Materialbedarfsplanung bei variantenreicher Produktion: Innovative Ansätze zur Bestimmung von Sicherheitsbeständen

فردسازی روزافزون درخواست‌های مشتری، شرکت‌های متعددی را مجبور به تولید به روش‌های مختلف می‌کند. برای اینکه بتوانیم زمان تحویل کوتاه را با هزینه های ذخیره سازی قابل قبول با وجود تنوع مورد نیاز تضمین کنیم، محصولات نهایی اغلب از اجزای محصول پیش ساخته مطابق با نیاز مشتری مونتاژ می شوند. در این مونتاژ مربوط به سفارش مشتری (مونتاژ به سفارش)، تعیین نیاز برنامه ریزی شده برای پیش ساخته شدن قطعات یک تصمیم اصلی است.

گرهارد هینتربرگر نشان می دهد که منطق برنامه ریزی نیازهای مواد (MRP) سیستم‌های PPS امروزی فقط از این تصمیم پشتیبانی می‌کنند که بسیار ضعیف است و منجر به توزیع نامطلوب سهام ایمنی می‌شود. نویسنده مدل‌های بهینه‌سازی sto-cha-stic را توسعه می‌دهد که پشتیبانی تصمیم‌گیری بهتری را ارائه می‌کنند و می‌توانند بدون مداخلات عمده در سیستم‌های PPC ادغام شوند. او اکتشافی را برای حل مدل‌های بهینه‌سازی توسعه می‌دهد و عملکرد آنها را در آزمایش‌های شبیه‌سازی متعدد با استفاده از داده‌های عملیاتی واقعی اندازه‌گیری می‌کند.

Die zunehmende Individualisierung von Kundenwünschen zwingt zahlreiche Unternehmen zu einer variantenreichen Produktion. Um trotz der geforderten Variantenvielfalt kurze Lieferzeiten bei akzeptablen Lagerkosten gewährleisten zu können, werden oft die Endprodukte aus vorgefertigten Produktkomponenten nach den Kundenwünschen montiert. Bei dieser kundenauftragsbezogenen Montage (assemble-to-order) ist die Bestimmung des Planbedarfs an vorzufertigenden Komponenten eine zentrale Entscheidung.

Gerhard Hinterberger zeigt, dass die Material Requirements Planning (MRP)-Logik heutiger PPS-Systeme diese Entscheidung nur sehr mangelhaft unterstützt und zu einer ungünstigen Verteilung von Sicherheitsbeständen führt. Der Autor entwickelt sto-cha-stische Optimierungsmodelle, die eine bessere Entscheidungsunterstützung liefern und ohne größere Eingriffe in PPS-Systeme integriert werden können. Er erarbeitet Heuristiken für die Lösung der Optimierungsmodelle und misst deren Leistungsfähigkeit in zahlreichen Simulationsexperimenten anhand von realen Betriebsdaten.