Zusammenfassung
Die Betrachtung von Lieferketten ist in der Automobilindustrie seit vielen Jahren Gegenstand von Verbesserungsmaßnahmen. Die Simulation stellt hier einen geeigneten Ansatz dar, Lieferketten mit allen dynamischen Abhängigkeiten abzubilden und Design-Entscheidungen abzusichern sowie die wesentlichen Parameter zur Steuerung der Lieferketten zu kalibrieren. Nach einer kurzen Einführung werden mögliche Problemstellungen und Zielsetzungen beschrieben, die mit Hilfe der Supply Chain Simulation bearbeitet werden können. Anschließend werden typische Bausteine und ihre Interaktionen am Beispiel des Werkzeuges SimChain der Firma SimPlan AG sowie ein typisches Praxisbeispiel vorgestellt. Die bei der ZF Friedrichshafen AG durchgeführte Fallstudie befasst sich mit einer Problemstellung aus dem Bereich „globale versus lokale Beschaffung“. Ziel ist es, mit Hilfe verschiedener Szenarien die Potenziale spezifischer lokaler Beschaffungsstrategien darzustellen, um die Frage zu beantworten, um wie viel Prozent der Materialpreis im lokalen Markt maximal teurer sein darf als im globalen Markt bei geringeren Gesamtkosten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Alicke K, Gutenschwager K (2004) Supply Chain Simulation mit ICON-SimChain. In: Kopfer H, Spengler T, Voß S (Hrsg) Logistik Management. Physica, Heidelberg, S 161–178
Angerhofer BJ, Angelides MC (2000) System dynamics modelling in supply chain management: research review. In: Joines JA, Barton RR, Kang K, Fishwick PA (Hrsg) Proceedings of the winter simulation conference 2000. IEEE, Piscataway, S 342–351
Bagchi S, Buckley SJ, Ettl M, Lin GY (1998) Experience using the IBM supply chain simulator. In: Medeiros DJ, Watson EF, Carson JS, Manivannan MS (Hrsg) Proceedings of the winter simulation conference 1998. IEEE, Piscataway, S 1387–1394
Baumgärtel H, Stäblein T, Wilke J (2007) The Supply net simulator SNS: an artificial intelligence approach for highly efficient supply network simulation. In: Günther H-O, Mattfeld DC, Suhl L (Hrsg) Management logistischer Netzwerke. Heidelberg, Physica, S 85–110
Fechteler T, Gutenschwager K (2014) Die Landkarte zeigt, wie gut es funktioniert. IT&Production 9:64–65
Gierth A, Schmidt C (2006) Zeitdynamische Simulation in der Produktion. In: Schuh G (Hrsg) Produktionsplanung und -steuerung: Grundlagen, Gestaltung und Konzepte, 3. Aufl. Springer, Heidelberg, S 646–681
Kleijnen JPC (2005) Supply chain simulation tools and techniques: a survey. International Journal of Simulation & Process Modelling 1:82–89
Lambert DM, Cooper MC (2000) Issues in supply chain management. Ind Mark Manag 29:65–83
Meyr H, Wagner M, Rohde J (2008) Structure of advanced planning systems. In: Stadtler H, Kilger C (Hrsg) Supply chain management and advanced planning – concepts, models, software and case studies. Springer, Berlin, S 109–115
Motta M, Wagenitz A, Hellingrath B, Weller R (2008) Gestaltung logistischer Netzwerke: Ein Praxisbericht. In: Rabe M (Hrsg) Advances in Simulation for Production and Logistics Applications. Fraunhofer IRB, Stuttgart, S S 21–S 30
Rabe M, Gutenschwager K, Sari MU, Fechteler T (2013) A data model for carbon footprint simulation in consumer goods supply chains. In: Pasupathy R, Kim S-H, Tolk A, Hill R, Kuhl ME (Hrsg) Proceedings of the winter simulation conference 2013. IEEE, Piscataway, S 2677–2688
Stadtler H (2005) Supply chain management and advanced planning – basics, overview and challenges. Eur J Oper Res 163:575–588
Supply Chain Council (2010) Supply chain operations reference model, version 10.0. Supply Chain Council, US
Tako AA, Robinson S (2012) The application of discrete event simulation and system dynamics in the logistics and supply chain context. Decis Support Syst 52:802–815
Terzi S, Cavalieri S (2004) Simulation in the supply chain context: a survey. Comput Ind 53:3–16
Vahrenkamp R, Mattfeld DC (2013) Logistiknetzwerke: Modelle für Standortwahl und Tourenplanung, 2. Aufl. Springer Gabler, Wiesbaden
ZF Friedrichshafen AG (2019) Geschäftsbericht 2018. https://annualreport.zf.com/site/annualreport/media/annualreport/ZF_Geschaeftsbericht2018_DE.pdf. Zugegriffen am 02.09.2019
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Gutenschwager, K., Arnold, P. (2020). Simulation von Lieferantennetzwerken: Grundlagen und Anwendungen bei der ZF Friedrichshafen AG. In: Mayer, G., Pöge, C., Spieckermann, S., Wenzel, S. (eds) Ablaufsimulation in der Automobilindustrie. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-59388-2_17
Download citation
DOI: https://doi.org/10.1007/978-3-662-59388-2_17
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-59387-5
Online ISBN: 978-3-662-59388-2
eBook Packages: Computer Science and Engineering (German Language)