Evaluating the Potential Use of APS Systems for Production Scheduling

Abstract

Oppgaven går i dybden på Advanced Planning and Scheduling (APS) systemer knyttet mot produksjonsplanlegging. Forskningen er basert på et litteraturstudie og to case-studier. Målet med studien er å identifisere faktorer som bestemmer egnetheten av APS, og å presentere beslutningstakere med en oppsummering av vurderinger ved potensiell implementering av APS-systemer. De oppdagede fordelene inkluderer økt testfrihet, økt tilpasningsevne, forbedret oversikt, muligheten for optimalisert produksjon og økt effektivitet. Begrensninger har også blitt avdekket, inkludert sårbarhet vedrørende data, høy kostnad og behov for opplæring.

For å bidra til det eksisterende kunnskapsgrunnlaget om innføring av APS-systemer, har en kvantitativ egnethetsmodell blitt utviklet. Denne modellen fokuserer på å evaluere egnetheten av APS-systemer i forhold til to parametere: produksjonskompleksitet, som kjennetegner intrikate produktstrukturer med flere sammenkoblede elementer og relasjoner, og optimeringsstrategi, som angir den interne motivasjonen i et selskap for å implementere verktøy som sikter på å maksimere ytelse. Modellen er basert på teori som antyder en positiv sammenheng mellom høy kompleksitet og optimaliseringsstrategi knyttet til bruken av APS, støttet av generell APS-teori og teori omhandlende Job Shop Scheduling Problem (JSSP). Modellen fungerer som en veiledning for beslutningstakere i vurderingen av egnetheten til APS for deres virksomhet, og tar kun hensyn til produksjonskompleksitet og optimeringsstrategi.

Konklusjonen omhandler at et skifte fra konvensjonelle planleggingsmetoder til bruken av APS-systemer har potensial til å gi betydelige fordeler, inkludert effektivisering av operasjonene og kunnskapsoppbygging innen industrien. Selv om det kan oppstå implementeringsutfordringer, kan anvendt bruk av APS-systemer gi langsiktige fordeler. Dynamisk planlegging og god tilpasningsevne ble understreket som verdifulle bidrag. Fremtidig forskning kan fokusere på å studere ulike strategier og utvikle en omfattende egnethetsmodell som omfatter parametere som for eksempel produksjonskarakteristikker, økonomiske mål, ressurser eller bedriftstyper.

The thesis delves into Advanced Planning and Scheduling (APS) systems related to production scheduling. The research is based on a literature review and two case studies. The study’s goal is to pinpoint the factors that determine APS appropriateness and to present decision-makers with a summary of considerations for potential APS system adoption. The discovered benefits encompassed increased testing freedom, increased adaptability, enhanced visibility, the possibility for optimized production, and increased efficiency. However, limitations also emerged, including data vulnerability, expensiveness, and the requirement for training.

To contribute to the existing body of knowledge concerning the adoption of APS systems, a quantitative measurement model has been developed. This model focuses on evaluating the suitability of APS systems in relation to two parameters: manufacturing complexity, characterized by intricate product structures with multiple interconnected elements and relationships, and optimization strategy, which denotes the internal motivation within a company to implement tools aimed at maximizing performance. The model is grounded in the theory that suggests a positive fit between higher complexity and optimization strategy related to APS use, supported by generic APS theory, and theory surrounding the Job Shop Scheduling Problem (JSSP). The model serves as a guide for decision-makers in evaluating the appropriateness of APS for their business, only taking into account the complexity of manufacturing and optimization strategy.

Substituting conventional planning procedures with APS systems has the potential to bring significant benefits, including operational streamlining and knowledge acquisition within the industry. While implementation challenges may arise, diligent utilization can yield long-term benefits. Dynamic scheduling and customization capabilities were emphasized as valuable contributions. Future research could focus on studying different strategies and developing a comprehensive suitability measurement model encompassing parameters like e.g. manufacturing characteristics, economic aims, resources, or business types.