Skip to main content
  • 4404 Accesses

Auszug

Die originäre Zielsetzung der hier diskutierten quantitativen Modelle zur auftragsbezogenen Planung besteht darin, eine verbesserte Entscheidungsfindung in konkreten industriellen Anwendungsfällen der variantenreichen Serienproduktion herbeizuführen. Hierzu ist allerdings die Bereitstellung der Modelle als Bestandteil eines betrieblichen Planungssystems sowie dessen Überführung in den operativen Betrieb erforderlich. Diese Überführung gestaltet sich in praxi als komplexe Aufgabenstellung, bei der eine Vielzahl spezifischer Einflussfaktoren zu berücksichtigen ist. Dabei begründen die Einmaligkeit des Vorhabens sowie dessen zeitliche Begrenzung einen projekthaften Charakter444. Ziel von den sich so ableitenden Einführungsprojekten ist es sicherzustellen, dass die mit dem Planungssystem verfolgten Ziele erreicht werden.

Vergleiche zu den Grundlagen von Projekten auch z.B. Keßler/Winkelhofer (2004), S. 9.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 79.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 79.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Vergleiche etwa Zoryk-Schalla (2002), S. 93ff.; Umble et al. (2003); Petroni (2002), Motwani et al. (2002); Hong/Kim (2003); ein umfassender Literaturüberblick ist in Esteves/Pastor (2001) gegeben.

    Google Scholar 

  2. Wetterauer / Meyr (2008)

    Google Scholar 

  3. In Anlehnung an Wetterauer / Meyr (2008).

    Google Scholar 

  4. Motwani et al. (2002)

    Google Scholar 

  5. Kettinger (1997)

    Google Scholar 

  6. Buxmann et al. (2003), S. 95ff.

    Google Scholar 

  7. Mertens et al. (1991)

    Google Scholar 

  8. Wetterauer / Meyr (2008) bezeichnen dieses als Mini-Protoyp.

    Google Scholar 

  9. Mertens et al. (1991)

    Google Scholar 

  10. Hier wird bewusst eine Unterscheidung vorgenommen, die von der geläufigen Differenzierung nach Stamm-und Bewegungsdaten abweicht. Dem Verständnis dieser Arbeit entsprechend, fallen Bewegungsdaten vollumfänglich in den Bereich der organisationalen Parameter. In Bezug auf die Stammdaten wird demgegenüber keine eindeutige Zuordnung vorgenommen. Vielmehr erfolgt eine Unterscheidung entsprechend ihrer inhaltlichen Bedeutung. Demnach sind im Hinblick auf die Bestimmung der Parameter, wie nachfolgend noch detailliert wird, maßgebliche Unterschiede zu verzeichnen.

    Google Scholar 

  11. Sollten Quoten von Relevanz sein, so lassen auch diese sich aus dem auftragsanonymen Planungssystem übernehmen.

    Google Scholar 

  12. Vergleiche etwa Scheer et al. (1994) oder Heß (1997).

    Google Scholar 

  13. Siehe auch Ackermann / Turowski (2007).

    Google Scholar 

  14. Mertens et al. (1991)

    Google Scholar 

  15. Dittrich (2006)

    Google Scholar 

  16. Gegenstand der Ausführungen ist die Produktionsplanungskomponente der Software mySAP ERP.

    Google Scholar 

  17. Der Fokus wird im Nachfolgenden auf die zuvor eingeführten Konfigurationsparameter gelegt. Stellvertretend und eineindeutig wird hierfür die abkürzende Bezeichnung Parameter verwendet.

    Google Scholar 

  18. Aktuelle Übersichten finden sich u.a. in Ehrgott / Gandibleux (2000), Tamiz et al. (1998) und Steuer et al. (1996).

    Google Scholar 

  19. Vergleiche auch Hwang / Yoon (1981) oder Zimmermann/Gutsche (1991), S. 30.

    Google Scholar 

  20. Zum Effizienzbegriff siehe Dyckhoff (1994), S. 89f.

    Google Scholar 

  21. Zudem werden interaktive Methoden unterschieden, bei denen der Entscheidungsträger seine Präferenzen in einem iterativen Prozess unter Berücksichtigung der Ergebnisse spezifischer Angaben formuliert (z.B. Ehrgott / Gandibleux (2000); Isermann (1991)).

    Google Scholar 

  22. Jones et al. (2002a) Klein/Scholl (2004), S. 334f.; grundlegende Prämisse von Kompromissmodellen ist das Konzept des Nutzens (Bamberg/Coenenberg (2006), S. 35ff.).

    Google Scholar 

  23. Jones et al. (2002b)

    Google Scholar 

  24. Nitzsch (2002), S. 103f.

    Google Scholar 

  25. Klein / Scholl (2004), S. 207

    Google Scholar 

  26. Eykhoff (1974), S. 4

    Google Scholar 

  27. Oliva (2003)

    Google Scholar 

  28. Law / Kelton (2000), S. 553

    Google Scholar 

  29. Fu (1994) bezeichnet statische Ansätze daher auch als stationäre Kontrolle.

    Google Scholar 

  30. Feichtinger / Hartl (1986)

    Google Scholar 

  31. Schiemenz (1982)

    Google Scholar 

  32. Eine Aggregation ist grundsätzlich nicht zwingend erforderlich (siehe Ausführungen zur multikriteriellen Entscheidungsfindung und insbesondere zu den interaktiven Verfahren). Gleichwohl sind Aussagen über die Präferenz Voraussetzung eines automatisierten Konfigurationsprozesses.

    Google Scholar 

  33. Volling / Spengler (2008)

    Google Scholar 

  34. Gemäß Ewert/Wagenhofer entspricht dieses Verständnis der Kosten-Leistungs-Konzeption III (Ewert / Wagenhofer (2008), S. 54ff.).

    Google Scholar 

  35. Zur Bestimmung der Kosten siehe auch Abschnitt 3.3.2.

    Google Scholar 

  36. Anderson et al. (2000), S. 588.

    Google Scholar 

  37. Ursachen liegen u.a. in der Mehrdimensionalität der Ressourcennachfrage und kombinatorischen Effekte zwischen den Aufträgen. Die zugehörige Entscheidungssituation gleicht demnach der Ausgangslage beim Revenue Management van Slyke / Young (2000).

    Google Scholar 

  38. Hanne (2001)

    Google Scholar 

  39. Hanne (2001), S. 8f.

    Google Scholar 

  40. Zur Berechnung des Fehlers schlägt Hanne verschiedene Maße wie beispielsweise den quadratischen Fehler vor.

    Google Scholar 

  41. Lin / Krajewski (1992); Chand et al. (2002); Scholl et al. (2004)

    Google Scholar 

  42. Scholl et al. (2004); Scholl (2001), S. 317

    Google Scholar 

  43. Als weitere Eigenschaften ergänzen Nelson (2004) das Vorhandensein eines stochastischen Inputprozesses sowie eines Outputprozesses, der die interessierenden (System-)Größen abildet.

    Google Scholar 

  44. Biethahn et al. (2004), S. 14.

    Google Scholar 

  45. Pflug (1996), S. 1.

    Google Scholar 

  46. Heuristiken sind Verfahren bzw. Mengen konsistenter Regeln, die darauf zielen gute Lösungen in akzeptabler Rechenzeit zu generieren. Hierzu vertiefend siehe Voss (2001) sowie die dort angegebenen Quellen.

    Google Scholar 

  47. Für eine Diskussion der Konvexität von Zielfunktionen im Kontext der simulationsbasierten Optimierung siehe Gosavi (2003), S. 323.

    Google Scholar 

  48. Law / Kelton (2000), S. 657

    Google Scholar 

  49. Fu (2001), S. 53.

    Google Scholar 

  50. Vergleiche auch Fu et al. (2005) bzw. Tekin/Sabuncuoglu (2004).

    Google Scholar 

  51. Swisher et al. (2000); Gosavi (2003), S. 4 differenziert ferner zwischen der statischen Betrachtung und der dynamischen Anpassung der Parameter im Zeitverlauf (engl. control optimization).

    Google Scholar 

  52. Fu (1994); Gosavi (2003)

    Google Scholar 

  53. Evans et al. (1991), Law/Kelton (2000), S. 658f.

    Google Scholar 

  54. Aktuelle Literaturüberblicke finden sich in Swisher et al. (2000); Fu et al. (2005); April et al. (2003); Tekin/Sabuncuoglu (2004); Evans et al. (1991)

    Google Scholar 

  55. April et al. (2003)

    Google Scholar 

  56. Für umfassende Übersichten siehe Osman / Laporte (1996), Voss (2001) oder Gendreau/Potvin (2005).

    Google Scholar 

  57. Fu et al. (2005)

    Google Scholar 

  58. Siehe hierzu auch Goldsman et al. (2005) sowie dort angegebene Quellen.

    Google Scholar 

  59. Weitere Details sind im Anhang gegeben.

    Google Scholar 

  60. Beschränkungen der Nachbarschaft ergeben sich etwa durch die Grenzen des Lösungsraums oder das globale Suchverfahren (z.B. aufgrund gesperrter Konfigurationen).

    Google Scholar 

  61. Vergleiche z.B. Ohl (2000); Makridakis et al. (1998); auch sind entsprechende Verfahren in aktuellen APS hinterlegt (z.B. SAP 2005a).

    Google Scholar 

  62. Im Rahmen von Tabu-Search-Verfahren wird die Auswahlentscheidung etwa durch die Selektionsstrategie festgelegt. Mögliche Selektionsstrategien umfassen die Best-Acceptance (Wahl der besten zulässige Lösung der Nachbarschaft) und die First-Acceptance-Strategie (Wahl der ersten zulässigen Lösung). Mögliche Erweiterungen ergeben sich durch Aspirationskriterien (z.B. die Zielerreichungsaspiration oder die Standardaspiration) (Glover / Laguna (1997), Kap. 3.).

    Google Scholar 

Download references

Rights and permissions

Reprints and permissions

Copyright information

© 2009 Gabler | GWV Fachverlage GmbH, Wiesbaden

About this chapter

Cite this chapter

(2009). Anwendungsspezifische Konfiguration des Planungssystems. In: Auftragsbezogene Planung bei variantenreicher Serienproduktion. Gabler. https://doi.org/10.1007/978-3-8349-8071-7_8

Download citation

Publish with us

Policies and ethics