Factory Simulation: So testen Sie Änderungen, bevor Sie an die Linie gehen

Transparenzhinweis: M365.FM-Host Mirko Peters arbeitet bei der iFAKT GmbH. Diese Seite beschreibt das Unternehmen sachlich; bezahlte Partnerschaften und Links sind als Anzeige gekennzeichnet.

Von Mirko Peters · 2026-11-11

Mit einer Factory Simulation testen Produktionsleiter einen neuen Schichtplan, eine Maschine oder einen Puffer zuerst im Modell. Erfahren Sie, wann sich das lohnt, welche Daten Sie benötigen und wie Sie eine Simulation durchführen.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Eine Factory Simulation bedeutet, einen Teil Ihrer Anlage als Modell nachzubilden und am Computer laufen zu lassen. So sehen Sie, was eine Änderung bewirkt, bevor Sie sie an der Linie umsetzen. Dieser Artikel richtet sich an Produktionsleiter, die vor Entscheidungen wie einer zusätzlichen Schicht, einer neuen Maschine oder einem kleineren Puffer stehen und zuerst belastbare Ergebnisse wollen. Sie erfahren, welche Fragen eine Simulation beantworten kann, welche Daten sie benötigt, wie Sie eine Studie schrittweise durchführen und wie Sie die üblichen Fehler vermeiden.

Das Wichtigste in Kürze

• Eine Factory Simulation ist ein kontrolliertes Modell dafür, wie sich Arbeit durch einen Teil der Anlage bewegt. So lässt sich eine Änderung im Modell testen, bevor sie an der Linie umgesetzt wird.
• Die meisten Werkzeuge nutzen diskrete Ereignissimulation. Sie bildet zeitlich getaktete Ereignisse ab und berücksichtigt Zufälligkeiten wie Ausfälle, Rüstvorgänge und Nachfrageschwankungen.
• Den größten Nutzen bringt Simulation, wenn eine Entscheidung komplex, kostspielig oder schwer rückgängig zu machen ist, etwa bei einer neuen Maschine, einem neuen Layout oder einem neuen Schichtmodell.
• Ein Modell muss anhand bekannten Verhaltens validiert werden, zum Beispiel an der Ausbringung des letzten Monats, bevor man seinen Was-wäre-wenn-Ergebnissen vertraut.
• Beginnen Sie mit einer konkreten Geschäftsfrage und einem kleinen Umfang und verfeinern Sie das Modell, während Sie dazulernen.

Was können Sie mit einer Simulation testen?

Ein Überblick von Autodesk beschreibt die Factory Simulation als virtuelles Modell eines Fertigungssystems, mit dem sich das Verhalten der Produktion analysieren, testen und optimieren lässt. Modelle können eine Produktionslinie, Arbeitsplätze, Materialfluss und Puffer, Personal, Maschinen sowie Schwankungen wie Stillstände, Rüstvorgänge und Nachfrageschwankungen abdecken. Lesen Sie den Autodesk-Leitfaden zu den Grundlagen der Factory Simulation.

Derselbe Artikel nennt typische Einsatzzwecke:

• Planung einer neuen Linie oder Anlage
• Kapazitätsplanung und Durchsatzanalyse
• Auffinden des Engpasses und Reduzierung der Arbeit im Prozess
• Personal- und Schichtplanung einschließlich Ressourcenzuweisung
• Änderungen am Fabriklayout, Automatisierung und Erweiterung

Simulation hilft Ihnen, den Fertigungsprozess und den Auftragsfluss ohne Rätselraten zu analysieren. Der Überblick ergänzt, dass Simulation dann den größten Nutzen bringt, wenn Entscheidungen komplex, kostspielig oder schwer rückgängig zu machen sind. Das deckt sich mit der Erfahrung aus der Praxis. Eine Maschine zu versetzen, eine zweite anzuschaffen oder ein Schichtmodell zu ändern ist teuer zurückzudrehen. Ein Test im Modell ist dagegen günstig und ein risikofreier Weg, Engpässe zu erkennen und die Konfiguration zu optimieren. Gute Simulationssoftware für die Fertigung ermöglicht diese Was-wäre-wenn-Analysen in einer virtuellen Umgebung, von der Werksplanung bis zur täglichen Optimierung des Prozessflusses.

Eine Fabriksimulation ist ein kontrolliertes Modell, wie Arbeit einen Teil einer Fabrik durchläuft. Sie berücksichtigt aktuelle Betriebsregeln, Ressourcen, Aufträge und übliche Schwankungen, sodass Sie eine Änderung zuerst im Modell testen können. Entscheidend ist das Wort kontrolliert: Sie verändern jeweils nur eine Größe und vergleichen die Ergebnisse. Wird ein solches Modell mit aktuellen Daten aus der Produktion gespeist, nähert es sich einem digitalen Zwilling des Werks an. Für eine erste Untersuchung sind jedoch keine Live-Daten erforderlich.

Warum führen Durchschnittswerte in die Irre, und was ist eine ereignisdiskrete Simulation?

Eine Tabellenkalkulation arbeitet mit Durchschnittswerten, und Zykluszeiten sind darin einzelne Zahlen. Reale Linien funktionieren nicht so. Maschinen stehen still, Rüstvorgänge dauern an manchen Tagen länger, und Aufträge kommen in Schüben. Diese Effekte lassen Warteschlangen wachsen und die Ausbringung sinken, selbst wenn die durchschnittliche Kapazität ausreichend erscheint.

Die meisten Werkzeuge nutzen eine ereignisdiskrete Simulation. Laut derselben Übersicht bildet sie ein System als Abfolge zeitlich eingeordneter Ereignisse ab, etwa Teileankünfte, Prozessstarts und -abschlüsse sowie Störungen. Für die Fertigung eignet sie sich, weil sie Zufälligkeit und Schwankungen erfasst, Warteschlangen, Wartezeiten und Auslastung verfolgt und zeigt, wie Personal, Maschinen und Material zusammenwirken.

Die praktische Konsequenz: Simulieren Sie dieselbe Änderung mehrfach mit unterschiedlichen Zufallszahlen und betrachten Sie die Bandbreite der Ergebnisse statt einer einzigen Zahl. Eine Linie, die in einem Durchlauf ihr Ziel erreicht und im nächsten verfehlt, ist ein Risiko, auch wenn der Mittelwert gut aussieht.

Welche Daten braucht eine Simulation?

Sie benötigen genügend Daten, um zu beschreiben, wie die Linie tatsächlich arbeitet. Beginnen Sie mit dieser Liste:

1. Ablauf. Der Weg jedes Produkts durch die Stationen, die Reihenfolge der Schritte und die Puffer dazwischen.
2. Zeiten. Zykluszeiten, Rüst- und Umrüstzeiten sowie deren Streuung, nicht nur Durchschnittswerte.
3. Ressourcen. Maschinen, Personal, Werkzeuge und deren Schichtkalender.
4. Verluste. Häufigkeit und Dauer von Störungen, Ausschuss und Nacharbeit.
5. Bedarf. Auftragsgrößen, Liefertermine und Produktmix, zum Beispiel aus den letzten Monaten des Produktionsplans.
6. Regeln. Wie Aufträge ausgewählt werden, wie Lose gebildet werden und wie Personal zugewiesen wird.

Die Übersicht empfiehlt, realistische Daten zu verwenden, wo verfügbar, und sie mit der Zeit zu verfeinern. Warten Sie nicht auf perfekte Daten. Ein erstes Modell mit ehrlichen, als Schätzungen gekennzeichneten Annahmen ist besser als gar kein Modell. Notieren Sie aber, welche Eingaben schwach sind, denn sie begrenzen, wie weit Sie der Antwort vertrauen können.

Wie führen Sie eine Fabriksimulationsstudie durch?

Eine veröffentlichte Fallstudie zeigt die wichtigsten Schritte. Ein Beitrag der Winter Simulation Conference beschreibt eine ereignisdiskrete Untersuchung bei einem Hersteller von Haushaltsgeräten. Aufgabe war, die Geräte stromabwärts einer Montagelinie zu sortieren und die manuell betriebenen Klemmstapler einzuplanen. Das Team testete sieben Szenarien und stellte fest, dass eine Änderung der Abhollogik die benötigte Flotte in den besten Szenarien von acht auf fünf Fahrzeuge reduzierte. Siehe das Papier der Winter Simulation Conference. Betrachten Sie dies als ein Beispiel dafür, wie eine Studie aussehen kann, nicht als Benchmark für Ihr Werk.

Die folgenden Schritte folgen derselben Logik:

1. Formulieren Sie die Frage. Zum Beispiel: „Ermöglicht ein zweiter Bediener in der Endbearbeitung der Zelle, 130 Einheiten pro Tag zu erreichen?“ Eine klare Frage hält das Modell klein.
2. Definieren Sie Umfang und Kennzahlen. Welche Stationen, welche Produkte und welche Ausgabekennzahl: Durchsatz, Durchlaufzeit, Auslastung oder Warteschlangenlänge.
3. Sammeln Sie Daten. Nutzen Sie die obige Liste. Kennzeichnen Sie Schätzungen.
4. Bauen Sie das Modell. Beginnen Sie einfach und ergänzen Sie Details nur dort, wo sie die Antwort beeinflussen.
5. Verifizieren Sie. Prüfen Sie, ob das Modell tut, was Sie beabsichtigt haben. In dem Beitrag nutzte das Team Läufe ohne Zufallselemente, Läufe mit einzelnen Teilen und Animationsprüfungen.
6. Validieren Sie. Vergleichen Sie das Modell mit der Realität. In derselben Studie bildete das Modell die aktuelle Praxis des Kunden ab, und unter der Annahme ohne Störungen stimmte es mit der Tabellenschätzung des Teams überein. Die Übersicht empfiehlt ebenso, gegen bekanntes oder historisches Verhalten zu prüfen.
7. Experimentieren Sie. Führen Sie jedes Szenario mit einer Einschwingphase und mehreren Wiederholungen aus. Der Beitrag nutzte eine Einschwingphase von fünf Tagen, zwanzig Tage Daten und zwölf Wiederholungen pro Szenario.
8. Entscheiden und überprüfen. Wählen Sie die Option, setzen Sie die Änderung um und vergleichen Sie die realen Ergebnisse mit der Prognose. Nutzen Sie die Abweichung, um das Modell zu verbessern.

Beispiel: drei Optionen für eine Endmontagezelle

Dieses Beispiel verwendet angenommene Zahlen.

Eine Zelle hat zwei Bearbeitungsmaschinen, die jeweils 6 Minuten pro Einheit benötigen, und eine manuelle Endmontagestation, die von einem Mitarbeiter betrieben wird und 4 Minuten pro Einheit benötigt. Die Schicht hat 7,5 produktive Stunden. Die Planung benötigt 130 Einheiten pro Tag.

Kapazität pro Stunde:

• Bearbeitung: 2 Maschinen × 60 ÷ 6 = 20 Einheiten
• Endmontage: 60 ÷ 4 = 15 Einheiten

Die Endmontage ist der Engpass. Die Ausgangsleistung liegt bei 15 × 7,5 = 112,5 Einheiten pro Tag, also 17,5 Einheiten zu wenig.

Option A: ein zweiter Mitarbeiter in der Endmontage. Die Endmontage schafft dann 30 Einheiten pro Stunde, sodass die Bearbeitung mit 20 Einheiten pro Stunde die Grenze bildet. Ergebnis: 20 × 7,5 = 150 Einheiten.

Option B: eine dritte Bearbeitungsmaschine. Die Bearbeitung schafft dann 30 Einheiten pro Stunde, die Endmontage bleibt aber bei 15. Ergebnis: 112,5 Einheiten. Kein Gewinn, weil die Maschine an der falschen Stelle ergänzt wird. Ein Modell wie dieses hilft, Kosten zu senken, weil Sie die falsche Investition vermeiden, und es hilft, die Effizienz dort zu verbessern, wo es darauf ankommt.

Option C: 1,5 Stunden Überstunden. Ergebnis: 15 × 9 = 135 Einheiten. Auf dem Papier gerade ausreichend.

Jetzt kommt die Schwankung hinzu. Angenommen, Stillstände, Rüstvorgänge und Wartezeiten senken die reale Leistung pauschal um 10 Prozent. Option A ergibt 150 × 0,9 = 135 Einheiten und erfüllt die Nachfrage weiterhin. Option C ergibt 135 × 0,9 = 121,5 Einheiten und verfehlt das Ziel. Eine Simulation ersetzt diese pauschalen 10 Prozent durch die reale Verteilung der Ereignisse. So sehen Sie zusätzlich, wie oft jede Option das Ziel verfehlt. Der Sinn des Beispiels liegt in der Reihenfolge der Arbeitsschritte: Zuerst den Engpass finden, dann die Optionen daran testen und einen Puffer für Schwankungen einplanen.

Häufige Fehler

• Ohne konkrete Frage starten. Ein Modell, das alles beantworten soll, beantwortet nichts gut.
• Zu viele Details modellieren. Details kosten Zeit und Daten. Fügen Sie nur dort Details hinzu, wo sie die Entscheidung verändern.
• Validierung auslassen. Wenn das Modell den letzten Monat nicht nachbilden kann, verwenden Sie es nicht, um den nächsten Monat vorherzusagen.
• Nur mit Durchschnittswerten arbeiten. Schwankungen erzeugen Warteschlangen. Berücksichtigen Sie Stillstände, Rüstvorgänge und Nachfrageschwankungen.
• Nur einen Durchlauf ausführen. Ein Lauf ist ein einzelnes zufälliges Ergebnis. Führen Sie mehrere Durchläufe aus und betrachten Sie die Bandbreite.
• Das Ergebnis als Zusage behandeln. Eine Simulation unterstützt eine Entscheidung. Sie ersetzt weder Urteilsvermögen noch einen Test in der Produktion.
• Die Menschen an der Linie außen vor lassen. Mitarbeiter kennen die Ausnahmen, die in den Daten nicht sichtbar sind.

Wie Software helfen kann

Manche Anbieter nennen ein solches Modell eine digitale Fabrik. Simulationssoftware ermöglicht es, diese Modelle ohne Programmierung zu erstellen und auszuführen, was eine datenbasierte Entscheidung unterstützt. iFAKT's Polaris Simulator ist ein Modul von iFAKT Polaris, das das Produktionssystem virtuell testet, etwa Kapazitäts-, Personal- und Puffer-Szenarien, und Engpässe aufdeckt, bevor Änderungen vorgenommen werden. Wenn Sie Werkzeuge vergleichen, fragen Sie, woher das Modell seine Daten bezieht, wie einfach sich das Modell validieren lässt und ob Nicht-Spezialisten die Ergebnisse lesen können. Ein Modell, das nur ein Experte versteht, übersteht selten den Alltag.

Nächster Schritt

Wählen Sie eine Änderung, die Sie erwägen, etwa ein neues Schichtmodell oder eine Maschine, und formulieren Sie für eine erste Fabriksimulation die Frage und die Ausgabegröße. Erheben Sie anschließend die Taktzeiten und Verlustdaten für diesen Bereich und validieren Sie ein einfaches Modell anhand des letzten Monats, bevor Sie die Änderung testen.