Ein integriertes Verfahren zur robusten statistischen Auswertung von Simulationsergebnissen in der Produktion

Abstract

Ein erfolgreiches Unternehmen muss seine Produkte und Dienstleistungen schnell und kostengünstig auf internationalen Märkten anbieten sowie flexibel auf veränderte Anforderungen reagieren können. Die Simulationstechnik als eine Schlüsseltechnologie zur frühen und schnellen Planung, Entwicklung und Bewertung von Produkten, Dienstleistungen und Produktionsprozessen ist dabei von entscheidender Bedeutung. Allerdings sind bei der aufwändigen und komplexen statistischen Auswertung der Ergebnisse von ereignisdiskreten stochastischen Simulationen noch große Defizite vorhanden. Daher muss diese Aufgabe für industrielle Anwender methodisch unterstützt, verbessert und vereinfacht werden. Das Ziel der vorliegenden Arbeit war es, ein integriertes Verfahren zur robusten statistischen Auswertung von Simulationsergebnissen in der Produktion zu entwickeln, das Simulationsanwender ohne vertiefte Statistikkenntnisse bei der korrekten Auswertung ihrer Simulationsergebnisse unterstützt und damit besser abgesicherte Entscheidungen ermöglicht. Um dieses Ziel zu erreichen, wurde auf Grundlage der Simulationstechnik im industriellen Einsatz der Stand von Forschung, kommerziellen Werkzeugen und Praxis analysiert. Aus den erkannten Defiziten in den drei wesentlichen Bereichen Robustheit, Plausibilität und Integration wurde ein entsprechendes Anforderungsprofil für das zu entwickelnde integrierte und robuste Verfahren zur statistischen Auswertung der Simulationsergebnisse in der Produktion abgeleitet. Bei der Konzeption des integrierten Vorgehensmodells wurde anhand des Anforderungsprofils sowohl die Einbindung in die Simulationsmethodik und des Anwenders als auch der strukturierte Auswertungsprozess gestaltet. Dazu wurden, teilweise mit Unterstützung von Monte-Carlo-Studien, die geeigneten statistische Methoden und Prozeduren ausgewählt und integriert. Auf Grundlage dieses Konzepts wurde für statistische Auswertung eines Simulationsmodells das detaillierte integrierte Verfahren entwickelt. Der Anwender wird eingebunden und dabei unterstützt, Kennzahlen einer Produktionssimulation mit einem Konfidenzintervall korrekt schätzen und damit auch die Qualität der Schätzung richtig beurteilen zu können. Für den Vergleich der Ergebnisse von mehreren Simulationsmodellen hinsichtlich signifikanter Unterschiede wurden auf Basis einer Klassifikation der Beobachtungen die geeigneten Verfahren der Multiplen Mittelwertvergleiche in eine robuste Vorgehensweise integriert. Das entwickelte integrierte und mehrstufig adaptive Verfahren wurde bei zwei industriellen Simulationsstudien in der Bau- und Schuhindustrie angewendet. Die Evaluation des entwickelten Verfahrens bei der Simulation von unterschiedlichen Produktionssystemen, einer mobiler Fabrik für Fertigbauteile sowie einer flexiblen Schuhproduktion, bestätigte den Nutzen, die Anwendbarkeit sowie die Übertragbarkeit. Dabei wurde auch die Erreichung der Zielsetzung und die Erfüllung des Anforderungsprofils überprüft und bestätigt. Eine abschließende Diskussion des entwickelten integrierten robusten Verfahrens zeigt ein großes Potenzial bei der Übertragbarkeit für die Auswertung anderer Anwendungsbereiche von stochastischen Simulationen sowie die Möglichkeiten für weitere zukünftige Erweiterungen.

Successful companies must be able to offer their products and services on international markets in a fast and cost efficient way as well as react flexible on changing requirements. Being a key technology for the early and fast planning, development and evaluation of products, services and production processes, the technique of simulation has a decisive impact on this. However, there are large deficits regarding the complex and time consuming statistical evaluation of the results of stochastic discrete-event simulations. Therefore, this task has to be improved, simplified and supported by a methodology for industrial users. The objective of this thesis is to develop an integrated method for the robust statistical analysis of simulation results in manufacturing. This method supports simulation users without detailed statistical knowledge with the correct analysis of simulation results and enables more reliable decisions. The current state of research, commercial tools and practical applications were analyzed on the basis of the industrial situation. Based on the identified deficits in the three relevant areas (robustness, plausibility and integration), the corresponding profile of requirements was defined to support the development of the integrated and robust method for the statistical analysis of simulation results in manufacturing. For the concept of the integrated procedure model, requirements were used to design the integration of the user and the overall simulation methodology as well as the structured process of statistical analysis. Appropriate statistical methods and procedures were selected, partly with the support of Monte-Carlo-studies, and hence integrated. Based on the concept of the integrated procedure model, the detailed integrated method for the statistical analysis of a single simulation model was developed. The user is integrated and supported to estimate the performance indicators of a manufacturing simulation correctly, including the assessment of the estimation’s quality. In order to compare the results from multiple simulation models for significant differences, appropriate procedures of multiple comparisons of means were integrated based on a classification of the distribution of observations. The developed integrated and multistage adaptive method for the robust statistical analysis of simulation results was applied and validated for two industrial simulation studies of manufacturing processes in the construction and shoe industry. The evaluation of the simulation of two different manufacturing systems, a mobile factory for pre-manufactured components and a flexible shoe production system, confirmed the benefit, the usability and transferability of the new integrated method. The achievement of the objectives and the fulfillment of the requirements were also verified and confirmed. The final discussion of the integrated method for the robust statistical analysis of simulation results showed a large potential in the transferability for the analysis of stochastic simulations of other areas of application as well as the opportunity for future extensions.