Simulationswerkzeuge im SCM

Arten von Simulationswerkzeugen für das SCM

Wenngleich zur Simulation im SCM [Thierry, Thomas, Bel 2008] grundsätzlich jede allgemeine Programmiersprache (z.B. FORTRAN, C, Pascal, C++, C#, JAVA, Delphi etc.) genutzt werden kann, kommen in praxi nicht zuletzt aus Gründen der Benutzerfreundlichkeit verstärkt Simulationswerkzeuge zum Einsatz, die auf speziellen Simulationssprachen (z.B. SIMSCRIPT oder SIMAN) basieren. Zu einer Differenzierung der im SCM eingesetzten Simulationswerkzeuge wird nachfolgend eine Orientierung an den dort verwendeten Modellierungsansätzen zugrunde gelegt, d.h. den Ansätzen, die zur Erstellung der Simulationsmodelle verwendet werden.

Simulationswerkzeuge auf Basis eines Modellierungsansatzes zur kontinuierlichen Simulation

Bei Simulationswerkzeugen, die auf einen Modellierungsansatz zur kontinuierlichen Simulation beschränkt sind (z.B. iThink, VENSIM und Powersim), werden die Bestandteile und das Systemverhalten einer Supply Chain durch mehrere gekoppelte gewöhnliche (nicht-stochastische) Differentialgleichungen repräsentiert [Kuhn 2008, S. 78]. Eine explizite Modellierung von zufallsbedingten Einflüssen (z.B. Nachfrageschwankungen und Produktions- oder Transportmittelstörungen) mithilfe von Zufallsvariablen bleibt dabei weitgehend unberücksichtigt. Dementsprechend bieten sich derartige Simulationswerkzeuge, orientiert an den Aufgabenbereichen, die von SCM-Systemen berücksichtigt werden, für jene Aufgabenbereiche an, bei denen eine explizite Modellierung zufallsbedingter Einflüsse für eine Validierung des jeweiligen Simulationsmodells vernachlässigt werden kann. Dies kann in praxi insbesondere für den strategisch ausgerichteten Aufgabenbereich des Netzwerk- und Systemdesigns und, eher eingeschränkt, für die Ressourcenplanung als taktischem Aufgabenbereich möglich sein. Hinsichtlich der Betriebsführung einer Supply Chain, die den Aufgabenbereich der Prozessausführung betrifft, bei der ungeplante Ereignisse (z.B. Störungen, Sonderaufträge) zu berücksichtigen sind, ist zu prüfen, ob aus Validierungsgründen eine explizite Modellierung entsprechender Zufallsvariablen erforderlich ist oder ein Ansatz pauschaler deterministischer Größen (z.B. Produktionsausschussanteil, Prozesszeitaufschläge) ausreicht. Zufallsbedingt schwankende, zugleich eher seltener auftretende und länger andauernde Störungen erfordern aus Validierungsgründen eine Repräsentation durch Zufallsvariablen [Banks, Carson, Nelson 1996, S. 158 ff.].

Simulationswerkzeuge mit einem Schwerpunkt auf Modellierungsansätzen zur diskreten Simulation

Derartige Simulationswerkzeuge sind im Anwendungskontext des SCM am stärksten verbreitet [Fontanili, Castagna, Yannou 2008, S. 299; Kuhn 2008, S. 87 f.]. Dies kann nicht zuletzt darauf zurückgeführt werden, dass sie eine explizite Modellierung von Zufallsvariablen ermöglichen und in allen Aufgabenbereichen des SCM und zur Gestaltung von SCM-Systemen eingesetzt werden können [Fontanili, Castagna, Yannou 2008, S. 307 ff.]. Diese Simulationswerkzeuge lassen sich im Wesentlichen differenzieren in jene mit einem Schwerpunkt im Bereich der prozessorientierten Simulation, solche, die auf dem Petri-Netz-Konzept basieren, und Simulationswerkzeuge, die (zusätzlich) mit Funktionalitäten zur agentenbasierten Simulation [Ickerott 2007] ausgestattet sind.

Simulationswerkzeuge zur prozessorientierten Simulation

Diese Simulationswerkzeuge (z.B. AnyLogic, ARENA, Extend, ProModel, Simio, SIMSCRIPT III, Simul8, WITNESS) sind u.a. insbesondere durch ihren zugrunde liegenden prozessorientierten Zeitfortschreibungsmechanismus gekennzeichnet. Zur Steuerung der Veränderung der Systemzustände im Simulationszeitablauf werden mit diesem Zeitfortschreibungsmechanismus wesentliche Bestandteile der ereignisorientierten und der aktivitätsorientierten Zeitforschreibung aufgegriffen [Liebl 1995, S. 107]. Dabei wird unter einem Prozess eine chronologische Sequenz interdependenter Ereignisse verstanden, die den Durchlauf einer temporären Entität (z.B. ein Kundenauftrag) durch ein System permanenter Entitäten (z.B. die einzelnen Glieder einer Supply Chain) beschreibt [Law, Kelton 2000, S. 205]. Jeder derartige Prozess umfasst sämtliche Aktivitäten, welche die zugehörige temporäre Entität, ausgehend von ihrem Eintritt ins zugrunde liegende System (z.B. die Supply Chain) bis zu ihrem Systemaustritt durchlebt (durchläuft), und beschreibt daher einen generischen Lebenszyklus der betreffenden temporären Einheit [Liebl 1995, S. 107].

Ein Großteil der Simulationswerkzeuge zur prozessorientierten Simulation ist zusätzlich mit einem Modellierungsansatz zur kontinuierlichen Simulation ausgestattet und ermöglicht eine kombinierte Anwendung dieser Ansätze in einem Simulationsmodell.

Simulationswerkzeuge auf Basis des Petri-Netz-Konzeptes

Diese Simulationswerkzeuge (z.B. CPN Tools [Jensen, Kristensen 2009, S. 8 ff.]) bilden eine Alternative zu den mit einem prozessorientierten Modellierungsansatz ausgestatteten Simulationswerkzeugen. Die ihnen zugrunde liegenden Petri-Netze eignen sich insbesondere auch zur Berücksichtigung nebenläufiger Prozesse [Zelewski 2008, S. 26 ff.] im SCM, wie z.B. Monitoring-Prozesse, die unabhängig von Produktions- und Logistikprozessen ablaufen können.

Simulationswerkzeuge mit Funktionalitäten zur agentenbasierten Simulation

Die agentenbasierte Simulation (syn. Multiagentensimulation) [Ickerott 2007, S. 61 ff.] ist insbesondere durch die in entsprechenden Simulationsmodellen repräsentierten Multiagentensysteme gekennzeichnet. Im SCM können z.B. die einzelnen Glieder einer Supply Chain als interagierende Agenten aufgefasst werden. Exklusiv auf die agentenbasierte Simulation ausgerichtete Simulationswerkzeuge sind im Kontext des SCM (z.B. der Prototyp JASSi [Ickerott 2007, S. 129 ff.]) wie auch generell kaum vorhanden. Vielmehr sind mehrere der verfügbaren Simulationswerkzeuge zur diskreten Simulation zusätzlich mit Funktionalitäten zur agentenbasierten Simulation ausgestattet (z.B. die Simulationswerkzeuge AnyLogic, Extend, Simio und Simul8). Da Multiagentensysteme explizit auch mit Hilfe des Petri-Netz-Konzeptes modelliert werden, dienen auch die zugehörigen Simulationswerkzeuge zur agentenbasierten Simulation [Ahn, Lee 2004].

Literatur

Ahn, Hyung J.; Lee, Habin: An agent-based dynamic information network for supply chain management. In: BT Technology Journal 22, April 2004, 2, S. 18-27.

Banks, Jerry.; Carson, John L.; Nelson, Barry L.: Discrete-Event System Simulation. 2. Auflage. Englewood Cliffs, N.J. : Prentice-Hall 1996.

Fontanili, Franck; Castagna, Pierre; Yannou, Bernard: Software Tools for Simulation. In: Thierry, Caro-line; Thomas, André; Bel, Gérard (Hrsg.): Simulation for Supply Chain Management. London : ISTE, 2008, S. 295-337.

Ickerott, Ingmar: Agentenbasierte Simulation für das Supply Chain Management. Lohmar : Eul 2007.

Jensen, Kurt; Kristensen, Lars M.: Coloured Petri Nets: Modelling and Validation of Concurrent Systems. Dordrecht : Springer 2009.

Kuhn, Axel: Simulation logistischer Systeme. In: Arnold, Dieter; Isermann, Heinz; Kuhn, Axel; Tempelmeier, Horst; Furmans, Kai (Hrsg.): Handbuch Logistik. 3. Auflage. Berlin : Springer 2008, S. 73-94.

Law, Averill M.; Kelton, Walter D.: Simulation Modeling and Analysis. 3. Auflage. Boston : Mc Graw Hill 2000.

Liebl, Franz: Simulation. 2. Auflage. München : Oldenbourg 1995.

Thierry, Caroline; Thomas, André; Bel, Gérard: (Hrsg.): Simulation for Supply Chain Management. London : ISTE, 2008.

Zelewski, Stephan: Operatives Controlling von Produktionsprozessen mithilfe von zahlungsorientierten F-Produktionsfunktionen und PETRI-Netzen. In: Pütz, Markus; Böth, Thorsten; Arendt; Volker (Hrsg.): Controllingbeiträge im Spannungsfeld offener Problemstrukturen und betriebspolitischer Herausforderungen. Lohmar : Eul 2008, S. 17-54.