Customized Engineering und der Aufbau einzigartiger Produkte sind komplexe Aufgaben, bei denen das Projektmanagement mit vielen Unsicherheiten behaftet ist. Simulationstechniken könnten helfen, verbesserte und robustere Pläne während des Projektmanagements zu evaluieren und zu erreichen, werden aber typischerweise in der Industrie, insbesondere in kleinen und mittleren Unternehmen (KMU), nicht angewendet. Dieser Beitrag stellt einige Ideen aus dem gemeinsamen Forschungsprojekt SimCast der Universitäten Kassel und der Westsächsischen Hochschule Zwickau vor. Es zielt auf die Entwicklung einer Methode zur Abschätzung der Dauer einer Projektaufgabe bei der Projektplanung. Basierend auf dem recherchierten Stand der Technik werden Anforderungen und ein Planungsprozess beschrieben sowie ein Entwurf der aktuellen technischen Infrastruktur des geplanten modularen Prototyps erstellt. Erste Plug-ins sind implementiert und zeigen bereits mögliche Vorteile für den Projektmanagementprozess. Der Beitrag beschreibt mögliche Szenarien für den Einsatz von Simulationstechniken in diesem Umfeld, basierend auf den gewonnenen Erfahrungen.
Die termingerechte Fertigstellung und Auslieferung eines Produktes ist heute ein wichtiger Wettbewerbsfaktor für produzierende Unternehmen (Emmanouilidis et al. 2012). Dies gilt insbesondere für Unternehmen, die Unikate oder Kleinserien herstellen, also typischerweise für KMU. Ein wichtiges Ziel moderner Fertigungsunternehmen ist es, die Wertschöpfung in und um die Fertigung zu erhöhen, indem alle unproduktiven Arbeitsbelastungen und Pufferzeiten konsequent abgebaut werden. Der Unternehmenserfolg wird durch die effiziente Gestaltung der wertschöpfenden Prozesse, die zuverlässige und präzise Terminierung und damit auch durch einen validen Planungsprozess bestimmt. Wie bereits in Gutfeld et al. (2014) und Gutfeld et al. (2015) argumentiert, unterscheidet sich der kundenindividuelle Bau von Anlagen, Maschinen oder Unikaten im Allgemeinen deutlich von der stationären Serienfertigung. Neben technischen und baulichen Grenzen sind auch organisatorische Projektvorgaben (z. B. Produktionsschritte, Bauphasen oder Ressourcendisposition) und logistische Randbedingungen relevant. Die zeitliche Machbarkeit von Design, Konstruktion und Produktion, die Robustheit von Projektplänen sowie die kundenspezifischen Randbedingungen sind für die Wettbewerbsfähigkeit der beteiligten Unternehmen von entscheidender Bedeutung. Gerade bei einer Unikatfertigung können aufgrund der projektspezifischen Kundenaufträge und Komponenten nur begrenzt Annahmen zur Ermittlung von Prozesszeiten aus früheren Projekten abgeleitet und 1:1 auf neue Projekte übertragen werden. Aus diesem Grund werden im Planungsprozess häufig zusätzliche Zeitpuffer eingeplant, um auf Unsicherheiten und mögliche Störungen reagieren zu können. Sie sind in der Regel kostenintensiv und können vor allem für KMU einen Wettbewerbsnachteil darstellen; ein schwacher Planungsprozess führt zu einer schwächeren Marktposition.
Die heutigen Projektmanagement-Tools bieten noch keine Methodik, die einen Planer bei der zuverlässigen Vorhersage von Prozessen in diesem Umfeld unterstützt. Die Planung und Umsetzung - insbesondere in KMU - erfolgt heute noch überwiegend mit einfachen Methoden des Projektmanagements. Ansätze, die den Einsatz von Simulationen in Betracht ziehen, existieren und wurden in der Vergangenheit diskutiert, allerdings hauptsächlich aus akademischer Sicht. Durch den Einsatz der Simulation könnten zeitliche Unsicherheiten in der Logistik und in den Projektabläufen besser berücksichtigt werden. Allerdings ist die Erstellung spezifischer Simulationsmodelle für die logistischen Prozesse gerade bei einer Unikat-Produktion nicht in jedem Fall anwendbar, da ein Großteil der gegebenen Restriktionen des Projekts spezifisch für diesen einzigartigen Anwendungsfall ist. Dennoch kann die Simulation eine nützliche Rolle spielen. Nachdem in den ersten Abschnitten ein allgemeiner Überblick über den bestehenden Stand der Technik und den Ansatz des zugrunde liegenden Forschungsprojekts SimCast gegeben wird, werden in diesem Beitrag einige mögliche Ansätze diskutiert. Im Anschluss an die Simulationsanwendungsideen wird ein technischer Rahmen diskutiert, in den diese Ansätze integriert und pragmatisch eingesetzt werden können. Ein Ausblick auf zukünftige Arbeiten innerhalb des Forschungsthemas und insbesondere innerhalb des Forschungsprojekts schließt den Beitrag ab.
Die termingerechte Fertigstellung und Auslieferung eines Produktes sowie die im Rahmen der vierten industriellen Revolution geforderte Individualisierung von Produkten sind heute wichtige Wettbewerbsfaktoren für produzierende Unternehmen. Dies gilt insbesondere für kundenspezifische Konstruktionen, die in der Regel durch eine Unikatfertigung realisiert werden. Die Auftragsabwicklung ist mit einer hohen Kundenspezifität und Komplexität behaftet, die eine Übertragung von Standardisierung im Produktgeschäft nicht zulässt. Das kundenindividuelle Produkt wird in der Regel in einer standortgebundenen Fertigung hergestellt; Kleinserien in Abhängigkeit von den Bauteiltypen werden ebenfalls in der standortgebundenen Fertigung vorkonfiguriert. Die Planung und Durchführung dieser Fertigungsaufträge kann als eine Projektmanagementaufgabe verstanden werden. Pmbok (2013) definiert Projektmanagement als Anwendung von Wissen, Fähigkeiten, Werkzeugen und Techniken auf Projektaktivitäten, um Projektanforderungen zu erfüllen. In der Serienfertigung werden insbesondere die logistischen Prozesse als Teil der Fabrikplanung verstanden; in der auftragsspezifischen Fertigung (Einzel- und Kleinserienfertigung) werden diese Prozesse erst in der Projektplanungsphase nach Auftragserteilung eingerichtet. Je nach Art der spezifischen Teilmodule (Menge, Größe, Entfernung zum Kunden) müssen z.B. Schwertransporte für die Produktion einer Großanlage geplant werden. Ebenso müssen die innerbetrieblichen Transporte von Kränen und Gabelstaplern mit spezieller Ausstattung individuell geplant und terminiert werden.
Projektmanagement-Tools sind zur Unterstützung der Projektplanung weit verbreitet und spielen eine entscheidende Rolle für eine erfolgreiche Projektabwicklung. Im Gegensatz zur Serienfertigung kann das Erfahrungswissen aus vergangenen Projekten aufgrund der kundenspezifischen Komponenten nicht eins zu eins auf ein neues Projekt übertragen werden. Die historischen Daten erfolgreicher Projektpläne können nur bedingt genutzt werden. Daher schätzen Experten die Prozesszeiten manuell grob ab und addieren insbesondere die logistischen Prozesszeiten zur Gesamtprojektzeit. Zwar lassen sich Wechselwirkungen zwischen einzigartigen Produkten und ihren logistischen Prozessen abbilden (vgl. z.B. Heidmann 2015; Voigtmann 2014; Szczesny und König 2015), jedoch sind diese Prozesse aufgrund der Kundenauftrags- oder Bauteilspezifität mit starken Unsicherheiten durch Störfaktoren verbunden. Da ein sicheres Zeitmanagement im globalen Wettbewerb wichtig ist, fügt der Projektplaner zusätzliche Puffer hinzu, um einen konsistenten Rahmen von personellen, technischen und finanziellen Rahmenbedingungen festzulegen. Insbesondere muss für jeden (Teil-)Prozess eines Projekts eine bestimmte Zeitspanne eingeplant werden. Akhavian und Behzadan (2013) sowie Xie et al. (2011) schlagen verschiedene Ansätze zur Verbesserung der Schätzung von Projektlaufzeiten durch Wissensextraktion oder die Erhebung von Echtzeitdaten für konkrete Einzelfälle vor, beziehen sich aber nicht auf logistische Prozesszeiten in der Einzel- oder Kleinserienfertigung.
Zur Unterstützung der Planung und des Controllings von Großbaustellen existieren in verschiedenen Anwendungsbereichen spezifische Softwaretools, die einfache Projektszenarien simulieren und die Ergebnisse visualisieren, indem sie verschiedene Ereignisse auf Lageplänen in Abhängigkeit von zeitlichen Abläufen darstellen. Diese Simulationswerkzeuge berücksichtigen den Vorrang einer Kombination von Lage- und Terminplänen für die Visualisierung tragbarer, zeitlich gemessener Prozesse, ohne dabei logistische Prozesse zu behandeln oder zu betrachten. Andere Simulationstools bieten die Möglichkeit der Distanz-Zeit-Planung und stellen Bauprozesse in entsprechenden Distanz-Zeit-Diagrammen dar (TILOS 2018). Diese Art von Simulationssoftware wird häufig im Straßen-, Schienen-, Rohrleitungs- oder Tunnelbau eingesetzt. Einen prozessorientierten Ansatz bietet das Tool OTD-PM (Fraunhofer 2018). Hierbei handelt es sich um ein Prozesskettenmodell, das die Simulation und Visualisierung der Projektschritte ermöglicht und die Berücksichtigung des logistischen Zulieferprozesses erlaubt.
In der deutschen Schiffbauindustrie wird das Simulationswerkzeug STS (Simulation Toolkit Shipbuilding) eingesetzt, das seit den 1990er Jahren kontinuierlich für den kundenindividuellen Schiffbau angepasst wird (Steinhauer 2008). Das Toolkit ist in die Siemens Plant Simulation integriert und enthält parametrisierte und wiederverwendbare Blöcke zur Modellierung verschiedener Aspekte der Fertigung und Logistik. Darüber hinaus wurde der Einfluss von Wetterdaten abgebildet und für die diskrete Ereignissimulation entwickelt. Seit 2006 wird im Rahmen der Forschungsstiftung zwischen Schiffbau und Bauwesen "Simulation von Ausrüstungen im Schiffbau und Bauwesen" (SIMoFIT 2018; Steinhauer 2011) ein constraintbasierter Simulationsansatz entwickelt (Steinhauer et al. 2007). Ziel des Projektes ist ein simulationsbasiertes Planungswerkzeug, das die einzelnen Projektbeteiligten, Lieferanten, verschiedene Ausführungsvarianten, Auftragsabhängigkeiten und die dynamische Produktionsumgebung berücksichtigt. In dem beschriebenen Ansatz wird ein "ConstraintManager" in STS integriert, so dass dynamische Bedingungen unter Berücksichtigung von Vorgänger- und Nachfolgerbeziehungen den Bauprozess und Arbeitsschritte visualisieren können. Darüber hinaus soll es möglich sein, Abhängigkeiten von Zeit und Ressourcenverfügbarkeit, z.B. von Materialien oder Personal, zu visualisieren (siehe z.B. Beißert et al. 2010). Nach Steinhauer und König (2010) kann die simulationsgestützte Analyse, die üblicherweise in der Serienfertigung eingesetzt wird, genutzt werden, um die Planungssicherheit von Einzel- und Sonderanlagen zu bewerten und die Effizienz der Anlagenproduktion zu steigern. Auf diese Weise sind auch für kleinere Unternehmen Verbesserungspotenziale im Anlagenbau möglich.
Zwischen 2013 und 2015 arbeiteten die Universität Paderborn und die Universität Kassel an dem gemeinsamen Forschungsprojekt simject (Gutfeld et al. 2014; Gutfeld et al. 2015;). Ziel war es, die beschriebenen Probleme und Defizite des Projektmanagements zu minimieren und einen Demonstrator für ein simulationsbasiertes und logistikintegriertes Projektmanagement im Anlagenbau zu entwickeln. Zu Beginn des Forschungsprojekts führten die Universität Kassel und die Universität Paderborn gemeinsam mit mittelständischen Anlagenbauern aus dem Bereich der Umwelttechnologien eine Anforderungsanalyse für ein simulationsbasiertes, logistikintegriertes Projektmanagementtool durch. Zur Analyse der Restriktionen des Projektmanagements in diesem Bereich wurden Interviews durchgeführt. Die Ergebnisse spiegeln insbesondere wider, dass simulationsbasierte logistikintegrierte Projektmanagement-Tools eine Schnittstelle zu Projektplanungswerkzeugen wie Microsoft Project oder zumindest zum jeweiligen Enterprise Resource Planning (ERP)-System haben sollten. Darüber hinaus sollten Wetterinformationen und der Einfluss des Wetters auf die logistischen Prozesse in das Simulationsmodell einbezogen werden, um die Auswirkungen auf einen konkreten Projektplan ableiten zu können. Geografische Informationssystemdaten (GIS-Daten) sollten im Simulationsmodell eines solchen Tools abgebildet werden. Hinsichtlich der eingesetzten Simulationswerkzeuge wurden keine Simulationsanalysen von Projektprozessen im Rahmen der Projektplanung durchgeführt und keine simulationsgestützten Analysen von Projektplänen. Es wurde ein simulationsbasiertes Projektmanagement mit integrierter Logistik entwickelt, das den in Abbildung 1 dargestellten Nutzungsprozess unterstützt (siehe unten). Dieser Prozess beschreibt, ausgehend von einer deterministischen Terminplanung, die verschiedenen Schritte der probabilistischen Planung, die anschließende, während der Projektrealisierung aktualisierte Projektplansimulation sowie schließlich die Plananalyse (Gutfeld et al. 2014).
In den nächsten Projektschritten wurde ein Demonstrator entwickelt, der drei Ansätze für das Management von Anlagenbauprojekten integriert und vergleicht: deterministische Planung, Monte-CarloSimulation und Discrete Event Simulation (DES), vgl. Jessen et al. (2015). Der Vergleich zeigte, dass für jeden Ansatz ein entsprechendes Anwenderszenario gefunden werden kann. In der Praxis wird meist die deterministische Planung verwendet, da viele Tools zur Verfügung stehen, für die die Nutzer nur eine kurze Einarbeitung benötigen. Ein deterministischer Plan ist die Grundlage für die weitere Planung. Die Simulation hat ihre Vorteile, wenn genauere Informationen über Projekttermine erforderlich sind und Informationen über die enthaltene Unsicherheit relevant sind. Bei der Monte-Carlo-Simulation können Wahrscheinlichkeiten für die einzelnen Projektaufgaben und für das Projekt als Ganzes hinzugefügt werden. Die meisten Anwendungspartner des simject-Projekts haben bisher keine Erfahrungen mit dieser Methode gemacht. Daher muss das entsprechende Werkzeug sehr benutzerfreundlich gestaltet werden, damit die Anwender Vertrauen in diesen Ansatz fassen. DES ist als Methode sowohl für die logistische Planung als auch für die Terminplanung bekannt. Der große Modellierungsaufwand kann durch spezifische Modellkomponenten, die Einheiten des Anwendungsgebietes darstellen, reduziert werden. Im Rahmen des Projekts simject konnte gezeigt werden, dass Simulation die Projektplanung verbessern kann (Gutfeld et al. 2015). Aus dem Projekt haben sich jedoch einige Fragestellungen ergeben, die zum Teil in einem neuen Forschungsprojekt namens SimCast bearbeitet werden sollen, welches im nächsten Abschnitt kurz beschrieben wird.
Den meisten produzierenden KMUs fehlt es heute noch an einer praktikablen Methodik, um realistische Prozesszeiten für die Auftragsfertigung und deren Logistik mit Blick auf eine hohe Planungsqualität zu planen. Da Erfahrungen aus vergangenen Projekten nicht in die Schätzungen einfließen können, sind einige der entwickelten Ansätze aus dem Projekt simject nicht adäquat anwendbar, zumal die Methoden von produzierenden KMUs angewendet werden sollen. Im Rahmen des Forschungsprojektes SimCast wird ein Ansatz entwickelt, der die Dauer von logistischen Prozessen in der Einzel- oder Kleinserienfertigung unter Verwendung vorhandener historischer Projektdaten zuverlässig prognostizieren kann. Dadurch soll der Projektierungsaufwand minimiert werden. Das wissenschaftliche Ziel ist es, eine Methodik zur korrekten Ableitung und validen Quantifizierung von Prozessparameterwerten aus vergangenen Projekten zu konzipieren. Die Grundidee besteht darin, die logistischen Prozesse in der Einzel- oder Kleinserienfertigung zu klassifizieren und über im Rahmen eines Projektes festzulegende Parameter allgemeingültig zu beschreiben und in einen eindeutigen, quantifizierbaren Zusammenhang zur Prozessdauer zu stellen. Die Prozessdauer kann durch den Wert der Parameter vorhergesagt werden. Anschließend kann die Qualität der Schätzung auf Basis dieser Projektdaten für ein bestimmtes Signifikanzniveau bestimmt werden. Im Laufe der Zeit können die geschätzten Parameter kontinuierlich verbessert werden.
Das Hauptziel der Methodik ist die Bereitstellung einer Funktionalität zur Vorhersage der Prozessdauer als Entscheidungshilfe für die beteiligten Planer. Die Methodik soll später als Add-on für bestehende, von KMUs genutzte Projektmanagement-Tools implementiert werden. Eine praktikable Nutzung bestehender Methoden kombiniert mit externem Fachwissen ermöglicht eine verbesserte Entscheidungsunterstützung für KMU. Insgesamt wird der Planungsprozess qualitativ aufgewertet.
Abbildung 2: Skizze des Vorgehensmodells in SimCast.
Abbildung 2 zeigt das Zusammenspiel zwischen den logistischen Referenzprozessen (1), der allgemeinen Methodik-Toolbox (2), der Verfahrensmethodik (3) und der angepassten Methodik-Toolbox (4). Logistische Referenzprozesse für die Einzel- bzw. Kleinserienfertigung werden bereits in Anlehnung an das Supply-ChainOperations-Reference-(SCOR)-Modell entwickelt und bestimmen Einflussparameter (z.B. Länge, Gewicht oder Material von Bauteilen oder Kapazität von technischen oder personellen Ressourcen) einschließlich des erforderlichen Expertenwissens. Basierend auf den Ergebnissen einer Delphi-Studie werden die Parameter, die die Dauer der logistischen Prozesse besonders beeinflussen, auf Rollen mit Ursache-Wirkungs-Beziehungen gesetzt, um die Dauer der logistischen Prozesse zu quantifizieren. Der allgemeine Methodenbaukasten umfasst Managementmethoden zur Externalisierung und Systematisierung von Expertenwissen sowie Methoden der Datenanalyse und Business Intelligence, um die Prozessdauer für die logistischen Referenzprozesse auf der Basis historischer Daten abschätzen zu können. Damit liefert die Methodik eine bewertbare Abschätzung von logistischen Prozesszeiten für die Projektplanung. Die Vorgehensmethodik kann über den allgemeinen Methodenbaukasten für eine unternehmensspezifische Anpassung genutzt werden, so dass der allgemeine Methodenbaukasten zu einem unternehmensspezifisch angepassten Methodenbaukasten wird. Im Gegensatz zu den generischen Methoden unterstützt die Vorgehensmethodik das KMU bei der Externalisierung und Systematisierung des KMU-spezifischen Know-hows. Darüber hinaus werden die Übernahme der Referenzprozesse sowie die unternehmensspezifischen Prozessparameter und Kausalzusammenhänge in Bezug auf die Prozessdauer abgeleitet. Durch den Einsatz ausgewählter, kombinierter und konfigurierter Datenanalytik wird eine hohe Prognosequalität für den spezifischen Anwendungskontext erreicht. Die Prozessdauer innerhalb eines Projektplans kann dann mit Hilfe dieser Regeln des angepassten Methodenbaukastens prognostiziert werden. Die Validierung der Prognoseregeln kann durch Simulation erfolgen.
Ein Demonstrator bettet die Ergebnisse aus (1) und (2) beispielhaft in einen Projektplanungsprozess ein. Im Forschungsprojekt werden der allgemeine Methodenbaukasten und die Verfahrensmethodik durch den Demonstrator evaluiert. Im Hinblick auf die Integration der Methodik sollen vorrangig die von KMU eingesetzten Projektmanagement-Tools berücksichtigt werden. Die Möglichkeit der Erweiterung um weitere Projektmanagement-Tools ist grundsätzlich nach Abschluss des Projektes Ende 2018 gegeben.
Externes Wissen sowie historische Daten vergangener Projekte bilden die Grundlage für die Quantifizierung der logistischen Prozesszeiten. Mit Hilfe der unternehmensspezifischen Konfiguration des allgemeinen Methodenbaukastens wird der realistische Zeitbedarf für einen bestimmten logistischen Prozess vorhergesagt. Ein beispielhafter Abschätzungsprozess ist in Abbildung 3 dargestellt.
Der Anwender des Tools erhält ein verständliches Maß für die Sicherheit dieser Schätzung bzw. für die in der Schätzung enthaltene Unsicherheit. Das Ergebnis der Schätzung geht als Prozessparameter in den eigentlichen Projektplan ein und die gesamte Projektplanung kann mit festen Liefer- oder Produktionsstartterminen abgesichert werden.
Im Rahmen des SimCast-Projekts spielen verschiedene Simulationsmethoden eine Rolle, um einerseits die Prognoseregeln zu validieren und andererseits das Risikomanagement im Allgemeinen zu verbessern. In diesem Abschnitt werden mögliche Szenarien diskutiert, in denen Simulationsansätze im Rahmen der weiteren Entwicklung des Forschungsprojekts integriert werden sollen.
Die Prognoseregeln im Rahmen des angepassten Methodenbaukastens müssen eine hohe Qualität aufweisen. Daher ist es notwendig, die angepasste Methodik-Toolbox (basierend auf dem entwickelten Demonstrator) sowie die Validität der Regeln anhand von unternehmensspezifischen Anwendungsszenarien zu testen. Für diese Szenarien werden Simulationsmodelle aufgesetzt, um die geschätzten Parameterwerte zu überprüfen und die Grenzen der Regeln analytisch zu bestimmen. Die Modelle sollen die Auftragsspezifika der Unikate und Kleinserien berücksichtigen. Mögliche Erkenntnisse aus der Simulation fließen wiederum in die Parameterschätzung ein. Die Simulation überprüft die logistischen Prozesszeiten und validiert die entwickelten Regeln des Demonstrators. Im Ergebnis wird die Schätzung des Demonstrators einseitig überprüft, aber auch die Regeln für die Schätzparameter werden verbessert. Die Simulationsmodelle könnten später auch als Erweiterung bestehender Projektmanagement-Tools eingesetzt werden, um die Regeln des Demonstrators zu ändern oder zu verbessern.
Wie bereits im Rahmen des simject-Projekts diskutiert, kann die spezifische Dauer eines einzelnen Projektvorgangs durch den Einsatz von Simulation geschätzt werden. Wie gezeigt, kann dies durch Monte-Carlo-Simulation gelöst werden, wenn eine bestimmte Verteilung für einen bestimmten Vorgang gegeben ist. Noch komplexere Schätzungen lassen sich durch die Lösung eines komplexeren Prozessmodells mittels DES (logistische oder fertigungstechnische Teilschritte) oder System Dynamics (im Falle komplexerer Supply-Chain-Prozesse) ableiten. Aufgrund des Vorgehensmodells im Rahmen des SimCast-Projekts können diese Anwendungen jedoch durch drei zusätzliche Szenarien bereichert werden:
Wie aktuelle Forschungsergebnisse im SimCast-Projekt zeigen, sind Datenverfügbarkeit und Datenqualität immer noch ein großes Problem für die in diesem Forschungsprojekt betrachteten KMU. Die oben genannten Ideen können zu besseren Prozessabschätzungen führen, allerdings nur, wenn ein gewisses Maß an Datenqualität gesichert ist. Da dies in den meisten realen Anwendungsfällen, die in das Forschungsprojekt einfließen, nicht der Fall ist, kann die Simulation auch für eine Sensitivitätsanalyse der gegebenen Datensätze genutzt werden. Hierbei können die Konsequenzen von schlechten Schätzregeln oder guten Schätzregeln, die mit "schlechten" Daten berechnet werden, im Rahmen des gegebenen Projektplans genau abgeleitet werden. Wenn dabei festgestellt wird, dass eine bestimmte datenbasierte Schätzregel einen großen Einfluss auf den gesamten Projektablauf hat, kann ein zusätzlicher Absicherungsprozess installiert werden. Abbildung 4 (siehe unten) zeigt ein Beispiel für eine Schätzung der Projektdauer auf Basis stochastischer Schätzer (hier ist die Schätzregel eine Monte-Carlo-Simulation). Die entsprechenden Gesamtprojektkosten werden abgeleitet. Bei einem vorgegebenen Projektbudget (siehe roter Button) können Unsicherheiten und schlechte Datenqualität zu erheblichen Abweichungen führen, die bei der Planung des Projektes zu klären sind.
Der Ansatz der Sensitivitätsanalyse kann auch auf den gesamten Projektplan selbst angewendet werden. Durch eine systematische Abweichung von Prozessdauern kann eine Sensitivitätsanalyse neue Erkenntnisse ableiten, welche Prozesse leicht zu einer signifikanten Veränderung der Gesamtdauer im Projekt führen. Diese Prozesse, insbesondere wenn sie mit einer hohen Abweichung geschätzt werden, sollten im Bewusstsein des verantwortlichen Projektleiters sein, auch wenn sie nicht notwendigerweise Teil des kritischen Pfades des Projektes sind (selbst die Methode des kritischen Pfades (CPM) wird in KMUs nicht häufig verwendet, wie die Ergebnisse des simject Projektes gezeigt haben).
Am Ende wird der entsprechende Projektplan mit zusätzlichen Informationen über die in den einzelnen Prozessschritten enthaltenen Unsicherheiten angereichert. So kann, wie im simject-Projekt generell gezeigt, auch der Projektplan für das Unikat in der Summe durch simulationsbasierte Optimierungsansätze in der Planungsphase simuliert bzw. verbessert werden. Durch diese Bewertung kann das gesamte Risikomanagement des Projektes deutlich verbessert werden und auf Änderungen während der Projektsteuerung entsprechend ihrer wahrscheinlichen Auswirkungen auf das Gesamtprojekt zugegriffen werden. Hier muss in naher Zukunft weiter daran gearbeitet werden, diese Expertenmethoden in die eingesetzten Projektmanagement-Tools einzubinden, um dem verantwortlichen Projektleiter eine bessere Entscheidungsunterstützung bei der Planung und Absicherung eines Projektes zu geben. Abbildung 5 (siehe unten) zeigt ein Beispiel für eine mögliche Visualisierung der kumulierten Gewissheit, das Projekt zu einem bestimmten Termin abzuschließen (kumuliert über die Zeitachse).
Die im vorangegangenen Abschnitt dargestellten Ideen sollen in eine konsistente technische Umsetzung integriert werden. Im Rahmen des SimCast-Projekts wurden erste Ergebnisse des resultierenden Demonstrators fixiert und sollen in diesem Abschnitt kurz diskutiert werden (für einen Überblick siehe Abbildung 6). Eines dieser Instrumente ist eine Ontologie, die die relevanten Begriffe und Definitionen innerhalb der gegebenen Domäne und deren Beziehungen verknüpft und organisiert. Darüber hinaus können diesen Begriffen und Beziehungen konkrete Abschätzungsregeln zugeordnet werden, die allgemein aus dem Projekt abgeleitet wurden und an die unternehmensspezifischen Bedürfnisse angepasst werden können. Die Ontologie kann als eigenständige Datenstruktur gespeichert werden und bildet die Grundlage für das Estimation-Plugin, das in Standard-Projektmanagement-Tools integriert werden soll (in einem ersten Schritt wird eine Implementierung für MS Project Professional vorgenommen). Im Rahmen des SimCast-Verfahrens wird diese Basisdatenstruktur an ein bestimmtes Unternehmen angepasst.
Nicht alle Regelwerke sind relevant und die Schätzregeln müssen entsprechend der Funktionsparameter und der Datenquellen für die Vergangenheitswerte parametrisiert werden. Darüber hinaus werden die relevanten Geschäftsprozesse des Unternehmens entsprechend der Struktur der Ontologie klassifiziert, so dass ein Mapping möglich wird und die allgemeinen und spezifischen Schätzregeln in einer aktualisierten, unternehmensspezifischen Datenstruktur, die weiterhin auf der Ontologie basiert, abgelegt werden können.
Das Schätzungs-Plugin, das in das Projektmanagement-Tool implementiert wird, nutzt diese Datenstruktur, um die entsprechenden Benutzeroberflächen für die Parametrisierung dynamisch zu erstellen. Diese sind als Schritt-für-Schritt-Assistenten konzipiert, die die individuelle Schätzung einer Prozessaufgabe des gegebenen Projektplans unter Verwendung der definierten Schätzregeln und entsprechender Daten ermöglichen. Wie in den Abschnitten 3 und 4 erläutert, können diese Regeln sowohl sehr einfach und deterministisch als auch komplexer sein und Simulationsfunktionen verwenden. Schließlich erhält der Benutzer eine Schätzung der Prozessdauer für die ausgewählte Aufgabe. Er kann diese Schätzung akzeptieren oder überschreiben und die resultierende Dauer direkt im Projektmanagement-Tool auf die Aufgabe anwenden. Mit diesem Ansatz können alle relevanten Projektaufgaben mit der SimCast Toolbox geschätzt werden. Schließlich kann der gesamte Projektplan mit der Demonstrations-Toolbox aus dem simject-Projekt heraus simuliert und abgesichert werden.
Kundenspezifisches Engineering und der Aufbau von Unikaten sind sehr komplexe Aufgaben, bei denen das Projektmanagement mit vielen Unsicherheiten behaftet ist. Bestehende Simulationstechniken könnten helfen, verbesserte und zumindest robustere Pläne während des Projektmanagements zu evaluieren und zu erreichen, werden aber typischerweise in der Industrie, insbesondere bei KMU, nicht angewendet. Dieser Beitrag befasst sich mit einem gemeinsamen Forschungsprojekt SimCast der Universität Kassel und der Westsächsischen Hochschule Zwickau, das die Entwicklung einer Methode zur Projektdauerschätzung für die Projektplanung und -steuerung zum Ziel hat. Basierend auf den Vorkenntnissen anderer Forschungsprojekte wie simject wurde ein Verfahren zur Abschätzung von Prozessdauern entwickelt, das ein besseres Risikomanagement für Unternehmen in der Unikatfertigung ermöglicht. Ein Ziel des zugrundeliegenden Forschungsprojekts SimCast ist es, diese Abschätzungsregeln durch den Einsatz von Simulationstechniken in verschiedenen Phasen des Gesamtplanungsprozesses zu verbessern. Der Beitrag beschreibt die Ideen, wo ein Simulationseinsatz in diesem Bereich sinnvoll sein könnte. Für die Umsetzung dieser Ansätze wird ein erster Entwurf einer technischen Implementierung erläutert.
In einem nächsten Schritt wird das Projektteam die Ansätze weiter implementieren und in einer realen industriellen Umgebung validieren. Darüber hinaus wird im Rahmen des Forschungsprojekts eine allgemeine Bewertung dieser Ideen stattfinden. Als Ausblick auf die Zukunft zeigen die gewonnenen Ergebnisse bereits, dass die Datenverfügbarkeit, die Zugänglichkeit und die Nutzung der vorhandenen Daten zur besseren Entscheidungsfindung in den produzierenden KMUs noch offene Fragen sind. Hier könnten zukünftige Projekte einen Beitrag leisten
Die in diesem Beitrag vorgestellten Ergebnisse stammen aus dem gemeinsamen Forschungsprojekt SimCast der Universität Kassel und der Westsächsischen Hochschule Zwickau. Die IGF-Operation (19371) der Forschungsvereinigung BVL wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) durch das Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert. Einige der Ergebnisse beziehen sich auch auf das Forschungsprojekt simject. Es wurde als IGF-Vorhaben (17725N) der Forschungsvereinigung BVL über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) durch das Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
WIBKE KUSTURICA studierte Wirtschaftsingenieurwesen an der Westsächsischen Hochschule Zwickau. Seit 2017 ist sie wissenschaftliche Mitarbeiterin am Institut für Management und Information und arbeitet im Forschungsprojekt SimCast. Ihre E-Mail Adresse lautet wibke.kusturica@fhzwickau.de.
CHRISTOPH LAROQUE studierte Wirtschaftsinformatik an der Universität Paderborn, Deutschland. Seit 2013 ist er Professor für Wirtschaftsinformatik an der Westsächsischen Hochschule Zwickau, Deutschland. Sein Hauptinteresse gilt der Anwendung von datengetriebenen Entscheidungsunterstützungstechniken für die betriebliche Produktion und das Projektmanagement. Seine E-Mail Adresse lautet christoph.laroque@fh-zwickau.de.
DEIKE GLIEM studierte Maschinenbau an der Technischen Universität Dortmund, Deutschland. Seit 2017 ist sie wissenschaftliche Mitarbeiterin im Fachgebiet Produktionsorganisation und Fabrikplanung an der Universität Kassel und arbeitet im Forschungsprojekt SimCast. Ihre E-Mail Adresse lautet deike.gliem@uni-kassel.de.
JANA STOLIPIN ist wissenschaftliche Mitarbeiterin und Doktorandin am Fachgebiet Produktionsorganisation und Fabrikplanung der Universität Kassel, Deutschland. Sie arbeitet im Forschungsprojekt SimCast. Ihre Forschungsschwerpunkte sind der Materialfluss in Produktion und Logistik und die Wiederverwendung von Wissen in Simulationsstudien. Ihre E-Mail Adresse lautet jana.stolipin@uni-kassel.de.
SIGRID WENZEL ist Professorin und Leiterin des Lehrstuhls für Produktionsorganisation und Fabrikplanung an der Universität Kassel. Darüber hinaus ist sie Vorstandsmitglied der Arbeitsgemeinschaft Simulation (ASIM), Sprecherin des ASIM-Arbeitskreises Simulation in Produktion und Logistik, Mitglied des Beirats der Vereinigung Deutscher Ingenieure Gesellschaft für Produktion und Logistik (VDI-GPL) und Leiterin des Ausschusses Modellierung und Simulation der VDI-GPL. Ihre E-Mail Adresse lautet s.wenzel@uni-kassel.de.
Akhavian, R., und A. H. Behzadan. 2013. "Automated Knowledge Discovery and Data-Driven Simulation Model Generation Of Construction Operations". In Proceedings Of The 2013 Winter Simulations Conference, edited by R. Pasupathy et al., 3030-3041, Piscataway, New Jersey:IEEE.
Beißert, U., M. König und H.J. Bargstädt. 2010. "Soft Constraint-Based Simulation of Execution Strategies In Building Engineering". Journal Of Simulation 4(4): 222-231.
Emmanouilidis, C., M. Taisch, und D. Kiritsis. 2012. "Advances In Production Management Systems - Competitive Manufacturing For Innovative Products And Services". IFIP WG 5.7 International Conference, September 24th -26th , Rhodes Greece, Revised Selected Papers, Part I. Heidelberg: Springer.
Fraunhofer. 2018. OTD NET - Simulationsstudie Für Supply-Network-Fragen Des Fraunhofer-Instituts Für Materialfluss Und Logistik. https://www.Iml.Fraunhofer.De/De/Abteilungen/B2/Supply_Chain_Engineering/Produkte/OtdNet.Html, Zugriff am 2. Mai 2018.
Gutfeld, T., U. Jessen, S. Wenzel, A. Akbulut, C. Laroque, and J. Weber. 2015. Simject - Simulationsgestütztes Logistikintegriertes Projektmanagement im Anlagenbau. Herausgegeben von Wenzel, S.; Laroque, C., Kassel, Fachgebiet Produktionsorganisation Und Fabrikplanung.
Gutfeld, T., U. Jessen, S. Wenzel, C. Laroque, and J. Weber. 2014. "Ein technisches Konzept für den Anlagenbau durch simulationsbasiertes und logistikintegriertes Projektmanagement". In Proceedings Of The 2014 Winter Simulation Conference, edited by A. Tolk et al., 3423-3434, Piscataway, New Jersey:IEEE.
Heidmann, R. 2015. Windenergie und Logistik: Losgröße 1: Logistikmanagement Im Maschinen- Und Anlagenbau Mit Geringen Losgrößen. DIN E.V. Berlin: Beuth. 1. Auflage
Jessen, U., L. Möller, S. Wenzel, A. Akbulut, und C. Laroque. 2015. "A Comparison of The Usage of Different Approaches For The Management Of Plant Engineering Projects". In Proceedings Of The 2015 Winter Simulation Conference, edited By L. Yilmaz et al., 3402-3413, Piscataway, New Jersey:IEEE
Pmbok. 2013. Project Management Institute. A Guide To The Project Management Body Of Knowledge (Pmbok® Guide). Pennsylvania: Project Management Institute, Inc. 5. Auflage
Simofit. 2018. Simulation Of Outfitting Processes In Shipbuilding And Civil Engineering. http://simofit.Inf.Bi.Ruhr-Uni-Bochum.De/, Accessed May 2 nd, 2018.
Steinhauer, D. 2008. "Planung Komplexer Montageabläufe Mit Hilfe Der Constraintbasierten Simulation." In Advances In Simulation For Production And Logistics Applications, edited by M. Rabe: 81-89. Stuttgart: Fraunhofer IRB Verlag.
Steinhauer, D. 2011. "The Simulation Toolkit Shipbuilding (STS) - 10 Years Of Cooperative Development And Interbranch Applications". In Proceedings Of The 10th Euro-Conference On Computer And IT Applications In The Maritime Industries (COMPIT), 453-465. Ort: Verlag
Steinhauer, D., M. König und H.J. Bargstädt. 2007. "Branchenübergreifende Kooperation Zur Simulation Von Montageabläufen Beim Innenausbau Von Schiffen." Hansa International Maritime Journal 9(Issue Number): 40-42.
Szczesny, K. und M. König. 2015. "Reaktives Scheduling auf Basis aktueller Logistikdaten durch Anwendung simulationsbasierter Optimierung". Visualization In Engineering, 3 (10):
TILOS. 2018. TILOS - Weg-Zeit-Planung. www.tilos.org, Accessed May 2 nd, 2018. Voigtmann, J. (2014). Simulation baulogistischer Prozesse im Ausbau. Dissertation, Bauhaus-Universität. Weimar .
Xie, H., S. Fernando, und S. Abourizk. 2011. "Integrating Realtime Project Progress Input Into A Construction Simulation Model". In Proceedings of The 2011 Winter Simulation Conference, Edited by S. Jain et al., 3443-3454, Piscataway, New Jersey:IEEE.