Mit Materialflusssimulation zu effizienteren Prozessen

Horst Meier, Sebastian Khalaf und Björn Krückhans

Die erhöhten Anforderungen und die daraus resultierenden komplexer werdenden Herstellungsprozesse zwingen Automobilzulieferer zu immer effizienteren Fertigungsverfahren. Selbst bei innovativen Produktionsverfahren, wie dem Presshärten, müssen sich Zulieferer einem immer stärker aufkommenden Konkurrenzkampf stellen. Es zeigt sich, dass mit Hilfe von Materialflusssimulation ein immenser Beitrag zur effizienten Produktion geleistet werden kann.

Einleitung
Die Automobilbranche ist in vielen technischen und organisatorischen Belangen an der Spitze der Entwicklung. Mitverantwortlich für diese Spitzenposition sind die Zulieferer, die sich einem immer ausgeprägteren Konkurrenzkampf stellen müssen. Nicht zuletzt der vorherrschende Kostendruck zwingt die Zulieferindustrie zu einer permanenten Optimierung ihrer Produkte und Herstellungsprozesse. Die vorhandenen Produktionsstrukturen und Prozesse müssen somit flexibler werden, um Planungsdauer und Planungsaufwand zu reduzieren. Durch die einfließenden Innovationen werden jedoch die Produktionssysteme auch immer komplexer und automatisierter. Diese Faktoren bedingen, dass sich das Verhalten des Produktionssystems schlechter vorhersagen lässt. Die erhöhten Anforderungen und die komplexeren Prozesse werden an den Betrieb und die Planung weitergeleitet. Diese müssen Methoden und Werkzeuge zur Lösung der zuvor beschrieben Problemstellung heranziehen. Das Konzept der Digitalen Fabrik stellt für diese Aufgabe Methoden zur Verfügung, um einen systematischen Lösungsansatz zu erarbeiten [1]. Die Materialflusssimulation gibt dabei Aufschluss über „Was-wäre-wenn“ Szenarien, ohne dabei die vorhandene Produktionsanlage zu stören und somit hohe Kosten zu verursachen.

Verketteter Produktionsprozess
Um zu veranschaulichen, wie mithilfe von Materialflusssimulation zu effizienteren Prozessen gelangt werden kann, wurde beispielhaft der Prozess des indirekten Presshärtens in einem Simulationsmodell abgebildet. Das Verfahren lässt sich in vier Hauptprozesse unterteilen (Bild 1). Nachdem das Bauteil bis zur Austenitisierung im Ofen aufgeheizt wurde, wird es zur Presse transportiert. Die Presse schließt unmittelbar und kühlt mit ihrem wassergekühlten Werkzeug das Bauteil innerhalb weniger Sekunden auf die geforderte Temperatur herunter wobei es unter Martensitbildung aushärtet. Nach dem Pressvorgang kann das Bauteil bei Bedarf noch Angelassen werden, um die Materialeigenschaften anzupassen. Eine anschließende Reinigung erleichtert die Schweißbarkeit der Bauteile, durch die Entfernung der gebildeten Oxidschicht.

Aufbau des Simulationsmodells
Zur Auswahl von Simulationswerkzeugen wird die VDI Richtlinie 3633 (Blatt 4) mit zusammengefassten Kriterien, aus der Sicht der Automobilindustrie, herangezogen. Verschiedene Leistungsbereiche werden mit unterschiedlichen Kriterien bewertet und gewichtet, mit dem Ziel, das optimale Simulationswerkzeug für die vorliegende Aufgabe auszuwählen. Die Simulationssoftware Plant Simulation von Siemens erlaubt es, hochkomplexe Produktionssysteme und Steuerstrategien, Logistiksysteme und Supply-Chain-Netzwerke abzubilden und eignet sich zur Lösung der Problemstellung. Als Grundlage für die Durchführung von Simulationsstudien werden die benötigten technischen, Organisations- und Systemlastdaten ermittelt und analysiert. Die anschließende Durchführung mit allen vorhandenen Rückkopplungen wird nach VDI-Richtlinie 3633 umgesetzt. Zur Sicherung der erforderlichen Simulationsgenauigkeit wurde ein Messkonzept entwickelt, um die technischen Daten optimal als Datengrundlage für das Simulationsmodell zu ermitteln. Das hierarchische Steuerungskonzept der Produktionsanlage ist die Basis für die erforderliche Messwerterfassung (Bild 2). Eine moderne Soft-SPS, welche in einer Windows Umgebung mit Echtzeiterweiterung auf einem Industrie-PC läuft, ermöglicht mit entsprechenden Programmen die Erfassung der Ein- und Ausgabesignale. Durch die zentrale Rolle des Linienrechners können die wichtigsten Steuersig-nale des Gesamtsystems protokolliert und ausgewertet werden. Durch die genaue Analyse des SPS-Quellcodes aller Anlagenteilnehmer mit deren Schnittstellen können Variablen mithilfe eines „Scope-Programms“ am Linienrechner beobachtet und aufgezeichnet werden. Die anschließende Auswertung lässt sich mit einer Genauigkeit von 100 ms durchführen und per Excel Tabelle in das Simulationsmodell importieren. Die Simulationsstudie soll ebenfalls eine Aussage über die verschiedenen Betriebszustände Aus, Standby, Rüsten, Hochfahren, Störung und Produktion treffen. Diese Modi werden ebenfalls in der Firma zur Analyse des Prozesses verwendet und sind aus dem Forschungs- und Entwicklungsprojekt „reBOP“ hervorgegangen. Dieses wird mit Mitteln des Bundesministeriums für Bildung und Forschung innerhalb des Rahmenkonzeptes „Forschung für die Produktion von morgen“ gefördert und vom Projektträger Karlsruhe, betreut.

Durchführung von Simulationsstudien
Bei der Durchführung der Simulationsstudie wurden mehrere Szenarien zur Analyse betrachtet. Diese berücksichtigen den Zyklus des Härteofens, die Taktzeiten der Einzelkomponenten und die zeitliche Verteilung der Betriebszustände. Ein Kennzahlensystem hilft bei der Interpretation und Bewertung der verschiedenen Varianten. Unterschiedliche Szenarien lassen sich durch diesen Ablauf ideal durchführen und gegenüberstellen, um den idealen Betriebspunkt unter bestimmten Kriterien zu finden.

Der optimale Betriebspunkt im Spannungsfeld der Faktoren Kosten, Qualität, Zeit
Besonders bei diesem stark verketteten Produktionsprozess kann eine Simulationsstudie Optimierungspotenzial aufdecken, um den optimalen Betriebspunkt zu ermitteln. Es gilt dabei zu berücksichtigen, dass Produktionsprozesse durch das Spannungsfeld Zeit, Kosten und Qualität geprägt sind (Bild 3). Jedes Unternehmen versucht sich und seine Prozesse entsprechend den Anforderungen des Marktes zu positionieren. Die Organisation der Produktion verfolgt verschiedene Ziele, die das Resultat unterschiedlicher Interessen sind [2]:

  • aus dem Kapitaleinsatz resultierende Ziele
  • Ziele aus Kunden- und Marktinteresse
  • Ziele aus Mitarbeiterinteresse
  • Ziele aus öffentlichem Interesse.

Aus diesen Betrachtungsarten, mit ihren abgeleiteten Zielen, können Qualität, Zeit und Kosten als Haupt- aspekte der Leistungsziele der Produktion definiert werden. Diese Faktoren beeinflussen alle messbaren Ziele und haben somit eine wichtige Bedeutung. Zielkonflikte zwischen diesen drei Faktoren sind in der Praxis nicht zu vermeiden, da nicht alle Ziele widerspruchsfrei definiert werden können. Deshalb können auch gefundene Betriebspunkte und Lösungen nicht eindeutig sein, sondern immer nur einem Ziel mehr und den anderen weniger entsprechen [1]. Die Optimierungsmaßnahmen des vorgestellten Prozesses werden anhand verschiedener Faktoren untersucht und bewertet. Die Produktion wird dabei als geschlossenes System aus unterschiedlichen Sichtweisen betrachtet, welche vorher festgelegt wurden.

Faktor Kosten: Je höher die nach Kostenaspekten gewichtete Effizienz, desto besser läuft der Prozess ab.
Zur Gewichtung können Maschinenstundensätze verwendet werden (hier: fiktiv). Diese dienen der Firma als Grundlage zur Angebotserstellung und berücksichtigen die Kosten von Maschinen, die wertschöpfende Arbeiten verrichten. Die Komponenten für die Automatisierungstechnik und den Transport zählen in diesem Fall nicht dazu. Für die nicht wertschöpfenden Komponenten wird auf Grund dessen eine geringere Gewichtung festgelegt. Zur Berechnung der Effizienz wird die Verteilung der Taktzeiten aus den Simulationsergebnissen verwendet. Die Effizienz ist als Nutzzeit / Gesamttakt definiert. Ein Prozess arbeitet somit effizient, wenn die Nutzzeit sich an die gesamte Taktzeit annähert. Die Maschinen innerhalb der Anlage können ihre Effizienz durch Erhöhung der wertschöpfenden Tätigkeiten verbessern. Im weiteren Verlauf wird die Gewichtung der Effizienz durchgeführt, um die Prozessveränderungen bezogen auf die Kosten besser beurteilen zu können. Der prozentuale Wert der Effizienz wird pro Anlagenteilnehmer in den Fällen IST-Zustand, erste und zweite Optimierung mit der Kostengewichtung multipliziert (Bild 4). Als Ergebnis lässt sich die gewichtete Effizienz pro Fall aufsummieren und in einer Kennzahl darstellen. Die Kennzahl beurteilt den Prozess unter dem Gesichtspunkt „Kosten“. Im IST-Zustand beträgt diese Kennzahl 500,03. Die Erhöhung der Effizienz in Station 4 und 6 führen dazu, dass sich diese auf 520,61 erhöht. Die hohe Gewichtung von Station 4 führt im zweiten Optimierungsschritt dazu, dass sich der Wert auf 527,9 erhöht. Obwohl die Effizienz der Station 6 sinkt, ist diese erneute Erhöhung möglich, da Station 4 in Bezug auf die Kosten eine höhere Wertung zugewiesen bekommt. Die Optimierungsmaßnahmen haben somit alle positive Auswirkungen auf den Faktor Kosten. Die Verringerung der Presshaltezeit führt zwar dazu, dass die Taktzeit zusätzlich sinkt, minimiert jedoch auch den wertschöpfenden Anteil der Station.

Faktor Prozessqualität: Je geringer die nicht wertschöpfenden Anteile, desto effizienter ist der Produktionsprozess.
Die Prozessqualität betrachtet die zeitliche Verteilung der verschiedenen Betriebsmodi. Obwohl sich der Prozess unter Kostenaspekten aufgrund der durchgeführten Optimierungsschritte verbessert hat, verschlechtert sich die mittlere Auslastung aller Komponenten. Während diese im IST-Zustand bei 69,29% lag und bei der ersten Optimierung sogar auf 70,37% anstieg, sank sie am Ende auf 65,36%. Obwohl sie für die Kosten nicht relevant sind, tragen sie jedoch maßgeblich zur Verschlechterung der Prozessqualität bei. Der Betriebspunkt verschiebt sich durch diese Maßnahmen in Richtung des Faktors „Kosten“, wodurch Abstriche in der Prozessqualität entstehen.

Faktor Zeit: Je geringer die Taktzeit der Produktionslinie, desto mehr Teile können pro Schicht hergestellt werden.
Durch die erste Optimierung kann der Taktzyklus der Maschinen um 0,86s (ca. 4%) verringert werden. Die Beschleunigung hat direkte Auswirkungen auf die Ausbringungsmenge. Das Ergebnis bestätigt, dass die Taktzeit als relevante Größe verringert werden muss. Mithilfe des zweiten Optimierungsschritts kann die Taktzeit erneut reduziert werden. Die Optimierung bewirkt eine zusätzliche Reduktion der Taktzeit von 0,98s (ca. 5%). Insgesamt kann die Taktzeit somit um ca. 9% gesenkt und der Output der Anlage um 9% pro Schicht erhöht werden.

Fazit
Insgesamt wurden verschiedene Simulationsszenarien erstellt, um eine umfassende Aussage über Taktzeiten und Betriebszustände machen zu können. Die Simulation ermöglichte dabei den Einblick in „Was-wäre-wenn“-Szenarien einer veränderten Produktion, um geplante Optimierungen bewerten zu können. Anhand dieser Szenarien wurden Optimierungspotenziale abgeleitet, identifiziert und bewertet. Die Auswertung zeigt, dass sich der Betriebspunkt im Zielsystem der Produktion durch die verschiedenen Optimierungsschritte verändert. Jedoch beeinflusst jeder Schritt nicht nur einen Faktor sondern mehrere. Eine Verbesserung in Richtung Kosten ergibt eine Verschlechterung der Qualität und eine Optimierung der Zeit. Die Taktzeit der Anlage kann durch die Optimierungsmaßnahmen um bis zu 9% verringert werden. Gleichzeitig steigt die nach kostenaspekten gewichtete Effizienz um 6%.

Ausblick
In weiteren Forschungsarbeiten wird die Einbindung des Faktors „Energie“ in das Zielsystem der Produktion untersucht. Dabei sollen Produktionsstrategien abgeleitet werden, die es ermöglichen, Aussagen über eine möglichst energie- bzw. ressourceneffiziente Produktion der entsprechenden Bauteile abzuleiten. Dabei werden nicht nur Strom, Gas und Druckluft berücksichtigt, sondern ebenfalls Hilfs- und Betriebsstoffe wie zum Beispiel Öle, Fette und Kühlwasser. Weiterhin wird daran gearbeitet die fehlenden Elemente aus der realen Fabrik in die Gesamtstruktur der digitalen Fabrik zu implementieren. Das bisherige Simulationsmodell berücksichtigt nur einen Teilbereich, indem Systemgrenzen so gesetzt wurden, dass lediglich der In- und Output einer Produktionsanlage in die Simulationsstudie mit einging. Mithilfe des Simulationsmodells können weitere Studien und virtuelle Änderungen hinsichtlich verschiedener Kriterien untersucht werden.

Schlüsselwörter:

Digitale Fabrik, Materialflusssimula- tion, optimaler Betriebspunkt

Literatur:

[1] Kühn, W.: Digitale Fabrik – Fabriksimulation für Produktionsplaner. München 2006.
[2] Westkämper, E.: Einführung in die Organisation der Produktion. Heidelberg 2006.