Konzeption regelwerksbasierter Erweiterungen einer Änderungsplanung zum interorganiationalen Einsatz

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Problemstellung
2.1 Problembeschreibung bei interorganisationalen Änderungsplanungsprozessen
2.2 Anforderungen an die intraorganisationale Änderungsplanung
2.2.1 Anforderungen an den Änderungsplanungsalgorithmus
2.2.2 Anforderungen an die regelbasierte Steuerung

3 Stand der Technik
3.1 Ansätze zur Änderungsplanung
3.1.1 Net Change
3.1.2 Ansätze zur Änderungsplanung in der Produktionsplanung und -steuerung
3.1.3 OOPUS-DRS
3.2 Wissensbasierte Systeme
3.2.1 Expertensysteme
3.2.1.1 Architektur von Expertensystemen
3.2.1.1.1 Wissensbasis
3.2.1.1.2 Problemlösungskomponente
3.2.1.1.3 Erklärungskomponente
3.2.1.1.4 Wissensakquisitionskomponente und Wissenserwerb
3.2.1.1.5 Dialogkomponente
3.2.1.1.6 Wissensingenieur
3.2.2 Grundtechniken der Wissensrepräsentation
3.2.2.1 Logik
3.2.2.1.1 Aussagenlogik
3.2.2.1.2 Prädikatenlogik erster Stufe
3.2.2.1.3 Fuzzy-Logik
3.2.2.1.4 Modallogik
3.2.2.2 Regeln
3.2.2.2.1 Ablaufstrategien
3.2.2.2.2 Suchstrategien
3.2.2.2.3 Schlussverfahren
3.2.2.3 Strukturierte Objekte
3.2.2.2.4 Semantische Netze
3.2.2.2.5 Objekte und Frames
3.2.2.2.6 Constraints
3.2.3 Blackboard-Architektur
3.3 Wissensbasierte Ansätze in der PPS
3.3.1 Agenten
3.3.2 Prioritätsregeln

4 Zu leistende Arbeit

5 Konzeption regelbasierter Erweiterungen für eine interorganisationale Änderungsplanung
5.1 Wissensbasis zur regelbasierten Steuerung
5.1.1 Zeiten, Produkte und Mengenänderung
5.1.2 Kapazitäten des Unternehmens
5.1.3 Kostenparameter in der Änderungsplanung
5.2 Hierarchischer Ablauf
5.2.1 Entscheidungsbaum
5.2.2 Regeln
5.3 Diskussion über Ablaufstrategien und Suchstrategien im Lösungsraum

6 Zusammenfassung und Ausblick

7 Literaturverzeichnis

Ehrenwörtliche Erklärung

Abbildungsverzeichnis

Abbildung 3–1: Neuaufwurf und Fortschreibung

Abbildung 3–2: Änderungsplanung über Absolut- und Differenzwerte

Abbildung 3–3: Materialfluss und Zirkulation der KANBAN Karten

Abbildung 3–4: Teiledisposition in einem Werk

Abbildung 3–5: Einordnung von Expertensystemen

Abbildung 3–6: Architektur von Expertensystemen

Abbildung 3–7: Die zentrale Rolle des Wissensingenieurs

Abbildung 3–8: Wissensrepräsentationsformalismen der (symbolischen) Künstlichen Intelligenz

Abbildung 3–9: Wahrheitstafeln

Abbildung 3–10: Syntax für einen Kalkül zur Prädikatenlogik erster Ordnung

Abbildung 3–11: Zugehörigkeitsfunktion „Lebensalter einer Person“

Abbildung 3–12: Beispiel für Regeln mit Implikation (1) und Handlungen (2)

Abbildung 3–13: Die Datenbasis als Baum bzw. als Graph

Abbildung 3–14: Vorwärtsverkettung

Abbildung 3–15: Rückwärtsverkettung

Abbildung 3–16: Breitensuche

Abbildung 3–17: Tiefensuche von links nach rechts

Abbildung 3–18: JTMS-Basis-Algorithmus

Abbildung 3–19: Beispiel für ein semantisches Netz

Abbildung 3–20: Aufbau von Frames

Abbildung 3–21: „Beispiel eines Constraints für einen Widerstand mit Widerstandswert R“

Abbildung 3–22: Die Blackboard-Struktur

Abbildung 5–1: Prinzipieller Aufbau des Änderungsplanungsalgorithmus’

Abbildung 5–2: Zusammenhang zwischen Änderungsplanungsalgorithmus und Regelwerk

Abbildung 5–3: Mengenänderung

Abbildung 5–4: Beispiel Mengenänderung

Abbildung 5–5: Beispiel Mengenänderung als Fortschrittszahl dargestellt

Abbildung 5–6: Beispiel Mengenänderung als Ebene im Entscheidungsbaum

Abbildung 5–7: Beispiel Montagelinienkapazität

Abbildung 5–8: Mengenänderung, Kapazitäten und Kostenparameter

Abbildung 5–9: Genereller Aufbau des Eingangs- und Ausgangsobjektes

Abbildung 5–10: Entscheidungsbaum

Abbildung 5–11: Mengenänderung im Entscheidungsbaum

Abbildung 5–12: Kostenparameter Strafkosten im Entscheidungsbaum

Abbildung 5–13: Beispielhafte Erweiterung des Entscheidungsbaumes

Abbildung 5–14: Arbeitstagsregeln als Wenn-Dann-Regel

Abbildung 5–15: Produktregeln als Wenn-Dann-Regel

Abbildung 5–16: Regeln für die Kostenparameter PC (j), UC (j), SC (j) und OC (j)

Abbildung 5–17: Regeln für Maschinenkostensätze und Teamkostensätze

Abbildung 5–18: Regeln für die Kapazitäten

Abbildung 5–19: Tabelle mit Regeln

Abbildung 5–20: Ausgangsobjekt des Änderungsplanungsalgorithmus' und Eingangsobjekt des Regelwerkes

Abbildung 5–21: Entscheidungsbaum mit Regeln, Beispiel

Abbildung 5–22: Entscheidungsbaum mit Vorwärtsverkettung und Tiefensuche

Abbildung 5–23: Ausgangsobjekt des Regelwerkes

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

„Nichts ist so alt, wie die Schlagzeile von gestern!“^[1] Dieser Satz charakterisiert die heutige Zeit meiner Meinung nach zutreffend. Die Gesellschaft und die Unternehmen von heute leben in einer schnelllebigen Zeit. Den Grund hierfür liefern u.a. die Kommunikationsmedien, bspw. Fernsehen, Radio und vor allem das Internet, aber auch der Computer und die gesamte Technik, die sich rasend schnell entwickelt. Sie alle tragen dazu bei, dass man ständig auf dem Laufenden ist. Nimmt man z.B. einen Brief, den man von Deutschland nach Amerika schicken möchte. Vor etwa 100 Jahren dauerte die Zustellung mehrere Wochen und heute ist der Brief per E-Mail schon in der nächsten Sekunde dar. Die Gesellschaft erwartet von jedem Einzelnen, dass er möglichst schnell und flexibel auf sich ändernde Gegebenheiten reagiert.

Aber auch die Unternehmen bleiben hiervon nicht unberührt. Kunden erwarten von ihnen ad hoc Entscheidungen. Doch dies ist i.d.R. nicht immer bzw. nie möglich. Betrachtet man z.B. die Änderungsplanung in einem Unternehmen stellt man fest, dass bei einer Änderungsplanung verschiedene Ziele, bspw. Gewinnmaximierung, Reduzierung der Lagerhaltung, Auslastung der vorhandenen Ressourcen, etc., des Unternehmens berücksichtigt werden müssen. Der Unternehmer muss alle vorhandenen Daten genau analysieren und entsprechend einer Bewertung unterziehen um dann zu entscheiden, ob die Änderung sinnvoll in Bezug auf die verschiedenen Unternehmensziele ist. Viele Unternehmen benutzen in der heutigen Zeit Änderungsplanungsalgorithmen, um schneller zu einer optimalen Entscheidung zu gelangen. Daten, die sich in Bezug auf den alten Plan verändern, werden manuell eingegeben und durch einen Änderungsplanungsalgorithmus analysiert. Das Unternehmen bekommt einen optimalen Plan bezüglich der geänderten Daten. Ob dieser so erzeugte Plan allerdings auch optimal bezüglich der Unternehmensziele ist, muss vom Unternehmer bewertet werden. Der Unternehmer probiert dies i.d.R. durch die erneute Eingabe von Daten aus. Diese Methode kann in der Praxis entsprechend langwierig werden, weil der Unternehmer nie mit Sicherheit behaupten kann, dass der neue Plan wirklich optimal bezüglich seiner Unternehmensziele und der gewünschten Änderung des Kunden ist. Aus diesem Grund muss eine Lösung gefunden werden, die die Änderungsplanung eines Unternehmens flexibilisiert und somit auch zu einer schnelleren Entscheidungsfindung beiträgt, um als Unternehmen in der heutigen schnelllebigen Zeit bestehen zu können.

2 Problemstellung

Bestehende Änderungsplanungen bzw. Umplanungen sind intraorganisational ausgelegt. Dies bedeutet, dass ein Unternehmen in der Produktionsplanung und -steuerung versucht, verschiedene festgelegte Optima innerhalb des Unternehmens durch geeignete Änderungsplanungen bzw. Umplanungen zu erreichen. Intraorganisationale Optima können bspw. eine Verkürzung der Durchlaufzeiten, Reduzierung der Lagerhaltungskosten, Verminderung der Umrüstzeiten an einer Maschine, Minimierung des Sicherheitsbestandes, etc. sein.

Gründe, die ein Unternehmen zu einer Änderungsplanung, Umplanung oder Neuplanung veranlassen, können nicht nur aus dem Unternehmen selbst stammen, sondern auch von außerhalb der Unternehmung angestoßen werden. Bspw. wird bei einer Verhandlung mit einem anderen Unternehmen festgelegt, dass die Lieferzeiten verkürzt werden sollen, die Liefertermine verschoben werden, die Auftragsmenge erhöht/erniedrigt werden soll, die Kosten gesenkt werden sollen, etc.. Um möglichst schnelle Entscheidungen treffen zu können, die für beide Verhandlungspartner optimal bezüglich ihren Erwartungen und Interessen sind, muss eine bestehende intraorganisationale Änderungsplanung flexibilisiert werden, um alle Möglichkeiten, die eine Änderungsplanung betreffen, berücksichtigen zu können. In diesem Zusammenhang spricht man von einer interorganisationalen Änderungsplanung, da die Änderungsplanung von außerhalb des Unternehmens angestoßen wurde und die Unternehmensziele beider Verhandlungspartner optimiert werden sollen.

Eine interorganisationale Änderungsplanung sollte auf einem bestehenden Änderungsplanungsalgorithmus aufsetzen und versuchen, die Anwendung des Änderungsplanungsalgorithmus’ zu flexibilisieren und möglichst schnell zu einem optimalen Ergebnis führen. Ziel dieser Arbeit ist es, eine bestehende Änderungsplanung, die intraorganisational ausgelegt ist, durch ein Regelwerk so zu erweitern, dass sie im interorganisationalen Bereich einsetzbar wird. D.h. die Erweiterung des Änderungsplanungsalgorithmus durch ein Regelwerk soll das Unternehmen bei einer schnelleren und flexibleren Entscheidungsfindung unterstützen.

2.1 Problembeschreibung bei interorganisationalen Änderungsplanungs­prozessen

Treten Unternehmen in Verhandlung miteinander, kann es bspw. um eine Auftragserteilung oder um eine Änderung eines bestehenden Verhandlungsergebnisses gehen. Hier sind vor allem als Beispiel eine Mengenausweitung oder eine Mengenreduktion seitens des Kunden der Unternehmung zu nennen. Das Unternehmen (der Lieferant) muss nun möglichst schnell versuchen, eine Lösung auf die offenen Fragen zu finden. Beispiele für solche Fragen könnten sein: Ist es betriebswirtschaftlich sinnvoll, die Änderung (Mengenreduktion, Mengenausweitung) in den Fertigungsablauf einzulasten? Wie hoch ist mein Deckungsbeitrag, nachdem die gewünschte Änderung des Kunden berücksichtigt wurde? Fallen durch die Einlastung des Zusatzauftrages (bei einer Mengenausweitung) zusätzliche Kosten an? Wie hoch sind diese Kosten? Trägt der Kunde diese Kosten? Wie hoch ist die Differenz zwischen meinem ursprünglichem Gewinn, wenn eine Mengenreduktion erfolgt?, etc..

Hat der Lieferant Antworten auf seine Fragen gefunden, wird er das Ergebnis seinem Verhandlungspartner mitteilen. Der Verhandlungspartner muss nun seinerseits prüfen, ob das Ergebnis des Lieferanten mit seinen Zielen übereinstimmt. Stimmen seine Ziele und Zahlen nicht, muss er erneut mit dem Lieferanten in Kontakt treten und versuchen, ein Ergebnis zu erzielen, dass seinen Wünschen und Zielen gerecht wird.

Dieses Verfahren kann in der Praxis viel Zeit in Anspruch nehmen. Die Verhandlungspartner müssen immer wieder auf die Ergebnisse einer möglichen Änderungsplanung warten. In der Zwischenzeit können sich natürlich auch die Gegebenheiten ändern, die bei Beginn der Verhandlungen Gültigkeit hatten. Bspw. hat ein anderer Kunde in der Zwischenzeit seinen Auftrag komplett storniert und dadurch sind Kapazitäten auf Maschinen, Montagelinien und das verfügbare Personal frei geworden.

In der heutigen schnelllebigen Zeit, ist es für Unternehmen besonders wichtig, zeitnahe Entscheidungen treffen zu können. Dies bedeutet vor allem eine Verkürzung der Dauer der Verhandlungswege. Um aber die Verhandlungswege zwischen den agierenden Unternehmen verkürzen zu können, bedarf es einer schnelleren Entscheidungsfindung der Verhandlungspartner in ihrem Unternehmen. Die Änderungsplanung muss schneller zu einer optimalen Entscheidung finden, die dann dem Verhandlungspartner präsentiert werden kann.

2.2 Anforderungen an die intraorganisationale Änderungsplanung

Bei einer intraorganisationalen Änderungsplanung stehen die Unternehmensziele im Vordergrund der Betrachtung. Unternehmensziele sind bspw. die Gewinnmaximierung, möglichst hohe Auslastung der vorhanden Ressourcen, Senkung der Kosten, geringe Lagerhaltung, etc. und können bspw. durch eine Umplanung oder Änderungsplanung im Unternehmen optimiert werden. Die Änderungsplanung analysiert Maschinenbelegungspläne, Schichtpläne, Auslastung der Maschinen, Auslastung der Montagelinien, Lagerbestände, etc..

Die Anforderungen an die Änderungsplanung innerhalb des Unternehmens sind enorm. Von der Änderungsplanung hängt der Erfolg bzw. der Misserfolg des Unternehmens ab. Aus diesem Grund versucht die Änderungsplanung das Optimum aus den gegebenen Ressourcen und den gewünschten Änderungen seitens des Unternehmens zu ermitteln. Dies geschieht i.d.R. durch das Ausprobieren verschiedener Möglichkeiten, bspw. durch Umplanungen innerhalb der Montagelinien, durch Stornierung vorhandener Aufträge, die nicht so optimal für das Unternehmen sind, etc.. Die Änderungsplanung des Unternehmens muss schnell und flexibel auf sich ändernde Ausgangsdaten reagieren können und einen optimalen Plan für das Unternehmen generieren.

2.2.1 Anforderungen an den Änderungsplanungsalgorithmus

Der Änderungsplanungsalgorithmus wird im Bereich der Produktionsplanung und –steuerung eingesetzt. Er kommt zum Einsatz, wenn sich Änderungen innerhalb der Produktionsplanung und –steuerung ergeben. Diese Änderungen werden von Seiten des Unternehmens manuell in verschiedenen Masken eingegeben und der Änderungsplanungsalgorithmus führt dann eine Änderungsplanung bzw. eine Umplanung durch. Als Ausgangspunkt für die Berechnungen dient der alte Plan. Dieser alte Plan wird zum Zeitpunkt der Betrachtung ausgeführt, weil dies der optimalen Plan ist, der ermittelt wurde, bevor die möglichen Änderungen berücksichtigt werden mussten. Zunächst analysiert der Änderungsplanungsalgorithmus den alten Plan und stellt fest, in welchen Bereichen der Algorithmus Änderungen einplanen kann. Der Änderungsplanungsalgorithmus soll einen möglichst optimalen Plan bezüglich der eingegebenen Änderungen und der zur Verfügung stehenden Ressourcen berechnen. Außer Acht lassen darf der Änderungsplanungsalgorithmus auch die internen Unternehmensziele nicht. Der Änderungsplanungsalgorithmus muss flexibel und schnell auf Änderungen, sowohl bei einer Mengenausweitung als auch bei einer Mengenreduktion, reagieren. Mit Hilfe des Änderungsplanungsalgorithmus’ sollen Entscheidungen, die eine Änderung des Fertigungsablaufes betreffen, effizienter getroffen werden können.

2.2.2 Anforderungen an die regelbasierte Steuerung

Die regelbasierte Steuerung setzt auf einem bestehenden Änderungsplanungsalgorithmus auf. In derzeit bestehenden Änderungsplanungsalgorithmen werden sich ergebende Änderungen bezüglich der Menge manuell vom Unternehmen eingegeben. Mit Hilfe des Änderungsplanungsalgorithmus’ wird ein neuer Plan berechnet, den das Unternehmen analysieren muss. Entspricht der neue Plan der Intention des Unternehmens, kann dieser Plan in die Praxis für die Produktionsplanung und –steuerung eingesetzt werden. Ist dieser so berechnete Plan allerdings nicht optimal bezüglich der gesetzten Ziele und Optima des Unternehmens, muss durch erneute manuelle Eingabe von Änderungen ein neuer Plan berechnet werden.

Mit Hilfe einer regelwerksbasierten Erweiterung des Änderungsplanungsalgorithmus’ soll die manuelle Eingabe der Änderungen durch das Unternehmen entfallen. Das zu konzipierende Regelwerk soll anhand von Regeln Entscheidungen treffen, die dann als Änderung in den Änderungsplanungsalgorithmus einfließen. Die zu treffenden Entscheidungen werden auf einer Wissensbasis aufbauen, die von Experten geschaffen wird. Durch die zu konzipierenden Regeln, die aus dem Wissen von Experten generiert werden, wird die manuelle Eingabe seitens des Unternehmens entfallen. Der Änderungsplanungsalgorithmus kann somit wesentlich schneller zu einer optimalen Entscheidung gelangen, da die manuelle Eingabe seitens des Unternehmens entfällt, und die Änderungen auf dem Wissen von Experten begründet sind. Somit muss nicht jeder Entscheidungsprozess vom Unternehmen wiederholt werden.

3 Stand der Technik

3.1 Ansätze zur Änderungsplanung

Hier soll ein kurzer Überblick darüber gegeben werden, welche Ansätze zur Änderungsplanung in der Produktionsplanung und –steuerung zur Zeit berücksichtigt werden. Die Ansätze zur Änderungsplanung beziehen sich dabei auf eine Änderung der Ausgangsdaten im Bereich der Mengenplanung.

3.1.1 Net Change

In den 60er Jahren wurde der sogenannte Net Change Ansatz entwickelt und in den 70er Jahren eingesetzt. Hier wurde erstmals statt einer Neuplanung die Änderungsplanung durchgeführt. Der Grund für diesen Schritt war darin begründet, dass bei der Änderungsplanung der Rechenzeitaufwand wesentlich geringer ist als bei der Generierung (Neuplanung, Neuaufwurf).^[2]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3–1: Neuaufwurf und Fortschreibung^[3]

Beim Net Change (Fortschreibung) wird bei einer Auftragsänderung die alte Auftragsdatei berücksichtigt. Die alten Aufträge bleiben erhalten und werden entsprechend geändert und bilden dann die Auftragsdatei neu (siehe Abbildung 3–1). In der Programmierung ist diese Verarbeitungsform wesentlich aufwendiger, dafür aber für den Dialog und die Echtzeitverarbeitung besonders geeignet. Nachteilig ist sicherlich, dass durch die Fortschreibung der Auftragsdatei sich Fehler einschleichen können, die erst später bemerkt werden und die dann die Auftragsdatei unbrauchbar werden lassen. Aus diesem Grund muss die Gültigkeit der Auftragsdatei ständig gewährleistet werden. Da sich Net Change ausschließlich auf die Mengenplanung bezieht, muss zusätzlich nach einer Änderung auch eine Kapazitätszu- bzw. Kapazitätsumordnung erfolgen.^[4]

Es werden also nur die Komponenten beim Net Change neu geplant, bei denen sich eine Netto-Änderung gegenüber dem alten Plan ergibt. Aus diesem Grund werden hier i.d.R. Differenzwerte und nicht Absolutwerte weitergegeben. Folgendes Beispiel soll dies verdeutlichen:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3–2: Änderungsplanung über Absolut- und Differenzwerte^[5]

Die Abbildung 3–2 stellt die Änderungsplanung für ein Produkt und einer seiner Komponenten mit einer Vorlaufzeitverschiebung von einem Zeitabschnitt dar. Auf der linken Seite ist die Änderungsplanung über Absolutwerte und auf der rechten Seite über Differenzwerte angegeben. Die Differenz ergibt sich hierbei relativ zum Wert auf der linken Seite.^[6]

3.1.2 Ansätze zur Änderungsplanung in der Produktionsplanung und -steuerung

Im folgenden werden verschiedene Ansätze zur Änderungsplanung in der Produktionsplanung und –steuerung erläutert. Zu den Ansätzen gehören MRP II, Belastungsorientierte Auftragsfreigabe, Optimized Production Technology, Kanban und Fortschrittszahlen. Im Kapitel 3.1.3 wird ein spezieller Ansatz zur Änderungsplanung (in dieser Arbeit OOPUS-DRS) näher betrachtet.

MRP II

Mitte der 60er Jahre wurde das Steuerungskonzept MRP (Material Requirements Planning) entwickelt. Das Augenmerk von MRP lag in der einseitigen material- bzw. mengenbezogenen Betrachtung. Durch die Hinzunahme der Kapazitätsplanung in Verbindung mit der Abstimmung der Größen Menge und Kapazität ist MRP zu MRP II (Management Resources Planning) weiterentwickelt worden.^[7] Bei MRP II steht die möglichst hohe Auslastung der Kapazitäten im Vordergrund. Die Voraussetzung für das MRP II-Steuerungskonzept ist ein hierarchisches, rückwärtsterminierendes Sukzessivplanungskonzept. Hierbei wird das Unternehmen in mehrere Planungsebenen eingeteilt und die Ergebnisse der Ebenen bilden jeweils die Vorlage für die nachgelagerten Bereiche. In den einzelnen Ebenen werden Module gebildet, die für die Durchlaufterminierung, Mengenplanung, Maschinenbelegung, etc. verantwortlich sind. Im Allgemeinen ist eine Rückkopplung auf die vorherige Ebene nicht vorgesehen, es sei denn, eine Vorlage ist nicht durchführbar. MRP II verwendet für die Einlastung von Aufträgen auf Maschinen in der Fertigungsebene Prioritätsregeln (bspw. FIFO^[8], LIFO^[9], KOZ^[10], etc.).^[11]

Die Änderungsplanung ist bei MRP II zwischen den Ebenen (Stufen) möglich, wenn „nur veränderte Mengen/Termine als geänderte Vorgaben weitergegeben werden.“ ^[12] Da es sich bei MRP II um ein sukzessives Konzept handelt, sind geänderte Vorgaben genauso starr wie neue Vorgaben. Die Änderungsplanung entspricht damit einer Neuplanung.^[13]

Belastungsorientierte Auftragsfreigabe (BOA)

Die belastungsorientierte Auftragsfreigabe (BOA) ist ein bestandsorientiertes System. Ziel von BOA ist es, „ein gleichmäßiger Materialfluß, niedrige Bestände, gute Kapazitätsauslastung, kurze Durchlaufzeiten und hohe Termintreue“ ^[14] zu erreichen. Die Idee von BOA besteht darin, vorhandene Aufträge zeitlich und mengenmäßig so freizugeben, dass weder Stillzeiten noch vorhandene Kapazitäten überlastet sind. Grundlage „ ist die Annahme, daß zur Erzielung einer bestimmten Durchlaufzeit an einer Maschine die Einhaltung eines mittleren Bestands an Aufträgen nötig ist.“^[15] Um eine Veränderung der Durchlaufzeit zu erzielen, wird entweder der Zugang oder der Abgang (Belastung oder Leistung) verändert. Die Bearbeitung der Aufträge erfolgt am jeweiligen Arbeitsplatz nach dem FIFO-Prinzip und die Durchlaufterminierung wird vom Bedarfstermin rückwärts betrachtet. Erst unmittelbar vor der Freigabe eines Auftrags wird überprüft, ob alle benötigen Kapazitäten zur Verfügung stehen. Daraus ergibt sich, dass die anschließende Bearbeitung zügig und termingerecht abläuft und somit können auch Störungen und Änderungen kurzfristig berücksichtigt werden.^[16]

Die belastungsorientierte Fertigungssteuerung (BOF) ist die Weiterentwicklung von BOA. Sie wurde um ein Kontroll- und Diagnose-System ergänzt.^[17]

Optimized Production Technology (OPT)

Optimized Production Technology (OPT) ist ein ressourcen- bzw. auftragsorientiertes Konzept wie MRP II. Hier wird nicht die Kapazitätsauslastung sondern der Materialfluss optimiert. Betriebsmittel, die einen Engpass verursachen könnten, werden besonders beobachtet, da diese sowohl auf die Durchlaufzeiten als auch auf die Bestände einen wesentlichen Einfluss ausüben, denn eine am Engpass verlorene Zeiteinheit ist eine verlorene Zeiteinheit für das ganze System. Für jeden einzelnen Auftrag wird der während der Bearbeitung mögliche auftretende Engpass ermittelt. Wird ein Engpass festgestellt, wird von dieser Stelle aus vorwärts und rückwärts terminiert. Hierdurch kann sich schon während der Planung ein anderer Fertigstellungstermin ergeben. Wird kein Engpass festgestellt, wird rückwärtsterminiert. Kurzfristige Änderungen werden durch Sicherheitspuffer vor jeder Engpasseinheit in Form von Lagerbeständen oder Vorlaufzeiten aufgefangen. Hierdurch wird auch eine Verbesserung des Fertigungsflusses bewirkt.^[18]

Kanban

Anfang der 50er Jahre wurde das System bei dem Automobilwerk Toyota in Japan entwickelt. Ziel war es, den Materialfluss in der Produktion zu rationalisieren und somit die Materialbestände zu reduzieren. Mit diesem System will man eine JIT-Produktion erreichen, aber trotzdem eine hohe Termineinhaltung und Flexibilität gewährleisten.^[19]

Bei dem KANBAN-System soll nur die benötigte Menge produziert werden und die Steuerung soll durch Selbstregulierung erfolgen. Es arbeitet nach dem Hol-Prinzip. Als Hilfsmittel dient hierzu die sogenannte „KANBAN“. Dies ist ein Beleg (KANBAN-Karte), der jeweils einem Behälter oder Transportlos zugeordnet ist. Da die KANBAN-Karte ein Signalgeber ist, hat er bspw. Materialbestellmengen, Fertigungsaufträge, Transporte und Montageaufträge auszulösen. Die KANBAN-Karten enthalten wesentliche Informationen, z.B. Artikelname, Behälterart, Bedarfsmenge, Herkunft der Teile, Bestimmungsort der Teile, Menge pro Behälter, etc.. Bei der KANBAN-Karte werden häufig Produktions-KANBAN und Transport-KANBAN unterschieden. Die Produktions-KANBAN löst Fertigungsaufträge aus und zirkuliert zwischen Arbeitsplatz „n“ und Fertiglager „n“. Die Transport-KANBAN löst den Behältertransport zwischen zwei Arbeitsplätzen aus. Der Weg bewegt sich zwischen Fertiglager von Arbeitsplatz „n-1“ und dem Teilevorrat von Arbeitsplatz „n“.^[20] Voraussetzung für den Einsatz von KANBAN ist der regelmäßige Teilebedarf sowie eine ablauforientierte Anordnung der Betriebsmittel.^[21]

Als Nachteile des KANBAN-Prinzip sind anzuführen, dass es sehr empfindlich auf Produktionsschwankungen reagiert^[22] und es von einer unbegrenzten Kapazität der vorgelagerten Abteilungen ausgeht. Eine Zuordnung von Prioritäten für einen Auftrag ist nicht durchführbar.^[23]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3–3: Materialfluss und Zirkulation der KANBAN Karten^[24]

Legende zur Abbildung 3–3:

T = Teilevorrat A = Arbeitsplatz F = Fertigteile

TV = Teileverbrauch PK = Produktions-KANBAN

TT = Teiletransport TK = Transport-KANBAN

Fortschrittszahlen

Das Konzept der Fortschrittszahlen ist ebenfalls für die Mengenplanung geeignet. Mit diesem Konzept erfolgt eine Abstimmung zwischen der schicht- bzw. tagesgenauen Lieferung über die sogenannte Fortschrittszahl. Diese stellt eine kumulierte Anzahl von Teilen bezogen auf einen bestimmten Ausgangszeitpunkt (z.B. erster Arbeitstag im Produktionsmonat) dar. Bedarf und Verbrauch werden als Fortschrittszahl in einer Summenkurve über dem Planungshorizont dargestellt. Durch die Höhe der Fortschrittszahl wird die Einhaltung der Bedarfspläne gemessen. Durch den Vergleich von Soll- und Ist-Werten kann der Rückstand, der Vorlauf aber auch die Ein- und Auslaufproblematik ohne zusätzliche Verfahrensschritte abgewickelt werden. Änderungen in der Zeit und in der Menge zwischen dem geplanten und dem sich veränderten Verlauf werden deutlich.^[25]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3–4: Teiledisposition in einem Werk^[26]

Die obenstehende Abbildung 3–4 betrachtet den Auftragsverlauf von Fahrzeugen in einem Tagesraster, wobei der Produktionsmonat 20 Arbeitstage umfasst. Kurve 1 stellt den Teileverbrauch der Montage dar (pro Arbeitstag 500 Stück). Die Teile befinden sich zwei Tage in der Montage. Aus diesem Grund wird der Bruttobedarf an Teilen entsprechend in die Gegenwart versetzt (Kurve 2). Kurve 3 stellt den Lagerzugang aus Sicht der Fahrzeugmontage bei einer Sicherheitsreserve von drei Tagen dar. Der Lagerzugang erfolgt alle zehn Tage. Strecke I gibt den Lagerbestand in Tagen wieder, während Strecke II den gesamten aktuellen Teilebestand einschließlich der sich in der Montage befindlichen Teile darstellt.^[27]

3.1.3 OOPUS-DRS

OOPUS-DPS ist ein spezieller Ansatz zur Änderungsplanung, welcher bei dem DPS-Projekt („Dynamic Production Scheduling“) zwischen dem Heinz Nixdorf Institut und der ITT AUTOMOTIVE GmbH entwickelt wurde.^[28] Dieses IT-Werkzeug dient der Unterstützung einer dynamischen Produktionsplanung und –steuerung eines Produktionsprozesses. Es wurde auf der Basis der Prozessmodellierungsmethode MFERT und dem darauf aufbauenden Programmsystem OOPUS entwickelt. Durch OOPUS-DPS wurde die papierbasierte und manuelle Planung und Steuerung abgelöst. Eine Änderungsplanung wird notwendig, wenn sich Bedarfsmengen ändern (z.B. ein Kunde storniert oder ändert den Auftrag, Veränderung von Fertigstellungsterminen, unüblich kleiner/großer Ausschuss, etc.) aber auch, wenn sich die Verfügbarkeit von Maschinen, Werkern und Teilen ändert.^[29]

Als DRS („Dynamic Reactive Scheduling“) wird das eigentliche Umplanungsproblem bezeichnet. Dabei ist bei „veränderten Ausgangsbeständen, Bedarfen und/oder Produktionsbedingungen eine Umplanung dergestalt durchzuführen, daß alle (ggf. geänderten) Kundenbedarfe zumindest innerhalb eines bestimmten Zeitraums, dem Umplanungshorizont, summarisch in der Größenordnung des alten Plans gedeckt werden“.^[30] Der alte Plan soll weitgehend erhalten bleiben. Einerseits stellt der alte Plan das Ergebnis einer optimierenden Planung für einen längeren Zeitraum im Vergleich zur Umplanung und andererseits den Ausgangspunkt für die schon im Vorfeld erfolgte Zuteilung von Werkern und Bearbeitungslosen zu Produktionslinien dar. Zudem soll am Ende des Umplanungshorizontes der Zustand des alten Planes erreicht werden, damit ein Wiedereinregeln in den alten Plan ohne weiteres möglich ist.

Pläne können nur dann bewertet werden, wenn sie zulässig sind, d.h., wenn alle harten Restriktionen erfüllt sind. Sind Belegungspläne zulässig, muss sowohl das Ergebnis als auch die Belegung, die zu diesem Ergebnis führt, bewertet werden. Ein Bewertungsmaßstab hierfür stellen die Kosten dar, die damit auch die Vergleichbarkeit verschiedener Pläne ermöglichen.

Bei der ergebnisbezogenen Bewertung können Pläne anhand ihres Ergebnisses und der Bestandsentwicklung verglichen werden. Es wird davon ausgegangen, dass die zu vergleichenden Pläne etwa den gleichen Ressourceneinsatz an den entsprechenden Montagelinien und Teams haben. Die Bewertung für die einzelnen Produktarten erfolgt anhand der prognostizierten Bestände PB(p)^[31] am Ende des Umplanungshorizontes. Bei dem prognostizierten Bestand lassen sich vier Zustände unterscheiden, denen jeweils ein Kostenparameter zur Seite steht:^[32]

- Ist PB(p) < 0, können einige Kundenbedarfe nicht vollständig am Ende des Umplanungshorziontes erfüllt werden und eventuell können Konventionalstrafen anfallen. KB<0(p) ist der entsprechende Kostenparameter, der die Kosteneinheit je fehlendem Teil der Produktart „p“ angibt. (Kosten Þ (-1) * PB(p) * KB<0(p) + SB(p) * 90% * [KB<SB(p) + KB~SB(p)])

- 0 £ PB(p) £ SB(p) + 90% bedeutet, dass der prognostizierte Bestand nicht negativ ist, aber den Sicherheitsbestand der Produktart „p“ unterschreitet und somit die Lieferbereitschaft späterer Schichten gefährdet. Der Kostenparameter KB<SB(p) bewertet die Unterschreitung des Sicherheitsbestandes. (Kosten Þ [SB(p) * 90% - PB(p)] * KB<SB(p) + PB(p) * KB~SB(p))

- Mit SB(p) * 90% £ PB(p) £ SB(p) * 110% soll am Ende des Umplanungshorizontes ein Bestandswert in Höhe des Sicherheitsbestandes erreicht werden (hier liegt der Sicherheitsbestand im Intervall von +/- 10%). Der Kostenparameter KB~SB(p) erfasst bspw. Lager- oder Materialkosten. (Kosten Þ PB(p) * KB~SB(p))

- Bei PB(p) > SB(p) + 110% fand im Umplanungshorizont eine Überproduktion statt, die sich bspw. in erhöhten Lagerkosten sowie höherem Verwaltungsaufwand niederschlagen kann. Der Kostenparameter KB>SB(p) bewertet die überproduzierten Teile entsprechend. (Kosten Þ PB(p) * KB~SB(p) + [PB(p) – SB(p) * 110%] KB>SB(p))

Die mittelbezogene Bewertung betrachtet hingegen Pläne mit ähnlichem Ergebnis in Bezug auf den Ressourceneinsatz an Montagelinien und Teams, um Planänderungen bei alternativen Produktionsmöglichkeiten mit geringerem oder kostengünstigerem Ressourcenverbrauch auszuwählen. Fixe Kosten werden als konstant angesehen und haben keine Auswirkung bei der Bewertung des Kapazitätsbedarfs an Montagelinien. Bei der Bewertung wird allerdings für jede Montagelinie und Schicht unterschieden, ob der Bedarf überschritten (hierbei erhöhen sich die Maschinensätze) oder im Rahmen der zur Verfügung gestellten Kapazität liegt. Bei der Verfügbarkeit ergeben sich somit zwei Zustände:

- Umrüst- und Bearbeitungszeit an einer Monatagelinie „m“ zur Schicht „s“ ist größer als die zur Verfügung stehende Zeit: UZS’(m, s) + BZS(m, s) > V(m, s). Der Kostenparameter KM>V(m) stellt die Kosteneinheit je zusätzlicher Minute dar. (Kosten Þ V(m, s) * KM£V(m) + [UZS’(m, s) + BZS(m, s) – V(m, s)] * KM>V(m))
- Umrüst- und Bearbeitungszeit an einer Monatagelinie „m“ zur Schicht „s“ ist kleiner gleich als die zur Verfügung stehende Zeit: UZS’(m, s) + BZS(m, s) £ V(m, s). Der Kostenparameter KM£V(m) stellt die Nutzungszeit dar, der die Kosteneinheit je Minute angibt. (Kosten Þ [UZS’(m, s) + BZS(m, s)] * KM£V(m))

Hieraus ergibt sich, dass die Bewertung der Montagelinien-Kosten für jede Linie und jede Schicht einzeln erfolgen muss. Für die Gesamtbewertung werden die Ergebnisse aller Linien und Schichten aufaddiert.

Teams können zwischen verschiedenen Montagelinien wechseln, daher muss die Bewertung des Kapazitätsbedarfs an Teams ebenfalls schichtweise über alle Montagelinien durchgeführt werden. Die Kapazität der Teams kann hierbei ausreichend sein oder nicht:^[33]

Abbildung in dieser Leseprobe nicht enthalten

Insgesamt ist DPS ein leistungsstarkes Änderungsplanungsverfahren, das auf der Grundlage eines BRB-Algorithmus’ mit Schranken zu optimalen Änderungsplänen kommt. Der Algorithmus plant dabei sukzessive die jeweiligen Inkonsistenzen in Form von ausstehenden Aufträgen ein.

3.2 Wissensbasierte Systeme

Der Begriff der Künstlichen Intelligenz (KI) wurde im Sommer 1956 bei einer Konferenz in Dartmouth (Amerika) von dem Wissenschaftler John McCarthy geprägt. Die Konferenz „Dartmouth Summer Research Project on Artificial Intelligence“^[34], an der verschiede Wissenschaftler teilnahmen, gilt als die Geburtsstunde der KI. „Das große Ziel der Künstlichen Intelligenz besteht darin, intelligentes menschliches Verhalten durch Computerprogramme (künstlich) nachzubilden.“^[35] Eigentlich war die nicht unumstrittene Bezeichnung der KI (englisch: Artificial Intelligence) von McCarthy zur Abgrenzung gegenüber der Automatentheorie gedacht.^[36]

Die nachfolgenden Unterkapitel beschäftigen sich mit wissensbasierten Systemen, insbesondere mit Expertensystemen (Unterkapitel 3.2.1) und den Grundtechniken der Wissensrepräsentation (Unterkapitel 3.2.2).

3.2.1 Expertensysteme

Die Entwicklung von Expertensystemen begann in den 60er Jahren an amerikanischen Universitäten. Ziel der Forscher war es, ein System zu konstruieren, welches Wissen und Heuristiken in Domänen enthielt. Das erste Programm, DENDRAL (DENDRitic ALgorithm, ein „Expertensystem zur Identifikation chemischer Verbindungen anhand von Massenspektrometer-Daten“ ^[37] ) wurde an der Stanford University in Amerika implementiert. Chemiker, in diesem Fall die Experten, hatten die entsprechenden Heuristiken geliefert, um so den Suchraum für die Lösung einzuschränken. Die Entwicklungsdauer von DENDRAL umfasste 40 Personenjahre.^[38] Keller definiert: „Ein Expertensystem ist ein Programm, das in einem eng abgegrenzten Anwendungsbereich den spezifischen Problemlösungsfähigkeiten eines menschlichen Experten nahekommt, sie erreicht oder gar übertrifft.“^[39] Beierle und Kern-Isberner definieren: „Ein Expertensystem ist ein Computersystem (Hardware und Software), das in einem gegebenen Spezialisierungsbereich menschliche Experten in Bezug auf ihr Wissen und ihre Schlußfolgerungsfähigkeit nachbildet.“^[40] Trotz der Bedeutung die Expertensysteme in der heutigen Zeit erlangt haben, gibt es keine einheitliche Definition von Expertensystemen.^[41]

Abbildung in dieser Leseprobe nicht enthalten

Expertensysteme sind spezielle wissensbasierten Systeme^[42], die wiederum ein Teilgebiet der Künstlichen Intelligenz darstellen.^[43]

weisen intelligentes Verhalten auf durch geschickte

Abbildung in dieser Leseprobe nicht enthalten

Anwendung von Heuristiken

stellen anwendungsspezifisches Wissen explizit und

Abbildung in dieser Leseprobe nicht enthalten

getrennt vom Rest des Systems dar

wenden Expertenwissen auf schwierige Praxis-Pro- bleme an

Abbildung 3–5: Einordnung von Expertensystemen^[44]

Wissensbasierte Systeme haben eine Wissensbasis mit „expliziter, deskriptiver und deklarativer Repräsentation von Expertenwissen.“ ^[45] Das Augenmerk von wissensbasierten Systemen ist das Wissen und nicht die benötigten Algorithmen.^[46] Ein wissensbasiertes System bezeichnet man als Expertensystem, wenn das zugrundeliegende Wissen Expertenniveau hat und zur Lösung von Problemen in der Praxis eingesetzt wird.^[47]

Expertensysteme sind in der Lage, nicht nur Daten zu speichern und zu verarbeiten, sondern auch Wissen. Die wichtigste Fähigkeit eines Expertensystems ist das Lösen von Problemen. Sie können teilweise gefundene Lösungen erklären und neues Wissen hinzulernen. Eine weitere wichtige Eigenschaft von Expertensystemen ist die Möglichkeit unscharfes (vages) und unvollständiges Wissen zu verarbeiten.^[48]

Voraussetzung für die Entwicklung eines Expertensystems ist, das Expertenwissen zur Verfügung steht. Dieses Wissen muss beschreibbar und strukturierbar sein und ein Experte muss für die Wissenserhebung zur Verfügung stehen. Unter Expertenwissen wird nicht das Allgemein- bzw. Weltwissen verstanden, sondern das fachspezifische Wissen des Experten.^[49]

Ein Experte ist dabei eine natürliche Person die sich dadurch auszeichnet, ein Fachmann auf einem speziellen Gebiet zu sein. Seine Stärken und Schwächen sind:

- hat eine lange Fachausbildung und praktische Erfahrungen
- erkennt, versteht und löst Probleme
- kann Probleme auch bei unvollständigem und unsicherem Wissen lösen
- verwendet heuristisches Wissen
- kann die Lösung des Problems erklären
- kann Wissen selbständig erwerben und strukturieren
- hat Allgemeinwissen (und Hintergrundwissen, z.B. über die Lebensumstände von Patienten, Zahlungsmoral der Kunden)
- kann seine Kompetenz bei der Problemlösung einschätzen
- kann Randgebiete überblicken
- kann intuitiv handeln
- besitzt Kreativität
- Leistungsfähigkeit hängt von der Tagesform ab
- kann Wissen vergessen
- Wissen kann vom Experten oft nicht wiedergegeben werden, zumindest nicht vollständig^[50]

Experten bezeichnen demnach Personen, die aufgrund ihrer beruflichen Ausbildung und Erfahrung über ein umfassendes, besonderes und tiefes Wissen verfügen. „Gegenüber reinem Fachwissen ist Expertenwissen anders strukturiert und qualitativ unterschiedlich bezüglich Inhalt, Quantität, Abstraktion und Verknüpfung von Sachverhalten und Lösungsschritten.“^[51]

Die Entlastung des Experten bei Routinetätigkeiten, die Multiplikation und Konservierung des Wissens zählt sicherlich zu den Vorteilen von Expertensystemen. Die Konservierung des Wissens ist für das Unternehmen besonders interessant, da das Wissen der bei der Wissenserhebung beteiligten Experten auch nach deren Ausscheiden aus dem Unternehmen erhalten bleibt und bspw. auch Ausbildungszwecken dienen kann. Durch die Expertensysteme wird auch eine gleichbleibende Qualität der Ergebnisse erzielt, da sie nicht von der Tagesform des Experten abhängen und die Lösung jederzeit nachvollziehbar und erklärbar ist. Zudem kann i.d.R. ein Expertensystem schneller zu einer Lösung finden als der Experte.^[52] Zur Beurteilung von Expertensystemen kann man noch sagen, dass ein Expertensystem nur so gut sein kann, wie das im Expertensystem enthaltene Wissen.^[53]

Expertensysteme können unterschieden werden in Diagnosesysteme, Beratungssysteme, Konfigurationssysteme, Planungssysteme, Entscheidungssysteme und Zugangssysteme^[54] und werden bspw. in der Informatik, Medizin, Ingenieurwissenschaften, Informationsverwaltung, Ausbildung etc. angewendet.^[55]

3.2.1.1 Architektur von Expertensystemen

Ein Expertensystem besteht i.d.R. aus einer Shell und einer Wissensbasis. Die Shell ist der sogenannte Verarbeitungsteil, der aus der Dialog-, Erklärungs-, Problemlösungs- und Wissensakquisitionskomponente besteht. Folgende Abbildung 3–6 wird dies verdeutlichen:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3–6: Architektur von Expertensystemen^[56]

I.d.R. basiert ein Expertensystem auf der Wissensbasis. Die Problemlösungskomponente arbeitet auf der Wissensbasis und erlangt über die Dialogkomponente Informationen von dem Benutzer oder dem Wissensingenieur. Über die Erklärungskomponente gibt die Problemlösungskomponente bei Rückfragen des Benutzers entsprechende Erklärungen. Wissensbasis, Problemlösungskomponente, Dialogkomponente und Erklärungskomponente sind für ein Expertensystem notwendig. Für die Erstellung eines Expertensystems ist die Wissensakquisitionskomponente unerlässlich. Der Wissensingenieur erstellt mit ihr die Wissensbasis.^[57] Die verschiedenen Komponenten der Abbildung 3–6 werden nachfolgend erläutert.

3.2.1.1.1 Wissensbasis

Im Allgemeinen basiert jedes Expertensystem auf einer Wissensbasis. Sie enthält das Fachwissen von einem oder mehren Experten. Das Fachwissen kann sehr komplex sein und wird aus diesem Grund von eigenen Algorithmen verarbeitet.^[58] Die Wissensbasis bildet ihr Wissen in Form von Objekten, Relationen und Prozessen ab. Sie ist mehr als eine Datenbank, „denn sie stellt nicht nur das explizit in ihr abgespeicherte Wissen bereit, sondern darüber hinaus auch das implizite Wissen, welches die Problemlösungskomponente nach vorgegebenen Regeln aus dem explizit gespeicherten Wissen ableiten kann.“^[59]

Die Wissensbasis kann nach der Herkunft des Wissens unterteilt werden in:

- bereichsbezogenes Expertenwissen,
- fallspezifisches Wissen von Benutzern und
- Zwischen- bzw. Endergebnisse und Problemlösungen.

Über die Problemlösungskomponente wird zwischen den Wissensteilbeständen interagiert, um die erzeugen Zwischenergebnisse und Lösungen zu verwalten.^[60] Die Wissensbasis ist neben der Problemlösungskomponente ein wesentlicher Bestandteil eines Expertensystems. Durch die Wissensbasis unterscheiden sich Expertensysteme von konventionellen Programmen. Bei konventionellen Programmen ist das Wissen im Programmcode enthalten, bei der Wissensbasis ist es strukturiert und explizit dargestellt. Dadurch ergibt sich der Vorteil der einfachen Wartbarkeit und Erweiterbarkeit. Bei einer Änderung des Wissens muss bspw. nur eine neue Regel in die Wissensbasis eingefügt, gelöscht oder erweitert werden.^[61]

3.2.1.1.2 Problemlösungskomponente

Die Problemlösungskomponente arbeitet auf der Wissensbasis^[62]. Sie trägt Fakten in die Faktenbasis ein, wendet die Regeln der Faktenbasis an und legt die gezogenen Schlussfolgerungen wieder in ihr ab. Hierfür stellt die Problemlösungskomponente entsprechende Verarbeitungsmechanismen zur Verfügung.^[63] Desweiteren legt sie auch die Reihenfolge fest, in der die Schlussfolgerungen getroffen werden.^[64] In ihr findet man allgemeines Problemlösewissen bzw. Strategiewissen.^[65] Auf die verschiedenen Ablaufstrategien und Suchstrategien wird in Kapitel 3.2.2.2.1 und Kapitel 3.2.2.2.2 näher eingegangen.

3.2.1.1.3 Erklärungskomponente

Die Erklärungskomponente repräsentiert das Ergebnis und den Lösungsweg und begründet die gefundene Lösung.^[66] Nach Thuy/Schnupp soll die Erklärungskomponente folgende Punkte erklären können^[67]:

- „wie und auf Grund welcher Daten und Regeln etwas berechnet oder gefolgert wurde,
- warum der Rechner eine bestimmte Frage stellt oder eine Eingabe verlangt,
- warum nicht eine andere Lösung oder ein anderes Resultat ermittelt wurde oder in Frage kommt, und
- was wäre, wenn andere Hypothesen, Ausgangsdaten oder Regeln gelten würden.“

[...]

---

^[1] Die Quelle dieses Ausspruchs ist mir unbekannt.

^[2] Vgl. [Holt00, S. 52], [Geit96, S. 332]

^[3] Entnommen aus [Geit96, S. 333]

^[4] Vgl. [Geit96, S. 332], [Holt00, S. 53]

^[5] Entnommen aus [Holt00, S. 54]

^[6] Vgl. [Holt00, S. 53f]

^[7] Siehe auch [Merk95, S. 134]

^[8] FIFO ist die Abkürzung von „First In First Out“.

^[9] LIFO bedeutet „Last In First Out“.

^[10] KOZ steht für die kürzeste Operationszeit.

^[11] Vgl. [LuEv97, S. 65], siehe auch [PaJü90, S. 41f]

^[12] Vgl. [Holt00, S. 56]

^[13] Vgl. [Holt00, S. 56]

^[14] Vgl. [Holt00, S. 56]

^[15] Vgl. [LuEv97, S. 69]

^[16] Vgl. [LuEv97, S. 69], [Holt00, S. 56f], siehe auch [Blum91, S. 99], [PaJü90, S. 47ff]

^[17] Vgl. [PaJü90, S. 47]

^[18] Vgl. [LuEv97, S. 70], [Holt00, S. 57], siehe auch [Blum91, S. 100f], [PaJü90, S. 44ff]

^[19] Vgl. [Rupp97, S. 6], [PaJü90, S. 56f], [LuEv97, S. 66], [Fabe98, S. 194]

^[20] Vgl. [DaWa97, S. 263ff], [Rupp97, S. 8ff], [PaJü90, S. 56ff], [Fabe98, S. 194f], siehe auch [Blum91, S. 99f]

^[21] Vgl. [LuEv97, S. 67], [Holt00, S. 58]

^[22] Vgl. [PaJü90, S. 57]

^[23] Vgl. [JuEv97, S. 67]

^[24] Entnommen aus [DaWa97, S. 268]

^[25] Vgl. [DaWa97, S. 342], [Holt00, S. 58], [LuEv99, S. 68], [Geit96, S. 421], [Fabe98, S. 197], [PaJü90, S. 50ff]

^[26] Entnommen aus [DaWa97, S. 343]

^[27] Vgl. [DaWa97, S. 342f], siehe auch [LuEv99, S. 68f]

^[28] Nähere Informationen zu OOPUS-DPS und OOPUS-DRS finden sich in [Holt00, S. 149ff].

^[29] Vgl. [Holt00, S. 149ff]

^[30] Vgl. [Holt00, S. 151]

^[31] Nach [Holt00, Kapitel 6]: PB(p) = Inv(p) + PlanSum(p, s’-1) – BedSum(p, s’-1), mit

Inv(p) = Bestands- bzw. Inventurwert an Produktart „p“ zu Beginn der ersten Schicht,

PlanSum(p, s’-1) = summierte geplante Produktionsmenge an Produktart “p“ über die Menge der betrachteten Schichten des Umplanungshorizontes

BedSum(p,s’-1) = summierter Bedarf an Produktart “p“ über die Menge der betrachteten Schichten des Umplanungshorizontes

^[32] Vgl. [Holt00, S. 159f]

^[33] Vgl. [Holt00, S. 159ff]

^[34] Vgl. [Kell00, S. 1]

^[35] Vgl. [Kell00, S. 1]

^[36] Vgl. [Kell00, S. 1f]

^[37] Vgl. [Alte87, S. 293], siehe auch [ThSc89, S. 141], [Kell00, S. 64], [BeKe00, S. 12]

^[38] Vgl. [Kell00, S. 64f]

^[39] Vgl. [Kell00, S. 64]

^[40] Vgl. [BeKe00, S. 11]

^[41] Vgl. [CrHJ91, S. 3]

^[42] Vgl. [BeKe00, S. 10], [Alte87, S. 0, S. 312]

^[43] Vgl. [AlBü87, S. 1]

^[44] Entnommen aus [CrHJ91, S. 4]

^[45] Vgl. [Alte87, S. 0]

^[46] Vgl. [Alte87, S. 312]

^[47] Vgl. [CrHJ91, S. 3], [Görz95, S. 707]

^[48] Vgl. [CrHJ91, S. 1, S. 5, S. 9]

^[49] Vgl. [CrHJ91, S. 83], zu Expertenwissen siehe auch [Görz95, S. 710ff], [Kell00, S. 94f]

^[50] Vgl. [Görz95, S. 707, S. 710ff], [BeKe00, S. 10f], [Pupp91, S. 6], [CrHJ91, S. 4]

^[51] Vgl. [BeKe00, S. 11]

^[52] Vgl. [CrHJ91, S. 86], [Görz95, S. 706]

^[53] Vgl. [ThSc89, S. 45, S. 220], [Görz95, S. 705]

^[54] Vgl. [Kell00, S. 65]

^[55] Vgl. [Alte87, S. 4], [Görz95, S. 708]

^[56] Entnommen aus [Kell00, S. 66], siehe auch [Pupp91, S. 13], [CrHJ91, S. 7], [Görz95, S. 746]

^[57] Vgl. [Kell00, S. 66], [Warn91, S. 10]

^[58] Vgl. [Kell00, S. 66]

^[59] Vgl. [CrHJ91, S. 13]

^[60] Vgl. [Pupp91, S. 13], [Görz95, S. 709], siehe auch [BeKe00, S. 17]

^[61] Vgl. [CrHJ91, S. 8f]

^[62] Die Problemlösungskomponente wird in der Literatur auch Inferenzmaschine oder Schlußfolgerungskomponente genannt. Vgl. [CrHJ91, S. 8], [Alte87, S. 3], [AlBü92, S. 4], [ThSc89, S. 211]

^[63] Vgl. [Kell00, S. 66f, vgl. auch Kapitel 5], [CrHJ91, S. 8], [Pupp91, S. 12]

^[64] Vgl. [CrHJ91, S. 8], [Alte87, S. 3]

^[65] Vgl. [CrHJ91, S. 3]

^[66] Vgl. [Görz95, S. 747], [BeKe00, S. 17]

^[67] Vgl. [ThSc89, S. 42f]