WINGbusiness Heft 01 2014

ISSN 0256-7830; 47. Jahrgang, Verlagspostamt A-8010 Graz; P.b.b. 02Z033720M

1/14

WING

business

Business Modeling and Simulation

Unterschiedliche Simulationstechniken im Praxiseinsatz

Chancen f체r die Simulation in der Bauwirtschaft 6

10

Simulation von Gesch채ftsmodellen 17

Jubiläumskongress  Jahre Verband der Wirtschaftsingenieure »Erfolgsmodell Wirtschaftsingenieur« .-. Mai  | Graz

Save the date

Österreichischer Verband der Wirtschaftsingenieure

W I N G Die WirtschaftsINGenieure

Netzwerkpartner in Deutschland, Schweiz und Österreich

Editorial

Business Modeling and Simulation

Univ.-Prof.

Dipl.-Ing. Dr.techn.

Siegfried Vössner Liebe Leserin, lieber Leser, in unserer digitalen Welt hinterlassen wir an allen Ecken und Enden unsere digitalen Spuren. Sei es beim Versandladen in Internet, sei es beim Baumarkt oder dem Lebensmittelhändler mit den „Ich bin doch (nicht) blöd Preisträgerkarten“. Die Anzahl der Spuren ist so groß, dass sich die Hersteller von Speichersystemen freuen und diese, mit dem Etikett „Big Data“ versehen, für spätere Verwendung aufbewahren.

So wie es die Jäger mit dem Wild tun, sind uns auch die modernen Fährtensucher auf den Fersen. Meist haben sie wie die Jäger (aus unserem Blickwinkel gesehen) nichts Gutes im Sinn. Sie versuchen damit vorauszusagen, wo wir uns gerne aufhalten, um dann dort die entsprechenden Lockangebote auszulegen. Unser Verhalten wird kategorisiert, „profiliert“ und statistisch analysiert. Als Konsumenten werden mit Hilfe modernster Algorithmen die für uns richtigen Preispunkte und Aktionsangebote berechnet, um so den größtmöglichen Ertrag zu erwirtschaften.

Die Jägerinnen und Jäger unter Ihnen werfen mir nun sicher vor, einen hinkenden Vergleich gewählt zu haben – wo bleibt die „Hege und Pflege“?

Genau dieser Punkt ist es, auf den ich im Weiteren eingehen möchte. Fast unbemerkt von den populistischen Diskussionen über Big Data, hat sich in der quantitativen Ecke der Wirtschaftswissenschaften ein Zweig entwickelt, der von den heute zur Verfügung stehenden Daten und großen Rechenleistung profitiert hat: Die Geschäftsmodellierung (Business Modeling) und Simulation.

Früher musste man noch Businesspläne in Szenarien wie „Optimistisch“, „Realistisch“ und „Pessimistisch“ rechnen, um Unsicherheiten zu berücksichtigen. Dabei war es schier unmöglich, ein realistisches „Optimistisch“-es oder „Pessimistisch“-es Szenario festzulegen, zumal es sehr unwahrscheinlich ist, dass alle Annahmen gleichzeitig ihre besten oder schlechtesten Ausprägungen annehmen.

Heute stehen dafür Verfahren, wie beispielsweise die MonteCarlo Simulation zur Verfügung, bei der man ein Modell des Businessplans in einer Simulation mit statistisch gesammelten Daten füttert und so eine statistische Verteilungsfunktion des Geschäftsergebnisses bekommt – Erwartungswert und Streuung.

WINGbusiness 1/2014

In den letzten Jahren hat die Geschäftsprozessmodellierung und die dazugehörige Simulationsrechnung in fast allen Wirtschaftsbereichen Einzug gehalten. So werden damit heute Energiepreise festgesetzt, Geschäftsstrategien optimiert, Mobilfunktarifpakete geschnürt und Vieles mehr. Mit modernen Simulationsmodellen und Verfahren ist es heute möglich geworden, mit makroskopischen Modellen, (die beispielsweise den Markt und Wettbewerb auf Geschäftsebene abbilden) und gleichzeitig mit mikroskopischen Modellen, das Verhalten von Individuen und deren Interaktion als Agenten im System zu berücksichtigen. Damit und mit den zur Verfügung stehenden leistungsfähigen Simulationswerkzeugen, können so umfangreiche und komplexe Systeme betrachtet werden, wie nie zuvor. Damit ist es möglich geworden, Szenarien experimentell zu erkunden, aus den Ergebnissen zu lernen bzw. daraus verlässliche Schlüsse für Managemententscheidungen zu ziehen.

Ein Beispiel dafür ist das Gesundheitssystem, welches an Komplexität jedes Produktions- oder Supply-Chain System bei weitem übertrifft.

In dieser Ausgabe wollen wir das Thema Businessmodellierung und Simulation so umfassend wie möglich beleuchten und haben für Sie eine Reihe von Fachbeiträgen zusammengestellt.

Im ersten Beitrag stellen Mag. Helmut Niessner von Simulutions Niessner und Dipl.-Ing. Peter Rachinger von Simplan Österreich, unterschiedliche Simulationstechniken im Praxis-Einsatz vor.

Danach untersucht Dipl.-Ing. Dr.techn.Gerhard Höfinger, Teamleiter Supply Chain Optimierung der STRABAG AG, in seinem Artikel die Chancen für die Simulation in der Bauwirtschaft.

Als nächsten Bereich für Modellierung und Simulation stellen Dipl.-Ing Robert Schöch, MSc, Dipl.-Ing. Ruth Fleisch von der Firma V-Research sowie Dipl.-Ing. (FH) Alexander Walch, MSc, Leiter F&E der Firma Schelling Anlagenbau, die virtuelle Planung und Inbetriebnahme von Produktionsanlagen vor.

Den Bereich der Simulation von Geschäftsmodellen im engeren Sinn beleuchtet daraufhin Herr Ing. BSc MBA Ramtin Ghasemipour-Yazdi, Business Analyst & Managing Partner der digispectrum Media Gmbh.

Schließlich werfen wir noch einen wissenschaftlichen Blick auf geeignete Modellierungsverfahren für das Gesundheitswesen: Gemeinsam mit Dipl.-Ing. Dietmar Neubacher vom Institut für Maschinenbau- und Betriebsinformatik und unseren Forschungspartnern Dipl.-Ing. Dr. Nikolaus Furian, Prof. Dr. Michael O’Sullivan und Prof. Dr. Cameron Walker von der University of Auckland, Neuseeland, stellen wir einen Multi-Paradigmen Modellierungsansatz für das Gesundheitswesen vor.

An dieser Stelle möchte ich mich bei Herrn Dipl.-Ing. Christoph Wolfsgruber für die Unterstützung bei der Zusammenstellung dieses Heftes bedanken.

Ich hoffe, dass die Artikel, die wir in diesem Heft für Sie zusammengestellt haben, Ihr Interesse finden und verbleibe im Namen des Redaktionsteams mit freundlichen Grüßen.

Ihr Sieg fried Vössner

top-thema: Business Modeling and Simulation Helmut Niessner, Peter Rachinger

Unterschiedliche Simulationstechniken im Praxis-Einsatz

6

Gerhard Höfinger

Chancen für die Simulation in der Bauwirtschaft

10

anwendungen in Nischen und immer bessere datenmodelle bereiten den Weg für einen breiten Einsatz

Robert Schöch, Ruth Fleisch, Alexander Walch

Virtuelle Planung und Inbetriebnahme von Produktionsanlagen

1

Ein modellbasierter ansatz für den anlagenbau

Ramtin Ghasemipour-Yazdi

Simulation von Geschäftsmodellen

17

Ein Windkanal für das Innovationsmanagement

Nikolaus Furian, Dietmar Neubacher, Siegfried Vössner, Michael O’Sullivan, Cameron Walker

Multi-Paradigm Modeling and Simulation in Health Care

4

22

WINGbusiness 1/2014

Inhaltsverzeichnis EDITORIAL

Business Modeling and Simulation 3

Alois Wiesinger, Harald Sehrschön WING-PAPER Life Cycle Costing im Sondermaschinenbau –

Vorgehensmodell und Fallstudie

28

CALL FOR PAPERS Themenschwerpunkt „Business Innovation“ in

WINGbusiness Heft 03/2014 37 UNINACHRICHTEN Ankündigung der Studie: Digitale Produktion in

österreichischen Klein- und Mittelunternehmen 36

Alexander Pointner

Product Innovation Gala & Vortrag von Prof. Dr. Frank T. Piller, 02. Juni 2014, TU Graz

Alexander Pointner

37

Erzherzog Johann-Medaille an Prof. Josef W. Wohinz 38

BWL goes International - Hail, Stanford, hail! 38

WINGregional

Social Media Marketing - erfolgreicher Einsatz im Unternehmen

Manuela Reinisch

Alexander Marchner, Bernd Neuner

40

31.Treffen der Wirtschaftsingenieure in Kärnten und Osttirol

WINGnet Christian Hofer Team der TU Wien im T.I.M.E.S.-Fallstudienwettbewerb

unter den Top 10% 39

Georg Thaller

HILTI and der TU Wien

41

IMPRESSUM

Impressum

42

WINGbusiness 1/2014

Top-Thema

Foto: „Quelle und Möglichkeit zum Testen der Simulation http://www.runthemodel.com/models/880/“

Helmut Niessner, Peter Rachinger

Unterschiedliche Simulationstechniken im Praxis-Einsatz In vielen Branchen gehören Computer-Simulationen bereits zum Standard-Repertoire der Planung und Optimierung von Produktionsanlagen, Geschäftsprozessen und der Logistik. Moderne Software-Lösungen und die neuesten wissenschaftlichen Erkenntnisse erlauben jedoch einen weit darüber hinaus gehenden Einsatz von Simulationen zur Verbesserung verschiedenster Abläufe.

Doch für verschiedene Anforderungen ist es notwendig, unterschiedliche Simulatiosmethoden und -werkzeuge zu verwenden, um ein möglichst realistisches Abbild zu modellieren und den jeweils gewünschten Output zu generieren. Im Folgenden soll daher ein kurzer Überblick über die bereits in der Praxis verwendeten Simulationstechniken und deren Anwendungsgebiete gegeben werden.

Ereignisorientierte Simulation (Discrete Event Simulation) Die Technik der Discrete Event Simulation (DES) zählt mittlerweile als Standard-Technologie für Produktions-, Prozess- und Logistiksimulationen. Diese zeichnet sich dadurch aus, dass der Status des Systems nur an bestimmten Zeitpunkten (discrete events) und nicht ständig mit der Zeit geändert bzw. neu berechnet wird [1]. Derartige Zeitpunkte sind bspw. die Ankunft eines Kunden, der Abschluss eines Produktionsschrittes oder die Verbringung eines Pakets an eine andere Position.

Grundelemente jeder ereignisorientierte Simulation sind die sogenannten Entities, die sich als Akteure durch

den vorgegebenen Prozess bewegen.

Entities können dabei – je nach Simulationsanforderung – Produkte, Fahrzeuge, aber auch Menschen sein. Die DES ermöglicht, jedes Element einer Population (Entity) mit beliebig vielen Variablen darzustellen und so eine enorme Zahl an möglichen Verbindungen und Effekten nicht nur für die einzelnen Individuen, sondern auch für die Gesamtpopulation zu simulieren. Die simulierten Entscheidungen der einzelnen Entities können dabei entweder durch die Charakteristik der Elemente und Ressourcen, vorangegangene Bewegungen durch das Modell oder die Entscheidungen anderer Entities beeinflusst werden, oder aber sie werden – in einem stochastischen

System – durch Sampling bestimmter Wahrscheinlichkeitsverteilungen bestimmt. Durch die Simulation von Individuen sind DES daher verständlicher, stellen die Wirklichkeit besser als andere Techniken (bspw. Monte Carlo Simulationen) dar und eignen sich besonders für die Modellierung kleinerer Populationen. Darüber hinaus können enorm genaue und aussagekräftige Daten in Form verschiedenster Statistiken gewonnen werden [2].

Die Netzwerk-basierte Modellierung in der Discrete Event Simulation, die in vielen realitätsnahen Praxisanwendungen verwendet wird, ermöglicht die Bindung der Prozesse an eine bestimmte physikalische Umgebung (bspw. eine

WINGbusiness 1/2014

Top-Thema  Er bezieht Informationen aus seiner Umwelt und agiert in Relation zu ihr.  Er besitzt einen beschränkten Wahrnehmungs- und Aktionsradius (Lokalität).  Er verfügt über ein nicht-triviales Verhaltensrepertoire.

Abbildung 1: Simulation einer Krankenhaus-Notaufnahme1 Produktionshalle) inklusive der Bewegung der Entities und Ressourcen. Dadurch werden nicht nur Weglängenoder Raumnutzungs-Berechnungen, sondern auch gleichzeitig eine ansprechende und User-freundliche Animation ermöglicht (siehe Abbildung 1).

die sich in einer Umwelt befindet und in der Lage ist, in dieser autonome Ak-

Prinzipiell werden mit Hilfe der agentenbasierten Simulation zwei unterschiedliche Simulationsansätze bedient. Einerseits kann der Fokus auf einem einzelnen Agenten und dessen Verhalten bzw. Steuerung liegen, bspw. für selbständig fahrende Transporteinheiten (Autonomous Transport Vehicles) oder rein computergesteuerte Kräne (siehe Abbildung 2).

Andererseits werden agentenbasierte Simulationen meistens eingesetzt, um vom Verhalten des einzelnen Indi-

Agentenbasierte Simulation (Agent Based Simulation) Agent Based Simulations (ABS) werden in einer wachsenden Zahl von Anwendungsgebieten benutzt. Dies sind teilweise Gebiete, in denen zuvor Simulationen nicht oder nur marginal angewendet wurden, aber auch Domänen, in denen sich bereits andere Simulationsparadigmen etabliert haben [3].

Ein Agent kann als eine Einheit (Computerprogramm, Roboter, aber auch ein Mensch) verstanden werden,

Abbildung 2: Agentenbasierte Kransteuerungs-Simulation2 tionen durchzuführen. Eine derartige Simulationseinheit ist also ein aktiver Bestandteil eines Modells [3]. Ein simulierter Agent zeichnet sich durch folgende Merkmale aus [4]:  Er verändert sich nicht nur selbst,

viduums auf das Verhalten einer Masse an Individuen schließen zu können.

Dies betrifft natürlich insbesondere sozialwissenschaftliche Fragestellungen [5], wird allerdings auch gerne im Business-Bereich, insbesondere zur Untersuchung der Ausbreitung von neuen Technologien bzw. Produkten im Markt, eingesetzt. Darüber hinaus können ebenso komplexe Supply Chains mit unzähligen individuell agierenden Teilnehmern simuliert und so wertvolle Daten gewonnen werden (siehe Abbildung 3 als Beispiel einer hypothetischen Öl-Supply-Chain).

System Dynamics Hierbei handelt es sich um eine Methodik zur ganzheitlichen Analyse und Si-

Abbildung 3: Agentbasierte Supply Chain3 Quelle und Möglichkeit zum Testen der Simulation: http://www.runthemodel.com/models/run.php?id=196 WINGbusiness 1/2014

sondern wirkt auf seine Umwelt und bleibt in dieser persistent.

Quelle und Möglichkeit zum Testen der Simulation: http://www.runthemodel.com/models/run.php?id=257 Quelle und Möglichkeit zum Testen der Simulation: http://www.runthemodel.com/models/run.php?id=808

Top-Thema in realen Umgebungen dargestellt und somit insbesondere die Gestaltung und Verbesserung von Gebäudemodellen inklusive Verarbeitungsprozesse mit intensivem Passantenverkehr (wie UBahnhöfe, Sicherheitskontrollstellen, etc. – siehe Abbildung 5) oder Straßenmodellen (große Anzahl von Verkehrsteilnehmern) ermöglicht. Darüber hinaus können auch Menschenströme bei Großveranstaltungen oder außergewöhnliche Situationen wie Evakuierungen modelliert und Fluchtwege bzw. mögliche Engstellen und Staupunkte analysiert werden.

Abbildung 4: System Dynamics Simulation zur Energiefrage4 mulation komplexer und dynamischer Systeme. Dabei werden die Wechselwirkungen zwischen unterschiedlichen Faktoren und Größen in ihrer zeitlichen Konsequenz untersucht, die schließlich bspw. den Erfolg einer Unternehmung ergeben können. Anstatt die Größen für den gesamten Vorhersagezeitraum vorzugeben, wird für alle Größen lediglich ein Startwert festgesetzt, der den Anfangszustand des Systems definiert [6].

Zentrales Konstrukt sind dabei geschlossene Regelkreise (feedback loops). Ein solcher Regelkreis bzw. ein System von geschlossenen Regelkreisen tritt auf, wenn eine Entscheidung, die unter Einfluss der Informationen eines gegebenen Systemzustandes getroffen wird, eine Aktion auslöst, welche wiederum den Systemzustand verändert.

Der Entscheidungsbegriff ist dabei sehr allgemein gefasst und beinhaltet sowohl bewusste, unbewusste und automatisierte Entscheidungen als auch z.B. biologische Prozesse [7].

Der System Dynamics Ansatz ermöglicht insbesondere, nur schwer quantifizierbare Wirkungsbeziehungen sowie komplexe und nicht-lineare Abhängigkeiten zu berücksichtigen. Ursprünglich aus dem formal betriebswirtschlichen Umfeld kommend, wird System Dynamics inzwischen zur Analyse von sozialen (bspw. Stadtentwicklungen), ökonomischen, biologischen (bspw. Ausbreitung von ansteckenden Krankheiten) und auch ökologischen Systemen eingesetzt.

Betriebswirtschaftliche System Dynamics Modelle werden im Rahmen der strategischen Planung zur Meinungsbildung, Annahmenanalyse und

Deduktion von Konsequenzen unternehmerischer Entscheidungen instrumentalisiert. Dazu gehören bspw.

Wachstumsstrategien junger Unternehmen, der Einfluss von technologischen Innovationen, bestimmte Marktentwicklungen oder die Auswirkungen verschiedener Unternehmenspolitiken [7].

Verkehrssimulationen Passanten- (Pedestrian Simulations) bzw. Verkehrssimulationen sind eigentlich eine Unterart der agentenbasierten Simulation, werden aber oftmals als eigene Simulationstechnik tituliert.

Dabei werden Fußgänger bzw. andere

Kombination verschiedener Simulationstechniken Durch die Verbindung von unterschiedlichen Techniken in einem einzigen Simulationsmodell lassen sich heutzutage auch enorm komplexe Anwendungen realisieren. Eine der beliebtesten Kombinationen ist bspw. eine Discrete Event Simulation zur Analyse einer teilautomatisierten Produktionsanlage mit agentenbasierten Komponenten, welche autonom agierende Kräne oder Transporteinheiten darstellen. Somit lassen sich mit Hilfe eines einzigen Modells sowohl die Algorithmen zur Steuerung der autonomen Elemente überprüfen und optimieren als auch die Auswirkungen dieser auf

Abbildung 5: Fußgängersimulation eines U-Bahn-Eingangs5 Verkehrsteilnehmer (Autos, LKW, etc.) als interagierende Agenten mit komplexen, individuellen Verhaltensweisen

den gesamten Produktionsablauf und das daraus resultierende Ergebnis berechnen.

Quelle und Möglichkeit zum Testen der Simulation: http://www.runthemodel.com/models/run.php?id=1416

Quelle und Möglichkeit zum Testen der Simulation: http://www.runthemodel.com/models/run.php?id=161 WINGbusiness 1/2014

Top-Thema Fazit

Palmer, „Systematic review of the Die moderne Simulationstechnologie use and value of bietet eine große Anzahl an unter- computer simulaschiedlichen Techniken. Jede einzelne tion modelling in davon besitzt verschiedene Vor- und population health Nachteile und ideale Einsatzbereiche. and health care Die Auswahl der passenden Technik delivery,“ Journal erfolgt auf Basis der Anforderungen of Public Health an das Simulationsmodell bzw. auf der Medicine, Bd. 25, Art des zu simulierenden Systems.

Nr. 4, pp. 325 - 335, Durch eine Kombination verschie- 2003. dener Techniken in einer Simulation [3] F. Klügl, „Mullassen sich die Vorteile der verwen- tiagentensimulatideten Arten kumulieren und schlus- on,“ Informatik-Spektrum, Bd. 29, Nr. sendlich ein genaueres Abbild der 6, pp. 412-415, 2006.

Realität erschaffen, was wiederum zu [4] F. Klügl, Multiagentensimulation exakteren Daten und neuen Erkennt- – Konzepte, Anwendungen, Tools, Adnissen führt. dison Wesley, 2001.

[5] N. Gilbert und K. Troitzsch, Simulation for the social scientist, McGrawHill International, 2005.

[6] F. Schöneborn, Strategisches Controlling mit System Dipl.-Ing. Dynamics: mit... 5 Tabellen, Springer Peter Rachinger DE, 2003.

Simplan Österreich [7] J. Sandrock, System Dynamics in der strategischen Referenzen Planung, Springer, 2006.

[1] G. S. Fishman, Discrete-event simulation: modeling, programming, and analysis, New York: Springer-Verlag, 2001.

[2] D. Fone, S. Hollinghurst, M. Temple, A. Round, N. Lester, A. Weightman, K. Roberts, E. Coyle, G. Bevan und S.

WINGbusiness 1/2014

Autoren: Mag. Helmut Niessner Erstellt Simulationen für verschiedene Anwendungsgebiete, vorwiegend im Bereich Gesundheitswesen und Sicherheit. Darüber hinaus ist er an der Uni-

Mag. Helmut Niessner Simulutions Niessner e.U. versität Wien im Forschungsbereich „Simulationen im Gesundheitswesen“ tätig.

Simulutions Niessner e.U. Greinergasse 22-24/2/5 1190 Wien Tel.: +43-664-2045202 eMail: office@simulutions.at Web: http://simulutions.at Dipl.-Ing. Peter Rachinger Geschäftsführer von Simplan Österreich. Seit mehr als 20 Jahren in den Bereichen der Produktions-, Transportund Lagerlogistik, hauptsächlich für die Automobilbranche sowie deren Zulieferbetriebe. Er unterrichtet an der HTL Neufelden Maschinenbau und Informatik für Produktion und Logistik, sowie an der FH Wels im Bereich Simulation.

Simplan Österreich, Veldner Str. 54, 4120 Neufelden Tel.: +43-664-2108597 eMail: peter.rachinger@simplan.at www.simplan.at www.simplan.de www.krankenhaussimulation.de www.simchain.net

Top-Thema

Foto: STRABAG AG

Gerhard Höfinger

Chancen für die Simulation in der Bauwirtschaft Anwendungen in Nischen und immer bessere Datenmodelle bereiten den Weg für einen breiten Einsatz Um Simulation der Prozesse und der Logistik in der Baubranche einsetzen zu können, sind einige Schwierigkeiten zu bewältigen. Unikatprozesse und sehr dynamische und komplexe Bauabläufe erschweren eine effiziente und zeitgerechte Erstellung entsprechender Modelle. Immer bessere Datenmodelle mit BIM / 5D-Planung und Anwendungen in Nischen könnten aber in naher Zukunft die Tür für Simulation als Standardwerkzeug bei der Planung von Bauabläufen öffnen.

Einleitung Simulation ist ein weiter Begriff, und die Objekte der Bauindustrie vielfältig.

Im weiteren Text ist die Ablaufsimulation von Bauprozessen und der zugehörigen Supply Chain gemeint.

Während thermische Prozesse schon oft für die Auslegung der technischen Gebäudeausstattung simuliert werden und auch bei einigen mechanischen Berechnungen in der Baustatik von Simulation die Rede ist, ist die Ablaufsimulation in der Bauwirtschaft noch nicht in der breiten Praxis angekommen.

Betrachtet man eine typische Baustelle, sei es beispielsweise im Hochbau oder im Verkehrswegebau, dann findet man ein sehr dynamisches System mit einer großen Anzahl an handelnden Personen und Geräten vor. Man

10

spricht von Unikatprozessen, da die errichteten Bauwerke üblicherweise Einzelstücke sind und das Baufeld je nach Bauort unterschiedliche Charakteristika aufweist.

Der Bau wird von vielen Arbeitern ausgeführt, die autonom handeln und verschiedenste Tätigkeiten ausführen können.

Mit der Bauleitung steht ein Expertensystem zur Steuerung zur Verfügung, das sehr flexibel und auf Basis unzähliger Parameter und seiner Erfahrung Entscheidungen trifft. Der Bauleiter handelt aufgrund eines Bauzeitplans, berücksichtigt aber auch Umwelteinflüsse und führt laufend Soll-/Ist-Vergleiche durch.

Die eingesetzten Geräte sind im Vergleich zu Maschinen in linearen Produktionsanlagen sehr beweglich und können für viele Aufgaben eingesetzt

werden. Besonders betrifft das alle selbstfahrenden Hub- und Transportfahrzeuge.

Nicht zuletzt trägt zur Komplexität des Systems Baustelle bei, dass sich die handelnden Personen und Geräte auf dem errichteten Objekt selbst bewegen und daher je nach Baufortschritt völlig unterschiedliche Rahmenbedingungen vorfinden, man denke beispielsweise an die erreichbare Zone eines Baukrans oder verfügbare Lagerflächen.

Die Erstellung von Simulationsmodellen erfordert daher einerseits ein hohes Maß an Prozesswissen und andererseits eine Fülle von Eingangsdaten. Vermeintlich einfache aber für die Baustelle sehr relevante Fragen wie die nach der optimalen Auswahl von Kränen oder der Dimensionierung von Lagerflächen lassen sich kaum in der dafür zur Verfügung stehenden Zeit

WINGbusiness 1/2014

Top-Thema unter Einsatz eines Simulationsmodells beantworten.

Gerade typische, häufig auftretende Bauprojekte werden von erfahrenem Personal geplant und ausgeführt. Viele Erkenntnisse zu unterschiedlichen Geräte- und Personalkonfigurationen sind daher aus Realprojekten vorhanden.

Fragestellungen, die mit Simulation zu beantworten wären, werden also unter Umständen von den Praktikern am Bau zuverlässiger beantwortet. Auch Experimente im laufenden Betrieb lassen sich verwirklichen, als Beispiel sei die Ermittlung der optimalen LKWAnzahl im Erdbau genannt. Eine Woche lang einen zusätzlichen LKW mit einer Erdbaugruppe einzusetzen lässt sich zu deutlich geringen Kosten verwirklichen als eine Simulationsstudie.

Höhere Datenverfügbarkeit durch BIM als Basis für Simulationsmodelle

starken Weiterentwicklung in den kommenden Jahren auf diesem Sektor wird es aber auch zu Fortschritten bei der Simulation kommen. Vorreiter ist dabei der Hochbau und dort wiederum der in den Prozessen und Materialien einfachere Rohbau.

Bereits im Einsatz und als großer Vorteil der 5D-Planung erkannt ist die aufgrund der Datenbasis einfach mögliche Visualisierung des Bauablaufs.

Dieses Werkzeug hilft einerseits den Planern selbst und kann andererseits zur Klärung von Fragen auf Kundenseite eingesetzt werden. Von hier ist es nur mehr ein kleiner Schritt zu einer „echten“ dynamischen Simulation. Die in den Zeitplänen erfassten Vorgänge sind ja verknüpft und ihre Abhängigkeiten von Ressourcen und untereinander hinterlegt. Die im dynamischen Modell nötige Steuerung des Geschehens – was kann wann unter welchen Voraussetzungen passieren – ist damit schon zu einem großen Teil vorgegeben.

bis zur Baustelle. Damit gibt es hier eine Reihe von Produktionsbetrieben (Steinbrüche, Mischanlagen, Zementwerke, Fertigteilproduktion, etc.), für die Simulation im Prinzip ein bereits etabliertes Werkzeug ist.

Die Hürde ist die eher traditionell ausgerichtete Baubranche an sich, mit Überzeugungsarbeit und Aufzeigen des Optimierungspotentials lassen sich aber immer wieder Anwendungsmöglichkeiten finden. Viele Produktionsstätten sind aber sehr überschaubar und wesentlich einfacher strukturiert als etwa ein Industriebetrieb in der Automobilbranche, wodurch ein optimaler Betrieb oft auch auf einfacherem Weg als über ein Simulationsmodell gefunden werden kann.

Als Mittelding aus Baustelle und stationärer Anlage gibt es auch noch Produktionsanlagen auf Baustellen.

Beispielhaft sei hier der Tunnelbau genannt. Die Aufbereitung und der Abtransport von Ausbruchmaterial, die Anlieferung von Materialien und die Herstellung von Beton und Tübbingen (fertige Bauteile für die Innenwände aus Beton) spielen zusammen und sind typischerweise mehrere Jahre im Einsatz. Die Auslegung der Transportkapazitäten, Lager, Förderbänder etc. kann mit Simulation gut abgebildet und unterstützt werden.

Mit der Einführung von BIM / 5DPlanung und der weiteren Standardisierung von Prozessen (etwa mit Lean Construction-Ansätzen) rückt die Nischenanwendungen für Simulation Simulation näher in der Bereich des Machbaren. Bei BIM sind die Bauteile Während man also mit BIM und 5D mit den zugehörigen Prozessen und die Entwicklung von umfassenden Bauzeiten verknüpft. Damit steht eine Datenmodellen für Standardbauvorkonsistente, standardisierte Datenbasis haben vorantreibt und damit auch zu zur Verfügung, mit der alle am Projekt entsprechenden Simulationsmodellen Beteiligten arbeiten und die daher auch kommen wird, gibt es in Baukonzerimmer aktuell ist. Am Beispiel eines nen noch andere Anwendungsmög- Anwendung im großen Wasserbau Stückes Betonwand in einem Haus be- lichkeiten. deutet das, dass mit der Angabe der geSolche Konzerne vereinen die ganze In manchen Fällen sind Bauvorhaben nauen Lage in einem 3D-Modell unter Supply Chain, von der Rohstoffquelle von einzelnen Großgeräten dominiert, anderem die Information verknüpft ist, wann sie zu erstellen ist, aus welcher Betonsorte sie besteht und welche Schalung für die Errichtung nötig ist.

Aus diesen Daten kann ein Modell erstellt werden, das über das Durchspielen der hinterlegten Prozesse den Zeitplan überprüft und für die wichtigsten Geräte Informationen über die Beanspruchung liefert.

Besonders im deutschsprachigen Raum ist BIM und 5D noch am Anfang was die Akzeptanz und den Einsatz in der Praxis betrifft. Daher sind die verschiedenen Bemühungen zur Simulation auf Basis von solchen Datenmodellen noch ohne große praktische Rele- Abbildung 1:Implementierung des Simulationsmodells für den großen Wasservanz. Mit der zu erwartenden bau in AnyLogic

WINGbusiness 1/2014

11

Top-Thema deren Einsatz im Vorhinein im Sinne einer treffsicheren Kalkulation sehr genau geplant werden muss. Als Beispiel hierfür wird im Folgenden ein Beispiel aus dem großen Wasserbau präsentiert.

Bei diesem werden Hafeneinfahrten, Hafenbecken und Schifffahrtsrinnen hergestellt bzw. vertieft. Je nach Arbeitstiefe kommen dafür Saugbagger oder Stelzenbagger zum Einsatz.

In einem laufenden Projekt der STRABAG werden mit drei Stelzenbaggern und drei Saugbaggern die Einfahrt und der Wendekreis in einem internationalen Hafen in der Ukraine für Schiffe, die Erz transportieren, entsprechend vertieft. Die Arbeit der Stelzenbagger wird von der Zentralen Technik, einem internen Ingenieurbüro der STRABAG, mittels eines Simulationsmodells analysiert und optimiert.

Diese schwimmenden Bagger laufen rund um die Uhr. Um die nötige Stabilität zu gewährleisten, verankern sie sich mit Stelzen am Meeresboden. Das ausgehobene Material wird auf Klappschuten verladen, das sind Schiffe, die ihren Rumpf zur Entladung der Länge nach aufklappen können. Sie sind in unterschiedlichen Größen verfügbar und haben entweder einen eigenen Antrieb oder werden von Schleppern bewegt.

Den größten Kostenfaktor in diesem Projekt stellen die eingesetzten Geräte dar. Einerseits bestehen hohe Mobilisierungskosten, da sie auf dem Seeweg aus Hamburg gebracht werden, andererseits sind die laufenden Kosten wesentlich größer als bei den im Erdbau an Land üblichen Geräten. Jede Verzögerung gefährdet also den wirtschaftlichen Erfolg des Projektes.

Der Regelbetrieb, in dem durchgehend gebaggert wird und die Schuten in einem regelmäßigen Umlauf fahren, kann von vielen Störungen unterbrochen werden. Schlechtes Wetter kann die Fahrt der Schuten zu den Entladestellen vor der Küste unmöglich machen. Defekte können immer wieder zu mehr oder weniger aufwändigen Reparaturen führen. Da der Hafen im laufenden Betrieb erweitert wird, müssen die Bagger regelmäßig größeren Schiffen ausweichen.

Ein Simulationsmodell soll im Wesentlichen erklären, warum die Kalkulation über erfahrungsgemäße

12

Mittelwerte für Leistungsansätze und Fahrgeschwindigkeiten im Echtbetrieb nicht erreicht wird. Ein identifiziertes Modell soll dann als Entscheidungshilfe eingesetzt werden, welches zusätzliche oder andere Gerät verwendet werden soll, wobei am einfachsten bei den Schuten reagiert werden kann.

Aufgrund der hohen Mobilisierungsund Investitionskosten und langen Zeitspannen bis Änderungen wirksam werden sind Experimente im laufenden Betrieb nicht in der Form möglich wie beispielsweise im Erdbau an Land.

Die größte Herausforderung für die STRABAG Simulationsentwickler besteht in diesem Projekt in der Abbildung der Störgrößen und der Validierung des Modells. Eine genaue Zeitaufnahme über drei Monate im laufenden Betrieb durch die Baggerfahrer ist dafür eine solide Datenbasis. Dabei müssen auch saisonale Effekte wie das Winterwetter berücksichtigt werden.

Ein Simulationsmodell wurde in AnyLogic 6 erstellt. Die Simulationsergebnisse stimmen sehr gut mit den gemessenen Daten überein. Da die meisten Parameter einer Zufallsverteilung unterliegen, ist auch eine starke Streuung im Gesamtergebnis (den Baukosten) zu erwarten. Diese wird mit einem Monte-Carlo-Ansatz abgebildet. Das Resultat ist nicht nur ein Erwartungswert für das Ergebnis, sondern eine Verteilung. Damit kann das Risiko in der Kalkulation besser abgeschätzt und quantitativ bewertet werden.

Mit diesem Werkzeug wird aktuell untersucht, ob der Einsatz größerer Schuten eine um so viel bessere Auslastung der Bagger bewirkt, dass die Einsparung die Mobilisierungskosten übersteigt.

Mit den Erfahrungen aus diesem Projekt soll der Ansatz so weit abstrahiert werden, dass bei künftigen Projekten mit Stelzenbaggern Simulation bereits in der Kalkulation und ersten Geräteauswahl eingesetzt werden kann. Dabei geht es ausdrücklich nicht nur um eine Zahl, die in die Angebotskalkulation eingesetzt wird, sondern auch um eine Be-

wertung der im Projekt enthaltenen Risiken.

Resümee Durch die Anwendung in speziellen Nischen kann der Bekanntheitsgrad von und das Vertrauen in Simulation bei den Entscheidungsträgern gesteigert werden. Für die genannten Beispiele Tunnelbaustelle und großer Wasserbau können etablierte Modellierungsansätze gewählt und damit auf vorhandenes Wissen aus anderen Branchen zurückgegriffen werden.

Wenn es gelingt, mit teilweise automatisiert erstellten Modellen die Komplexität großer Bauprojekte abzubilden, auch in Verbindung mit verbesserten Datenmodellen, kann ausreichend schnell und günstig eine Reihe von Entscheidungen mit Hilfe von Simulation getroffen werden. Viele Bauprojekte werden auch weiterhin ausreichend gut von erfahrenen Bauleitern geplant und ausgeführt werden. Aber je schwieriger ein Projekt von einem einzelnen Menschen zu überblicken ist, desto größer werden, mit Hilfe der aktuellen Entwicklungen in der umfassenden Bauplanung, die Chancen für die Simulation in der Bauwirtschaft – und damit die Chancen für die Bauwirtschaft durch die Simulation.

Autor: Dipl.-Ing. Dr.techn. Gerhard Höfinger studierte Technische Mathematik an der TU Wien und promovierte anschließend bei Prof. Herbert Mang am Institut für Mechanik der Werkstoffe und Strukturen. Seit 2011 arbeitet er für die STRABAG, anfangs im Zentralbereich BPM und seit 2013 in der Zentralen Technik Wien in der Gruppe STRABAG Supply Chain Optimierung.

Dipl.-Ing. Dr.techn.

Gerhard Höfinger Teamleiter Supply Chain Optimierung, Zentrale Technik Wien, STRABAG AG

WINGbusiness 1/2014

Top-Thema

Foto: V-Research

Robert Schöch, Ruth Fleisch, Alexander Walch

Virtuelle Planung und Inbetriebnahme von Produktionsanlagen Ein modellbasierter Ansatz für den Anlagenbau Haben Sie sich schon einmal vergegenwärtigt, von wie vielen Faktoren es abhängt, dass Sie Ihre Maßküche innerhalb kürzester Zeit nach Bestellung geliefert bekommen? Um dies produktionsseitig möglich zu machen, kommen heute in Produktionslinien organisierte, hochkomplexe Anlagen zum Einsatz. Um den Materialfluss in solchen Produktionslinien optimal zu gewährleisten, wird schon zum Zeitpunkt ihrer Planung alles genau durchgespielt – mit Hilfe spezieller Planungs- und Analysewerkzeuge, die abgesicherte Kennzahlen über die Leistungsfähigkeit von Anlagen liefern. Ein Werkzeug, das die virtuelle Planung und Inbetriebnahme ganzer Plattenaufteilanlagen ermöglicht, wurde von V-Research im Auftrag des Herstellers von Plattenaufteilanlagen Schelling Anlagenbau entwickelt.

„Produktion von Küchen nach Maß auf Anlagen nach Maß“ Bis eine Küche nach Maß dem Kunden geliefert werden kann, ist eine Vielzahl unterschiedlicher Fertigungsschritte notwendig, die zum größten Teil erst nach Auftragseingang durchlaufen werden. Um dennoch kurze Lieferzeiten zusichern zu können, steigt der Automatisierungsgrad in der Fertigung, was auch im Hinblick auf die Produktionskosten Vorteile bringt, insbesondere in Hochlohnländern. Andererseits bedingen kundenindividuelle Fertigung und Automatisierung in der Möbelindustrie eine höhere Komplexität der Produktionslinien. Für deren Planung fordern Betreiber solcher Lini-

WINGbusiness 1/2014

en von den Anlagenlieferanten garantierte Leistungskennzahlen bezüglich der Produktionskapazität.

Auf diese Problematik wird aus der Sicht von Anlagenbauern, die jeweils einen Teil einer Produktionslinie liefern, näher eingegangen. Im vorliegenden Artikel wird exemplarisch dargestellt, wie ein Hersteller von Plattenaufteilanlagen die Planungssicherheit durch exakte Ermittlung von Leistungsdaten wie Durchsatz und Auslastung deutlich erhöhen konnte, um sowohl Überals auch Unterdimensionierung und die dadurch entstehenden Folgekosten zu vermeiden.

Plattenaufteilanlagen werden eingesetzt, um Platten aus Holzwerkstoffen mittels Sägen in die gewünschten For-

mate aufzuteilen, die fertigen Teile zu sortieren und zu stapeln. Diese Prozesse werden von verschiedenen Typen von Maschinen, wie zum Beispiel Längsund Quersägen, Sortierwagen, Drehund Stapelgeräten oder Rollenbahnen, voll automatisiert durchgeführt.

Plattenaufteilanlagen sind durch einen hohen Grad strukturbedingter Komplexität geprägt, da es zur Erfüllung der individuellen Anforderungen von Anlagenbetreibern unerlässlich ist, sie in großer Variantenvielfalt anzubieten. Diese wird durch die Kombination einzelner Baugruppen zu Maschinen und von Maschinen zu Plattenaufteilanlagen nach dem Baukastenprinzip erreicht. Darüber hinaus weisen Plattenaufteilanlagen ein dynamisches

13

Top-Thema Verhalten auf, dessen Komplexität bei Anlagen, die in der Auftragsfertigung zum Einsatz kommen, ungleich höher ist im Vergleich zu Anlagen, die ausschließlich für die Massenfertigung entwickelt werden. Kundenspezifische Produktion bedeutet kleine Losgrößen bis hin zu Losgröße 1. Um trotzdem den Verschnitt gering zu halten, erhöht sich der Komplexitätsgrad der Schnittpläne. Abbildung 1 stellt einen einfachen Massenfertigungsschnittplan einem aufwändigeren Schnittplan zur Auftragsfertigung gegenüber.

ausreichend gewährleisten können, da wechselseitige Abhängigkeiten der Anlagenprozesse und detaillierte Zeitverläufe unberücksichtigt bleiben.

Emulation von Anlagen Mit dem Ziel, Experten im Anlagenbau ein leistungsfähiges Planungsinstrument an die Hand zu geben, hat V-Research in einem gemeinsamen Projekt mit der Schelling Anlagenbau ein Softwaresystem entwickelt, das die Emulation von Plattenaufteilanlagen

Abbildung 1: Einfacher (links) und komplexerer Schnittplan einer Platte Die Platte, deren Schnittplan links in Abbildung 1 zu sehen ist, kann problemlos auf einer klassischen Plattenaufteilanlage mit linearem Materialfluss bearbeitet werden: zuerst wird sie auf der Längssäge in Streifen geschnitten, die anschließend auf der Quersäge weiter aufgeteilt werden. Es ist jedoch nicht möglich, Platten mit komplexeren Schnittplänen, wie auf der rechten Seite abgebildet, auf einer herkömmlichen Anlage effizient zu produzieren. Deshalb wurde das Anlagenlayout dahingehend geändert, dass der Materialfluss nun Rückführungen aufweist. Das bedeutet im Kontext von Plattenaufteilanlagen, dass eine Platte beziehungsweise Teile davon, die bereits auf einer Säge geschnitten worden sind, über eine Rückführstrecke erneut derselben Säge für ihre weitere Aufteilung zugeordnet werden können – und das beliebig oft. Diese Rückführungen stellen indessen eine besondere Herausforderung für die Anlagensteuerung dar, da sie unaufhebbare Blockierungen der gesamten Anlage oder bestimmter Teile verursachen können.

Ein blockierungsfreier Betrieb der Anlage bei gleichzeitiger hoher Auslastung der Sägen muss aber garantiert werden.

Die aufgezeigte Komplexität von Plattenaufteilanlagen hat zur Folge, dass Ansätze zur Ermittlung der Produktionskapazitäten mit statischen Formeln die Planungssicherheit nicht

14

ermöglicht. Emulation ist ein Spezialfall der Simulation und bedeutet hier, dass die Gesamtanlagensteuerungssoftware, die später auch in Verbindung mit der realen Anlage in Verwendung ist, an ein virtuelles Modell der Plattenaufteilanlage angebunden ist und dieses steuert. So erhält man ein sehr realitätsnahes Planungs- und Analysewerkzeug.

Die Steuerung einer Plattenaufteilanlage erfolgt mittels eines zentralen hierarchischen Systems. Die Software, die die gesamte Anlage steuert (obere Ebene), schickt Aufträge an die speicherprogrammierbaren Steuerungen (SPS) der einzelnen Maschinen (mittlere Ebene). Die SPS dient dann wiederum der Steuerung der Maschine

beziehungsweise ihrer mechanischen Komponenten (untere Ebene).

Die beiden letzteren Schichten sind nun virtuell abgebildet worden: die virtuelle mittlere Schicht, die das Analogon zur SPS-Ebene bildet, und das Simulationsmodell, das die Maschinen und deren mechanische Komponenten visualisiert und die Bewegungen im Zusammenhang mit Materialbearbeitung und -transport darstellt.

Nach Start eines Emulationslaufes sendet die Gesamtanlagensteuerung sogenannte Aufträge, die basierend auf Produktionslosen mit zugehörigen Schnittplänen sowie Sortier- und Stapeldaten für die aufzuteilenden Platten erzeugt werden, an die virtuelle mittlere Schicht. Diese teilt einen Auftrag in eine Folge von Tasks auf. Ein einzelner Task steht für einen Arbeitsschritt wie zum Beispiel „Senken des Druckbalkens“ im Auftrag „Sägen“. Die Sequenz von Tasks wird anschließend von der mittleren Schicht an das Simulationsmodell übermittelt, das mit Hilfe einer Software für ereignisdiskrete Simulation implementiert ist. Im Simulationsmodell werden die Tasksequenzen den entsprechenden Maschinen zugeteilt und in Ereignisse transformiert, wodurch wir eine dreidimensionale Visualisierung der Abläufe in der Plattenaufteilanlage erzielen (siehe Abbildung 2). Nach Abarbeitung der Tasks eines Auftrags erfolgt über die mittlere Schicht dessen Bestätigung an die Anlagensteuerung. In Abhängigkeit davon wird die Generierung neuer Aufträge ausgelöst.

Um die Handhabung des Emulationswerkzeuges für Experten im Anlagenbau, wie beispielsweise technisches

Abbildung 2: 3D-Visualisierung einer Plattenaufteilanlage

WINGbusiness 1/2014

Top-Thema Vertriebspersonal, die nicht über spezielles Simulationswissen verfügen, zu vereinfachen, dient eine grafische Benutzeroberfläche, „Studio“ genannt, der Modellierung der Plattenaufteilanlage, der Analyse der erfassten Ergebnisdaten sowie der Verwaltung der verschiedenen Modelle.

Hier kann in einem grafischen Editor mit Hilfe von Vorlagen einzelner Baugruppen und Maschinen ein Systemmodell der Anlage nach dem Baukastenprinzip zusammengefügt und parametriert werden. Die Einstellungen umfassen sowohl prozessrelevante und mechanische Informationen und diverse Geschwindigkeiten als auch Meta-Informationen für die Instanziierung der Komponenten in beiden Ebenen des virtuellen Modells.

Der Materialfluss durch die Anlage ergibt sich durch das Aneinanderfügen der einzelnen Maschinen unter Zuhilfenahme einer Snap-Funktion.

in einer Fallstudie klar verifiziert: Mit drei System- und entsprechenden Simulationsmodellen, die verschiedene Varianten einer Plattenaufteilanlage darstellen, erfolgte eine exakte Analyse der Auslastung und der Schnittstellen zu den vor- und nachgelagerten Produktionsprozessen. Diese Analyse konnte zeigen, dass nicht die schnellste (und teuerste) Anlage sich am besten in die geplante Produktionslinie einfügt – mit offensichtlichen Vorteilen für den Betreiber der Produktionslinie.

Abbildung 3 zeigt die Durchlaufzeit eines Produktionsloses für die drei ver-

vorherrscht und andererseits Anlagen kundenspezifisch nach Auftragserteilung zu fertigen sind.

Aufgrund der Anbindung der Steuerung an das virtuelle Modell lässt sich die Anlagensteuerung bereits vor dem Bau der tatsächlichen Anlage anhand plausibler Schnittpläne für Produktionslose testen, bewerten und anpassen.

Dies führt zur Reduktion von Inbetriebnahmezeiten und -kosten.

Insgesamt trägt das beschriebene Planungs- und Analysewerkzeug entscheidend zur Steigerung der Qualität von Plattenaufteilanlagen bei und ist

Ist das Systemmodell der zu betrachtenden Anlage erstellt, wird vom Studio aus ein Emulationslauf gestartet. Die Transformation des Systemmodells in das Simulationsmodell und auch die Instanziierung der Klassen in der virtuellen mittleren Schicht erfolgen dabei automatisiert.

Die während des Emulationslaufes erfassten und gesammelten Daten stehen danach für die Analyse im Studio zur Verfügung.

Nutzenpotenzial Der Anlagenbauer ist bestrebt, das Potenzial des modellbasierten Ansatzes für die Planung und Inbetriebnahme vermehrt zu nutzen (siehe oben: Systemmodell und Simulationsmodell). Durch Abbildung realer Produktionslose lässt sich die Leistung von Maschinen und Anlagen exakt ermitteln. Dabei liegt der Hauptnutzen in der Auslastungs- und Engpassanalyse, die eine hohe Planungssicherheit für gewünschte Produktionskapazitäten zulassen. Dadurch sind Fehlerfolgekosten vermeidbar, die typischerweise umso höher sind, je später ein Fehler entdeckt wird.

Basierend auf Systemanforderungen eines namhaften Küchenbauers, der als Early Adopter seine Offenheit gegenüber Innovationen demonstriert, wurde der Nutzen dieses neuartigen Ansatzes

WINGbusiness 1/2014

Abbiildung 3: Vergleich von Durchlaufzeiten schiedenen Modelle auf, ohne näher die Schnittstellen der Systemgrenzen und -kosten zu visualisieren.

Ein weiteres Nutzenpotenzial des modellbasierten Ansatzes ist durch die detaillierte Nachvollziehbarkeit der ermittelten Leistungskennzahlen gegeben. Zeitverläufe von zuvor mit dem Anlagenbetreiber definierten Produktionslosen lassen sich messen und wiederholbar aufzeigen. Die Darstellung der Anlagendynamik durch dreidimensionale Visualisierung und die transparente Form der Ergebnispräsentation trägt sehr zum Aufbau einer Vertrauensbasis zwischen Anlagenbauer und -betreiber bei. Dies ist vorteilhaft, da einerseits ein ausgeprägtes KnowHow-Gefälle zwischen den Partnern

mittlerweile beim Anlagenbauer ein wesentlicher Erfolgsfaktor in der Unterstützung des Fertigungsprozesses mit definierten „Quality Gates“ geworden.

Die Besonderheit des Emulationsansatzes ist durch die Kopplung des Simulationsmodells mit der tatsächlichen Anlagensteuerungssoftware gegeben.

Auf diese Weise ist eine Realitätsnähe gegeben, die im Falle der Verwendung reiner Simulationsmodelle nur durch die vollständige Simulation auch der Anlagensteuerungssoftware möglich wäre, was mit erheblichem Mehraufwand einhergehen würde. Mit Methoden der statistischen Simulation ist die beschriebene Genauigkeit, aber auch die Nachvollziehbarkeit schlicht nicht erreichbar.

15

Top-Thema Weiterführende Aussagen und Perspektiven Die Wettbewerbsfähigkeit des Weltmarktführers für Plattenaufteilanlagen zeichnet sich durch qualitativ hochwertige Anfertigung komplexer Anlagen aus. Das entwickelte Werkzeug trägt dazu bei, diese Kompetenz auszubauen und abzusichern. Beim Bau solcher Anlagen liegt der Fokus in der Planung und Realisierung eines automatisierten Zuschnitts von Platten und Plattenteilen, wobei Eigenschaften wie Schnittdauer, Auslastungsgrad, Format und Verschnitt einen besonderen Stellenwert haben.

Die frühe Absicherung des gesamten Funktionsablaufes einer Anlage ist von zentraler Bedeutung, insbesondere für ein Anlagenlayout, dessen Materialfluss aufgrund des hohen Komplexitätsgrades von Schnittplänen Rückführstrecken aufweist. Eine ständige Analyse verbessert das Verständnis über das Verhalten der Anlagen und es können Maßnahmen zur Absicherung der Systemanforderungen sowie zur Steigerung der Qualität eingeleitet werden.

Vor diesem Hintergrund sollen künftig Systemanforderungen für die Konstruktion von Maschinen aus den Analyseergebnissen und den im Anlagenmodell (s.o. Systemmodell) bereits enthaltenen Informationen automatisch abgeleitet werden. Andererseits soll das entwickelte Werkzeug während des Konstruktions- und Fertigungsprozesses die Absicherung der Funktionen der einzelnen Maschinen im Kontext der gesamten Anlage unterstützen.

Es wird angestrebt, das System- bzw.

Anlagenmodell automatisiert aus den vorhandenen Konstruktionsinformationen (in Form von mit Zusatzinformationen angereicherten CAD-Modellen) zu erstellen. So wird der modellbasierte Ansatz auf einen Dreischritt erweitert: CAD-Modell, Systemmodell, Simulationsmodell. Durch automatisierte Konsistenzwahrung sowie durch transparente Wiederverwendung der in den Modellen enthaltenen Informa-

16

tionen jeweils für die folgende Modellebene werden so entscheidende Vorteile realisiert.

Autoren: Robert Schöch studierte Informatik an der Johannes Kepler Universität Linz und absolvierte das berufsbegleitende Masterprogramm Integrated Product Development an der Fachhochschule Vorarlberg.

Seit 2005 ist er Projektleiter bei V-Research. Dort beschäftigt er sich im Rahmen von Forschungs- und Industrieprojekten mit Methoden für komplexe Entscheidungen in Produktion und Logistik.

Sein For-schungsinteresse umfasst dabei besonders das Thema simulationsbasierte Systeme für industrielle Prozesse.

Ruth Fleisch studierte Technische Mathematik an der Universität Innsbruck. Seit 2010 ist sie als Forschungsingenieurin bei der VResearch tätig. Im Rahmen ihrer beruflichen Tätigkeit beschäftigt sie sich mit den Themen Simulation und Optimierung.

Alexander Walch studierte Fertigungsautomatisierung an der Fachhochschule Vorarlberg und absolvierte das

Dipl.-Ing. Robert Schöch, MSc Projektleiter V-Research

Dipl.-Ing. Ruth Fleisch Projektmitarbeiterin V-Research

Dipl.-Ing. (FH) Alexander Walch, MSc Leiter F&E Schelling Anlagenbau berufsbegleitende Masterprogramm Integrated Product Development an der Fachhochschule Vorarlberg.

Seit 2004 leitet er die Softwareentwicklung bei Schelling Anlagenbau. Anfang 2014 hat er die Leitung der Forschungsund Entwicklungsabteilung übernommen. 2009 gab er den Anstoß zur Entwicklung eines Simulationswerkzeuges für Plattenaufteilanlagen.

WINGbusiness 1/2014

Top-Thema

Foto: Fotolia

Ramtin Ghasemipour-Yazdi

Simulation von Geschäftsmodellen Ein Windkanal für das Innovationsmanagement

S

trategisches Vorgehen beginnt damit, dass man über das wirklich Wesentliche einer Unternehmung und den damit verbundenen zentralen Herausforderungen nachdenkt, und sich mit den Fragen beschäftigt: Was ist wirklich wesentlich und wichtig?

Was ist sekundär? Und was kann man ignorieren ohne die Zukunft der Unternehmung zu gefährden? Das Gespür für die involvierte Dynamik ist der zweite wichtige Aspekt, denn einige Änderungen kann man schnell, einige vielleicht gar nicht und einige nur sehr langsam im Unternehmensumfeld realisieren.

Das Verständnis für diese Fragen ist auch die Essenz in der Entwicklung von Geschäftsmodellen. Der Schweizer Alexander Osterwalder hat zur Unterstützung dieser Aufgabe ein Werkzeug mit dem Namen „Business Model Canvas“ (Osterwalder, Pigneur, & et al., 2010) entwickelt, mit dessen Hilfe man die neun wichtigsten Bestandteile eines Geschäftsmodells auf sehr visuelle und spielerische Weise entwerfen und holistisch gestalten kann.

Dabei spielt es eine völlig untergeordnete Rolle, ob es sich um eine neue

WINGbusiness 1/2014

oder bestehende Firma, ein neues oder ein bestehendes Produkt oder aber auch Service handelt. Die Originalität ist dabei auch nachranging. So hat Felix Hofmann mit der Forschung von (Gassmann, Frankenberger, & Csik, 2013) am BMI Lab in St. Gallen über 250 Geschäftsmodelle der vergangenen 25 Jahre (darunter die innovativsten Firmen unserer Zeit wie Ikea, Porsche,

Apple etc.) untersucht und ist zum überraschenden Schluss gekommen, dass 90 % aller Firmen auf Ideen setzen, die sich schon einmal bewährt haben, und nicht auf originelle, neue Geschäftsmodelle.

Es zählt also einzig und allein die Tatsache dass man ein Abbild für sein Geschäftsmodell erstellt, um es zu innovieren und es greifbar und verständ-

Abb. 1: Business Model Canvas (Osterwalder, Pigneur, & et al., 2010)

17

Top-Thema lich zu machen. Diese neue, sich auf das Geschäftsmodell konzentrierende Sichtweise rückt in den Vordergrund der strategischen Aufgaben und Denkweise des modernen Unternehmers – sei es ein Großkonzern oder ein frisch gegründetes Startup.

Die Business Model Canvas ist ein sehr hilfreiches Werkzeug um den Blick für das Wesentliche zu schärfen.

Aber wie lässt sich der zweite strategische Aspekt, die Dynamik dieser Innovationen, dieser Ideen besser verstehen und vor allem in konkrete Zahlen fassen? Wie kommt man von der visuellen Gestaltung zu einer kalkulierten Kosten Nutzen Analyse des Produktes oder gar des ganzen Geschäftsmodells?

Unserer Erfahrung nach mit dynamischen Modellen und Computersimulation.

Warum modellieren wir?

Abb. 3: Systemdynamik Model zur Wachstums-Simulation

Als Wilbur Wright im Jahr 1903 den sensationellen Erfolg des „Flyers“ feierte und mit einem Schlag die fast 100 Jahre andauernde Beweisführung für das Fliegen von Objekten, die schwerer als Luft sind, erbrachte, enthüllte er zugleich auch eine wichtige Säule des mit seinem Bruder erlangten Erfolges: „In any case, as famous as we became for our Flyer and its system of control, it all would never have happened if we had not developed our own wind tunnel and derived our own correct aerodynamic data.“ - Originalzitat Wilbur Wright (Wright, 1903).

Wenn man tiefer in diese Geschichte eintaucht, sieht man, dass die Brüder Wright sehr viel später gestartet sind

und mit viel weniger Ressourcen ausgestattet waren als der gesamte Europäische Mitbewerb. Sie hatten aber im krassen Unterschied zu allen Anderen Ihren Innovationsprozess angepasst und haben die Tragflügel, die Sie entworfen haben nicht wie bisher üblich in Originalgröße gebaut und aufwändig an windigen Orten getestet, sondern Sie überprüften die Drag-Balance und die Drift-Balance (Luftwiderstand und Auftrieb) mit Miniversionen (Modellen) in einem ca. 2 Meter langen und recht experimentellen Windkanal.

Das Flügelmodell Nr. 12 von 200 zeigte die besten Flugeigenschaften und wurde binnen Wochen zum Flyer III und zur Erfolgsgeschichte.

Dies war ein Startschuss für die Flugzeugindustrie, aber im Schatten dessen auch ein Startschuss für den Einsatz von Simulation.

Das Beispiel veranschaulicht, dass wir modellieren weil wir mithilfe von Modellen ein klares und tiefes Verständnis aufbauen können und somit bewusstere und nachweislich bessere Entscheidungen treffen können. Dazu müssen wir die Essenz der Situation modellhaft erfassen und können mit dem daraus resultierenden vereinfachten Abbild der Realität, also dem Modell, Effekte transparent machen und diese im Zeitverlauf untersuchen.

Dabei kann die zeitliche Entwicklung beliebig beschleunigt, wiederholt und angehalten werden. Von diesem

Abb. 2: Originalfoto der Brüder Wright Tragflügel Modelle (Museum, 1901) 18

„Ausflug in die Zukunft“ profitieren besonders Fragestellungen mit langfristigen und nachhaltigen Veränderungen, komplexe Szenarien und Situationen in denen Verzögerungen, Rückkopplungen und Nichtlinearität eine wichtige Rolle spielen.

Dies sind sämtliche Geschäftsmodell relevanten Entscheidungen wie Umsatz und Markt Prognosen, Geschwindigkeit und Auswirkungen von Wachstum, Tipping-Point Erkennung und Preisschwankungen.

Ein Geschäftsmodell repräsentiert ein Komplexes System und die modellbasierende, systemische Betrachtungsweise ist derzeit das beste Instrument um es zu verstehen.

Windkanal für Innovation Das Pendant zur Drag und Drift-Balance in der Flugzeugentwicklung ist die Value Hypothesis und die Growth Hypothesis (übersetzt: die Werte-Hypothese und die Wachstums-Hypothese) in der Geschäftsmodell-Entwicklung.

Hinter der Werte-Hypothese stecken die Annahmen, dass das Produkt oder Service auch wirklich das für den Kunden erdachte Werteversprechen erfüllen kann. Sei es eine gewisse Preisvorstellung oder eine erwünschte Verweildauer oder Aktivitätsstrom auf Social Media Kanälen. Die Wachstums-Hypothese subsummiert alle Annahmen die das Wachstum betreffen.

WINGbusiness 1/2014

Top-Thema Veränderungen im Zeitverlauf untersuchen können: In diesem Beispiel das mögliche Wachstum einer viral wachsenden User Community. Innerhalb der virtuellen und sicheren „Labor“ Umgebung kann man verschiedenste Entscheidungen und deren Auswirkungen erkennen. So wurde diese verwendet, um zu Erkennen wie stark das viral angeregte Wachstum ist, wann es abflachen wird und wann ein effektiver Zeitpunkt für Werbemaßnahmen sein kann. Also zur Beurteilung der Wachstums-Hypothese.

Team Learning und Kommunikation

Abb. 4: Management Cockpit einer Wachstums Simulation Wann, wie viele Kunden zu erwarten sind, und welchen Mustern das Wachstum folgt. Ist es linear oder durch virale Mechanismen gar exponentiell.

Der Unternehmer, Autor und Startup Coach Eric Ries (Ries, 2011) bezeichnet diese zweit Hypothesen als „Leaps of Faith“ - in Deutsch sinngemäß übersetzt als „Sprünge des Vertrauens“ da fast der gesamte Erfolg der Unternehmung auf diesen Annahmen fußt. Wenn Sie eintreten führt dies zum erwünschten Erfolg, wenn Sie nicht eintreten steht wahrscheinlich das gesamte Vorhaben auf dem Spiel.

Und genau diese zwei Säulen, die jedes Geschäftsmodell tragen, leiten wir von der erstellten Business Model Canvas ab um Sie mittels der „Sprache“ oder den Ansatz von Systemdynamik (engl. System Dynamics) in eine Computersimulation zu bringen. Die Darstellung erfolgt dabei in Flussdiagrammen mit Stocks (Lager), Flows (Flüsse) und Feedbacks (Rückkopplungen), die es ermöglichen, ein ganzheitliches Verhaltensmuster und Zusammenhänge zu konstruieren (Beispiel Abbildung 3 ). Unter Verwendung der Software Powersim Studio, in der man dieses Systemverhalten visuell programmiert und mittels Partiellen Differenzialgleichungen berechnet, kann man die Wirkungsketten und das Verhalten des Systems im Zeitverlauf untersuchen.

Somit haben wir die Möglichkeit, Auswirkungen unserer Geschäftsentscheidung zu testen und Probleme und Risiken zu erkennen, bevor Sie auftreten.

WINGbusiness 1/2014

Die Forschungen der letzten Jahrzehnte, allen voran die von J. Forrester, D. Meadows, J.D. Sterman und P. Senge haben die Kenntnis erbracht, dass bestimmte Strukturen zu immer wiederkehrenden Verhaltensmustern in komplexen Systemen führen. Sie haben diese Muster als Systemarchetypen identifiziert. Wir haben deren Einsatz für das Innovationsmanagement untersucht und eine Datenbank aufgebaut um Systemdynamik Strukturelemente auf Geschäftsmodell-Merkmale „mappen“ zu können. Die Kenntnis dieser Grundstrukturen schafft eine Grundlage für effektivere Eingriffe.

Abbildung 4 zeigt das Management Cockpit einer unserer Simulationen, in denen wir mit What-If Szenarien

Herb Simon, der erste Wirtschaftsnobelpreisträger hat bei seinem Vortrag auf der Stanford Universität im Jahr 1980 über kommende komplexe soziale Probleme (Simon) erwähnt, dass er die computerbasierten mathematischen Modelle für die größte Erfindung aller Zeiten hält. In seiner weiteren Ausführung erklärte er, dass es zum ersten Mal die Möglichkeit für Gruppen bietet, kollektiv über ein sehr kompliziertes Problem nachzudenken und die Anstrengungen in einer logischen und konsistenten Weise zu kombinieren.

Diese Fähigkeit war der Menschheit zuvor nicht gegeben. Nicht nur der globale Zusammenschluss vieler Köpfe zur Problemlösung wird dadurch erreicht, sondern das Model wird auch zum Medium der Kommunikation um das aggregierte Wissen in seiner vollen

Abb. 5: Stochastische Simulation für Profit & Loss

19

Top-Thema Tiefe mit der Gruppe, bzw. mit der gesamten Organisation zu teilen.

Diese Möglichkeit des schnellen und doch exakten Aufbaues eines gemeinsamen, tiefen Verständnisses für das Geschäftsmodell war in vielen unseren Projekten ein wahrer Augenöffner. Sämtliche Annahmen können als ein zusammenhängendes Modell und als harmonisierte Sichtweise auf die wichtigsten Kennzahlen an das Top Management, Sponsoren, Investoren, Aufsichtsräte etc. kommuniziert werden.

Narratives & Risk „Alle Modelle sind falsch, aber einige sind nützlich“ (Box & Draper , 1987).

Ein Modell ist ein Modell und niemals ein perfekter Spiegel der Realität.

Dennoch, oder vielleicht sogar gerade wegen der Vereinfachung die dieser Unvollkommenheit innewohnt, kann es seinen Zweck bestens erfüllen. Obwohl in der Literatur die Modelle nach Ihrem Aufbau und Methodik, also z.B.: deterministisch oder stochastisch, mechanisch oder statistisch unterteilt werden, halte ich den (Bellinger & Fortmann-Roe, 2013) Zugang der Unterteilung nach dem innewohnenden Zweck für weitaus besser geeignet.

Demnach gibt es vorhersagende (englisch: predictive) und erzählende oder epische (englisch: narrative) Modelle. Während vorhersagende, wie Wetterprognosen, tatsächlich versuchen die Zukunft zu prognostizieren und vorauszuberechnen, dienen die Erzählenden dazu die möglichen alternativen der Zukunft zu skizzieren.

Ohne den Anspruch auf exakte Vorhersagen können uns die verschiedensten gerechneten Szenarien die Bahnen in die Zukunft weisen. Das Modell, bzw. die Simulation dessen wird für uns zu einem Kompass und Navigationsinstrument in unserer unvorhersehbaren Welt und kann uns somit dienen, unsere Intuition zu schärfen.

So gesehen sind unsere Modelle immer Geschichten und Metaphern der realen Welt. Sie erklären Ereignisabfolgen, weisen auf Gefahren hin und lassen uns schneller lernen, indem Sie uns das abstrakte über das Konkrete begreiflich machen.

Abbildung 5 erzählt so eine Geschichte: Den möglichen Gewinn eines neuen Produktes im Verlauf der Zeit,

20

auf den eine Sensitivitätsanalyse durchgeführt wurde. Das Bild aggregiert die Ergebnisse von ca. 1000 Varianten und zeigt die wahrscheinlichsten Werte und deren Schwellen. Im Simulator kann man jede dieser möglichen Zukunfts-Prognosen einzeln untersuchen und Einsicht in diejenigen Merkmale bekommen die zu Profit beziehungsweise zu Verlusten führen.

Diese Geschichten und Modelle sagen uns nicht was wir machen müssen, sondern sie helfen uns die Qualität der Entscheidungen nachweislich zu verbessern.

Prozess Betrachtungen Strategische Entscheidungsunterstützung bedarf eines wiederholbaren Prozesses. Die Art und Weise wie Sie Entscheidungen treffen, ist maßgeblich für Ihre Weiterentwicklung. Ein robuster, methodischer Prozess beinhaltet eine Problem/Zieldefinition, das Generieren von Alternativen sowie eine Analyse und Synthesephase.

Wir haben in den letzten Jahren einen modellzentrischen Prozess entwickelt, dessen Ausgangsbasis der CrossIndustrie Standard für Data Mining Projekte (CRISP-DM) war.

In Abbildung 6 wird unser Prozess graphisch veranschaulicht: Im Zentrum steht natürlich das Geschäftsmo-

dell und die kontinuierliche Verbesserung dessen. Des Weiteren sind die vier fundamentalen Phasen und deren wichtigste Werkzeuge visualisiert, als auch das iterative und agile Wesen unserer Herangehensweise.

Bei den vielen Einsatzbereichen, die wir begleitet haben gab es neben dem Hauptgrund der „Geschäftsmodell Innovation“ eine weitere wichtige Motivation uns zur methodischen „Entscheidungsverbesserung“ als Berater und Coaches einzubeziehen, dem Innovations-Controlling: Besonders wenn es darum geht ein Monitoring und Controlling der definierten KPI zu realisieren, um frühzeitig erkennen zu können wann die geschätzten, fundamentalen Annahmen auch wirklich eintreffen und somit zu wahren sind, aber auch wann es Zeit ist sich einzugestehen, dass diese fehlerhaft sind und ein Change notwendig ist.

Analog dem Windkanal ist das Alleinstellungsmerkmal unserer Simulation die Falsifikation. Wir können den Erfolg nicht garantieren, aber wir können „garantierten Misserfolg“ innerhalb einer sicheren Umgebung identifizieren.

Die Simulation ist daher eine umfassende Methode zur Entscheidungsfindung bei der Erstellung und Innovation von Geschäftsmodellen.

Business & Problem Understanding

Business Model Defini on

1. Problem Defini on (Framing Phase)

BM

Idea on (CANVAS)

Evalua on

4. Decision – Synthese Phase

Simula on & Sensi vity Analysis (Scenarios)

Valida on (with DATA)

SD Modeling (POWERSIM) 2. Design Phase (Generate Alterna ve)

3. Analysis Phase

Abb. 6: Modell-Zentrischer Prozess

WINGbusiness 1/2014

Top-Thema 1.4 Referenzen Bellinger, G., & Fortmann-Roe, S. (2013).

Beyond Connecting the Dots: Mastering the Hidden Connections in Everything that Matters. (http://beyondconnectingthedots.com, Ed.) Box, G., & Draper , N. (1987). Empirical Model Building and Response Surfaces.

John Wiley & Sons, New York, NY. CRISP-DM, C. (n.d.). Cross Industry Standard Process for Data Mining. (http://www.crisp-dm.org/, Ed.) Gassmann, O., Frankenberger, K., & Csik, M. (2013). Geschäftsmodelle entwickeln. Hanser.

Museum, W. B. (1901). WRIGHT BROTHERS AEROPLANE COMPANY. From http://www.wright-brothers.org/Information_Desk/Help_with_Homework/ Wright_Photos/Wright_Photos.htm Osterwalder, A., Pigneur, Y., & et al.

(2010). Business Model Generation. (J. W. Sons, Ed.) Ries, E. (2011). The Lean Startup.

CROWN BUSINESS .

SD, W. (n.d.). From Wikipedia System Dynamics: http:// en.wikipedia.org/ wiki/System_dynamics Simon, H. (n.d.). A Tribute to Herbert Simon. http://www. cs.cmu.edu/simon/ all.html.

Wright.

(1903).

Wright Flyer Project. From http:// www.wrightflyer.org/wind-tunnel-tests/ Autor: Ramtin Ghasemipour-Yazdi ist seit 15 Jahren als Business Analyst, sowie in Managementfunktionen bei der Entwicklung von Software basierenden Innovationen tätig und seit 2009 geschäftsfßhrender Gesellschafter der Geschäftsanalytik und Simulations

Ing. BSc MBA Ramtin Ghasemipour-Yazdi Business Analyst & Managing Partner der digispectrum Media Gmbh Firma digispectrum media gmbh. Er arbeitete als Konsulent und Berater fĂźr eine Vielzahl von Startups, GroĂ&#x;firmen und Investoren und unterstĂźtzte diese bei der Konzipierung und Umsetzung von digitalen Geschäftsideen und Chancen.

Er studierte Computer Science an der University of Derby und Innovations Management an der Wirtschaftsuniversität und TU Wien.

#FTU 1SBDUJDF ,POGFSFO[ v8FHF [VS TZTUFNBUJTDIFO 1SPEVLUJWJUĂŠUTTUFJHFSVOHw Ä‹ÄŽ +VOJ ċĉĊÄ? t %POBV 6OJWFSTJUĂŠU ,SFNT 5PQNBOBHFS GĂ ISFOEFS 6OUFSOFINFO

1SPHSBNN

QSĂŠTFOUJFSFO BOIBOE WPO LPOLSFUFO #FJTQJFMFO JISF &SGPMHTSF[FQUF

-FBO "ENJOJTUSBUJPO VOE TFJOF 6NTFU[VOHTIFSBVTGPSEFSVOHFO

*OH +PIBOO ,ĂšOJHTIPGFS .#"

0QFSBUJPOBM &YDFMMFODF 1SPHSBN JN (SP•NBTDIJOFOCBV

*OH (FSIBSE )VCNBOO

1SPEVLUJWJUĂŠU FSIĂšIFO JN &JOLMBOH NJU *OEVTUSJF Ä? ĉ

8PMGHBOH 3BUIOFS

;FJUXJSUTDIBGU JO -FBO 1SPEVDUJPO VOE -FBO -PHJTUJDT

BP 6OJW 1SPG %JQM *OH %S 1FUFS ,VIMBOH

1SPHSBNNTDIXFSQVOLUF /FCFO EFN 'PLVT v-FBO 1SPEVDUJPOi TUFIFO EJF 5IFNFO v-FBO "ENJOJTUSB UJPOi VOE EJF XJFEFS FSLBOOUF "UUSBLUJ WJUĂŠU EFT 1SPEVLUJPOTTUBOEPSUFT &VSP QB JN .JUUFMQVOLU EFS EJFTKĂŠISJHFO ,POGFSFO[ (FEBOLFO VOE &SGBISVOHTBVTUBVTDI *O EFO 1BVTFO VOE CFJN BOTDIMJF •FOEFO (FU UPHFUIFS CJFUFU TJDI EJF .ĂšHMJDILFJU [VN (FEBOLFO VOE &SGBI SVOHTBVTUBVTDI NJU EFO 7PSUSBHFOEFO VOE EFO #FTVDIFSO EFS ,POGFSFO[ %BVFS ĉĒ ĉĉ DB ÄŠÄ? ÄŠÄŽ 6IS 8FJUFSF *OGPSNBUJPOFO VOE "ONFMEVOH VOUFS XXX TUFQ VQ BU

WINGbusiness 1/2014

(FOFSBM .BOBHFS &VSPQF .JEEMF &BTU "GSJDB "VTUSBMJB 1BMĂśOHFS "(

(FTDIĂŠGUTGĂ ISFS 4BOEWJL .JOJOH $POTUSVDUJPO ( N C )

(FTDIĂŠGUTGĂ ISFS 'JMM (FTFMMTDIBGU N C )

5FDIOJTDIF 6OJWFSTJUĂŠU 8JFO -FJUFS .5. *OTUJUVU

'Ă ISVOH VOE .JUBSCFJUFSFJOCJOEVOH JTU EFS &SGPMHTGBLUPS GĂ S -FBO

%JQM *OH )BOT ,PTUXFJO

0QFSBUJPOBM &YDFMMFODF .POEJ &VSPQF *OUFSOBUJPOBM

%JQM *OH $MFNFOT &VMFS 3PMMF

8FJDIFOTUFMMVOH GĂ S EJF ;VLVOGU

4UFQIBO 1SJO[

)FSBVTGPSEFSVOHFO VOE -ĂšTVOHTBOTĂŠU[F GĂ S FJOFO *OEVTUSJFCFUSJFC JN HMPCBMFO 6NGFME

'FSUJHVOHTEJSFLUPS (FTDIĂŠGUTGĂ ISFS 0QFM 8JFO (NC)

(FTDIĂŠGUTGĂ ISFS ,PTUXFJO .BTDIJOFOCBV (NC)

-FJUVOH 0QFSBUJPOBM &YDFMMFODF .POEJ &VSPQF *OUFSOBUJPOBM .POEJ "(

21

Wing-Paper

Multi-Paradigm Modeling and Simulation in Health Care Nikolaus Furian, Dietmar Neubacher, Siegfried Vössner, Michael O’Sullivan, Cameron Walker.

Key Words—Agent-Based Simulation, Discrete Simulation, Health Care, Hybrid Simulation approach

S

Event

I. INTRODUCTION

models describe and abstract complex real world systems and thereby give a better insight and understanding of them. Mostly, they have at least one of the two following purposes and goals: the first one is to analyze and explain system behavior and interactions and the second one is to run experiments or so called ’what if’ scenarios on the system without affecting the real world.

While the first goal serves the purpose of enhancing the decision maker’s understanding of the system itself, the second one can serve as a basis for decisions/actions which change the system behavior in a desired direction. Simulation therefore allows decision makers to experiment with an abstract model and not with the real world system itself. One example would be the problem of allocating resources to different departments of a hospital aiming for an allocation that ensures the highest quality of health care delivered.

Trying different scenarios, or allocations, in the real world IMULATION

Manuscript accepted March 13, 2014, by Prof. Helmut Zsifkovits

22

would mean hiring and firing specialists or at least changing staff rosters and shifting other resources from one department to the other over and over again. This would certainly yield very high costs, a big work load and lead to very frustrated employees. By contrast, a simulation model that describes the hospital sufficiently well would be able to simulate the outcomes of different allocations. Here the best solution could be found without influencing the real system.

A. Simulation in Health Care The health care industry has an enormous size in any developed country with billions of dollars spent every year.

Its importance will gain additional significance due to the demographic changes in western-oriented societies. Fig. 1 shows the development of public spending on health care in Austria since 1990. Absolute spending almost tripled during that period, which corresponds to a growth from 6.1% to 8.4% of the GDB. 30

9 8

25

7 6

20

5

15 10 5

4 Absolute Spendings Spendings in % of GDB

% of GDB

Abstract— Demands on public health care systems have been constantly increasing over the last years - especially in quality and availability of care. To meet these demands it is important to develop efficient processes, resource allocations and management strategies. Modeling and simulation plays a major role in the accomplishment of these challenges. This paper gives a general introduction on benefits and possibilities of modeling and simulation approaches in health care by discussing the most commonly used methods and techniques including Discrete Event Simulation (DES), Agent-Based Simulation (ABS) and System Dynamics (SD). Based on essential deficiencies of single methods, hybrid approaches are identified as the biggest opportunity and at the same time challenge in the field of modeling and simulation – both in conceptual and practical terms. Combinations of accepted and mature techniques enable possibilities to study real systems on various levels. The relevance and need for such approaches is shown on a simple use case example which discusses spreading of virus-like diseases in crowded, confined areas like hospital waiting rooms.

Billion €

3 2 1

0 0 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012

Fig. 1. Public Spending on Health Care in Austria, Source: Statistik Austria

Therefore, providing high quality services while keeping costs at a reasonable level is, and will be even more in the future, one of the most challenging tasks for both politicians and hospital managers as well as for doctors. Due to the ability to examine and validate important decisions in a virtual environment simulation can and should play a major role in that undertaking.

However, even though simulation has extensively been applied in industries like manufacturing, engineering, aerospace, the military and defense industry, its usage within

WINGbusiness 1/2014

Wing-Paper

the health care industry is not that widespread (Naseer et al.

2008; Kuljis et al. 2007).

The main reasons for the insufficient discussion of health care simulation are, according to the literature, the following; first, health care is a very diverse industry, with varying conditions over countries and types of care. Second, within health care there are usually many different stakeholders with different interests involved and last, investing money at an operations level is often seen as taking money away from medical care. However, the awareness of the importance and benefits of health care simulation has been growing rapidly over the last couple of years, as shown by a large number of simulation studies performed by a growing number of research institutions within and outside health care organizations.

B. From the Real World to a Simulation Model Observations of current health care systems illustrate many challenging fields that models and simulations have to describe and explain properly. They reach from government policies and social trends, over preventive medical examinations strategies, up to the spread of virus-like diseases. Current state-of-the-art modeling and simulation paradigms are suitable for specific requirements regarding the level of detail and the availability of data. Throughout the development of a simulation the modeling process is one of the most important and many times underestimated procedures. The abstraction of a real system and the formulation of a conceptual model provide the basis for good research design (see Fig. 2). This process shows great impact in every upcoming phase, concerning definition of data requirements, development time, validation and experimentation (Robinson 2006). validation Real World Systems

Conceptual Model abstraction implementation credibility

User(s)

verification

Simulation Model

execution Fig. 2. Model abstraction during development and use of simulation and associated processes (Frantz & Ellor 1996).

The following chapter gives a brief explanation of the core concepts of commonly used simulation paradigms in health care and illustrates some related fields of application.

WINGbusiness 1/2014

II. COMMON MODELING AND SIMULATION PARADIGMS The variety of different simulation paradigms and techniques is enormous and ranges from more technical ones like Finite Element Methods to more socio-economic explanatory approaches like System Dynamics. Five main categories of modeling and simulation techniques that are of significant importance for health care applications are the following: Discrete Event Simulation, Continuous Simulation, System Dynamics, Monte Carlo Simulation, Agent-Based Simulation and finally 3-D and Virtual Reality simulations (Kuljis et al.

2007).

A review of the existing literature on health care simulation studies and their results by Brailsford et al. (2009) showed that methods with significant share of usage and potential are mainly limited to Discrete Event, Agent-Based and System Dynamics. In the following paragraphs, the principles of these approaches are discussed.

A. Discrete Event Simulation (DES) In DES the underlying system is changed at discrete points in time. How these changes are modelled, controlled and triggered depends on the sub-domain of discrete event simulation, also known as the “worldview”1, being utilized.

The classical world-views are: event scheduling; activity scanning; and process interaction: 1) Event Scheduling As the name suggests, event scheduling is based on events that occur in a system. On its occurrence an event transforms the state of the system and possibly schedules future events.

Thereby, future events are given a time stamp marking their occurrence in the timeline of the model. All future events are held in a list that is sorted by their time stamps. The simulation clock advances by choosing the earliest event in the list and updating the current time to the corresponding time stamp.

2) Activity Scanning and the Three Phase Approach Activity Scanning focuses on activities that consist of a pair of events (start and end) and their preconditions. Time is increased incrementally and every time the simulation clock advances preconditions are evaluated and in case of a positive outcome corresponding activities are triggered. The Three-Phase Approach is a hybrid method of event scheduling and activity scanning that distinguishes between conditional and scheduled activities. Furthermore it incorporates both handling mechanisms, future event lists and an evaluation of preconditions.

3) Process Interaction Processes define the stepwise simulated flow of an entity through the system. Process Interaction frameworks provide 1 Remark: The Three Phase Method, which is an extension to the Activity Scanning approach, is often also referred to as a “world-view” (Silver et al.

2011)

23

Wing-paper

a diverse set of handling methods for interaction of these processes and time advancement mechanisms.

Discrete Event Simulation is the oldest and most widespread simulation paradigm. It originates from the modeling of manufacturing layouts. Still most practical studies are published in this field, although other fields of applications, as health care, are rapidly growing. Based on its structure and history the strengths of DES are the design of operational, entity flow and process models.

B. Agent-Based Modeling (ABM) Agent-Based Modeling and Simulation is a relatively new approach. In comparison to the other common techniques, agent-based modeling focuses on the micro level and represents individual behavior of single active entities. Due to the fact that this method was simultaneously developed by different scientific communities, a unique definition of the term “agent” is not available. However the following characteristics (Macal & North 2008) were compiled by collecting frequently used definitions and seem to be very useful: First, an entity has to fulfill certain fundamental criteria to be considered an agent, such as being an identifiable individual with a set of characteristics and rules which influence its behavior and decision making. Another criterion is the goal-orientation that is directly related to its behavior. Furthermore, an agent should be social and able to perceive, interact and communicate with other agents and its environment. Finally, an agent needs to be flexible and should have the ability to learn which therefore requires a certain form of memory. These properties and attributes can be subsumed as modularity, autonomy, sociality and conditionality (Macal & North 2013).

The simplest form of an agent-based simulation is an environment and a number of agents that are acting in it.

Each agent has a state and a so called “logic”, which is basically a set of rules. Depending on the intention, one can observe the overall system behavior which is emerging out of the individual interactions/decisions of the agents, the response of agents to changes of the environment or a mix of these aspects.

Applications of agent-based simulation cover a wide ranging field. This method still attracts more and more attention because of the availability of micro data (Onggo & Karpat 2011). New Information and Communication Technologies (ICT) provide an enormous amount of data and lead to a better description of individual behavior. Additionally the rapid growth in available computing power allows modelers to build over-proportionally larger and more complex agentbased models. Therefore the number of issues regarding large populations with many agents is on the rise. Applications in the field of health care increase as well and are usually related to simulations concerning the spread of diseases, patient flows and staff scheduling in emergency departments.

24

C. System Dynamics (SD) SD is known as a powerful method to analyze, model and simulate dynamic and complex systems. Semi-informally speaking, system dynamic models consist of large scale continuous differential equation systems that are usually not solvable analytically. Hence, SD resolved this issue by simulating the equation rather than solving them. It is important to note that this method operates in continuous domains for time advancement, flows and stocks. One of the major advantages of SD is the ability to incorporate the complexity, non-linearity and feedback loop structure of real world dynamic systems. The main conceptual idea behind is that the structure of the system determines its behavior over time (Sterman 2000). Because of these characteristics SD is especially popular in the fields of social and physical systems.

SD is divided into a qualitative approach, also known as System Thinking (Richmond 1993), and a quantitative approach. Causal Loop Diagrams (CLD) are used to depict system structure by connecting relevant system elements via arrows. Added polarities illustrate the corresponding behavior between two connected elements. The complexity of a system does not arise from a single variable, but rather it is caused by the relationships between them. The dynamic behavior originates from two different types of feedback loops that can be either re-enforcing or balancing. Stock and flow diagrams are used in the quantitative area of SD and allow to depict a more detailed structure of the system.

Stocks are accumulations of flows over time and represent the state of the system at any time throughout the simulation.

Flows are representations of adjustable rates that are regulating the inflows or outflows of stocks.

SD is generally used to describe real world systems on an aggregated, macro level and to observe long term system behavior. Therefore, the area of its application is mainly ranging from global climatic models over government policy making to marketing strategy development. Since entities are accumulated in stocks and lose their identifiability, SD is not capable of capturing individual behavior. As a result, most healthcare-related SD applications are focusing merely on global issues like development and implementation of policies. A big benefit for health care policy makers is the fact that SD can deal with few data and on more “speculative levels”. Furthermore, simulation runs generally fast and strategic decision makers can access information almost interactively (Brailsford 2008).

D. Which Method to Choose When?

These modeling paradigms have some disjoint features while others overlap. A particular problem may be modeled by more than one technique or by a combination of them (see Fig. 3). Recently, this has led to vivid discussions among scientists on the strength, weaknesses and suitable

WINGbusiness 1/2014

Wing-Paper

applications of all approaches (e.g.: Brailsford 2014; Siebers et al. 2010; Brailsford et al. 2010).

Fig. 3. Commonly used paradigms in Simulation Modeling (Borshchev & Filippov 2004).

Despite the scientific communities’ awareness of the importance of choosing the right paradigm with respect to the underlying system, practitioners often tend to choose the method they are most comfortable, or have the most experience with (Siebers et al. 2010). This obviously leads to unnecessary complex and cumbersome models that, in the best case, are harder to design, explain, maintain and consume more computational resources or, in the worst case, result in failed simulation projects.

For large and complicated problems a single method often cannot cover all features of the real system. Therefore, a lot of work and research is currently done on combinations of approaches, so called hybrid or multi-paradigm methods.

Due to the high potential (Kuljis et al. 2007), the ongoing scientific discussion (Brailsford 2014; Siebers et al. 2010; Brailsford et al. 2010) and the authors’ experiences in the related fields, the next section is proposing a combination of DES and ABS, which offers the possibility and benefits to include global trends and policies on a macro level. This paradigm is currently being investigated in several related research projects.

III. MULTI PARADIGM: COMBINING DIFFERENT APPROACHES The possibility to combine Discrete Event and AgentBased Simulation (ABS) naturally arises from their similar structure based on individual entities. Therefore, this hybrid approach can be realized without major technical difficulties compared to combinations with continuous simulation techniques like System Dynamics. To the knowledge of the authors, no generally accepted framework for a combination of discrete and continuous simulation paradigms exists.

These similar model structures can furthermore lead to easy model integration and a variety of synergy effects.

WINGbusiness 1/2014

A. Hybrid approaches in other fields The need for a combination of existing paradigms did not originally arise in the field of health care, but one of the publications attracting most attention, that proposed such an approach as a step towards the Holy Grail in simulation, was related to health care (Brailsford et al. 2010). In many applications over the last years the boundaries of a single approach have been continuously extended (Siebers et al.

2010) using Operations Research (OR) and DES. Simple passive entities were not capable to deal with the requirements of capturing the real system in an adequate level of detail. Therefore the term entity was sometimes already replaced by the term pseudo agent.

B. Benefits and Needs to combine…

One of the major benefits of the extension of DES with AB features is the possibility to illustrate and observe individual behavior that arises from the micro level during operational entity flow and process simulations. The dynamic complexity of sole DES is mainly based on queuing theory.

Individuality of resources or entities is not being captured and stochastic effects are the only possibility to explain such issues. ABS is well suited to capture individual behavior and therefore adds new insights to models and simulations. A waiting room at the admission office should serve here as an illustrative example. An agent (i.e. patient) will go home with a probability of 50%, when he is still untreated after 1 hour.

This situation could be easily modeled with DES alone. But adding a second rule to the agents’ logic - like the probability of going home will rise to 75%, when at least one of the other waiting agents decides to go home - could cause problems for a DES modeler. This simple case should illustrate the benefit by connecting ABS to DES, and thereby being able to capture real behavior much more precisely.

Another benefit is the exploration of real systems at an appropriate level. As already mentioned, single techniques often lead to cumbersome models trying to fit as good as possible to the real situation. By combining suitable methods that perfectly fit the observed subsystem, the creation of proper models raises modeling quality, understanding of the system and credibility of the user and decision makers.

Despite the big advantages of combining ABS and DES, some challenges have not yet been overcome: First, the calculation effort increases rapidly and the performance of the simulation drops because of dealing with a huge number of entities (Gunal 2012). This especially affects ABS where the complexity of each agent is obviously greater than in DES. Second, the development of an ABS requires knowledge in object oriented software design and basic programming skills (Siebers et al. 2010). At last, the modeler tends to use a single method depending on his expertise and

25

WING-Paper

affinity. Depending on the viewpoint, systems can be seen as processes that change the state of entities or entities which are developing over time by taking part in activities.

When distinct behavior, interaction or communication between individuals becomes necessary, only ABS can satisfy these requirements adequately at the price of long simulation run times and other computational efforts. To keep these efforts in reasonable bounds, an efficient combination of both methods can be the key. Hybrid simulations can switch off time intensive tasks when not needed. Hence, if individual-based aspects are required at specific situations during the simulation, the entity should be placed into the environment and act like an agent.

Throughout the rest of the simulation, where no individual behavior is needed, the entity behaves just like a passive object (including some attributes that are used to store the latest state of the corresponding agent). This reduction of complexity leads to a dramatic saving of computational effort which is directly related to computer runtime. Such a flexible usage of agent-based aspects promises to be a useful approach also to extend current implementations of sole DES patient flow simulations (Brailsford et al. 2013).

Finally another big advantage is related to the previously mentioned benefit regarding the exploration of real systems at an appropriate level and supports modelers during validation and verification of the model: Especially when dealing with specialized medical fields, related experts are needed to generate, review and calibrate the model. Large scale models connect various sub-domains together and therefore allow evaluating each subsystem with associated experts separately.

C. Use Case (spreading viruses in waiting rooms) Modeling the spread of virus-like diseases is one of the classical use cases for agent-based modeling. Most diseases are transmitted by direct contact or airborne. In both cases an interaction of agents and a bidirectional information flow among them is necessary. This includes factors like distance and time of proximity. Hence, discrete event models can, if at all, hardly being tweaked to reflect such a real world behavior accurately. On the other hand, the agent-based paradigm provides all features to create elegant and lean representations where the spread of influenza like diseases need to be studied (Laskowski et al. 2011).

So far there seems to be no need for a hybrid method since all requirements are covered by the ABS paradigm. However, the movements and actions of agents need to follow processes and are part of a bigger system which we investigate with our simulation. This system can either exist on a micro, meso or macroscopic level. For example, the study of Laskowski et al. (2011) investigated an emergency

26

department (microscopic), in other studies the actions and movements of agents are captured at a larger scale, for example at city or state level (macroscopic). For all levels of scope, it is necessary to model a motivation for agents to undertake certain actions or activities. These motivations may be modelled completely stochastically, or as part of an operative process like the patient flow through a hospital.

Studies dealing with agents as part of operative processes benefit from using of hybrid methods. There is no need at all to model simple patient flow behaviors. Here discrete event models are much simpler. The benefits of “outsourcing” the operative part of a system to a discrete event model are mainly computational efforts and also efficiency in model description. DE models are able to represent behavioral paths like “arrival ĺ triage ĺ register ĺ first treatment ĺ diagnostics ĺ possible second treatment ĺ dismissal” as in the model by Laskowski et al. (2011), which is one of the first published studies on this topic and considered to be highly innovative. The authors argue that their simulation runs consume a large amount of computational resources due to non-optimal design. Their experiments took over 1200 hours of CPU time. This might still be acceptable for smaller models but becomes a great issue for complex scenarios.

We are currently investigating the spread of influenza-like diseases in an integrated hospital layout, including emergency departments, diagnostic facilities, wards and outpatient clinics. Obviously, the operative segment of the model becomes relatively complex and any sole agent-based representation would result in intractable models which could hardly be simulated at all. Therefore, patient flows, treatments and movements between departments and clinics are handled by a discrete event simulation and the behavior of patients within waiting areas of the hospital are represented by an agent-based approach. The spread of diseases within waiting rooms is dependent on individual patients’ movements, e.g. visiting bathrooms, picking up newspapers and choosing seats. Proximity and contact to other patients, as well as the duration of stay in the room are key factors for transmission and have to be modeled individually. On the other hand the behavioral pattern during certain activities, such as treatments or diagnostics, always consist of the same patterns with the same number and type of agents/entities. Hence, they might as well be represented by stochastic functions, since there is not an absolute need for the degree of accuracy an agent-based model would provide for these segments. As always, there is a trade-off between accuracy and computational costs. Currently we are developing a discrete event simulation to investigate the dynamics arising from interconnected departments.

Simultaneously an agent based model is formed that will be connected to waiting rooms in the DE simulation.

WINGbusiness 1/2014

Wing-Paper

IV. CONCLUSION This article argues that there is a significant need to support decision making at different levels in the health care industry using efficient modeling and simulation techniques.

Especially in health care, where most processes center around individuals, it is especially important to capture process aspects and individual aspects at the same time. In order to capture the real world situation sufficiently well, simulation models tend to become rather large, complex and are tedious to parameterize and validate. Additionally they are very time-consuming when running on computers. In case of such large scale models hybrid approaches can capture the properties of real world systems better than highly customized single method approaches, which we outlined by using a simple case of viral disease transmissions within process-oriented environments like hospital facilities.

We are currently investigating the benefits of such a hybrid design in several ongoing research projects in more detail.

REFERENCES 1. Borshchev, A. & Filippov, A., 2004. From System Dynamics and Discrete Event to Practical Agent Based Modeling: Reasons, Techniques, Tools. In Proceedings of the 22nd International Conference of the System Dynamics Society.

2. Brailsford, S.C., 2014. Discrete-event is alive and kicking! Journal of Simulation, 8(1), pp.57–65.

3. Brailsford, S.C. et al., 2013. Hybrid simulation for health and social care: The way forward, or more trouble than it’s worth? In Proceedings of the 2013 Winter Simulation Conference. pp. 258– 269.

4. Brailsford, S.C., 2008. System dynamics: What’s in it for healthcare simulation modelers. In Proceedings of the 2008 Winter Simulation Conference. pp. 1478–1483.

5. Brailsford, S.C., Desai, S.M. & Viana, J., 2010. Towards the holy grail: Combining system dynamics and discrete-event simulation in healthcare. In Proceedings of the 2010 Winter Simulation Conference. pp. 2293–2303.

6. Frantz, F.K. & Ellor, A.J., 1996. Model Abstraction Techniques, Rome Laboratory Technical Report.

7. Gunal, M.M., 2012. A guide for building hospital simulation models. Health Systems, 1(1), pp.17–25.

8. Kuljis, J., Paul, R.J. & Stergioulas, L.K., 2007. Can health care benefit from modeling and simulation methods in the same way as business and manufacturing has? In Proceedings of the 2007 Winter Simulation Conference. pp. 1449–1453.

9. Laskowski, M. et al., 2011. Agent-Based Modeling of the Spread of Influenza-Like Illness in an Emergency Department: A Simulation Study. IEEE Transactions on Information Technology in Biomedicine, 15(6), pp.877–889.

10. Macal, C.M. & North, M.J., 2008. Agent-based modeling and simulation: ABMS examples. In Proceedings of the 2008 Winter Simulation Conference. pp. 101–112.

11. Macal, C.M. & North, M.J., 2013. Introductory tutorial: Agentbased modeling and simulation. In Proceedings of the 2013 Winter Simulation Conference. pp. 362–376.

12. Naseer, A. et al., 2008. Potential applications of simulation modeling techniques in healthcare: Lessons learned from aerospace and military. In Proceedings of the European and Mediterranean Conference on Information Systems.

WINGbusiness 1/2014

13. Onggo, B.S.S. & Karpat, O., 2011. Agent-based conceptual model representation using BPMN. In Proceedings of the 2011 Winter Simulation Conference. pp. 671–682.

14. Richmond, B., 1993. Systems thinking: Critical thinking skills for the 1990s and beyond. System Dynamics Review, 9(2), pp.113– 133.

15. Robinson, S., 2006. Conceptual modeling for simulation: issues and research requirements. In Proceedings of the 2006 Winter Simulation Conference. pp. 792–800.

16. Siebers, P.O. et al., 2010. Discrete-event simulation is dead, long live agent-based simulation! Journal of Simulation, 4(3), pp.204– 210.

17. Silver, G.A. et al., 2011. DeMO: An Ontology for Discrete-event Modeling and Simulation. SIMULATION, 87(9), pp.747–773.

18. Sterman, J.D., 2000. Business dynamics - systems thinking and modeling: for a complex world, McGraw-Hill Higher Education.

NIKOLAUS FURIAN is a visiting post-doc at the Department of Engineering Science, University of Auckland, New Zealand. He obtained his degree in Technical Mathematics at the University of Technology Graz in 2008. During his PhD program he focused on applied Operations Research topics, especially bin packing.

Currently he is working on simulation and optimization applications in the health care sector.

E-mail: nfur003@aucklanduni.ac.nz.

DIETMAR NEUBACHER is a Research Assistant at Graz University of Technology and studied Mechanical Engineering and Business Economics at the same University. He gained his master degree in 2012 and is currently working on his PhD thesis at the department of Engineering- and Business Informatics with a research focus on the opportunities of hybrid and multi-paradigm modeling and simulation.

E-mail: dietmar.neubacher@tugraz.at SIEGFRIED VÖSSNER holds a PhD degree in Engineering Sciences from Graz University of Technology.

Until 1999 he was a postdoctoral fellow and visiting scholar at the Department for Engineering Economic Systems and Operations Research at Stanford University, USA. After being with McKinsey & Company he became professor and chairman of the Department of Engineering- and Business Informatics in 2003 and is currently Vice-Dean of the School of Mechanical Engineering and Economic Sciences of Graz University of Technology.

E-mail: voessner@tugraz.at MICHAEL O’SULLIVAN is a Senior Lecturer in the Department of Engineering Science at the University of Auckland, New Zealand. He received his PhD in Management Science and Engineering from Stanford University. He works on Operations Research (OR) modeling, applications and computation. His current focus is the use of OR to build intelligent cloud systems and improve health care systems.

E-mail: michael.osullivan@auckland.ac.nz.

CAMERON WALKER is a Senior Lecturer in the Department of Engineering Science at the University of Auckland, New Zealand. He received his PhD in Mathematics from the University of Auckland. He works on computational analytics, focusing on statistical modelling, simulation and optimization.

E-mail: cameron.walker@auckland.ac.nz.

27

WING-Paper

Life Cycle Costing im Sondermaschinenbau – Vorgehensmodell und Fallstudie Dipl.-Ing. Alois Wiesinger, MSc; Dipl.-Ing. Harald Sehrschön, IWE

Abstract—Um im internationalen Wettbewerb des Anlagenbaus speziell im Sondermaschinenbau bestehen zu können rückt der Fokus zunehmend auf die Gesamtkostenbetrachtung von Produktionsprozessen. Diese Arbeit diskutiert unterschiedliche Ansätze zur Lebenszykluskostenbetrachtung und leitet daraus ein Vorgehensmodell ab welches sich auf die Eigenheiten des Sondermaschinenbaus für komplexe Produktionsprozesse bezieht. Die Anwendbarkeit wird an Hand einer Fallstudie erörtert und der Einsatz eines eigens entwickelten Softwaretools gezeigt.

Index Terms—Gesamtkostenbetrachtung, Lifecyclecosting, Lifecyclemanagement, Total Cost of Ownership,

E

I. EINFÜHRUNG

NERGIEEFFIZIENZ ist eines der aktuellsten Themen im Anlagenbau, motiviert aus ökologischer und ökonomischer Sicht des Betreibers, gefordert und gefördert durch Politik, und als gesellschaftliche Verantwortung für die nächsten Generationen ein Dogma.

Als Anlagenbauer weitet sich der Fokus, und nicht nur die Energieverbräuche sondern auch alle anderen Verbräuche bekommen Relevanz um im internationalen Wettbewerb zu bestehen.

Dadurch muss eine ganzheitliche Sicht der Kosten - der Life Cycle Costs – erfolgen. Um diese vergleichbar darzustellen und hierarchisch zu addieren ist eine einheitliche Kostenstruktur notwendig. Diese Kostenstruktur muss alle Kosten und Berechnungsmöglichkeiten standardisiert abbilden.

Da die Kostenfestlegung und deren Entstehung über die geplante Einsatzdauer in der Entwicklung und hier speziell in der frühesten Phase der Layoutierung erfolgt, muss der Ansatz des Lifecyclecosting einfach und übersichtlich sein.

Abbildung 1 verdeutlicht die Wichtigkeit der frühen Innovationsphase was die Kostenfestlegung und Kostenentstehung betrifft. Die Struktur muss mit wenig konkreten, wenig detaillierten Daten funktionieren und eine rasche Anpassung an Veränderungen ermöglichen.

Abbildung 1: Festlegung und Entstehung der Lebenszykluskosten (vgl.

Herstatt 2007, Müller et al. 1999)

Diese Arbeit beinhaltet Auszüge der Literaturrecherche aus Sicht des Sondermaschinenbaus, Ziele des operativen Einsatzes, ein aus mehreren Ansätzen entwickeltes Vorgehensmodell, die Implementierung der Anwendung und Darstellung in einer Fallstudie. Abschließend wird ein Ausblick auf die weitere Entwicklung des Themas gegeben.

II. ENTSTEHUNG Die Konzepte Life Cycle Costing (LCC) und Total Cost of Ownership (TCO) wurden nahezu parallel und, zumindest bis in die 1990er, in der Literatur unabhängig voneinander entwickelt (vgl. Geissdörfer 2009).

A. Werdegang und Anwendungsgebiete von Life Cycle Costing Bereits 1933 berücksichtigte das General Accounting Office in den USA beim Kauf von Traktoren die Betriebsund Wartungskosten (vgl. Geissdörfer 2009). Diese Vorgehensweise wurde weiterentwickelt, wodurch in den 1960ern der Begriff Life Cycle Costing (Lebenszykluskostenrechnung) entstand. Von da an kam das Konzept neben den Bereichen der Luft- und Raumfahrt hauptsächlich im Verteidigungsministerium, Department of Defense (DoD) zum Einsatz. Dieses veröffentlichte 1971 die DoD Directive 5000.1 „Acquisition of Major Defense Systems“. Das DoD verwendete LCC hauptsächlich zur Bestimmung von konstruktiven, technologischen und wirtschaftlichen Vorgaben in der Produktentwicklung und zur Lieferantenauswahl. Später fand das Konzept in anderen Branchen, z. B. in der Bauwirtschaft (in den 80ern), seine

Paper was accepted on 13/11/2013 by Siegfried Vössner. The paper was revised once.

28

WINGbusiness 1/2014

WING-Paper

Anwendung (vgl. Dhillon 2009 und VDI Richtlinie 2884).

Die Entwicklung von LCC hat also im Einkauf begonnen und wurde anfangs vor allem für den öffentlichen Sektor, im Bereich der Bauwirtschaft, weiterentwickelt (vgl. Woodward 1997). Ab 1979 wurde LCC im Marketing eingesetzt, um höhere Preise durch niedrigere Folgekosten zu rechtfertigen (vgl. Geissdörfer 2009). Aufgrund der steigenden Anforderungen an die Energieeffizienz von Produkten, Maschinen und Anlagen (vgl. Müller 2009), und der steigenden Lohn-, Material-, Betriebs- und Wartungskosten, wird LCC in immer mehr Bereiche eingesetzt, wie z. B. in der Konsumgüterindustrie (vgl. Geissdörfer 2009 und Höhne 2009).

Laut VDMA 34160 und Geißdörfer 2009 werden im Gegensatz zu TCO bei einer LCC-Analyse die Transaktionskosten keiner detaillierten Betrachtung unterzogen. Deshalb wird idealerweise LCC für langlebige Produkte mit hohen Anfangsinvestitionen und hohen Kosten in der Betriebsphase, wo Transaktionskosten meist vernachlässigbar sind, wie dies bei Investitionsgütern oft der Fall ist, eingesetzt (vgl. Höhne 2009 und Schweiger 2009).

Um die Prognose der Lebenszykluskosten überprüfen und die aktuellen Kosten überwachen zu können, ist eine laufende Berechnung und Analyse der Lebenszykluskosten sinnvoll.

Die laufenden LCC-Analysen können dann zur Verbesserung zukünftiger Analysen ähnlicher Systeme bzw. zur Steuerung (controlling) und Überwachung (monitoring) der eigentlichen Maschine oder Anlage herangezogen werden (vgl. Lindholm 2004 ). Dazu ist es von wesentlicher Bedeutung die Kosten in Bezug zu den Kennzahlen der Produktivität und Auslastung zu setzen.

B. Werdegang und Anwendungsgebiete von Total Cost of Ownership Der Begriff „Total Cost of Ownership“ wurde 1987 von Bill Kirwin für die Unternehmensberater Gartner entwickelt.

Dieser verwendete das Konzept zur Bestimmung der Kosten eines PC-Arbeitsplatzes, wobei nicht nur die Anschaffungskosten, sondern alle Kosten die während der Nutzungsdauer anfallen, berücksichtigt wurden (vgl. Bünting 2009 und Heilala 2006). Bereits in den 1920ern werden in Lehrbüchern für die Lieferantenauswahl Kostenbetrachtungen, welche über den Einkaufspreis hinausgehen, vorgeschlagen (vgl. Ellram 1993). Nach den ersten firmeninternen Einsätzen solcher Konzepte in den 1940ern, z. B. in der Lagerhaltung, wurde das TCO-Konzept ständig erweitert und fand über die Firmengrenzen hinaus seine Anwendungsbereiche (vgl. Cavinato 1992). Cavinato entwickelte dazu 1992 ein „Total Cost/Value Hierarchy Model“. Dieses besteht aus zwanzig grundlegenden Kostenarten bzw. –faktoren, die mit zehn Schlüsselstrategien und Managementbereichen im Unternehmen verknüpft sind.

Weiters führt Cavinato Entwicklungsstufen bzw. Reifegrade der Kostenbetrachtung ein.

WINGbusiness 1/2014

Einige Autoren sehen den Einsatz von TCO vor allem im Bereich der Beschaffung von IT-Systemen, da dort die Transaktionskosten eine tragende Rolle spielen (vgl. Heilala 2006, Schweiger 2009 und VDI-Richtlinie 2884). Vor allem bei kritischen Investitionen wird der Einsatz von TCO empfohlen. Kritische Investitionen können intern motiviert sein, z. B. wenn die Investition strategische Hintergründe hat, bzw. extern, beispielsweise durch Konkurrenzdruck (vgl.

Ellram 1994).

Im Bereich der Produktion und Instandhaltung entstand 1990 das COO-(Cost of Ownership)-Konzept, welches alle Kosten vom Einbau, Betrieb und Abbau eines Systems samt den Stückkosten während des Betriebs ermittelt. 1995 wurde das COO-Konzept in der SEMI-E35 als Standardmodell in der Halbleiterindustrie eingeführt.

Heilala et al. 2006 greifen das COO-Konzept auf und erweitern es um das OEE (Overall Equipment Efficiency) Kenzahlensystem. Eine weitere Möglichkeit die OEE gemeinsam mit den Lebenszykluskosten zu berücksichtigen geben Fleischer et al. 2005. Durch eine Gegenüberstellung von Nutzen und Kosten errechnen Fleischer et al. die sogenannte Life Cycle Performance (LCP).

III. IMPLEMENTIERUNG UND UMSETZUNG VON LCC UND TCO Entscheidet man sich für den Einsatz von LCC oder TCO im Unternehmen, wesentliche Gründe wurden in der Einleitung erörtert, sind die zu durchlaufenden Schritte entscheidend für die erfolgreiche Einführung (vgl.

Geissdörfer 2009 und Höhne 2009). In Anlehnung an Geissdörfer und Höhne zeigt Abbildung 2 eine für den Sondermaschinenbau angepasste Vorgehensweise bei der Implementierung von LCC und TCO (vgl. Wiesinger 2011).

A. Hürden Die dargestellte Vorgehensweise deckt den LCC und TCO Prozess von der Entscheidung über die Implementierung bis zur Umsetzung ab. Andere in der Literatur beschriebene Vorgehensweisen sind grundsätzlich gleich aufgebaut und unterscheiden sich lediglich im Detaillierungsgrad.

Für die operative Umsetzung sind zusätzlich Berechnungsmodelle bzw. –vorschriften notwendig. Solche für den Sondermaschinenbau relevante sind entweder speziell von Unternehmen entwickelt und vorgegeben, z.B. M-TCO Daimler AG (vgl. Albrecht et al. 2009), oder standardisierte Ansätze, z.B. VDMA 34160, VDI-Richtlinie 2884 und SEMI E35.

Auf Basis einer Fallstudie von Ellram und Siferd 1998 können 4 Hürden bei der Umsetzung identifiziert werden.

• Datenverfügbarkeit und –erfassung • Komplexität • Unternehmenskultur • Sachgemäße Nutzung und Relevanz der TCOModelle

29

WING-Paper

Abbildung 2: Vorgehensweise bei der Implementierung von LCC und TCO (Wiesinger 2011, S.57, Abb.5.1)

Die angeführte strukturierte Vorgehensweise unterstützt die erfolgreiche Einführung und laufende Umsetzung von LCC und TCO wesentlich. Gezielte Ausbildung und Schulung für ein besseres Verständnis und die richtige Sichtweise kann vor allem die Komplexität aus Sicht des Anwenders verringern.

Wesentliche Bedeutung kommt der Verwendung und Entwicklung des richtigen Modells zu. Aus diesem Grund sind für einzelne Branchen etablierte Standardmodelle zu bevorzugen.

Ein letzter entscheidender Punkt ist die Unterstützung durch die richtigen Personen. Das LCC- bzw. TCO-Konzept sollte nicht nur durch die Anwender getragen werden, sondern im Speziellen durch das Top-Management. (vgl.

Ellram 1998).

Grundsätzlich ist eine schrittweise Einführung, Umsetzung und Verfeinerung des Konzeptes in Zusammenarbeit von Anbieter und Abnehmer anzustreben. Idealer Weise um erste Erfahrungen zu sammeln, sollte auf Basis eines bestehenden Kunden-Lieferanten-Verhältnisses ein Pilotprojekt durchgeführt werden (vgl. Schweiger 2009).

Ein wesentlicher Erfolgsfaktor bei der Umsetzung von LCC-Projekten ist die Festlegung von Zielen. LCC und TCO können somit aus unternehmensstrategischer Sicht zur Erreichung von Unternehmenszielen eingesetzt werden (vgl.

VDI Richtlinie 2884).

30

B. Definition und Modelle für den Sondermaschinebau Prinzipiell ist die Definition von LCC und TCO unternehmensspezifisch, dennoch sorgt die Fülle von Definitionen und Begriffen für Verwirrung („conceptual confusion“), wodurch der praktische Nutzen von LCC stark eingeschränkt werden kann (vgl. Gluch und Baumann 2003).

Auffallend ist, das LCC meist für Investitionsgüter Verwendung findet. Im Gegensatz dazu werden bei TCO neben den Investitionsgütern auch Verbrauchsgüter betrachtet.

Da der Sondermaschinenbau zum Investitionsgüterbereich zählt, ist der LCC-Begriff für diese Arbeit am besten geeignet. In Anlehnung an die VDMA 34160 soll die hier gültige Definition folgendermaßen lauten: „Life Cycle Costing (LCC) bzw. Lebenszykluskostenrechnung ist eine Kostenmanagementmethode zur Berechnung der Lebenszykluskosten von Investitionsgütern.

Unter Lebenszykluskosten versteht man die Summe aller zum bestimmungsgemäßen Gebrauch einer geeigneten Maschine oder Anlage erforderlichen Aufwendungen von der Anschaffung bis zur Entsorgung.“ Neben Geissdörfer 2009, der 17 LCC-Modelle vergleicht, ist die Gegenüberstellung von Bünting 2009 für diese Arbeit von Bedeutung. Bünting behandelt die Lebenszykluskosten bei Investitionsgütern und stellt 7 LCC-Berechnungsansätze gegenüber.

Alle Modelle verwenden Begriffe und Kennwerte aus der Zuverlässigkeitstheorie.

Es werden Zuverlässigkeit, Verfügbarkeit und Instandhaltungsstrategie angesprochen, jedoch nur oberflächlich behandelt. Es zeigte sich, dass speziell im Maschinen- und Anlagenbau diese Begriffe eine bedeutende Rolle für die Lebenszykluskosten spielen (vgl.

Dhillon 2009, VDI-Richtlinie 2884, Baumeister 2008, De Vasconcellos et al. 1999). So wird beim M-TCO Verfahren der Daimler AG der Fokus auf die Instandhaltungskosten gelegt. In den letzten Jahren konnte man feststellen, dass die Instandhaltungskosten bzgl. der Lebenszykluskosten einer Anlage an Bedeutung gewinnen und damit einen betrieblichen Erfolgsfaktor darstellen (vgl. Baumeister 2008 und Kuhn 2006). Damit beeinflusst die Instandhaltung, und damit verbunden die Zuverlässigkeit und Verfügbarkeit, den Lebenszyklus einer Anlage wesentlich. Sie bilden den Fokus im Anlagengeschäft, da der Hersteller dem Käufer Zuverlässigkeit und Verfügbarkeit (quantitativ) garantiert (vgl. Baumeister 2008).

Die bestehenden LCC-Modelle weisen genau in diesem Bereich, wie vorher erwähnt, Defizite bzgl. Instandhaltung, Zuverlässigkeit und Verfügbarkeit auf. Die Kenntnisse dieser sind jedoch wesentlich für die Anwendung und Qualität von LCC-Analysen.

Durch Wahl der richtigen Instandhaltungsstrategie und Einführung von Zustandsüberwachung (condition monitoring) kann in den Instandhaltungskosten wesentliches Einsparungspotential gefunden werden und aktiv zum betriebswirtschaftlichen Erfolg eines Unternehmens beitragen. Abele et al. 2009 geben

WINGbusiness 1/2014

WING-Paper

an, dass bei Werkzeugmaschinen die Instandhaltungskosten über 30% der Lebenszykluskosten betragen können.

C. Vorgehensmodell „Operativer Einsatz von LCC im Sondermaschinenbau“ In Anlehnung an das in Abbildung 2 dargestellte Vorgehensmodell und unter Einbeziehung der Ergebnisse von Woodward (1997) und Geissdörfer (2009) wurde ein neues speziell an die Anforderungen des Sondermaschinenbaus abgestimmtes Vorgehensmodell entwickelt. Abbildung 3 zeigt das angepasste Vorgehensmodell für den operativen Einsatz von LCC (vgl. Wiesinger 2011).

Bedarf / Nutzen erkennen, der Fokus liegt nicht auf den Anwendungsbereich sondern auf einem Projekt bzw. einer Anlage, für die eine LCC-Analyse durchgeführt werden soll.

Teambildung, für die Durchführung soll ein Kernteam festgelegt werden die für Datensammlung, Datenermittlung, LCC-Berechnung und Ergebnisinterpretation verantwortlich sind. Für die unterschiedlichen Quellen der Daten werden nach Bedarf Fachexperten hinzugezogen.

Definition der Anforderungen, diese müssen sich auf das Analyseergebnis beziehen, z. B. Verbrauchssenkung, Verfügbarkeit steigern, Rechtfertigen von höherem Invest.

Festlegen der Grunddaten, je nach implementiertem Modell sind unterschiedliche Grunddaten zu definieren.

Modellprüfung, nach Anforderungen und Grunddaten muss das LCC-Modell überprüft und ggfs. muss das Modell erneut angepasst werden.

Modellierung der Anlagenstruktur, es empfiehlt sich von Top-Down Ansatz ausgehend die Anlagenstruktur im ersten Schritt sehr flach zu halten und erst mit weiteren Schritten die Detaillierung voranzutreiben. Wichtig hierbei ist ein konsistentes Datenmodell.

Datenermittlung, Annahmen, Abschätzungen und Extrapolation sollten nur in den Fällen Anwendung finden wo keine realen Maschinendaten verfügbar sind. Die beste Datenbasis sind Messungen und Erhebungen im industriellen Umfeld. Hier empfiehlt es sich auf eine handeingabefreie (automatisierte) Maschinen-/Betriebsdatenerfassung zurückzugreifen.

Ermittlung der Lebenszykluskosten, je nach implementiertem Modell wird in diesem Schritt die durchgängige Datenstruktur überprüft und die Lebenszykluskosten ermittelt.

Ergebnisinterpretation und Plausibilitätsprüfung, die ermittelten Ergebnisse sind von Kennern der Branche oder Fachexperten auf Plausibilität zu prüfen um nicht Fehlern aufzusitzen.

WINGbusiness 1/2014

Abbildung 3: Vorgehensweise für den operativen Einsatz von LCC im Sondermaschinenbau (Wiesinger 2011, S.62, Abb. 5.2)

31

WING-Paper

Abbildung 4:Integriertes Vorgehensmodell für LCC im Sondermaschinenbau (Wiesinger 2011, S.65, Abb.5.3)

D. Integriertes Vorgehensmodell des LCC Die beschriebenen Vorgehensmodelle weisen vor allem in den ersten Schritten Parallelen und Ähnlichkeiten auf. Es liegt daher nahe die beiden Modelle in einem integrierten Modell zu vereinen. Ziel ist, neben dem Zusammenführen ähnlicher Schritte, die Prüf- und Optimierungszyklen darzustellen. Das so entwickelte Vorgehensmodell ist in Abbildung 4 dargestellt.

Das Modell überdeckt zwei Bereiche, links den Bereich der Implementierung von LCC und rechts den Bereich der operativen Nutzung von LCC in einem Unternehmen.

Der Ablauf des Modells ist ebenfalls in zwei Bereiche gegliedert, der erste Bereich erstreckt sich über die Schritte der Entwicklung und Modellierung, der zweite Bereich umfasst die Schritte der Realisierung. Der Abgleich erfolgt über Validierung und Verifizierung und gibt die Möglichkeit der kontinuierlichen Verbesserung (KVP).

Die ersten drei Schritte, sind in den vorherigen Modellen ähnlich bzw. gleich. Im integrierten Modell sind diese mittig positioniert und gelten für beide Bereiche.

Bei der Validierung wird die Eignung des implementierten Modells bzgl. der Anforderungen geprüft. Man stellt sich die Fragen: Verwendet man das richtige Modell? Berechnet man die richtigen Daten?

32

Bei der Verifikation werden die Eingangsdaten sowie die Ergebnisse des Modells auf Plausibilität geprüft. Man stellt sich die Fragen: Verwendet man das Modell richtig?

Berechnet man die Daten richtig?

Das so entstandene Modell eignet sich sowohl für die einmalige Anwendung, also zur Entwicklung eines LCCModells speziell für eine einzige Anlage, als auch zur Entwicklung eines allgemeinen LCC-Modells zur Mehrfachnutzung. Im Sondermaschinenbau werden aus Kundensicht Investitionen nur in größeren Abständen getätigt, z.B. alle drei bis fünf Jahre und länger (vgl.

Geissdörfer 2009). Deshalb werden LCC-Analysen kundenseitig oft mit spezifischen Modellen durchgeführt.

Anders verhält es sich aus Herstellersicht wo mehrere Anlagen im Jahr verkauft werden. Hier haben LCC-Analysen einen wiederkehrenden Charakter. Aus Herstellersicht werden deshalb im Sondermaschinenbau allgemeine LCC-Modelle bevorzugt. Das integrierte Vorgehensmodell eignet sich für beide Sichtweisen gleichermaßen.

IV. FALLSTUDIE Das Unternehmen Fill GmbH in Gurten OÖ entwickelt und produziert Sondermaschinen.

Im Umfeld des hochkompetitiven Sondermaschinenbaus ist es schwierig Wettbewerbsvorteile gegenüber dem Mitbewerb zu finden.

Ziel der Fallstudie ist es ein Instrument zu entwickeln, das Fill ermöglicht die Lebenszykluskosten effektiv und effizient

WINGbusiness 1/2014

Wing-Paper

zu berechnen, damit diese im Verkaufsgespräch als ein entscheidender Faktor in der Argumentationskette verwendet werden können. Die LCC-Analyse soll somit schon in der Entwicklungsphase Anwendung finden. Um dieses Ziel zu erreichen, wird das integrierte Vorgehensmodell des LCC angewendet.

A. Implementierung Wie aus obigen Ausführungen ersichtlich, konnte im ersten Schritt der Bedarf und Nutzen von LCC im Bereich des Vertriebs identifiziert werden. Anschließend wurden die Anforderungen definiert.

Hervorzuheben ist die Berücksichtigung der Anforderungen zur Umsetzung in ein Softwarewerkzeug. Hier liegt ein Hauptaugenmerk auf einem standardisierten Austauschformat, Exportmöglichkeit in Excel, flexible Baumstruktur sowie Zuladen und Wiederverwendung von Baugruppen. Dadurch soll eine Integration in die 3D Simulationsumgebung ermöglicht werden. Dabei wurde besonders auf die Flexibilität der Modellierungsmöglichkeiten der Anlagenstruktur, ähnlich wie bei Abele et al. 2009 und bei Albrecht et al. 2009 vorgeschlagen, geachtet. Die erarbeiteten Anforderungen konnten in drei Themenschwerpunkte gegliedert werden, • Anforderungen an die Modellierung der Anlagenstruktur • Anforderungen an die IT-Fähigkeit und • Anforderungen an die Ergebnisse und Auswertung.

Heute ist im Sondermaschinenbau die 3D Materialflussbzw. Ablaufsimulation Stand der Technik. Durch Standardisierung der Maschinen und Baugruppen des Produktmanagements und einer soliden Datenbasis aus einer Vielzahl an integrierten Maschinendatenerfassungen sowie qualifizierter erfahrener Experten kann Fill auf Daten guter Qualität aufbauen.

Das LCC-Modell soll das existierende Fill Simulation Framework erweitern, siehe Abbildung 5.

ergeben sich folgende Stärken: • Flexibler Detailierungsgrad, damit können die Kostenblöcke je nach Anforderung abgebildet werden, z.B. gemäß Anlagenstruktur • Das Modell kann nach Bedarf um Kostenblöcke erweitert oder reduziert werden • Standardisiertes Einheitsblatt Die Definition und Struktur des LCC-Modells soll in einer Datei hinterlegt sein. Als Format wurde das XML Format gewählt. XML, eXtensible Markup Language (erweiterbare Auszeichnungssprache), ist eine vom World-Wide-WebConsortium (W3C) standardisierte Metasprache für das Speichern und Austauschen von Daten sowie zur Definition weiterer Auszeichnungssprachen. Mit diesem Konzept von XML können Informationen nicht nur dargestellt, sondern deren Inhalte und Struktur beschrieben werden. Die VDMA 34160, mit den erforderlichen Anpassungen, konnte so erfolgreich modelliert werden. Exemplarisch ist in den Abbildungen 6, 7 und 8 die Umsetzung für den Kostenblock „Materialkosten und Rohstoffe“ (MK1) dargestellt.

Abbildung 6: Auszug aus VDMA 34160 für MK1

Abbildung 7: Umsetzung des Kostenblocks MK1 im XML-Format

Abbildung 5: Fill Simulation Framework

Abbildung 8: Kostenblockdarstellung für MK1 im LCC-Add-On

Nach der Analyse bestehender Strukturen und Prozesse und auf Basis der analysierten LCC-Modelle entschied man sich für das VDMA 34160 Standardmodell. Die besonders gute Eignung des VDMA-Modells als Grundlage für ein LCC-Add-On in der Simulation wird dadurch begründet, dass es aufgrund seines einfachen Aufbaus und generischen Charakters sehr flexibel und anpassungsfähig ist. Dadurch

Schließlich wurde das LCC-Konzept in die Unternehmensprozesse der Angebotserstellung und Projektierung integriert, wie es in der ISO 9001 gefordert wird. Nach Implementierung der Software dienten die ersten Tests zur Überprüfung der Berechnungsvorschriften und für Modellanpassungen. Die entwickelte Software wurde nicht

WINGbusiness 1/2014

33

Wing-Paper

nur als Add-On integriert, sondern ist auch als selbstständig ausführbare Software unter dem Namen „LCCCLifeCycleCostingCalculator“1 verfügbar.

B. Operative Nutzung Der LCCC wird bei Fill im Verkaufsprozess eingesetzt. Es wurde damit die Möglichkeit geschaffen schon im Verkaufsbzw. Projektierungsgespräch die Lebenszykluskosten abzuschätzen. Neben dem Einsatz im Verkaufsprozess konnten auch Verbesserungen für bestehende Maschinen durch LCC-Analysen identifiziert und bewertet werden. Der Einsatz des LCC-Konzepts konnte so auf die Bereiche Produktmanagement und Produktentwicklung erweitert werden.

Auch wenn die Akzeptanz im Unternehmen Fill hoch ist, sind bei den ersten Anwendungen des LCCC folgende Hindernisse aufgetreten (vgl. Wiesinger 2011), • Die Beschaffung geeigneter Daten ist nur dort wirklich möglich, wo es der Kunde erlaubt. Damit ist mit einer Erhöhung des Aufwands für die Kundenbetreuung zu rechnen.

• Die Bereitstellung von Kapazitäten zur Erstellung von LCC Analysen ist äußerst schwierig. Die qualifizierten Mitarbeiter sind meist mit Arbeiten des Tagesgeschäfts voll ausgelastet.

• Der Nutzen durch den Einsatz des LCCC ist nur sehr schwer quantifizierbar. Es leidet dadurch die Akzeptanz und die Bereitstellung von Kapazitäten • Da das LCC-Konzept auf alle Unternehmensbereiche Einfluss ausübt, gibt es auch aus all diesen Bereichen Widerstände. Grund ist die Angst vor Veränderungen.

Um diese Hindernisse zu überwinden, ist vor allem ein erhöhter Personaleinsatz notwendig. Weitere Einflussfaktoren deren Abschätzung einen Mehraufwand und weitere Forschungstätigkeiten erfordern, wirken sich vor allem auf die Qualität und Genauigkeit der Prognose aus. Dies sind z.B. • die Zusammenhänge und Wechselwirkungen zwischen Anlagenkomponenten • die Einflüsse der Instandhaltungsstrategie • die Abhängigkeit der Verfügbarkeit von der Qualität des Personals, der Unternehmenskultur und der Unternehmensstruktur • das Ausfallverhalten kann auch standortabhängig sein, so spielen z.B. Klima (Luftfeuchtigkeit) oder die Qualität der Stromversorgung eine Rolle V. AUSBLICK Auf Basis dieser Arbeit und der erfolgreichen Einführung des Werkzeuges LCCC werden weitere Arbeiten auf dem Gebiet durchgeführt. Speziell um die Aussagen zur Verfügbarkeit und Instandhaltung zu verbessern werden neben theoretischen Arbeiten empirische Untersuchungen 1

34

durchgeführt.

Die erwähnte Datenbasis der Betriebsdatenerfassung bildet das Vorbild für eine lückenlose Servicedatenerfassung. Auf dieser Basis sollen die Ansätze von Zustandsorientierter Instandhaltung (condition monitoring) vertieft werden. Ziel ist es hier das Datawarehouse zum Fill Simulation Framework zu vervollständigen.

Parallel dazu wird der Frage, „Wie wirkt sich der Einsatz von LCC auf den Unternehmenserfolg aus?“ nachgegangen und bildet einen Schwerpunkt im Controlling.

DANKSAGUNG Dank soll an dieser Stelle Hr. Fill Andreas und Hr. Rathner Wolfgang beide Geschäftsführer der Fa. Fill GmbH ausgesprochen werden, die die Umsetzung unterstützt und motiviert haben.

REFERENZEN 1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

Abele, Eberhard; Dervisopoulos, Marina; Kuhrke, Benjamin: 2009 Bedeutung und Anwendung von Lebenszyklusanalysen bei Werkzeugmaschinen. In: Stefan Schwaiger (Hrsg.) Lebenszykluskosten optimieren Gabler – GWV Fachverlag GmbH, Wiesbaden 1.Auflage.

Albrecht, Volker; Wetzel, Peter: 2009 M-TCO-Daimler AG. In: Stefan Schwaiger (Hrsg.) Lebenszykluskosten optimieren Gabler – GWV Fachverlag GmbH, Wiesbaden 1.Auflage.

Baumeister, Alexander 2008: Lebenszykluskosten alternativer Verfügbarkeitsgarantien im Anlagenbau. Gabler – GWV Fachverlag GmbH, Wiesbaden 1.Auflage.

Bünting, Frank 2009: Lebenszykluskostenbetrachtungen bei Investitionsgütern. In: Stefan Schwaiger (Hrsg.) Lebenszykluskosten optimieren Gabler – GWV Fachverlag GmbH, Wiesbaden 1.Auflage.

Cavinato, Joseph L. 1992: A total cost/value model for supply chain competitiveness. Journal of Business Logistics; Vol. 13; No.2.

Dhillon, B.S. 2009: Life cycle costing for engineers. CRC Press, Taylor & Francis Group.

De Vasconcellos N.M.; Yoshimura, M. 1999: Life cycle cost model for acquisition of automated systems. International Journal of Production Research; Vol.37; No. 9; 2059-2076 Ellram, Lisa M. 1994: A Taxonomy Of Total Cost Of Ownership Models. Journal of Business Logistics; Vol.15; No.1.

Ellram, Lisa M.; Siferd, Sue P. 1993: Purchasing: The cornerstone of the Total Cost of Ownership Concept. Journal of Business Logistics; Vol. 14;No. 1.

Ellram, Lisa M.; Siferd, Sue P. 1998: Total Cost of Ownership: A key concept in strategic cost management decisions. Journal of Business Logistics; Vol. 19; No. 1.

Fleicher, Jürgen; Weismann, Udo; Schmalzried, Siegfried; Wawerla, Marc 2005: Life-Cycle-Performance: partnerschaftlich zum Ziel. WbWerkstatt und Betrieb; 5:75-78.

Gulch, Pernilla; Baumann, Henrikke 2003: The life cycle costing (LCC) approach: a conceptual discussion of its usefulness for environmental decision-making. Building and Environment; 39:571-580.

Geissdörfer, Klaus 2009: Total Cost of Ownership (TCO) and Life Cycle Costing (LCC): Einsatz und Modelle: ein Vergleich zwischen Deutschland und den USA. Lit-Verlag.

Höhne, Christoph 2009: Dresdner Beiträge zur Lehre der betrieblichen Umweltökonomie: Life Cycle Costing-Systematisierung bestehender Studien. Lehrstuhl für Betriebswirtschaftslehre Betriebliche Umweltökonomie, TU Dresden.

Heilala, J; Helin, K; Montonen, J 2006: Total cost of ownership analysis for modular final assembly systems. International Journal of Production Research; Vol.44;No.18-19, 3967-3988, 15 September – 1 October.

LCCC Softwarehersteller www.catalysts.cc/lccc [29.04.2013]

WINGbusiness 1/2014

Wing-Paper

16. Herstatt, C.;Verworn, B. 2007: Management der frühen Innovationsphasen. Gabler – GWV Fachverlag GmbH, 2. Auflage.

17. Kuhn, Axel; Schuh, Günther; Stahl, Beate 2006: Nachhaltige Instandhaltung: Trends, Potentiale und Handlungsfelder Nachhaltiger Instandhaltung. VDMA Verlag.

18. Lindholm, Anni; Suomala, Petri 2004: The Possibilities of Life Cycle Costing in Outsourcing Decision Making. Frontiers of the e-Business Research 2004.

19. Müller, K.G.; Court, A.W.; Besant, C.B. 1999: Energy life cycle design: a method. Proceedings of the Institution of Mechanical Engineers; Vol.213 Part B: Journal of Engineering Manufacture.

20. Müller, Egon; Engelmann, Jörg; Löffler, Thomas; Strauch, Jörg 2009: Energieeffiziente Fabriken planen und betreiben. Springer-Verlag Berlin Heidelberg.

21. Schweiger, Stefan 2009: Nachhaltige Wettbewerbsvorteile für Anbieter und Nutzer von Maschinen/Anlagen durch Lebenszykluskostenoptimierung schaffen. In: Stefan Schweiger (Hrsg.); Lebenszykluskosten optimieren; Gabler – GWV Fachverlag GmbH Wiesbaden, 1. Auflage.

22. VDI Richtlinie 2884 (2005): Beschaffung, Betrieb und Instandhaltung von Produktionsmitteln unter Anwendung von Life Cycle Costing (LCC); Verein Deutscher Ingenieure.

23. VDMA Einheitsblatt 34160 (2006): Prognosemodell für Lebenszykluskosten von Maschinen und Anlagen. Verband Deutscher Maschinen- und Anlagenbauer e.V. 24. Wiesinger, Alois 2011: Life Cycle Costing und Total Cost of Ownership im Sondermaschinenbau. Diplomarbeit FH OÖ, Fakultät für Management, Steyr.

25. Woodward, David G. 1997: Life cycle costing-theory, information acquisition and application. International Journal of Project Management; Vol.15.No.6; pp.335-344.

Dipl.-Ing. Alois Wiesinger, MSc Jahrgang 1980, Studium Mechatronik an der JKU Linz 2007, berufsbegleitendes Masterstudium an der FH Steyr Operations Management 2011.

Seit 2007 in der Produktentwicklung des Sondermaschinenbauers Fill GmbH in Gurten und seit 2011 Innovationsmanager bei Fill.

Dipl.-Ing. Wiesinger begleitete die Einführung von 3D Simulation bei der Firma Fill und spezialisierte sich auf die Simulation von Instandhaltungsstrategien, führte die Projektleitung für die Einführung von Life Cycle Costing bei Fill und entwickelte in seiner Masterarbeit das beschriebene integrierte Vorgehensmodell.

Das Fill Simulation Framework als Modell der digitalen Fabrik wurde wesentlich von Ihm gestaltet und erstmals 2010 am Industriellen Symposium für Mechatronik in Linz vorgestellt.

Dipl.-Ing. Harald Sehrschön, IWE Jahrgang 1977, Studium Wirtschaftsingenieurwesen Maschinenbau Studienzweig Mechatronik an der TU Graz 2004, Ausbildung zum IWE 2012.

Seit 2008 Teamleiter der Produktentwicklung des Sondermaschinenbauers Fill GmbH in Gurten.

Dipl.-Ing. Sehrschön initiierte die Digitale Fabrik bei Fill und entwickelt mit seiner Abteilungen Methoden und Werkzeuge für die Unterstützung der frühen Innovationsphase.

WINGbusiness 1/2014

35

Uninachrichten

STUDIE: Digitale Produktion in österreichischen Klein- und Mittelunternehmen

Methodik

Der Industrial Management Club hat sich unter anderem zum Ziel gesetzt, den Wissenstransfer zwischen Hochschule und AbsolventInnen aktiv zu betreiben und zu unterstützen.

Aktuell wurde vom Institut für Industriewirtschaft unter der Leitung eines Absolventen, Herrn Dipl.-Ing. (FH) Ernst Pessl, eine Studie zum Thema digitale Produktion in österreichischen Klein- und Mittelunternehmen erstellt.

Speziell für Mitglieder des IMCs als auch für Mitglieder des WINGs steht die Studie ab sofort zum Verkauf bereit und ist zu vergünstigten Konditionen erhältlich. Der Aufbau, die Zielsetzung sowie wie methodische Einzelheiten zur Studie werden folgend dargestellt.

Research TEIL 1: IT in KMU‘s

Ausgangssituation Österreichs Klein- und Mittelunternehmen (KMU) bilden das Rückgrat der heimischen Wirtschaft. Rund 61% der beschäftigten Personen dieses Landes arbeiten in KMU und tragen somit zu einem erheblichen Teil der Wirt¬schaftsleistung bei. Aufgrund sich ständig verändernden Marktbedingungen sowie durch Globalisierung, ist eine immer effizientere Produktion unabdingbar. Neben der Optimierung von Produktionsprozessen, der Weiterent¬wicklung von Mitarbeitern und organisatorischen Ver¬besserungen, spielt auch der Einsatz von IT-Lösungen in der Produktion eine immer wichtigere Rolle. Vergleicht man den Fortschritt der IT-Unterstützung in den unter-schiedlichen Bereichen eines Unternehmens, so muss festgestellt werden, dass insbesondere die Fertigung in KMU oftmals noch unter mangelnder Softwareunter-stützung und Vernetzung leidet und der papierbezogene Informationsaustausch dominiert.

Zielsetzung Die Zielsetzung ist daher klar und eindeutig: Österreichs produzierende KMU müssen in verstärktem Ausmaß vom Potenzial der Digitalen Produktion profitieren, um damit Produktionsprozesse zu optimieren und Produktions¬kosten zu reduzieren. Daher ist es erforderlich, die Hemmnisse und Defizite, aber auch die Anforderungen produzierender KMU hinsichtlich Digitaler Produktion zu identifizieren.

Das Institut Industrial Management / Industriewirtschaft der FH JOANNEUM führte im Rahmen eines FFG-Sondierungsprojektes eine empirische Untersuchung hinsichtlich Digitaler Produktion durch. Die Zielgruppen waren einerseits Österreichs produzierende KMU und andererseits Manufacturing Execution System (MES)-Hersteller in Deutschland und Österreich.

36

Der erste Teil der empirischen Untersuchung widmet sich den österreichischen Klein- und Mittelunternehmen und legt den Fokus auf die Erhebung des aktuellen Einsatzes von IT-Lösungen und -konzepten zur Unterstützung der Produktion.  Was sind die ausschlaggebenden Faktoren zur Einführung einer IT-Lösung?  Welchen Stellenwert hat Digitale Produktion in KMU?  Welche IT-Lösungen werden heute beziehungsweise in Zukunft zur Unterstützung der Produktion eingesetzt?  Welche Gründe sprechen für/gegen den Einsatz von ITLösungen?  Welche Herausforderungen stehen bei IT-Implementierungen an?  Welche Hindernisse treten bei der Kommunikation mit Softwareanbietern auf?

Research TEIL 2: MES-Hersteller Der zweite Teil der empirischen Untersuchung konzentrierte sich hingegen auf MES-Hersteller aus Österreich und Deutschland, da die Anzahl österreichischer MES-Anbieter begrenzt ist und somit die Befragung auf den deutschen Raum ausgeweitet wurde. Von 102 MES-Herstellern beteiligten sich 45 Unternehmen an der Studie.  Welche Gründe sprechen für/gegen den Einsatz einer MES-Lösung?  Was sind die größten Erfolgsfaktoren bei MES-Implementierungsprojekten?  Welche Marktentwicklungen sind im MES-Sektor zu erwarten?

Bestellung der empirischen Studie Institut Industrial Management / Industriewirtschaft DEPARTMENT FÜR MANAGEMENT Werk-VI-Straße 46, A-8605 Kapfenberg Telefon: +43 3862 33600 8303 Fax: +43 3862 33600 8301 E-mail: gabriele.gschiel@fh-joanneum.at http://www.fh-joanneum.at/iwi  € 95.- (-20% Rabatt für Teilnehmer an der Studie, Mitglieder des VNL, WING, IMC, Studierende; inkl. MwSt. und Versand)  Gebundene Ausgabe – 76 Seiten  ISBN: 3-902103-45-0

WINGbusiness 1/2014

Uninachrichten

Product Innovation Gala & Vortrag von Prof. Dr. Frank T. Piller, 02. Juni 2014, TU Graz

A

nlässlich der Abschlusspräsentationen des Product Innovation Project lädt Univ.-Prof. Christian Ramsauer sehr herzlich zu einem Vortrag von Prof. Dr. Frank T. Piller am 2.

Juni 2014 um 17:00 Uhr in die Aula der Technischen Universität Graz ein.

Frank T. Piller ist Professor für Technologie- und Innovationsmanagement an der RWTH Aachen und Co-Director der Smart Customization Group am MIT Media Lab in Cambridge, USA. Prof. Piller ist begehrter Vortragender zu Themen der Innovation und Mass Customization sowie Autor zahlreicher Bücher.

Produktkonzept, einen Businessplan und einen funktionierenden Prototypen. Folgende Studierendenprojekte werden heuer bei der Product Innovation Gala vorgestellt:  ProSeat powered by Magna  IceTeam powered by Secop  VitAttack powered by Philips

Im Anschluss der Präsentationen findet im Foyer der Rechbauerstraße eine Ausstellung der Projekte statt. Für Getränke und eine kleine Stärkung ist gesorgt. Univ.-Prof. Ramsauer und das gesamte IBL und PSM Team freuen sich auf Ihr Kommen!

Anmeldungen erbeten an: Kerstin Duller (kerstin.duller@tugraz.at)

Das Product Innovation Project bietet motivierten Studierenden die Gelegenheit sich im Rahmen eines Projekts mit dem Thema Produktentwicklung zu beschäftigen. Die Aufgabenstellung und das Projektbudget kommen direkt aus der Industrie - Studierende entwickeln innerhalb eines Studienjahres ein

Call for Papers Themenschwerpunkt: Business Innovation in WINGbusiness 03/2014 Beschreibung Für die Ausgabe 03/2014 laden wir Autoren herzlich ein, ihren Beitrag zum Themenschwerpunkt „Business Innovation“ einzureichen.

Die Thematik umspannt Innovationsthemen in verschiedenen Bereichen des Unternehmens.

Business Innovation behandelt darüber hinaus auch die Entwicklung neuer Managementtechniken, neue Formen der Stakeholderintegration, neue Organisationsformen, neue Finanzierungsmodelle, etc.

WINGbusiness 1/2014

Erwünscht sind Beiträge die neue theoretische Ansätze einbringen, ebenso wie Beispiele und Erfolgsgeschichten aus der Praxis. Es können zwei unterschiedliche Beitragsarten übermittelt werden: • Die Verfassung eines Textes als Bericht aus der Praxis.

• Die Einreichung eines wissenschaftlichen Beitrages in Form eines wissenschaftlichen Papers (WINGPaper mit Reviewverfahren; die Ergebnisse des Reviewverfahrens erhalten Sie 4-8 Wochen nach der Einreichfrist).

Hinweise für Autoren: Vorlagen zur Erstellung eines WINGpapers und konkrete Layout-Richtlinien sind als Download unter: http://www.wing-online.at/de/wingbusiness/medienfolder-anzeigenpreise/ oder per E-Mail verfügbar.

Autoren können ihre Beiträge zum Themenschwerpunkt als PDF an office@wing-online.at übermitteln.

Die Ergebnisse des Reviews werden innerhalb von 4-8 Wochen nach Einsendung des Artikels zugestellt.

Annahmeschluss: 30.Juni 2014

37

Uninachrichten Alexander Pointner

Während der 125-Jahr-Feier der „Alten Technik“ in Graz verlieh TU-Rektor Harald Kainz die hohe Auszeichnung der Erzherzog-Johann-Medaille an Professor Josef W. Wohinz

A

n besonders renommierte Persönlichkeiten aus den eigenen Reihen verleiht die TU Graz die Erzherzog-Johann-Medaille – sie wurde bislang erst einmal vergeben. Für sein hohes Engagement im Sinne der TU Graz ging die hohe Auszeichnung an Altrektor Josef W. Wohinz, der auch das Buch „Die Technik in Graz“ verfasst hat. Eine zweite Auszeichnung ging an den ehemaligen Senatsvorsitzenden Werner Puff.

Nach dem Studium Wirtschaftsingenieurwesen für Maschinenbau

an der TU Graz, habilitierte Josef W. Wohinz im Bereich der Betriebswirtschaftslehre unter Berücksichtigung der Energiewirtschaftslehre.

Nach erfolgreichen Jahren in der Privatwirtschaft wurde Wohinz zum Ordentlichen Universitätsprofessor für Industriebetriebslehre und Innovationsforschung an die TU Graz berufen, wo er jahrzehntelang das gleichnamige Institut leitete. Von 1993 bis 1996 war er Rektor der TU Graz, von 2005 bis 2011 Kurator des Institute of Production Science and Management.

Uninachrichten Manuela Reinisch

BWL goes International – Hail, Stanford hail! „Where the rolling foothills rise, up t‘wards mountains higher, where at eve the Coast Range lies‘ in the sunset fire … Hail, Stanford hail!” Wer einmal dort war, ist für immer im Bann dieser Universität gefangen.

Im Sommer 2013 erhielt ich die unglaubliche Möglichkeit einen zweimonatigen Forschungsaufenthalt an der renommierten Stanford University im Herzen des Silicon Valley in Stanford/ Kalifornien zu absolvieren. Bereits der Beginn dieser kleinen Lebensreise war „amazing“, denn im Landeanflug auf San Francisco drehte das Flugzeug eine Schleife über die San Francisco Bay und lieferte bereits einen kleinen Vorgeschmack auf das was Kalifornien zu bieten hat. Die Fahrt vom Flughafen San Francisco nach Stanford dauert mit dem Auto ungefähr 45 Minuten

38

bis die Einfahrt des prunkvollen „Palm Drive“ erreicht wird, wo sich Stanford wie eine Oase mit Palmen aus der Landschaft erhebt.

Die Stanford University umfasst eine Fläche von 33 km²: Sie beherbergt Teile umliegender Ortschaften wie Palo Alto oder Menlo Park sowie beispielsweise ein Shoppingcenter, Krankenhaus, eine Polizei, Feuerwehr, ein eigenes Busnetz (welches gratis zur Verfügung steht) oder auch ein Postamt mit eigener Postleitzahl. Das Stauen sowie der Wow-Effekt begann selbst nach zwei Monaten leben am Campus jeden Tag aufs Neue. Mit einem Stiftungsvermögen von ca. 18 Mrd. Dollar bzw. einem jährlichen Budget von ca. 4 Mrd. Dollar (davon ca. 1,3 Mrd. Forschungsbudget), 30 Nobelpreisträgern seit ihrer Gründung, ca. 16.000 Studierenden, ca.

12.600 Mitarbeiter/innen und allein 16 oly mpische Medaillen in 2012 hat sich Stanford den Namen „Home of Champions“ wirklich verdient. Stanford hat im Jahr 2012 als erste Universität der Geschichte Einnahmen (fundraising) von über eine Mrd. Dollar erzielt.

Die bunte kulturelle, internationale Mischung an Personen sowie die Vielfalt dieser Universität fällt sofort auf und trägt sicherlich zu ihrem großen Erfolg bei. Stanford holt sich die besten Leute aus der ganzen Welt und bildet diese nicht nur aus sondern schafft es

WINGbusiness 1/2014

Uninachrichten auch das erlernte Know-How für sich und das eigene Land zu nutzen. Leistungsdruck und Wettbewerb stehen in Stanford an der Tagesordnung, Schlafdefizit ist nichts Unübliches genauso wie 24h Prüfungen.

Wer in dieser Liga „mitmischen“ möchte, muss alles geben und Spitzenleistungen erzielen - entweder man ist dabei oder (kompromisslos) raus.

In der Forschungsgruppe von Prof.

Stephen P. Boyd am Department für Management Science und Engineering (MS&E) hatte ich die Möglichkeit mich mit vielen anderen PhD Studierenden zu vernetzen.

Ich habe dort schnell gelernt, für mich wichtige Inhalte kurz und aussagekräftig („Elevator Pitch“) aufzubereiten, um den möglichst größten Output

aus Diskussionen zu erzielen. Denn Zeit ist dort - egal ob Studierende oder Professoren - eine knappe Ressource. Der Literaturzugang zu wissenschaftlichen Publikationen ist in Stanford einfach unglaublich umfangreich. Es existiert ein online Zugang zu über 1.700 peer reviewed Journals, Büchern oder anderen wissenschaftlichen Publikationen, welche auch für meine Forschungstätigkeit von großer Bedeutung waren.

Viele Eindrücke wurden gesammelt,

viele Publikationen gelesen und viele Freundschaften geschlossen – dort wo – wie es im Wahlspruch steht – „die Luft der Freiheit weht“!

WINGNET WIEN

Christian Hofer

Team der TU Wien im T.I.M.E.S.-Fallstudienwettbewerb unter den Top 10%

I

m Jubiläumsjahr des T.I.M.E.S. hat das Team der TU Wien beim im Jänner stattgefundenen Semifinale in Ilmenau den dritten Platz erreicht. Der ESTIEM, der europäische Verbund aller Wirtschaftsingenieurstudenten, richtete das „Tournament in Management and Engineering Skills“ bereits zum 20. Mal aus, heuer nahmen circa 1000 Studenten in etwa 250 Teams aus 26 Ländern teil.

Die TU Wien wurde bei diesem internationalen Wettbewerb von den Wirtschaftsingenieuren Alexandra Markis, Stephan Rollmann, Clemens Zimmerer und Christian Hofer vertreten. Das neu zusammengesetzte Team konnte trotz der knappen einmonatigen Vorbereitungszeit in einem der acht europaweit ausgetragenen Halbfinals mit treffenden Analysen und aussagekräftigen Präsentationen überzeugen. In Ilmenau musste es sich nur

WINGbusiness 1/2014

dem Team der TU Tampere – welches nun das Finale bestreitet – und dem Team der TU Darmstadt geschlagen geben, konnte sich aber gegen weitere Gruppen aus Ankara, Berlin, Dresden und Lyon durchsetzen. Das Team der TU Wien gehört somit zu den 24 besten Europas.

Während der dreitägigen Veranstaltung mussten die Teilnehmer zwei Fallstudien in jeweils vier Stunden bearbeiten und ihre Ergebnisse in einer jeweils 30-minütigen Präsentation mit anschließender Fragerunde vorstellen und verteidigen. Die erste Fallstudie mit dem Thema Outsourcing der SCM-IT wurde vom Institut für Produktionsorganisation und Logistik GmbH, einem Spin-Off der TU Ilmenau, gestellt und betreut. In der zweiten Fallstudie mussten sich die Teams mit Marketing- und Vertriebsstrategien von Elektroautos beschäftigen. Sie wurde inhaltlich von

der P3 Ingenieurgesellschaft GmbH betreut. Die Jurys waren mit Unternehmensvertretern sowie Professoren der TU Ilmenau kompetent besetzt.

Das WINGnet Wien hat die Reise des Teams der TU Wien finanziell unterstützt und so den Studierenden ermöglicht, ihre Fähigkeiten im Bezug auf das effiziente Lösen von Fallstudien auszubauen. Damit auch andere diese Erfahrungen machen können, werden in Kürze Gespräche zwischen dem Team und dem zuständigen Dekanat über die verstärkte Integration von Fallstudien in die Lehre an der TU Wien stattfinden. Das erklärte Ziel ist es, mehr Studenten für diese weltweit gebräuchliche Form, wirtschaftliche oder technische Problemstellungen anzugehen, zu begeistern, damit die Lehre interaktiver zu gestalten und somit weiter zu verbessern.

39

Wingregional

Fotos. Regionalkreis Kärnten

Alexander Marchner, Bernd Neuner

Social Media Marketing – Erfolgreicher Einsatz im Unternehmen 31. Treffen der Wirtschaftsingenieure von Kärnten und Osttirol, 22. Jänner 2014, Klagenfurt am Wörthersee 35 angemeldete Teilnehmer zeigen, dass wir mit Social Media Marketing das Interesse der WING Mitglieder getroffen haben. Dass nahezu auch alle gekommen sind und einige Kollegen des Regionalkreises Steiermark die Anreise nicht gescheut haben, freut uns natürlich besonders.

Grund für den regen Zulauf war aber mit Sicherheit auch Robert Seeger, den wir als ausgewiesenen OnlineMarketing-Experten für diese Veranstaltung gewinnen konnten. Neben internationaler Beratungstätigkeit für Social Media bei namhaften Kunden wie beispielsweise Lufthansa, Western Digital oder Red Bull werden Robert Seegers Auftritte und Präsentationen in facheinschlägigen Internet-Foren regelmäßig mit „Likes“ überschüttet.

Einige Fakten zum Einstieg ließen auch die letzten Social-Media-Verwei-

40

gerer im Saal hellhörig werden: Jeder vierte Mensch weltweit ist in einem sozialen Netz aktiv, 33 % der Österreicher nutzen es regelmäßig und 3,2 Mio. Österreicher sind auf Facebook vertreten – während im Vergleich die Kronen Zeitung bei 2,7 Mio. Lesern steht. Und nicht nur die Jungen sind dabei; in der Altersgruppe 45+ liegen derzeit die höchsten Wachstumsraten. Kurzum, es ist Teil unseres Lebens und damit auch Teil der Unternehmenskommunikation, des Marketings.

Für Unternehmen leistet Social Media effiziente Werbung, schafft wichtige Berührungspunkte mit den Kunden und macht Mitarbeiter zu Botschaftern. Hier ist aber Achtung geboten!

Robert Seeger demonstrierte anhand einer Vielzahl verschiedenartigster Beispiele, wie es richtig geht und wie nicht.

Wie bei vielem gilt auch hier: Entweder

anständig machen, oder bleiben lassen.

Das Paradigma der Kundenzufriedenheit sieht der Marketing-Fachmann als nicht mehr ausreichend. Heute zählt Enthusiasmus, den Kunden zum Fan zu machen. Auch hierzu wurden wir durch eine Abfolge an guten wie auch negativen Beispielen mitgenommen.

Das Resume “Social Business or Out of Business” klingt vielleicht gewagt.

Wach gerüttelt, Denkanstöße gegeben und uns neugierig gemacht hat Robert Seeger mit seiner Präsentation auf alle Fälle.

Für das Gelingen dieser sehr erfolgreichen Regionalkreisveranstaltung danken wir an erster Stelle Herrn Seeger für seinen mitreißenden Vortrag sehr herzlich. Aber auch allen Teilnehmern sei Danke für Ihr Kommen, Mitdiskutieren und nachherigem gemeinsamen Smalltalk gesagt.

WINGbusiness 1/2014

Wingnet

Georg Thaller

HILTI an der TU Wien

A

m Dienstag, den 29.10.2013 war es wieder so weit. Wie im Wintersemester 2012 bekam die TU Wien wieder Besuch von dem international agierenden Unternehmen HILTI. Die Veranstaltung im schönen Hörsaal in der Theresianumgasse war gut besucht, die Stimmung ausgelassen. Viele Studierende wollten sich über das Unternehmen und die Karrieremöglichkeiten informieren.

Die Einleitung und eine Übersicht über das Unternehmen wurde vom Geschäftsführer von HILTI Österreich, Dipl.-Ing. Dr. Manfred Gutternigg präsentiert. Danach sind die verschiedensten Mitarbeiter mit unterschiedlichen Hintergründen und Erfahrungen zu Wort gekommen. Es wurden Geschichten und Werdegänge aus verschieden Blickwinkeln dargestellt. Den Studierenden wurde eindrucksvoll ge-

WINGbusiness 1/2014

zeigt, wie international das Unternehmen aus dem kleinen Liechtenstein ist, und wie abwechslungsreich eine Karriere bei HILTI sein kann. Aufgefallen ist ebenfalls die tiefe Verbundenheit, welche die Vortragenden mit dem Unternehmen zu haben scheinen.

Das Arbeitsklima bei HILTI ist offensichtlich vorbildlich. Aber auch die beeindruckenden und international bekannten Produkte, von welchen es einige bei dem Look In zu sehen gab (Stichwort: Roter Koffer), tragen wohl zu der Identifizierung mit den Unternehmen durch die Mitarbeiter bei.

Spannend war es auch zu erfahren, dass viele der Mitarbeiter direkt im Kontakt mit den Kunden beim Direktvertrieb beteiligt waren.

keiten bei einem potentiellen späteren Arbeitgeber. Die Erfahrungsberichte aus der ganzen Welt sowie die interessanten Lebensläufe der Vortragenden zeigten, um genau diese Frage seitens der Studierenden anzusprechen, dass es für HILTI ein großes Anliegen ist, Karrieremöglichkeiten für seine Mitarbeiter zu eröffnen.

Später gab es die Möglichkeit eines gemütlichen Diskutierens bei einem Buffet, wo direkt Fachfragen oder Fragen zu Karrieremöglichkeiten an HILTI Mitarbeiter gestellt werden konnten.

Ich und viele meiner Kommilitonen haben mit einem sehr positiven Eindruck von HILTI den Veranstaltungsort verlassen.

Wichtig für viele Studierende sind natürlich die Entwicklungsmöglich-

41

WINGnet

WING to your success …wir sind für Sie garantiert von Nutzen …

Gerade in Zeiten wie diesen stellen ein reizvoller Workshop, das Verteilen von lukrativen Flyern oder eine interessante Firmenpräsentation effiziente und kostengünstige Möglichkeiten zur Werbung für Unternehmen in Fachkreisen dar.Hervorzuheben ist der Zugang zur Technischen Universität als Innovations- und Forschungsstandort der besonderen Art, denn im Zuge von Bachelor- und/oder Masterarbeiten können Sie Studenten in Ideen für Ihre Firma miteinbeziehen und mit ihnen innovative Lösungen ausarbeiten. Nicht zuletzt wird auf diesem Weg auch für die Zukunft vorgesorgt.

Denn schließlich sind es die heutigen Studenten der Technischen Universität, die morgen als Ihre Kunden, Händler oder Lieferanten fungieren. Mit WINGnet-Werbemöglichkeiten kann man diese nun schon vor dem Eintritt in das Berufsleben von sich und seiner Firma überzeugen und somit eine gute Basis für eine langfristige und erfolgreiche Zusammenarbeit schaffen. WINGnet Wien veranstaltet mit Ihrer Unterstützung Firmenpräsentationen, Workshops, Exkursionen sowie individuelle Events passend zu Ihrem Unternehmen. WINGnet Wien bieten den Studierenden die Möglichkeit- zur Orientierung, zum Kennenlernen interessanter Unternehmen und Arbeitsplätze sowie zur Verbesserung und Erweiterungdes universitären Ausbildungsweges. Organisiert für Studenten von Studenten.Darüber hinaus bietet WINGnet

WINGbusiness Impressum Medieninhaber (Verleger) Österreichischer Verband der ­Wirtschaftsingenieure Kopernikusgasse 24, 8010 Graz ZVR-Zahl: 026865239 Editor o.Univ.-Prof. Dipl.-Ing. Dr. Siegfried Vössner E-Mail: voessner@tugraz.at Redaktion/Layout Chefin vom Dienst & Marketingleiterin: Mag. Beatrice Freund Tel. +43 (0)316 873-7795, E-Mail: office@wing-online.at Redakteure Dipl.-Ing. Julia Soos E-Mail: julia.soos@tugraz.at Dipl.-Ing. Alexander Pointner E-Mail: alexander.pontner@tugraz.at Dipl.-Ing. Christiana Müller E-Mail: christiana.mueller@tugraz.at Dipl.-Ing. Christoph Wolfsgruber E-Mail: christoph.wolfsguber@tugraz.at Dipl.-Ing. Alexander Sunk E-Mail: alexander.sunk@fraunhofer.at Dipl.-Ing. Jörg Koppelhuber E-Mail: joerg.koppelhuber@tugraz.at Anzeigenleitung/Anzeigenkontakt Mag. Beatrice Freund Tel. +43 (0)316 873-7795,E-Mail: office@wing-online.at

Wien als aktives Mitglied von ESTIEM (European Students of Industrial Engineering and Management) internationale Veranstaltungen und Netzwerke. In 24 verschiedenen Ländern arbeiten 66 Hochschulgruppen bei verschiedenen Aktivitäten zusammen und treten so sowohl untereinander als auch zu Unternehmen in intensiven Kontakt. Um unser Ziel - die Förderung von Studenten - zu erreichen, benötigen wir Semester für Semester engagierte Unternehmen, die uns auf verschiedene Arten unterstützen und denen wir im Gegenzug eine Möglichkeit der Firmenpräsenz bieten. Die Events können sowohl in den Räumlichkeiten der TU Wien als auch an dem von Ihnen gewünschten Veranstaltungsort stattfinden.

Weiters können Sie die Zielgruppe individuell bestimmen.

Sowohl alle Studienrichtungen als auch z.B. eine Festlegung auf Wirtschaftswissenschaftlichen Studiengängen ist möglich. Außerdem besteht die Möglichkeit eine Vorauswahl der Teilnehmer, mittels Ihnen vorab zugesandten Lebensläufen, zu treffen.

Auf unserer Webseite http://www.wing-online.at/wien.html finden Sie eine Auswahl an vorangegangenen Events sowie detaillierte Informationen zu unserem Leistungsumfang WINGnet Wien: Theresianumgasse 27, 1040 Wien, wien@wingnet.at ZVR: 564193810

42

Druck Universitätsdruckerei Klampfer GmbH, 8181 St. Ruprecht/Raab, Barbara-Klampfer-Straße 347 Auflage: 2.500 Stk. Titelbild: Fotolia WING-Sekretariat Kopernikusgasse 24, 8010 Graz, Tel. (0316) 873-7795, E-Mail: office@wing-online.at WING-Homepage: www.wing-online.at Erscheinungsweise 4 mal jährlich, jeweils März, Juni, Oktober sowie Dezember. Nachdruck oder Textauszug nach Rück­sprache mit dem Editor des „WINGbusiness“. Erscheint in wissenschaftlicher Zusammen­arbeit mit den einschlägigen Instituten an den Universitäten und Fachhochschulen Österreichs. Der Wirtschaftsingenieur (Dipl.-Wirtschaftsingenieur): Wirtschaftsingenieure sind wirtschaftswissenschaftlich ausgebildete Ingenieure mit akademischem Studienabschluss, die in ihrer beruflichen Tätigkeit ihre technische und ökonomische Kompetenz ganzheitlich verknüpfen. WING - Österreichischer Verband der Wirtschaftsingenieure ist die Netzwerkplattform der Wirtschaftsingenieure.

ISSN 0256-7830

WINGbusiness 1/2014

NEWS DER STUDIENRICHTUNG INNOVATIONSMANAGEMENT

APRIL 2014

Karrieresprungbrett Innovation

Berufsbegleitendes Masterstudium mit Schwerpunkt „Innovation Leadership“ Geschäftsmodelle und Innovationsstrategien entwickeln, umsetzen und dabei Führungsverantwortung übernehmen.

Das Masterstudium Innovationsmanagement der Fachhochschule CAMPUS 02 in Graz stellt eine der wenigen Ausbildungen in Europa im Bereich Innovation Leadership, Business Development und Unternehmensentwicklung dar.

Studienschwerpunkte Studierende erlernen die strategische Unternehmensführung sowie das Entwickeln und Umsetzen von Innovationsstrategien innerhalb einer Organisation.

Business Development, die Identifizierung von Markttrends und deren unternehmerische Nutzung sowie die Beherrschung der Methoden zur Entwicklung neuer Geschäftsmodelle machen AbsolventInnen zu hochqualifizierten Führungskräften.

Bewerbungsfrist & Studieninformation Wenn Sie nun neugierig geworden sind und mehr über unser Masterstudium Innovationsmanagement erfahren möchten, dann kommen Sie zu einer unserer Informationsveranstaltungen, wo Sie die Möglichkeit haben, mit Studierenden und LektorInnen zu sprechen, oder vereinbaren Sie einen Termin für ein persönliches Beratungsgespräch!

Die Bewerbungsfrist für das Masterstudium Innovationsmanagement läuft noch bis 4. August 2014.

Kontakt: Studienrichtung Innovationsmanagement Fachhochschule CAMPUS 02, Graz inno@campus02.at - 0316-6002-390 www.campus02.at/inno facebook.com/neustudieren - youtube.com/neustudieren

FORUM

Techno-Ökonomie Forschung und Praxis

24. April 2014 TU Graz, Kopernikusgasse 24, Hörsaal H, 15 bis ca. 19 Uhr Ŷ Aktuelle Entwicklungen der Techno-Ökonomie Ŷ An der Schnittstelle zwischen Technik und Wirtschaftswissenschaft Ŷ Für eine zukunftsorientierte Entwicklung von Technologieunternehmen PROGRAMM: Entrepreneurship: In vier Impulsvorträgen präsentieren die Professoren des Fachbereiches TechnoÖkonomie das Thema Entrepreneurship und verbinden dabei das Thema Unternehmertum aus Sicht der Forschung mit der Praxis.

Aktuelle Forschungsprojekte in 45 Minuten: Im Rahmen von Mini-Talks machen Sie eine Reise durch die Forschungslandschaft des Fachbereiches. Im Anschluss können Sie in Einzelgesprächen ausführliche Informationen und Antworten zu Ihren konkreten Fragen erhalten.

Bilder: © TU Graz, M.studio – Fotolia.com

DIE PROFESSOREN DES FACHBEREICHES:

Univ.-Prof. Ulrich Bauer Univ.-Prof. Christian Ramsauer (Inst. f. Betriebswirtschaftslehre (Inst. f. Industriebetriebslehre und Betriebssoziologie) und Innovationsforschung, Inst. of Production Science and Management)

Univ.-Prof. Stefan Vorbach (Inst. f. Unternehmungsführung und Organisation)

Univ.-Prof. Siegfried Vössner (Inst. f. Maschinenbau- und Betriebsinformatik)

Beschränkte Teilnehmerzahl!

Für die Teilnahme bitte per E-Mail unter techno-oekonomie@tugraz.at anmelden. techno-oekonomie.tugraz.at