein weiterer Schritt zur Planung flexibler Montagesysteme gemacht worden. Jedoch müssen weitere Schritte folgen. Dabei kann die Nutzung mathematischer Verfahren dazu beitragen, dass die Automobilindustrie ihre Auslastung, Lieferfähigkeit 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.
Appears in Collections:07 Fakultät Konstruktions-, Produktions- und Fahrzeugtechnik

Files in This Item:
File Description SizeFormat 
Diss_Roscher.pdf1,17 MBAdobe PDFView/Open


Items in OPUS are protected by copyright, with all rights reserved, unless otherwise indicated.