Lade Inhalt...

Verbesserung der Anlagenauslastung mit Hilfe der linearen Optimierung. Software Engineering nach der „Extreme Programming“- Methode

Bachelorarbeit 2011 54 Seiten

Informatik - Angewandte Informatik

Leseprobe

Inhaltsverzeichnis

Vorwort

Abstract

1. Einleitung
1.1 Motivation
1.2 Gang der Arbeit
1.3 Zielsetzung

2. Software Engineering
2.1 Die Phasen der Softwareentwicklung
2.2 Modelle des Software Engineering
2.2.1 Das Wasserfall-Modell
2.2.2 Das V-Modell
2.2.3 Rapid Prototyping
2.2.4 Extreme Programming (XP)
2.3 Software Engineering im Projekt „Golden Mix“

3. Optimierung von Fertigungsabläufen
3.1 Gründe der Optimierung
3.2 Grundlagen der Fertigungsoptimierung
3.2.1 Die Gesetze der „Factory Physics“
3.2.2 Die lineare Optimierung

4. Softwareentwicklung für Optimierungsaufgaben bei Infineon Technologies
4.1 Grundlagen zur Halbleiterfertigung und Infineon
4.1.1 Definition der wichtigsten Begriffe
4.1.2 Die Software PlanSim
4.1.3 Aktuelle Optimierungsmodule in PlanSim
4.2 Optimierung der Verteilungen von Produktionsvolumen auf Anlagen
4.2.1 Der Simplex-Algorithmus
4.2.2 Hintergründe zur Verwendung des Simplex-Algorithmus
4.3 Softwareentwicklung zur Optimierung der Verteilung der Produktionsvolumen auf den Anlagen
4.3.1 Der Algorithmus des Software-Moduls
4.3.2 Die Phasen der Softwareentwicklung im Projekt „Golden Mix“
4.3.3 Die Software
4.3.4 Testen und Debuggen

5. Zusammenfassung und Ausblick
5.1 Fazit des Autors über die Praxis bei Infineon Technologies
5.2 Software Engineering in der Vergangenheit und heute
5.3 usblick für das Projekt „Golden Mix“

Glossar

Abkürzungsverzeichnis

Abbildungsverzeichnis

Literaturverzeichnis

Vorwort

Von April bis September 2011 hatte der Autor dieser Bachelorarbeit die Möglichkeit im Rahmen eines Praktikums, das mit der vorliegenden Abschlussarbeit abschließt, bei Infineon Technologies ustria G (IF T) in der bteilung „Operations Research Engineering (ORE)“ tätig zu sein. Die größtenteils eigenständige Bearbeitung eines Softwareprojekts und die damit verbundenen Aufgaben waren ebenso Teil dieser Industriepraxis. Dadurch hat der Autor viele interessante Einblicke in die Halbleiter-Fertigung und Erfahrungen im Bereich der Softwareentwicklung sammeln können. Der Verfasser hat versucht diese optimal in die vorliegende Bachelorarbeit einfließen zu lassen.

Anmerkungen des Autors

In dieser Bachelorarbeit werden Berufsgruppen und Rollenbezeichnungen verwendet, die zur Vereinfachung und des besseren Leseflusses im maskulinen Singular bzw. Plural angegeben werden. Dies soll keine wertende Einschätzung sein, auch weibliche Personen und weibliche Angehörige dieser Berufsgruppen sollen sich angesprochen fühlen.

Außerdem werden in dieser Bachelorarbeit Abkürzungen und Beschreibungen verwendet, dessen Datengrundlage nur für betriebsinterne Zwecke freigegeben ist. Die ͣTechnical Regulation No. 27 - Production Performance Indicators (PPI)“ ist eine der Quellen, deren Einsicht nur unter Zustimmung der Infineon Technologies AG vorgenommen werden kann. Weitere Abkürzungen und Definitionen sind persönlichen Gesprächen des Autors mit den Kollegen der Abteilung entnommen und sind daher nicht mit einer Quellenangabe versehen.

Danksagungen

Der Autor möchte sich bei all jenen bedanken, die ihn während seines Studiums in jeglicher Form unterstützt haben.

Ein besonderer Dank gilt vor allem seinen Eltern Maria und Franz Strell, den Großeltern Eva und Oswald Forman und den Geschwistern Alexander Strell, Martin Strell und Wolfgang Strell, jeweils mit Familie, für die hervorragende Unterstützung während des Studiums.

Des Weiteren will sich der Autor bei all seinen Freunden stellvertretend bei Georg Seifert, Franziska Bretl, Anton Ebertzeder, Sebastian Hiergeist und Benedikt Wick für wertvolle Tipps und Anregungen bedanken.

Außerdem sei der Dank an die Kollegen bei Infineon, Walter Laure, Martin Romauch, Gerald Melcher, Georg Seidel, Andreas Starzacher, Andreas Klemmt, Mario Senoner, Micha Rappaport u. a. für die guten Gespräche und das hervorragende Arbeitsklima gerichtet.

Ein weiteres Dankeschön gilt den Professoren und Dozenten der Hochschule Landshut, die unermüdlich für das Erreichen der Studienziele der Studenten eintreten. Vor allem Herrn Prof. Dr. rer. nat., Dipl.-Inf. Wolfgang Jürgensen gilt für die gute Betreuung dieser Arbeit ein besonderer Dank.

Abstract

Deutsche Original-Fassung:

Hinweis: Dieses Dokument ist komplett in deutscher Sprache verfasst. Einzig der Abstract wurde ins

Englische übersetzt.

Die vorliegende Arbeit beschreibt die Entwicklung einer Software zur Optimierung der Verteilung von Produktionsvolumen auf Anlagen am Beispiel der Halbleiterfertigung bei der Infineon Technologies Austria AG. Da dieser Vorgang im Moment größtenteils manuell vorgenommen wird, sind längerfristige und verlässliche Planungen sehr zeitaufwändig. Um dieses Problem zu Lösen soll mit Hilfe der linearen Optimierungsalgorithmen aus einer gegebenen Einschleusplanung die bestmögliche Verteilung der Volumen auf den Anlagen errechnet werden. In dieser Bachelorarbeit werden die dafür notwendigen Techniken der Softwareentwicklung, wie die Modellierungsarten und Phasen der Softwareentwicklung, sowie Algorithmen dafür erläutert.

English Version:

Note: This document is written in German. Only this part is translated to English.

This Thesis describes the developing of software to optimize the allocation of production volumes on equipments, using the example of the semiconductor production at Infineon Technologies Austria AG. As this process is currently done manually, a reliable long-term plan is very time-consuming. To solve this problem the given planning of wafer-starts should be calculated with the linear programming algorithms. In this Bachelor-Thesis the necessary techniques and methods of Software Engineering, like the Modeling types and phases, and algorithms will be explained to deal with this allocation issue.

1. Einleitung

„Optimierung bedeutet lediglich, dass versucht wird, einen bestehenden Zustand zu verbessern, bzw. dem Optimum anzunähern.“1 „Optimum“ lässt sich in diesem Fall aus dem Wort „optimal“ herleiten, was im eigentlichen Sinne „den bestmöglichen Zustand erreichen“ heißt.

Die Wörter „Optimierung” und „optimal” werden je nach Gebrauch unterschiedlich verwendet. Das allgemeine Ingenieurswesen beschränkt sich auf das bestmögliche, wohingegen die Betriebs- und Volkswirtschaftslehre, sowie die theoretische Mathematik vom besten Fall ausgehen.

Die Optimierung in der Operations Research (im deutschen Sprachgebrauch auch Unternehmensforschung)2 ist bezeichnenderweise die Verbesserung eines Ist-Zustandes zum bestmöglichen Fall. So schreibt E. M. L. Beale in seinem Buch Introduction to Optimization: „Optimization involves finding the best solution to a problem. Mathematically, this means finding the minimum or maximum of a function“3.

„Der Begriff Operations Research (OR) stammt ursprünglich aus dem militärischen Bereich und bezeichnete die Entwicklung spezieller Methoden zur Lösung strategischer Probleme durch interdisziplinäre Arbeitsgruppen, sogenannter Operational Research-Units, wie sie insbesondere während des 2. Weltkriegs eingesetzt wurden.“4

Die Abteilungen des Operations Research in der Industrie und Wirtschaft sind spezielle Abteilungen, die sich mit der individuellen Optimierung der einzelnen Produktionsbetriebe beschäftigen. Hierfür gibt es verschiedene Ansätze, denn die Gebiete des OR sind eine unübersichtliche Vielzahl mathematischer Begriffe und Methoden, diese sind u. a. Lineare Optimierung, Nichtlineare Optimierung, Graphentheorie, Monte-Carlo-Simulation und Spieltheorie5.

Für diese Bachelorarbeit sind allerdings die Algorithmen der linearen Optimierung ausreichend, weitere Algorithmen werden u. a. in Linear and Nonlinear Programming (Nash/Sofer, 1996) und Introduction to Optimization (Beale, 1988) detaillierter dargestellt.

Auf diese und andere Schlagworte der Optimierung und der Softwareentwicklung wird später noch im Detail eingegangen.

1.1 Motivation

Um aus den aktuellen Zahlen und Statistiken, die eine Fabrik charakterisieren, eine für die nähere Zukunft plausible und profitable Gestaltung des zu produzierenden Produkt-Mix, d. h. die Vielzahl der Endprodukte, zu gestalten, gibt es verschiedene Ansätze und Algorithmen. Diese Algorithmen sind in der Praxis für jeden Fabrik-Typ unterschiedlich.

Um diese Algorithmen und Datenstrukturen für die größtenteils komplexe Aufgabenstellung „Optimierung der nlagenkapazitäten“ gezielt verwenden zu können, bedarf es mehreren Teilaspekten, die in dieser Arbeit näher erläutert werden.

1.2 Gang der Arbeit

Nach den einleitenden Worten und der Motivation befindet sich in Kapitel 1 die Zielsetzung dieser Bachelorarbeit und des damit verbundenen Projekts.

In dem folgenden Kapitel werden dem Leser die Softwareentwicklung und die dafür verwendeten Techniken nähergebracht. Zunächst wird der Begriff Software Engineering bzw. Softwaretechnik kurz erläutert. Danach werden die Phasen und Modellierungsarten der Softwareentwicklung beschrieben. Zum weiteren Verständnis wird in Kapitel 3 auf die Optimierung im Allgemeinen und speziell auf den Algorithmus der linearen Optimierung eingegangen.

Schwerpunkt der Arbeit ist das Thema Softwareentwicklung und die dafür angewandten Software Engineering Methoden in Kapitel 4. Hier wird näher auf die verwendeten Algorithmen und Datenstrukturen eingegangen. Kapitel 5 schließt mit der Zusammenfassung und dem Ausblick die Bachelorarbeit inhaltlich ab. Anschließend werden die wichtigsten Definitionen und Begriffe im Glossar, sowie die verwendeten Abkürzungen aufgeführt, ehe das Abbildungs- und Literaturverzeichnis den Abschluss bilden.

1.3 Zielsetzung

Auf Grundlage der PlanSim-Software soll ein Modul entstehen, das den bisher zumeist manuellen Planungsschritt „Verteilung des Produktionsvolumen auf die einzelnen nlagen“ durch mathematische Algorithmen automatisiert. Als Ausgabe wird der bestmögliche Produktmix und die Verteilung auf den Anlagen dargestellt, wobei dieser Algorithmus beliebig oft wiederholt werden kann, um die Ausgabe präziser werden zu lassen. Genaueres hierzu lässt sich in den Kapiteln 3 und 4 nachlesen, wo dieser Punkt genauer spezifiziert wird. Die Integration dieses Software-Moduls in die PlanSim-Applikation, sowie für das Projekt geplante Erweiterungen sind aus zeitlichen Gründen nicht Teil dieser Arbeit.

2. Software Engineering

Die professionelle Entwicklung von Softwareprodukten ist weniger das Programmieren einer Anwendung, sondern vielmehr ein nach dem Institute of Electrical and Electronics Engineers (IEEE) spezifizierter stetiger Prozess, der aus verschiedenen Phasen besteht, denn das „Software Engineering ist eine Entwicklungsdisziplin, die sich mit allen Aspekten der Softwareherstellung beschäftigt.“6 „Der Begriff Softwaretechnik (engl. software engineering) wurde 1968 geprägt. Er war die Antwort auf den damals trostlosen Zustand bei der Entwicklung zuverlässiger Software in einem vernünftigen Zeitraum und innerhalb eines gesetzten Kostenrahmens.“7

Dieser Abschnitt und die Zitate zeigen, dass die Software Engineering-Praktiken nicht vor den ersten Computern, sondern erst viel später zum Tragen kamen. Anfangs wurden die Computer mit einfachsten Programmen ausgestattet, die meist noch „hardcodiert“, also direkt auf der Hardware platziert, waren. Erst mit der Entwicklung der ersten Programmiersprachen und der Weiterentwicklung der Hardware in den 1960er Jahren konnte man von „Softwareentwicklung“ sprechen. Damals waren die Programme allerdings meist noch wenig strukturierte Ansammlungen von Befehlen, was sich erst am Ende dieses Jahrzehnts ändern sollte. Auslöser der Softwarekrise 1968 waren die explodierenden Kosten für Software, während die Kosten für Hardware aufgrund technischer Gegebenheiten sanken. Auf einer NATO-Tagung in Garmisch wurden die bis heute allgemein gültigen Standards des Software Engineerings vereinbart.8 Edsger W. Dijkstra, einer der führenden Informatiker in dieser Zeit, beschrieb diese als den „turning point“9 der Softwareentwicklung.

Im Allgemeinfall sind zur Entwicklung von Softwareprodukten folgende Schritte notwendig. Je nach Modell und Art des Software-Projektes können einige Schritte verfeinert werden:

- Anforderungsdefinition (Planung, Anforderungsanalyse)
- System- und Softwareentwurf (Entwurf eines Konzeptes)
- Implementierung und Komponententest
- Integration und Systemtests
- Betrieb und Wartung der Software10

Je nach Modell werden diese Schritte mehr oder weniger häufig durchlaufen. Im folgenden Abschnitt werden die Schritte genauer erklärt. Zunächst wird jedoch in Abbildung 1 ein Überblick über die wichtigsten Phasen gegeben.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Der Softwarelebenszyklus (aus [Sommerville2007] S. 97, Abbildung 4.1)

2.1 Die Phasen der Softwareentwicklung

Planungsphase

Die Planungsphase ist auch als Start-Punkt eines Software-Projekts anzusehen. Hier werden die Grundlagen für die Software in Form von Spezifikationen des Auftraggebers festgesetzt. Diese Spezifikationen werden im Lasten- und Pflichtenheft dokumentiert. Außerdem wird die Durchführbarkeit eines Projektes in Form einer Machbarkeitsstudie geprüft.

Anforderungsanalysephase

Die Anforderungsanalyse ist ein iterativer Prozess. Hier werden die Anforderungen systematisch erfasst. Dies geht mit den Aktivitäten Ermittlung, Festlegung und Beschreibung, Analyse, Animation, Simulation und Ausführung sowie dem Verbindlichmachen der Anforderungen einher. Diese Phase endet mit der Produktdefinition bzw. -spezifikation.

Entwurfsphase

Mit der Produktdefinition kann aus dem Lasten- und Pflichtenheft ein Konzept entwickelt werden, auf dessen Basis die Software später implementiert werden kann. Hier werden Algorithmen und Datenstrukturen festgelegt, sowie auch Programmiermethoden und -sprachen.

In der Anforderungsanalyse- und Entwurfsphase werden Modellierungen verwendet, die aus der standardisierten Sprache, der Unified Modelling Language (UML) stammen. Die UML hat sich aus der Vereinheitlichung der Object Modeling Technique (OMT) und der Object-Oriented Software Engineering (OOSE) ergeben11.

Implementierungs- und Testphase

Im Allgemeinen sind Software-Tests umfangreicher und zeitintensiver als die dazugehörige Software zu implementieren, da in den Testfällen alle möglichen Fälle getestet werden müssen, die das Software-Modul, gewollt oder ungewollt, zulässt. Brian W. Kernighan, Co-Autor von Programmieren in C und Mitentwickler der Programmiersprache C sagte hierzu: „Debugging is twice as hard as writing the code in the first place.“12 Die Kernaussage dieser These stützt sich auf den Debug-Prozess, der zweimal so aufwändig sein kann, als das initiale Programmieren selbst. Das „fertige“ Modul darf erst in das Software-System integriert werden, wenn alle vermeidbaren Fehler behoben und die Software danach die Testfälle besteht. Ist dies nicht der Fall und werden während der Tests weitere Fehler aufgedeckt, sind diese natürlich vor der Integration in ein Software-System zu beheben, um später teils aufwändige Korrekturen zu vermeiden.13

Natürlich können Software-Tests nicht zeigen, dass keine Fehler mehr vorhanden sind, aber wie „Edsger Dijkstra *…+ eloquent feststellte (Dijkstra et al., 1972), ‚Tests können nur die nwesenheit von Fehlern aufzeigen, nicht ihre bwesenheit͚.“14 Dieses Zitat bestätigt, dass auch in der Softwareentwicklung Fehler gemacht werden dürfen, allerdings sollten Fehler von Anfang an vermieden werden, damit man sich das Leben nicht unnötig schwer macht bzw. dass man bei einer Software nicht davon ausgehen kann, dass diese keine Fehler enthält, sondern dass eventuelle Fehler nicht oder noch nicht aufgedeckt wurden.

Die Entwicklungs- oder Implementierungsphase überlappt sich zumeist mit der Testphase, dessen Ergebnis am Ende der getestete Quellcode sein sollte.

Integrations- und Wartungsphase

Die Phasen „Integration und Systemtests“ und „Betrieb und Wartung“ sind die beiden letzten Phasen des Software-Lebenszyklus und stellen das Ende einer Softwareentwicklung dar. Mit der Integration werden finale Tests realisiert und das Softwaresystem an den Kunden ausgeliefert.

In der Wartungsphase wird auf veränderte Begebenheiten für die Software, wie z. B. Veränderungen der Hardware, reagiert. Auch neue oder veränderte Anforderungen können in Form von Versionen der Original-Software in die Wartungsphase einfließen. In den meisten Fällen ist die Wartungsphase die längste Phase innerhalb des Softwarelebenszyklus.15 (siehe auch Abb. 1)

2.2 Modelle des Software Engineering

Die Modellierungsarten eines Software-Projekts sind vielfältig, da die meisten Modelle in abgewandelter Form und mit anderen Namen in der Praxis verwendet werden. Deshalb werden hier nur die bekanntesten Modelle beschrieben. Basis der Modellierungsarten im Software Engineering und im Computer Aided Software Engineering (CASE) ist der Softwarelebenszyklus (Abbildung 1), der für die meisten Modellierungsarten und für die vorher beschriebenen Phasen als Grundlage dient.

2.2.1 Das Wasserfall-Modell

Das Wasserfall-Modell in seiner ursprünglichen Form ist eines der ältesten Vertreter der Modellierungsarten. Hierbei werden die oben genannten Schritte als Phasen verwendet. Erst wenn eine Phase abgeschlossen ist, kann zur nächsten Phase übergegangen werden. Dadurch, dass die Softwareentwicklung nicht statisch planbar ist, ist dieses Modell in der Praxis nicht anwendbar. Deshalb wird zumeist die Abwandlung mit Rückschritten oder Zyklen verwendet. Das WasserfallModell mit Rückschritten ist auch als der „Softwarelebenszyklus“ (Abb. 1) bekannt.16

2.2.2 Das V-Modell

Das V-Modell wurde 1986 vom Bundesministerium für Verteidigung entwickelt und beschreibt neben den Phasen des Software Engineering auch Komponenten außerhalb der Softwareentwicklung. Auch hier gab es im Laufe der Zeit Abwandlungen, die z. B. die Objektorientierung (V-Modell 97) in das Modell aufnahmen. Die bekannteste Abwandlung ist das V-Modell XT, das sich nicht nur auf das „Was“, sondern auch auf das „Wie“ bezieht. XT steht hierbei für „Extreme Tayloring“ und stellt den inkrementellen Ansatz dar.17

2.2.3 Rapid Prototyping

Die Methode des Rapid Prototyping, auch als „Throw way Prototyping“ bekannt, ist im llgemeinen eine Weiterführung des evolutionären Modells. Hierbei wird bei der Erstellung eines Prototyps darauf geachtet, dass der jeweilige Vorgänger nicht wieder verwendet wird. Dies ist einer der größten Nachteile, da für jeden Prototyp ein großer Entwicklungsaufwand betrieben werden muss.18 Weitere Informationen zu der Software Engineering-Methode sind u. a. in dem Paper Rapid prototyping: An alternative instructional design strategy (Tripp/Bichelmeyer) zu finden.

2.2.4 Extreme Programming (XP)

Das Extreme Programming (deutsch extremes Programmieren) ist die wahrscheinlich bekannteste agile Methode. Die Merkmale des Extreme Programming sind der Verzicht auf einige Elemente der Softwareentwicklung, wobei der Fokus auf andere für das Projekt wichtigere Elemente liegt. Dies wird in Fachkreisen häufig als Methode der „Best Practices“ bezeichnet.19

2.3 Software Engineering im Projekt „Golden Mix“

Das Projekt „Golden Mix“ wurde mit Hilfe der Methode Extreme Programming realisiert, wobei der Hauptfokus auf den Phasen der Softwareentwicklung sowie Testen und Debuggen liegt. Die Entscheidung für dieses Modell liegt in der Flexibilität der Phasen, da nur Phasen durchlaufen werden, die auch in diesem Projekt verwendet werden. So wurden in diesem Fall die Planungs- und Anforderungsanalyse-Phase, Systemintegration, Einführung sowie Wartung und Pflege nicht vom Autor realisiert.

3. Optimierung von Fertigungsabläufen

Wie in der Einleitung schon beschrieben, ist die Bezeichnung „Optimierung“ je nach Gebrauch unterschiedlich. Im Zusammenhang mit dem Operations Research sollte die Definition eindeutiger werden.

So schreiben Ferris, Mangasarian und Wright in ihrem Buch „Optimization is a fundamental tool for understanding nature, science, engineering, economics, and mathematics.“20

E.M.L. Beale hingegen verwendet nicht nur das eingangs angewendete Zitat, sondern schreibt hierzu noch „ lthough optimization is used in various branches of applied mathematics and statistics it is particularly associated with operational research.”21

Im Duden allerdings wird das Wort „optimieren“ mit weiterentwickeln oder vervollkommnen übersetzt.22

Die Optimierung speziell in der Fertigung soll daher nicht das beste, sondern das bestmögliche Ergebnis liefern.

3.1 Gründe der Optimierung

Die Gründe zur Optimierung von Anlagenauslastungen sind vielschichtig. Zum einen werden die Kundenanforderungen komplexer und zum anderen spielt der betriebswirtschaftliche Faktor eine große Rolle. Zudem verbessern sich die technischen Möglichkeiten durch immer effizientere Anlagen und Maschinen, und nicht zuletzt lassen sich durch die angewandte Mathematik und Computertechnik in vielen Bereichen genauere Berechnungen anstellen.

Die Optimierung, die aus volks- und betriebswirtschaftlichen Gründen durchgeführt werden, sind häufig die Hauptfaktoren für verbesserte Fertigungen. Die technischen Gründe werden meistens als Einflussfaktoren hinzugezählt. Zu den wichtigsten Optimierungsgründen zählen:

- veränderte Kundenanforderungen
- Veränderungen des Absatzmarktes
- Konkurrenzdruck
- Durchsatz-Steigerung aufgrund veränderter Fixkosten  Quantität kontra Qualität

So lässt sich die Verbesserung der Technik meist in den Punkten „Quantität kontra Qualität“ und „Durchsatz-Steigerung“ vorfinden. So kann bei einer schnelleren Maschine z. B. ein größerer Durchsatz geschafft werden. Andererseits heißt Schnelligkeit nicht immer Verbesserung, da bei größerer Fertigungsleistung nicht immer auch bessere oder gleichbleibende Qualität besteht.23 Dies wird auch in Kapitel 3.2 deutlich.

3.2 Grundlagen der Fertigungsoptimierung

ͣDie mathematische Modellierung eines Problems spielt im Rahmen des OR-gestützten Planungsprozesses eine zentrale Rolle und bereitet oftmals große Schwierigkeiten, da sie sich wegen der Vielzahl unterschiedlicher nwendungsbereiche kaum systematisch darstellen lässt.“24

Dies lässt sich am besten anhand einer Abbildung erklären:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: OR-gestützter Planungsprozess ([Koop et al.] S. 3, Abb. 1.1)

Weiterführend ist der OR-gestützte Planungsprozess in Lineare Optimierung - Eine anwendungsorientierte Einführung in Operations Research (Koop/Moock, 2008) in Kapitel 1.2 beschrieben.

3.2.1 Die Gesetze der „Factory Physics“

Bevor im Detail auf die Optimierung in einer Losfertigung eingegangen wird, zunächst die 13 physikalischen Gesetze, die eine Fabrik charakterisieren, in einem kurzen Überblick.

1. Little’s Law

Little’s Gesetz (nach John D. C. Little) ist für alle Produktionslinien gültig. Außerdem kann es auch für einzelne Workstations, Linien oder für eine gesamte Fabrik zum Einsatz kommen. Die mathematische Schreibweise:

Abbildung in dieser Leseprobe nicht enthalten

(mit GR für Durchsatz, WIP für Bestand und CT für Durchlaufzeit) Little’s Gesetz ist Grundlage für alle Gesetze der „Factory Physics“.25 2. Best Case Performance

Die „Best Case Performance”, basierend auf Little’s Gesetz, charakterisiert entweder das Minimum der Durchlaufzeit (CTbest)

Abbildung in dieser Leseprobe nicht enthalten

oder den maximalen Durchsatz (GRbest)

Abbildung in dieser Leseprobe nicht enthalten

(mit T0 für physikalische Durchlaufzeit, rb für die Bottleneck-Rate, W0 für den kritischen WIP und w für gegebenen WIP-Level)

Die Best Case Performance ist sozusagen der Optimal-Zustand, der allerdings praktisch nicht erreicht werden kann. Verwendung findet dieses Gesetz in Planungen, damit der bestmögliche Fall errechnet werden kann.

3. Worst Case Performance

Die „Worst Case Performance” ist der Gegensatz zur eben vorgestellten Best Case Performance. Hier werden die schlechteste Durchlaufzeit (CTworst)

Abbildung in dieser Leseprobe nicht enthalten

oder der kleinste Durchsatz (GRworst)

Abbildung in dieser Leseprobe nicht enthalten

dargestellt. Auch die Worst Case Performance, der schlechtest-mögliche Zustand, sollte in der Praxis nicht erreicht werden. Sie findet ebenso wie die Best Case Performance in den Planungen Verwendung. Zumeist wird ein errechneter Zustand, der „Practical Worst Case (PWC)“ verwendet.

[...]


1 [SEO united] Internetquelle erster Satz

2 vgl. [Koop et al.] Kap. 1, S. 1

3 [Beale] Kap. 1, S. 1

4 [Koop et al.] Kap. 1, S. 1

5 vgl. [Koop et al.] Kap. 1, S. 2

6 [Sommerville2007] S. 44

7 [BrueggeDutoit2004] S. 25

8 vgl. [Gruhn et al.] Kap. 2.1.1, S. 11 ff.

9 [Dijkstra1972] EWD340-8

10 vgl. [Sommerville2007] Kap. 4.1.1, S. 96-97

11 vgl. [BrueggeDutoit2004] S. 54

12 aus Internetquelle [Zitate] Nr. 11 der Top 50 Zitate

13 vgl. [Sommerville2007] Kapitel 23, S.580 ff

14 aus [Sommerville2007] S. 581

15 vgl. [Sommerville2007] S. 97

16 vgl. [Sommerville2007] Kap. 4.1.1, S. 96, S. 854

17 vgl. [SkriptumSWE2009] S. 56 ff.

18 vgl. [SkriptumSWE2009] S. 80

19 vgl. [Sommerville2007] Kap. 17.2, S. 432 ff.

20 [LinProg2007] Kap. 1, S. 1

21 [Beale] Kap. 1, S. 1

22 vgl. [DudenOptimieren] Internetsuche Duden

23 vgl. [Hopp et al. 1995] Kap. 7.3

24 [Koop et al.] Kap. 1.2, S. 3

25 vgl. [Hopp et al. 1995] Kap. 7.3, S. 232

Details

Seiten
54
Jahr
2011
ISBN (eBook)
9783668242562
ISBN (Buch)
9783668242579
Dateigröße
2.3 MB
Sprache
Deutsch
Katalognummer
v333990
Institution / Hochschule
Hochschule für angewandte Wissenschaften Landshut, ehem. Fachhochschule Landshut – Fakultät Informatik
Note
1,3
Schlagworte
lineare Optimierung Software Engineering Golden Mix

Autor

Teilen

Zurück

Titel: Verbesserung der Anlagenauslastung mit Hilfe der linearen Optimierung. Software Engineering nach der „Extreme Programming“- Methode