Analyse von Strategien des Ramp-Up-Managements im Flugzeugbau

Problem:




Die Anlaufphase eines neuen Produktes im Flugzeugbau ist ein komplexer Prozess, bedingt durch die hohe Anzahl an Änderungen, die in der Herstellungsphase sowohl das Produkt als auch den Produktionsprozess betreffen, und diese Änderungen die Vorlaufzeit eines Flugzeuges dramatisch erhöhen können. Zudem sind Flugzeuge komplexe Produkte in kleiner Serie, die entsprechend den äußerst spezifischen Anforderungen der Kunden angepasst werden, was den Start eines neuen Produktes noch schwieriger gestaltet. Heute sind Produktanläufe häufiger geworden, da der durchschnittliche Produktlebenszyklus immer kürzer wird. All diese Punkte können den Anlauf, bzw. das Ramp-up von Produkten zu einer großen Herausforderung für Verfahrensingenieure im Flugzeugbau machen.


Die Airbus-Gruppe ist am EU-Projekt ARUM (Adaptive Production Management) beteiligt, dessen Fokus eine IT-Lösung für die Risikominderung, die Entscheidungsfindung und Planung während der Anlaufphase von neuen Produkten ist. Das Projekt ist hauptsächlich auf die Flugzeug- und Schiffsbauindustrie ausgerichtet.


Die Simulation wurde als ein Teil der ARUM-Lösung gewählt, weil die Teilnehmer damit reale Erfahrungen einer Produktionsanlage reproduzieren können (basierend auf dem von der Airbus-Gruppe zur Verfügung gestellten Anwendungsfall), und liefert so eine Benchmark für den Test der ARUM-Lösung. Die Simulationssoftware AnyLogic wurde aufgrund ihrer Fähigkeit, agentenbasierte Modelle mit einem diskret-ereignisorientierten Ansatz zu kombinieren, eingesetzt.


Lösung:




Das Simulationsmodell beinhaltete einen Teil der Fertigungslinie des Hamburg Airbus A350. Hier wurden zwei verschiedene Teile des Flugzeugsrumpfes fertiggestellt. Dieser Teil der Fließbandfertigung bestand aus sechs Montagestationen mit jeweils 30-35 Personen, die an einer Station arbeiteten, und ungefähr 300 Arbeitsaufträgen pro Station. Die Herausforderung bestand darin, den Prozess der Anlaufphase, in der die allgemeine Produktivität über die Zeit zunimmt, mit der gesamten Anlaufzeit, die bis zu zwei Jahre dauert, zu kombinieren.


Das agentenbasierte und diskret-ereignisorientierte Modell beinhaltete drei Elementtypen:


  • Die Fertigungsstraße, die die Arbeitsstationen mit einschloss, jede einzelne mit eigenen personellen und materiellen Ressourcen. Diese Stationen wurden als Agenten modelliert.
  • Die Produkte (Abschnitte), die Teile dieser Fließbandfertigung durchlaufen. Für jeden Abschnitt mussten 200-600 Arbeitsaufträge den Stationen zugeordnet werden. Arbeitsaufträge beinhalteten Aufgabenstellungen mit einem spezifischen Bedarf an Material und Ressourcen. Wenn ein Abschnitt in eine Station einlief, begann dieser Arbeitsprozesse zu durchlaufen, die anhand der Prozessmodellierenden Bibliothek modelliert wurden, verließ dann diese Station, und gelangte zur nächsten Station und schließlich zur Fließbandfertigung einer anderen Stadt, die nicht modelliert worden war.
  • Das Kontrollmodell implizierte Pläne, die manchmal von Störgrößen beeinflusst waren. Der Agent des Controllers modellierte das komplexe Verhalten von menschlichen Führungskräften, die auf störende Ereignisse mit Kontrollstrategien reagierten.
Struktur des Simulationsmodells

Struktur der ARUM-Lösung.


Diese Kontrollstrategien beinhalteten unter anderem Alternativen der Open-Work-Policy. Das bedeutet, dass ein Teil der Arbeit, der im Moment nicht erledigt werden konnte, auf einen anderen Zeitpunkt verschoben werden konnte, während die Produktion in der Anlage der anderen Stadt weiter fortgesetzt wurde. In diesem Fall müssten die Arbeiter für das Produkt Hamburg zur anderen Anlage reisen, um die Arbeit fertigzustellen (die sogenannte "Traveling Work"- Strategie). Alternativ könnte die Arbeit bis zur Behebung der Störgrößen ausgesetzt werden (sogenannte "Stop-and-Fix "- Strategie).


Die Störgrößen, die während der Anlaufphase auftraten beinhalteten:

  • Unausgewogene Auslastungs- und Ressourcenzuordnung aufgrund der Lernkurven der Arbeiter und der Tatsache, dass die gleiche Fertigungsstraße mehrere verschiedene Produkte herstellte.
  • Nonkonformitäten des Designs und Änderungen, da die Produktion oft mit einem nicht vollständig vorbereiteten Produkt begann.
  • Fehlendes oder inkompatibles Material, bedingt durch späte Änderungen des Designs.

Die berechneten Modellstatistiken beinhalteten die erreichte Vorlaufzeit des Flugzeugs, den Umfang an „Traveling Work“ und die Nutzungsrate der Ressourcen (Arbeit, Materialien und Stationen).


Die Experten erstellten ein leicht verständliches Modell, das wiederverwendet werden konnte, und das in die Lösungsarchitektur von ARUM integriert wurde. Es beinhaltete auch die Visualisierung der Fließbandfertigung.

Production simulation model structure
Simulation model structure. 

Ergebnis:




Ein Modelldurchlauf simuliert die Auswirkung der Strategien zur Minderung der Störgrößen, die vom Airbus Werk aktuell angewandt werden, insbesondere die Strategien " Stop-and-Fix”" und " Traveling Work“.


Die Modellierer testeten mehrere Ramp-up Szenarien mit verschiedenen Produktionsplänen. Sie prüften auch mehrere Störgrößen, auf Basis von historischen Daten, insbesondere extreme Szenarien.


Das Modell wird für den Vergleich von Plänen verwendet werden, die von ARUM entsprechend der aktuellen Managementpraktiken vorgeschlagen wurden. Dies wird die Entwicklung der besten Strategien zur Minderung von Störgrößen während der Anlaufphasen in der Flugzeug- und Schiffbauindustrie ermöglichen.

More Case Studies

  • Planung und Optimierung einer hochautomatisierten Produktionslinie
    Centrotherm Photovoltaics AG ist ein weltweit agierender Anbieter von Technologien und Produktionslösungen für die Photovoltaik, Halbleiter und Mikroelektronikindustrie. Das Unternehmen musste die optimal automatisierte Produktionslinie und Werkskonfiguration finden, um Kosten zu minimieren und Durchsatzleistung und Ausfallsicherheit zu maximieren.
  • Simulation eines Tunnelbaus mit Hilfe einer Tunnelbohrmaschine
    Die Kosten des Ausfalls einer Tunnelbohrmaschine für eine Stunde sind üblicherweise hoch und Projektmanager müssen ihr Bestes tun, um unnötige Verzögerungen im Bau zu verhindern. Das Ziel des Simulationsprojektes, welches durch die Ruhr-Universität Bochum in Deutschland durchgeführt wurde, war es, ein Simulationsmodell zu entwickeln, das fähig ist die Engstellen im Tunnelbauprozess zu bestimmen, um finanzielle Verluste zu minimieren.
  • Der GE Produktionsbetrieb nutzt die Anylogic-Software für Unterscheidungsunterstützung in Echtzeit
    2012 eröffnete GE einen neuen Produktionsbetrieb für Batterien und startete gleichzeitig ein innovatives Geschäft im Bereich der Energiespeicherung. Das Global Research Center von GE suchte ein leistungsstarkes und flexibles Tool, um nicht nur den spezifischen Prozess, sondern das Produktionssystem im Gesamten zu analysieren.
  • Kapazitätsanalyse einer Schiffswerft
    Mit der AnyLogic Simulationssoftware als zentrales Element, benutzt NASSCO ein speziell angefertigtes Analysesytem, genannt das Large Scale Computer Simulation Modeling System for Shipbuilding (LSMSe), um hochdetaillierte und genaue Kapazitätsanalysen sowohl für die gegenwärtige Produktion als auch für neue Arbeiten zu erhalten.
  • Produktionsplanung in der Schiffsindustrie
    Die Manager einer der bedeutendsten italienischen Hersteller benötigten einen neuen, intelligenten Ansatz, um den Planungsprozess einfacher zu gestalten. Ziel war es, dem realen Produktionsplaner außergewöhnlich umfangreiche Planungsinformationen zu geben, mit denen dieser einen Plan vor seiner Umsetzung testen und verfeinern kann.
  • Eine Schiffswerft prüft ihre Kapazitäten der Auftragsabwicklung und gewinnt einen besseren Einblick in Produktionsstätte und Vertrieb
    Die Admiralitätsschiffswerft Admiralty Shipyards JSC steht vor einem großen Auftrag für Unterwasserboote mit Dieselantrieb und muss auswerten, ob die aktuelle Produktionsstätte den Auftrag ausführen kann, und falls nicht, welche Menge für das Jahr 2016 produziert werden kann. Admiralty Shipyards JSC sucht auch die Bestätigung, dass zur Durchführung des Auftrages keine zusätzliche Produktionsstätte erforderlich sein wird.
  • Simulation der Speiseeisproduktion: Einschränkungen erkennen und den Produktionsplan optimieren
    Conaprole, die größte Milchproduktionsfirma in Uruguay, produziert in ihrer Eiscremefabrik mehr als 150 Artikelpositionen und nutzt hierbei fünf Produktionslinien und bis zu fünf verschiedene Verpackungskonfigurationen für jede Linie. Die Herausforderung des Managements bestand darin, die Pläne neu anpassen zu können, damit Angebot und Nachfrage ausgeglichen sind, und um sicherzustellen, dass sie bei den Hauptprodukten Fehlmengen vermeiden.
  • Ein einfaches Simulationsmodell hilft Intel bei der Vermeidung von Werksstillständen
    Die Intel Werke hatten eine spezielle Geräteausstattung, die oft ausfiel und so Kapazitätsengpässe verursachte. Wenn das Gerät repariert werden konnte, wurde es von den Intel Werkstechnikern repariert oder, wenn das Problem zu komplex war, wurde es zum Reparaturzentrum des Herstellers geschickt. Diese sehr teuren Teile wurden bei wichtigen Werksarbeiten verwendet und die Reparaturen nahmen viel Zeit in Anspruch; deshalb mussten zusätzliche Ersatzteile vorhanden sein, um Ausfallzeiten zu vermeiden.
  • Modeling the Cladding Leak Detection Shop of a Nuclear Reactor's Module
    The cladding leak detection shop is part of an automated line of fuel assembly production. Leak control is based on heating the fuel element groups. While warming up, defective units eject the control gas, which is detected by a leak locator. The defected group is divided into two parts. Each part is screened in the same way until the leaking fuel element is found.
  • Improving Mining Outbound Logistics with Agent-Based Simulation Modeling
    One of the largest resource companies in the world, with over $80 billion in sales, decided to enter a new market. It was planning to build a new potash mine with 90% of the resources exported. They wanted to design a reliable supply chain, with a high speed of supply replenishing, and the ability to recover from natural disasters and man-made crises benefiting from such volatility. Amalgama and Goldratt companies contracted this project to design the potash mining operations and a full supply chain of outbound logistics.