Projektplanung: Modelle, Methoden, Management (Springer-Lehrbuch)

Springer-Lehrbuch Jçrgen Zimmermann Christoph Stark Julia Rieck Projektplanung Modelle, Methoden, Management Mit 192...

Author: Jürgen Zimmermann | Christoph Stark | Julia Rieck

58 downloads 1254 Views 2MB Size Report

This content was uploaded by our users and we assume good faith they have the permission to share this book. If you own the copyright to this book and it is wrongfully on our website, we offer a simple DMCA procedure to remove your content from our site. Start by pressing the button below!
Report copyright / DMCA form

DOWNLOAD PDF

Springer-Lehrbuch

Jçrgen Zimmermann Christoph Stark Julia Rieck

Projektplanung Modelle, Methoden, Management

Mit 192 Abbildungen und 80 Tabellen

12

Professor Dr. Jçrgen Zimmermann Dipl.-Kfm. Christoph Stark Dipl.-Wirt.-Math. Julia Rieck Technische Universitåt Clausthal Institut fçr Wirtschaftswissenschaft Julius-Albert-Straûe 2 38678 Clausthal-Zellerfeld [email protected] [email protected] [email protected]

ISBN-10 ISBN-13

3-540-28413-3 Springer Berlin Heidelberg New York 978-3-540-28413-0 Springer Berlin Heidelberg New York

Bibliografische Information Der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet çber abrufbar. Dieses Werk ist urheberrechtlich geschçtzt. Die dadurch begrçndeten Rechte, insbesondere die der Ûbersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfåltigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfåltigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zulåssig. Sie ist grundsåtzlich vergçtungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Springer ist ein Unternehmen von Springer Science+Business Media springer.de ° Springer-Verlag Berlin Heidelberg 2006 Printed in Germany Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wåren und daher von jedermann benutzt werden dçrften. Umschlaggestaltung: Design & Production, Heidelberg SPIN 11535683

42/3153-5 4 3 2 1 0 ± Gedruckt auf såurefreiem Papier

Vorwort

Das vorliegende Lehrbuch ist aus Vorlesungen zum Projektmanagement und zur Projektplanung f¨ ur Studierende der Betriebswirtschaftslehre, des Wirtschaftsingenieurwesens sowie der Wirtschaftsinformatik und -mathematik an der Technischen Universit¨ at Clausthal sowie der Universität Karlsruhe (TH) entstanden. Seit Jahrzehnten spielen das Projektmanagement und die Projektplanung eine wichtige Rolle bei der Aufgabenabwicklung in Wirtschaft und Verwaltung. Unter einem Projekt versteht man dabei ein einmaliges Vorhaben, das in Teilprojekte und Vorg¨ ange zerlegt werden kann. Zwischen den Vorg¨ angen eines Projektes sind Zeitbeziehungen gegeben, die die Reihenfolge, in der die Vorg¨ ange ausgef¨ uhrt werden, spezifizieren. F¨ ur die Ausf¨ uhrung eines Vorgangs werden im Allgemeinen Zeit und Ressourcen benötigt, und die Durchf¨ uhrung eines Projektes ist daher i.d.R. mit Kosten verbunden. Als Projektmanagement bezeichnet man die Gesamtheit aller Planungs-, Steuerungs-, ¨ Koordinierungs- und Uberwachungsaufgaben zur sach-, termin- und kostengerechten Realisierung von Projekten. Besondere Bedeutung kommt hierbei der Projektplanung zu, deren Aufgabe es ist, allen Vorgängen eines Projektes einen Startzeitpunkt zuzuweisen, so dass die Zeitbeziehungen zwischen den Vorg¨ angen eingehalten und knappe Ressourcenkapazitäten nicht u ¨berschritten werden. Dabei verfolgt ein Projektverantwortlicher ein bestimmtes Ziel, wie z.B. die Minimierung der Projektdauer, die Maximierung des aus der Projektdurchf¨ uhrung resultierenden Kapitalwertes oder die gleichmäßige Auslastung der zugrunde liegenden Ressourcen. Schon seit den 50er Jahren existieren zahlreiche Modelle und Methoden, die einen Entscheidungstr¨ ager bei der Projektplanung unterst¨ utzen. Auf dem Gebiet der Projektplanung unter Zeit- und Ressourcenrestriktionen wurden in den vergangenen 15 Jahren jedoch enorme Fortschritte gemacht, die die effiziente Planung großer, praxisrelevanter Projekte ermöglichen. Die Ergebnisse dieser Forschungsbem¨ uhungen wurden in Form zahlreicher Fachb¨ ucher und Artikel publiziert, die sich aber vor allem an ein Fachpublikum wenden und in f¨ ur Studierende und Praktiker geeigneten Lehrb¨ uchern so gut wie nicht auf-

VI

Vorwort

gegriffen wurden. Genau diese L¨ ucke wollen wir mit dem vorliegenden Buch schließen. Unser Ziel war es, ein einf¨ uhrendes Lehrbuch zu schreiben, das sich an mathematisch vorgebildete, die Projektplanung betreffend aber unbedarfte Leser ¨ wendet und einen fundierten Uberblick u ¨ber die wichtigsten aktuellen Modelle und Methoden der Projektplanung gibt. Im Vordergrund steht nicht die Darstellung der neuesten Forschungsergebnisse, sondern eine didaktisch g¨ unstige Aufbereitung grundlegender und aktueller quantitativer Modelle und Methoden. Wichtig war uns ferner, dass der behandelte Stoff auch in einer f¨ ur das Selbststudium geeigneten Form dargestellt wird, so dass zahlreiche Beispiele und Abbildungen die mathematischen und algorithmischen Beschreibungen erg¨ anzen. F¨ ur die kritische Durchsicht des Manuskripts und zahlreiche Verbesserungsvorschl¨ age sind wir insbesondere Herrn Prof. Dr. Klaus Neumann, Herrn Dipl.-Math. Claas Hemig, Herrn Dipl.-Wirt.-Ing. Jan-Hendrik Bartels und Frau Dipl.-Math. Andrea Zimmermann zu Dank verpflichtet. Herrn Prof. Dr. Christoph Schwindt danken wir f¨ ur viele inhaltliche Anregungen und fruchtbare Diskussionen. F¨ ur seine wertvolle Unterst¨ utzung bei der Vorbereitung des 5. Kapitels danken wir ferner Herrn cand. Inf. Gernot Kuhns. Fehler, die das vorliegende Buch trotz der umfangreichen Unterst¨ utzung, die wir erfahren durften, noch enth¨ alt, haben allerdings ausschließlich die Autoren zu verantworten. Unserer besonderer Dank gilt ferner den Mitarbeitern des Springer Verlages, insbesondere Herrn Dr. Werner M¨ uller f¨ ur die Aufnahme dieses Buches in die Reihe der Springer-Lehrb¨ ucher und Frau Ruth Milewski sowie Herrn Frank Holzwarth f¨ ur ihre tatkr¨ aftige Unterst¨ utzung bei der Gestaltung des Manuskripts und der Erzeugung einer ansprechenden Druckvorlage. Lautenthal, August 2005 dummy

J¨ urgen Zimmermann Christoph Stark Julia Rieck

Inhaltsverzeichnis

Symbolverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IX 1

Projektmanagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1 Grundlagen des Projektmanagements . . . . . . . . . . . . . . . . . . . . . . 1 1.1.1 Begriffe und Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.2 Phasenmodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Projektkonzeption . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.2.1 Projektauftrag . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.2.2 Machbarkeitsstudie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.2.3 Aufwandssch¨ atzung und Wirtschaftlichkeitsanalyse . . . . 13 1.2.4 Risikoanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.2.5 Projektselektion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 1.3 Projektspezifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 1.3.1 Aufbauorganisation von Projekten . . . . . . . . . . . . . . . . . . . 30 1.3.2 Ablauforganisation von Projekten . . . . . . . . . . . . . . . . . . . 32 1.3.3 Projektziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 1.4 Projektplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 1.4.1 Strukturanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 1.4.2 Zeit-, Ressourcen- und Kostenanalyse . . . . . . . . . . . . . . . . 45 1.4.3 Metra-Potential-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 1.4.4 Weitere Netzplantechniken . . . . . . . . . . . . . . . . . . . . . . . . . . 73 1.4.5 Terminierung der Vorg¨ ange . . . . . . . . . . . . . . . . . . . . . . . . . 105 1.5 Projektrealisation und -abschluss . . . . . . . . . . . . . . . . . . . . . . . . . . 106 1.5.1 Projekt¨ uberwachung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 1.5.2 Projektr¨ uckschau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

2

Projektplanung unter Zeitrestriktionen . . . . . . . . . . . . . . . . . . . . 115 2.1 Problemformulierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 2.1.1 Zielfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 2.1.2 Lineare Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 2.1.3 Zeitindexbasierte Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . 129 2.1.4 Zeitzul¨ assiger Bereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 2.1.5 Zielfunktionen und ausgezeichnete Punkte . . . . . . . . . . . . 138 2.2 Exakte L¨ osungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 2.2.1 Minimierung der Projektdauer . . . . . . . . . . . . . . . . . . . . . . 146

VIII

Inhaltsverzeichnis

2.2.2 Minimierung der Summe gewichteter Startzeitpunkte . . 147 2.2.3 Maximierung des Kapitalwertes . . . . . . . . . . . . . . . . . . . . . 153 2.2.4 Ressourceninvestment-, Ressourcenabweichungs- und Ressourcennivellierungsprobleme . . . . . . . . . . . . . . . . . . . . 163 2.3 Heuristisches L¨ osungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 2.4 Kundenauftragsfertigung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 3

Projektplanung unter Zeit- und Ressourcenrestriktionen . . . 197 3.1 Problemformulierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198 3.1.1 Zeitindexbasierte Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . 201 3.1.2 Zul¨ assiger Bereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 3.1.3 Zielfunktionen und ausgezeichnete Punkte . . . . . . . . . . . . 206 3.2 Exaktes L¨ osungsverfahren f¨ ur die Minimierung der Projektdauer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 3.2.1 Relaxationsbasiertes Enumerationsschema . . . . . . . . . . . . 209 3.2.2 Preprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 3.2.3 Untere Schranken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 3.2.4 Auslotregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 3.2.5 Branch-and-Bound-Verfahren . . . . . . . . . . . . . . . . . . . . . . . 233 3.3 Exakte L¨ osungsverfahren f¨ ur weitere Zielfunktionen . . . . . . . . . . 238 3.3.1 Relaxationsbasierter Enumerationsansatz . . . . . . . . . . . . . 238 3.3.2 Ger¨ ustbasierter Enumerationsansatz . . . . . . . . . . . . . . . . . 243 3.4 Heuristische L¨ osungsverfahren f¨ ur die Minimierung der Projektdauer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248 3.5 Heuristisches L¨ osungsverfahren f¨ ur weitere Zielfunktionen . . . . 255 3.6 Fabrikabholung von Neuwagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263

4

Kostenplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267 4.1 Time-Cost-Tradeoff f¨ ur Netzpl¨ ane mit Vorrangbeziehungen . . . 270 4.1.1 Bestimmung maximaler Fl¨ usse . . . . . . . . . . . . . . . . . . . . . . 276 4.1.2 Algorithmus von Kelley . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281 4.2 Time-Cost-Tradeoff f¨ ur Netzpl¨ ane mit allgemeinen Zeitbeziehungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296

5

Softwaresysteme f¨ ur die Projektplanung . . . . . . . . . . . . . . . . . . . 301 5.1 Softwareprodukte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 5.1.1 Microsoft Project 2003 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303 5.1.2 CS Project Professional 3.0 . . . . . . . . . . . . . . . . . . . . . . . . . 304 5.1.3 Primavera Project Management . . . . . . . . . . . . . . . . . . . . . 305 5.2 Testumgebung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306 5.3 Testergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308

Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319

Symbolverzeichnis

Verschiedenes ∅ |A| A∪B A∩B A⊆B A\B O R Rm R≥0 z

(z)+ Z Z≥0 Netzpl¨ ane d¯ δij E ei e¯i i, j G = VG , EG n N = V, E; δ pi

Leere Menge Elementanzahl der endlichen Menge A Vereingungsmenge der Mengen A und B Schnittmenge der Mengen A und B A ist Teilmenge von B Menge A ohne die Elemente aus B Landausches Symbol, f¨ ur f, g : N → R≥0 ist g ∈ O(f ), falls eine Konstante c > 0 und eine positive ganze Zahl ur alle n ≥ n0 n0 existieren, so dass g(n) ≤ cf (n) f¨ Menge der reellen Zahlen Menge der m–Tupel reeller Zahlen Menge der nichtnegativen reellen Zahlen Kleinste ganzzahlige Zahl größer oder gleich z Maximum von 0 und z Menge der ganzen Zahlen Menge der nichtnegativen ganzen Zahlen

Vorgegebene maximale Projektdauer Bewertung des Pfeils i, j Pfeilmenge Startereignis von Vorgang i Endereignis von Vorgang i Pfeil mit Anfangsknoten i und Endknoten j (Teil-)Ger¨ ust mit Knotenmenge VG und Pfeilmenge EG Anzahl der realen Vorg¨ ange eines Projektes Netzplan mit Knotenmenge V , Pfeilmenge E und Pfeilbewertungen δ Dauer des Vorgangs i

X

Symbolverzeichnis

Pred (i) Succ(i) Tijmax Tijmin V Zeitplanung Ci dij EC i EFF i ES i EZ e LC i LFF i LS i LZ e Si S SC TF i Ze Wi Wi xit

Zielfunktionen α βt cE i cF i cTi cP k cD k di (E + T ) f (S) (MFT )

Menge der unmittelbaren Vorgänger von Vorgang i Menge der unmittelbaren Nachfolger von Vorgang i Zeitlicher H¨ ochstabstand zwischen den Startzeitpunkten der Vorg¨ ange i und j Zeitlicher Mindestabstand zwischen den Startzeitpunkten der Vorg¨ ange i und j Knotenmenge

Endzeitpunkt des Vorgangs i L¨ ange eines l¨ angsten Weges von Knoten i zu Knoten j im Netzplan N Fr¨ uhester Endzeitpunkt des Vorgangs i Freie Pufferzeit des Vorgangs i Fr¨ uhester Startzeitpunkt des Vorgangs i Fr¨ uhester Eintrittszeitpunkt des Ereignisses e Sp¨ atester Endzeitpunkt des Vorgangs i Freie R¨ uckw¨ artspufferzeit des Vorgangs i Sp¨ atester Startzeitpunkt des Vorgangs i Sp¨ atester Eintrittszeitpunkt des Ereignisses e Startzeitpunkt des Vorgangs i Schedule (Vektor von Startzeitpunkten) Teilschedule (Vektor von Startzeitpunkten der Vorgänge i ∈ C) Gesamte Pufferzeit des Vorgangs i Eintrittszeitpunkt des Ereignisses e Zeitfenster, in dem Vorgang i starten kann Menge der diskreten Startzeitpunkte von Vorgang i Bin¨ arvariable: 1, wenn Vorgang i zum Zeitpunkt t startet; 0, sonst

Zinssatz Diskontfaktor f¨ ur Periode t Verfr¨ uhungskosten des Vorgangs i Mit der Ausf¨ uhrung von Vorgang i verbundene, auf den Zeitpunkt Si diskontierte Zahlung Versp¨ atungskosten des Vorgangs i Beschaffungskosten f¨ ur Ressource k ¨ Uberschreitungskosten f¨ ur Ressource k F¨ alligkeitstermin von Vorgang i ∈ V Zielfunktion des Earliness-Tardiness-Problems Zielfunktionswert von Schedule S Zielfunktion f¨ ur die Minimierung der mittleren Durchlaufzeit

Symbolverzeichnis

(NPV ) (PD) (RD) (RI ) (RL) wi (WST ) Yk Ressourcen rik rk (S, t) rkb (S, t) R Rk

XI

Zielfunktion des Kapitalwertmaximierungsproblems Zielfunktion des Projektdauerminimierungsproblems Zielfunktion des Ressourcenabweichungsproblems Zielfunktion des Ressourceninvestmentproblems Zielfunktion des Ressourcennivellierungsproblems Reellwertiger Gewichtungsfaktor von Vorgang i Zielfunktion der Minimierung der Summe gewichteter Startzeitpunkte Ressourcenniveau f¨ ur Ressource k ∈ R

Ressourcenbedarf von Vorgang i an Ressource k Menge an Ressource k, die zum Zeitpunkt t zur Ausf¨ uhrung der Vorg¨ ange i ∈ A(S, t) benötigt wird Menge an Ressource k, die zum Zeitpunkt t zur Ausf¨ uhrung der Vorg¨ ange i ∈ Ab (S, t) benötigt wird Menge der erneuerbaren Ressouren Kapazit¨ at der erneuerbaren Ressource k

Relationen und strenge Ordnungen N (O) Ordnungsnetzplan der strengen Ordnung O O, ≺ Strenge Ordnungen auf der Knotenmenge V Ordnungspolytop der strengen Ordnung O ST (O) Schedulepolytop des Schedules S ST (O(S)) Isoordnungsmenge des Schedules S ST= (O(S)) tr() Transitive H¨ ulle der Relation L¨ osungsverfahren f¨ ur die Zeit- und Ressourcenplanung A(S, t) Menge der zum Zeitpunkt t in Ausf¨ uhrung befindlichen Vorg¨ ange f¨ ur gegebenen Schedule S Menge der zum Zeitpunkt t in Ausf¨ uhrung befindlichen Ab (S, t) Vorg¨ ange f¨ ur gegebenen Schedule S und unter Ber¨ ucksichtigung teilfixierter Vorgänge A Menge aller Verz¨ ogerungsalternativen A Verz¨ ogerungsalternative Minimale Verz¨ ogerungsalternative Amin C Menge der eingeplanten Vorgänge C Menge der noch nicht eingeplanten Vorgänge CT (S) Menge aller Vorg¨ ange, zu denen gemäß S mindestens ein Vorgang endet Menge der bzgl. ST zul¨ assigen Entscheidungszeitpunkte Dj (S C ) von Vorgang j bei gegebenem Teilschedule S C j (S C ) D Menge der bzgl. S zul¨ assigen Entscheidungszeitpunkte von Vorgang j bei gegebenem Teilschedule S C

XII

Symbolverzeichnis

ES i (S C ) E fa fb F (i, Amin ) LB , LB0 , LBA, LBD, LBR, LBW LS i (S C ) S ST R(S C , j, t) S+ ST (S) UB U ⊆C Wi (S C )

Kostenplanung ai aK i aK ci (pi ) C(p) d¯min d¯n δK K K− K+ pmax i pmin i pni

Planungsabh¨ angiger fr¨ uhester Startzeitpunkt von Vorgang i Menge der einplanbaren Vorgänge Erweiterungskostenfunktion Erweiterungskostenfunktion unter Ber¨ ucksichtigung teilfixierter Vorg¨ ange Verbotene Menge Minimaler Verz¨ ogerungsmodus mit schiebendem Vorgang i Untere Schranken f¨ ur den optimalen Zielfunktionswert Planungsabh¨ angiger sp¨ atester Startzeitpunkt von Vorgang i Zul¨ assiger Bereich eines Projektplanungsproblems Zeitzul¨ assiger Bereich eines Projektplanungsproblems Ressourcen¨ uberschreitung, die durch die Einplanung von Vorgang j zum Zeitpunkt t verursacht wird Minimalstelle einer Funktion f Menge aller Vorg¨ ange, zu denen gemäß S mindestens ein Vorgang startet Obere Schranke f¨ ur den optimalen Zielfunktionswert Menge der auszuplanenden Vorgänge Planungsabh¨ angiges Einplanungszeitfenster von Vorgang i

Zusatzkosten, die f¨ ur die Beschleunigung des Vorgangs i um eine Zeiteinheit anfallen Aus der Verk¨ urzung bzw. Verlängerung eines Vorgangs i ∈ K resultierende Kosten pro Zeiteinheit Kostenfaktor der Verk¨ urzungsmenge K Kostenfunktion des Vorgangs i in Abhängigkeit von der Vorgangsdauer pi Zielfunktion des Time-Cost-Tradeoff-Problems K¨ urzestm¨ ogliche Projektdauer bei Wahl der Vorgangsf¨ ur alle Vorgänge i des Projektes dauern pmin i K¨ urzestm¨ ogliche Projektdauer, bei Wahl der Vorgangsur alle Vorg¨ ange i des Projektes dauern pni f¨ Verk¨ urzungsfaktor der Verk¨ urzungsmenge K Verk¨ urzungsmenge Menge der zu verk¨ urzenden Vorgänge, K − ⊆ K Menge der zu verl¨ angernden Vorgänge, K + = K \ K − Obere Schranke f¨ ur die Vorgangsdauer pi Untere Schranke f¨ ur die Vorgangsdauer pi Kostenminimale Vorgangsdauer pi

1 Projektmanagement

Als Fachdisziplin, aber auch als Aufgabenbereich in Unternehmen erfährt das Projektmanagement zunehmend an Bedeutung. In vielen Branchen ist durch den Restrukturierungsprozess der letzten Jahre Projektarbeit zur vorherrschenden Arbeitsform geworden. Dieser Prozess wird noch durch den immer k¨ urzer werdenden Lebenszyklus von Produkten und den immer schnelleren technologischen Wandel der Umwelt- und Wettbewerbsbedingungen beschleunigt. F¨ ur die erfolgreiche Durchf¨ uhrung eines Projektes ist ein systematisches und methodengest¨ utztes Vorgehen notwendig. In diesem Kapitel beschäftigen wir uns nach der Erl¨ auterung einiger grundlegender Begriffe und Konzepte in Abschnitt 1.1 mit den einzelnen Schritten, die notwendig sind, um ein Projekt erfolgreich zum Abschluss zu bringen. Dabei orientieren wir uns aus didaktischen Gr¨ unden an einer Darstellung, die sich an den generischen Lebenszyklus eines Projektes anlehnt. Zun¨ achst gehen wir in Abschnitt 1.2 ¨ auf wesentliche Uberlegungen ein, die der verbindlichen Entscheidung u ¨ber die Durchf¨ uhrung eines Projektes vorausgehen. In Abschnitt 1.3 werden dann die Aufbau- und die Ablauforganisation von Projekten sowie die Identifikation von Projektzielen thematisiert, die im Anschluss an die Entscheidung u uhrung eines Projektes von besonderer Bedeutung sind. Einen ¨ber die Durchf¨ Schwerpunkt unserer Ausf¨ uhrungen bilden so genannte Netzplantechniken als Methoden zur konkreten Planung von Projekten im Sinne einer gedanklichen Vorwegnahme zuk¨ unftiger Handlungen (vgl. Abschnitt 1.4). Im Anschluss an die Projektplanung besch¨ aftigen wir uns in Abschnitt 1.5 mit den wesentlichen Managementaufgaben bei der Realisierung und dem Abschluss von Projekten.

1.1 Grundlagen des Projektmanagements Wir stellen nun einige Grundlagen des Projektmanagements vor. In Abschnitt 1.1.1 definieren und erl¨ autern wir unter anderem die Begrifflichkeiten Projekt und Projektmanagement, die umgangssprachlich zwar häufig verwendet werden, deren pr¨ azise Festlegung jedoch unerwartete Schwierigkeiten bereitet. In

2

1 Projektmanagement

Abschnitt 1.1.2 gehen wir auf die einzelnen Phasen ein, die ein Projekt von seiner Initiierung bis zu seiner Abwicklung durchläuft. 1.1.1 Begriffe und Aufgaben Der Begriff Projekt wird als Plan, Vorhaben oder Absicht umschrieben und entstammt dem lateinischen Begriff proiectum“, der mit nach vorne gewor” ” fen“ u ¨bersetzt werden kann. Nach DIN 69 901 ist ein Projekt definiert als Vorhaben, das im Wesentlichen durch Einmaligkeit der Bedingungen ” in ihrer Gesamtheit gekennzeichnet ist, wie z.B. • Zielvorgabe • zeitliche, finanzielle, personelle oder andere Begrenzungen • Abgrenzung gegen¨ uber anderen Vorhaben • projektspezifische Organisation“. In der Literatur finden sich eine Reihe weiterer Definitionen und Charakteristika eines Projektes. Allen Definitionen ist gemein, dass ein Projekt als ein Vorhaben beschrieben wird, welches zur Erreichung bestimmter Ziele in einem vorgegebenen Zeitraum durchgef¨ uhrt werden soll und zu dessen Durchf¨ uhrung eine Menge knapper Ressourcen benötigt wird. Gegenstand eines Projektes ist z.B. die Entwicklung eines neuen Produktes, der Bau eines Flughafens, die Entwicklung und Einf¨ uhrung einer Software, die Erstellung eines Jahresabschlusses oder die Montage einer Anlage. Es lassen sich also viele heterogene Vorhaben unter dem Begriff Projekt subsumieren. Gemeinsam ist allen Projekten, dass sie einmalige Vorhaben darstellen, d.h. ein Projekt besitzt immer mindestens eine Eigenschaft, die es von anderen Projekten unterscheidet. Da Projekte i.d.R. nicht standardisierbar sind und sich häufig durch eine ausgepr¨ agte interdisziplin¨ are und interorganisationale Zusammenarbeit der Projektbeteiligten auszeichnen, handelt es sich meist um besonders komplexe Vorhaben. Projekte sind daher h¨ aufig mit einem erhöhten Risiko in technischer, wirtschaftlicher oder terminlicher Hinsicht verbunden und f¨ ur die beteiligten Unternehmen von großer Bedeutung. Da Projekte ganz unterschiedlicher Natur sein können, erläutern wir zun¨ achst zwei Klassifizierungsschemata zur Einordnung von Projekten. Einige der in den folgenden Abschnitten behandelten Projektmanagementmethoden eignen sich f¨ ur gewisse Projekttypen besser als f¨ ur andere, so dass nachfolgend ausgew¨ ahlte Merkmale der einzelnen Projekttypen dargestellt werden. Man kann Projekte zun¨ achst danach unterscheiden, ob ihr Auftraggeber unternehmensintern oder -extern ist. Interne Projekte, wie z.B. die Optimierung von Produktionsprozessen, werden u ¨blicherweise vom oberen Management in Auftrag gegeben. Bei externen Projekten ist das Projektergebnis eine Marktleistung und der Auftraggeber ist ein Kunde. Ein typisches externes Projekt ist die Entwicklung einer maßgeschneiderten Software durch ein Softwareunternehmen aufgrund eines Kundenauftrages. Externe Projekte zeichnen sich u.a. dadurch aus, dass die durch das Projekt zu erbringende Leistung

1.1 Grundlagen des Projektmanagements

3

in Form eines Pflichtenheftes meist konkret spezifiziert ist, während der Konkretisierungsgrad bei internen Projekten sehr unterschiedlich sein kann. Bei internen Projekten ist der Projektauftrag grundsätzlich veränderbar und eine Intervention jederzeit m¨ oglich, wenn die Notwendigkeit dazu besteht. Bei externen Projekten hingegen sind Interventionsmöglichkeiten i.d.R. vertraglich geregelt und nachtr¨ agliche Ver¨ anderungen des Projektauftrages bed¨ urfen der Zustimmung aller Projektpartner. Letztlich besteht bei externen Projekten eine Gew¨ ahrleistungspflicht mit juristischer Relevanz, was f¨ ur interne Projekte oft nicht der Fall ist. Projekte sind zwar als einmalige Vorhaben gekennzeichnet, dennoch kön¨ nen sie Ahnlichkeit mit anderen Projekten bzw. Wiederholungscharakter haben. Entsprechend kann zwischen einmalig durchzuf¨ uhrenden Projekten und Routineprojekten unterschieden werden. Einmalig durchzuf¨ uhrende Projekte sind bspw. Reorganisationsprojekte, Strategieimplementierungen oder Forschungs- und Entwicklungsprojekte. Sie zeichnen sich durch einen hohen Innovationsgrad aus und sind meist mit großen Unsicherheiten belastet, die z.B. die Identifikation m¨ oglicher Risiken bei der Projektdurchf¨ uhrung oder die Sch¨ atzung der mit dem Projekt verbundenen Kosten erschweren. Routineprojekte zeichnen sich dadurch aus, dass die Gesamtheit der Rahmenbedingungen zwar nicht identisch, aber sehr ¨ ahnlich zu den Rahmenbedingungen vergangener Projekte ist. So ist f¨ ur ein Unternehmen der Softwarebranche die Einf¨ uhrung einer Software bei einem Kunden mit Sicherheit ein Routineprojekt (aus Sicht des Kunden mag das nat¨ urlich ganz anders sein). Routineprojekte haben den großen Vorteil, dass bei ihrer Durchf¨ uhrung i.d.R. auf Erfahrungswerte aus vergangenen Projekten zur¨ uckgegriffen werden kann. Typische Beispiele f¨ ur Routineprojekte sind im Anlagen-, Schiffs- und Hochbau zu finden. Der Begriff Projektmanagement hat grundsätzlich zweierlei Bedeutung. Aus organisationaler bzw. institutioneller Sicht bezeichnet man als Projektmanagement die Organisationseinheit bzw. Institution, von der die zur Projektdurchf¨ uhrung notwendigen F¨ uhrungsaufgaben u ¨bernommen werden (vgl. hierzu auch Abschnitt 1.3.1). Andererseits versteht man unter Projektmanagement die Gesamtheit aller Planungs-, Steuerungs-, Koordinierungs- und ¨ Uberwachungsaufgaben zur sach-, termin- und kostengerechten Realisierung von Projekten sowie die hierf¨ ur ben¨ otigten Konzepte und Methoden. Aufgabe der Projektplanung ist die Vorbereitung der Projektdurchf¨ uhrung im Sinne einer gedanklichen Vorwegnahme zuk¨ unftiger Handlungen. Steuerung und Koordinierung dienen der zielorientierten und reibungslosen Realisierung des geplanten Projektes. Da es bei der Umsetzung einer Planung jedoch regelmäßig zu Planabweichungen kommt, ist es Aufgabe der Projekt¨ uberwachung, diese Abweichungen zu identifizieren und geeignete Gegenmaßnahmen einzuleiten. Zur Unterst¨ utzung dieser zentralen Aufgaben des Projektmanagements existieren eine Reihe von Konzepten und Verfahren, auf die wir im vorliegenden Kapitel eingehen werden.

4

1 Projektmanagement

F¨ ur die Planung von Projekten ist ein Projekt ferner in seine Strukturelemente zu zerlegen. Um das Verst¨ andnis der folgenden Ausf¨ uhrungen zu erleichtern, schicken wir eine kurze Erl¨ auterung der wichtigsten Strukturelemente eines Projektes, n¨ amlich der Vorg¨ ange, Ereignisse und Zeitbeziehungen, voraus. Ein Vorgang (Arbeitsgang, Aktivität) ist ein zeiterforderndes Geschehen, dessen Durchf¨ uhrung i.d.R. Ressourcen beansprucht und Kosten verursacht. Ein Ereignis bezeichnet einen Zeitpunkt, der das Eintreten eines ausgezeichneten Projektzustands repr¨ asentiert. Der zeitliche Ablauf eines Projektes wird durch eine bestimmte Reihenfolge der zugehörigen Vorgänge und Ereignisse beschrieben. Eine solche Reihenfolge wird durch Zeitbeziehungen zwischen zwei Vorg¨ angen bzw. Ereignissen impliziert. In Abschnitt 1.4 werden Vorg¨ ange, Ereignisse und Zeitbeziehungen detailliert beschrieben. 1.1.2 Phasenmodelle Jedes Projekt durchl¨ auft ebenso wie ein Produkt von seiner Initiierung bis zu seiner Abwicklung eine Reihe von Phasen, die als Lebenszyklus bezeichnet werden. In der betriebswirtschaftlichen Literatur herrscht weitgehend Einigkeit u ¨ber die einzelnen von einem Produkt zu durchlaufenden Phasen und deren Inhalte. Ein Produktlebenszyklus besteht aus • • • • • •

einer Entwicklungsphase, einer Wachstumsphase, einer Reifephase, einer S¨ attigungsphase, einer R¨ uckgangsphase und gegebenenfalls einer Nachlaufphase.

In der Literatur zum Projektmanagement hat sich ein entsprechender Konsens bislang nicht herausgebildet. Stattdessen existieren eine Vielzahl von spezialisierten Lebenszyklusmodellen f¨ ur einzelne Projekttypen, die sich meist nur schwer verallgemeinern lassen. In EDV-Projekten werden bspw. häufig die Phasen Projektdefinition, Projektplanung, Ist-Analyse, Soll-Konzept, Systementwicklung, Systembeschreibung, Programmierung, Aufgabenorganisation, Durchf¨ uhrungsvorbereitung und Umstellung unterschieden (Litke, 1995, Kapitel 1.5). In industriellen Forschungs- und Entwicklungsprojekten hingegen besteht der Projektlebenszyklus oft aus den Hauptphasen Definition, Entwurf, Realisierung, Erprobung und Einsatz (Burghardt, 2000, Kapitel 1.2 und 1.3). Wir beschr¨ anken unsere Betrachtungen hier auf die generischen Phasen • • • •

Projektkonzeption, Projektspezifikation, Projektplanung sowie Projektrealisation und -abschluss


5

eines Projektlebenszyklus, die nachfolgend kurz erläutert werden. Eine detaillierte Erl¨ auterung ausgew¨ ahlter Aspekte der einzelnen Phasen findet sich in den Abschnitten 1.2 bis 1.5. Projekte werden durch eine Projektidee initiiert, d.h. sie werden z.B. von eigenen Mitarbeitern (internes Projekt) oder durch einen Kundenauftrag (externes Projekt) angeregt. In diesem Stadium liegen i.d.R. zunächst nur ungenaue Informationen u ¨ber das Projektvorhaben vor. Im Rahmen der Projektkonzeption wird daher zun¨ achst gemeinsam mit dem Auftraggeber der Projektauftrag formuliert (vgl. Abschnitt 1.2.1). In Form eines Pflichtenheftes werden die Aufgabenstellung, die mit der Durchf¨ uhrung des Projektes verfolgten Ziele sowie eine Beschreibung der zu erbringenden Leistungen festgehalten. Insbesondere bei externen Projekten kommt der sorgfältigen Erstellung des Pflichtenheftes besondere Bedeutung zu. Es stellt die Grundlage f¨ ur den Projektauftrag und die Vertragsverhandlungen dar. Da es bei der Planung und Durchf¨ uhrung von Projekten regelm¨ aßig zu Planrevisionen kommt, muss außerdem zwischen den Projektbeteiligten festgehalten werden, in wel¨ cher Art und Weise auf notwendige Anderungen des Projektes reagiert werden soll. Im Anschluss sind eine Machbarkeitsstudie (vgl. Abschnitt 1.2.2), eine Aufwandssch¨ atzung und eine Wirtschaftlichkeitsanalyse (vgl. Abschnitt 1.2.3) sowie eine Risikoanalyse (vgl. Abschnitt 1.2.4) durchzuf¨ uhren. Die Machbarkeitsstudie gibt Aufschluss dar¨ uber, ob die f¨ ur die erfolgreiche Projektdurchf¨ uhrung ben¨ otigten Ressourcen – wie z.B. qualifizierte Mitarbeiter, erforderliche Technologien oder finanzielle Mittel – vorhanden sind oder rechtzeitig bereitgestellt werden k¨ onnen. Im Rahmen einer Aufwandsschätzung wird der aus der Projektdurchf¨ uhrung resultierende mengen- und wertmäßige Aufwand bestimmt. Das Ergebnis der Aufwandsschätzung ist gerade bei externen Projekten von großer Bedeutung, da der so ermittelte wertmäßige Projektaufwand als Grundlage f¨ ur Preisverhandlungen mit dem Auftraggeber dient. Die Wirtschaftlichkeitsanalyse gibt Auskunft u ¨ber den bei einer erfolgreichen Projektabwicklung zu erwartenden Gewinn und ist somit f¨ ur interne Projekte, denen kein vertraglich vereinbarter Erl¨ os“ gegen¨ ubersteht, besonders ” bedeutsam. Schließlich werden im Zuge einer Risikoanalyse potentielle Risiken identifiziert, die einem sach-, termin- und kostengerechten Projektabschluss entgegenstehen, und geeignete Gegenmaßnahmen erarbeitet. Häufig gibt es außerdem unterschiedliche M¨ oglichkeiten, den Projektauftrag zu erf¨ ullen. In diesem Fall sollte jede Projektalternative in Bezug auf ihre Machbarkeit, den voraussichtlich damit verbundenen Aufwand, ihre Wirtschaftlichkeit sowie die mit ihrer Durchf¨ uhrung verbundenen Risiken untersucht werden. Auf Grundlage dieser Informationen wird dann im Rahmen der Projektselektion (vgl. Abschnitt 1.2.5) dar¨ uber entschieden, ob ein Projekt bzw. welches von mehreren Projektalternativen durchgef¨ uhrt werden soll, um dem Projektauftrag zu entsprechen. Sobald verbindlich u uhrung eines Projektes entschieden ¨ber die Durchf¨ wurde, erfolgt die Projektspezifikation (vgl. Abschnitt 1.3). Hier muss zunächst u ¨ber die Aufbauorganisation des Projektes entschieden werden (vgl. Ab-

6

1 Projektmanagement

schnitt 1.3.1), d.h. es muss festgelegt werden, welche Mitarbeiter aus welchen Abteilungen an der Durchf¨ uhrung des Projektes beteiligt sein werden und wie das Projektmanagement und das Projektteam in die Organisationsstruktur des ausf¨ uhrenden Unternehmens eingebettet werden sollen. Anschließend muss eine geeignete Ablauforganisation gefunden werden, die den weiteren Projektablauf spezifiziert (vgl. Abschnitt 1.3.2). Dazu werden meist zentrale Meilensteine im Projektablauf und Reihenfolgebeziehungen zwischen einzelnen Meilensteinen identifiziert. Ein Meilenstein stellt dabei ein Ereignis von besonderer Bedeutung dar, wie bspw. den Abschluss eines wichtigen Teilprojektes. Schließlich werden die mit der Durchf¨ uhrung des Projektes verbundenen Ziele konkretisiert (vgl. Abschnitt 1.3.3). Auf der Grundlage des Projektauftrages und des zugeh¨ origen Pflichtenheftes werden zum einen die vom Auftraggeber vorgegebenen und den Gegenstand bzw. die Leistungen des Projektes betreffenden Ziele (so genannte produktbezogene Ziele) in Unterziele heruntergebrochen. Bei Forschungs- und Entwicklungsprojekten in der Automobilindustrie ist ein Projektauftraggeber z.B. an bestimmten Eigenschaften eines Aggregates interessiert. Im Rahmen der Zielanalyse werden dann die Unterziele identifiziert, deren Erf¨ ullung zu den gew¨ unschten Eigenschaften f¨ uhrt. Zum anderen werden in diesem Stadium die den Projektablauf betreffenden Ziele spezifiziert, wie z.B. die Minimierung der Projektdauer oder die gleichm¨ aßige Auslastung bestimmter f¨ ur das Projekt benötigter Ressourcen. Hierbei ist wichtig, dass diese Ziele so weit als möglich operationalisiert sind, um eine effektive Projektsteuerung und -¨ uberwachung zu ermöglichen. Die Projektplanung (vgl. Abschnitt 1.4) dient der detaillierten Planung des Projektablaufs. Zu diesem Zweck wird das Projekt im Rahmen einer Strukturanalyse (vgl. Abschnitt 1.4.1) zun¨ achst systematisch in Teilprojekte, Unterprojekte, Arbeitspakete und Projektvorg¨ ange disaggregiert. Anschließend werden logisch oder technologisch bedingte Zeitbeziehungen zwischen einzelnen Vorg¨ angen identifiziert. Diese Zeitbeziehungen bestimmen den zeitlichen Ablauf des Projektes. In der nachfolgenden Zeit-, Ressourcen- und Kostenanalyse (vgl. Abschnitt 1.4.2) werden zun¨ achst die Ausf¨ uhrungsdauern der einzelnen Projektvorg¨ ange sowie die Zeitbeziehungen zwischen den Vorgängen quantifiziert. Ferner werden die zur Durchf¨ uhrung eines Vorgangs benötigten Mengen an Ressourcen – wie z.B. Mitarbeiter, Maschinen oder Materialien – sowie die Kosten bestimmt, die aus der Durchf¨ uhrung eines jeden Vorgangs resultieren. Nachdem alle Strukturelemente eines Projektes identifiziert und quantifiziert wurden, k¨ onnen mit Hilfe so genannter Netzplantechniken Informationen u ¨ber den zeitlichen Ablauf eines Projektes extrahiert werden, wie bspw. die fr¨ uhestund sp¨ atestm¨ oglichen Start- und Fertigstellungszeitpunkte der Projektvorg¨ ange. Die am weitesten verbreitete Netzplantechnik ist die Metra-Potential-Methode (MPM), die in Abschnitt 1.4.3 ausf¨ uhrlich erläutert wird. Neben der MPM-Netzplantechnik werden in der Praxis häufig weitere Netzplantechniken eingesetzt, auf die wir in Abschnitt 1.4.4 eingehen. Ergebnis einer Projektanalyse mit Hilfe von Netzplantechniken ist ein Zeitintervall f¨ ur jeden Vorgang, innerhalb dessen der betrachtete Vorgang aufgrund der ge-


7

gebenen Zeitbeziehungen starten muss. Um einen verbindlichen Plan f¨ ur den Projektablauf zu erhalten, muss nun jedem Vorgang genau ein Startzeitpunkt aus diesem (planungsabh¨ angigen) Zeitintervall zugewiesen werden, d.h. jeder Vorgang muss terminiert werden (vgl. Abschnitt 1.4.5). Diese Terminierung der Vorg¨ ange erfolgt unter Ber¨ ucksichtigung der Zeitbeziehungen sowie der vorhandenen Ressourcenkapazit¨ aten. Die einzelnen Vorgänge werden so terminiert, dass ein bestimmtes im Rahmen der Zielanalyse spezifiziertes Zielkriterium m¨ oglichst gut erf¨ ullt wird. In der Praxis werden die Vorgänge bspw. h¨ aufig so terminiert, dass das Projekt m¨ oglichst fr¨ uhzeitig beendet wird oder bestimmte Ressourcen m¨ oglichst gleichm¨ aßig ausgelastet werden. Im Anschluss an die Projektplanung erfolgen schließlich die Projektrealisation und der Projektabschluss (vgl. Abschnitt 1.5). Die sach-, termin- und ¨ kostengerechte Durchf¨ uhrung eines Projektes erfordert eine ständige Uberwachung des Projektablaufs (vgl. Abschnitt 1.5.1). Dazu werden laufend die ¨ tats¨ achlichen Uberoder Unterschreitungen der im Rahmen der Projektplanung ermittelten Eckdaten – d.h. insbesondere der Start- und Endzeitpunkte der Projektvorg¨ ange und der kumulierten Kosten – bestimmt. Werden Abweichungen vom urspr¨ unglichen Plan festgestellt, so m¨ ussen geeignete Maßnahmen getroffen werden, um die Planabweichungen zu korrigieren oder ihre Auswirkungen zu minimieren. Nach Abschluss des Projektes findet schließlich eine Projektr¨ uckschau statt (vgl. Abschnitt 1.5.2), d.h. das Projekt wird ex-post analysiert und es werden Verbesserungspotentiale f¨ ur zuk¨ unftige Projektvorhaben erarbeitet. Abbildung 1.1 zeigt zusammenfassend die vier beschriebenen Phasen des Projektlebenszyklus sowie die wichtigsten Teilschritte innerhalb der einzelnen Phasen. Dieses Phasenmodell ist dabei jedoch nicht so zu verstehen, dass die einzelnen Phasen unabh¨ angig voneinander bzw. sequentiell durchlaufen werden. Vielmehr werden bei fortschreitendem Detaillierungsgrad der Planung einzelne Phasen oder ausgew¨ ahlte Schritte einzelner Phasen wiederholt durchlaufen, d.h. es finden R¨ uckkopplungen zwischen den Phasen statt. In der zweiten Phase (Projektspezifikation) wird z.B. der zeitliche Ablauf des Projektes auf der Grundlage wesentlicher Meilensteine spezifiziert. Stellt sich heraus, dass einzelne Meilensteine erst sehr spät erreicht werden, so hat diese Information u.U. Auswirkungen auf die erste Phase (Projektkonzeption). So k¨ onnte sich bspw. der aus der Durchf¨ uhrung des Projektes resultierende uhrende Unternehmen vertraglich vereinbarte Gewinn verringern, da das ausf¨ Abschlagszahlungen zu einem sp¨ ateren Zeitpunkt erhält als urspr¨ unglich im Rahmen der Projektkonzeption angenommen. Unter Umständen ergeben sich durch eine Verspätung wichtiger Meilensteine auch terminliche Risiken, die in der Risikoanalyse ber¨ ucksichtigt werden sollten. Eventuell muss sogar u ¨ber die Durchf¨ uhrung des Projektes neu entschieden werden. Nach Abschluss der Projektplanung (Phase 3) stehen erstmals detaillierte Informationen u ¨ber den zeitlichen Ablauf des Projektes sowie u ¨ber resultierende kumulierte Ressourcenbedarfe und Kosten zur Verf¨ ugung. Stellt sich dann z.B. heraus, dass die zur Verf¨ ugung stehenden Ressourcenkapazit¨ aten nicht ausreichen, um das be-

8

1 Projektmanagement 1. Projektkonzeption: • Projektauftrag • Machbarkeitsstudie • Aufwandssch¨ atzung und Wirtschaftlichkeitsanalyse • Risikoanalyse • Projektselektion

2. Projektspezifikation:

3. Projektplanung:

uckkopplungen R¨

• Aufbauorganisation • Ablauforganisation • Projektziele

• Strukturanalyse • Zeit-, Ressourcen-, und Kostenanalyse • Netzplantechnik • Terminierung

4. Projektrealisation: • Projekt¨ uberwachung • Projektr¨ uckschau

Abb. 1.1. R¨ uckkopplungen zwischen den Phasen des Projektlebenszyklus

trachtete Projekt p¨ unktlich fertigzustellen, so m¨ ussen bspw. die Ressourcenkapazitäten erweitert werden, um den avisierten Projektendtermin einhalten zu können. Eine solche Kapazit¨ atserweiterung hat wiederum Auswirkungen auf die der Projektkonzeption zugrunde liegenden Aufwandssch¨ atzung. Kommt

1.2 Projektkonzeption

9

es schließlich w¨ ahrend der Projektdurchf¨ uhrung (Phase 4) zu Abweichungen vom geplanten Projektablauf, dann m¨ ussen entsprechende Modifikationen im Rahmen der Projektplanung und teilweise im Rahmen der Projektspezifikation und Projektkonzeption ber¨ ucksichtigt werden.

1.2 Projektkonzeption Im Folgenden betrachten wir ausgew¨ ahlte Aspekte von Projekten bzw. des Projektmanagements, die vor der Entscheidung u uhrung ei¨ber die Durchf¨ nes Projektes im Rahmen der Projektselektion (vgl. Abschnitt 1.2.5) eingehend untersucht werden m¨ ussen. Dabei handelt es sich im Einzelnen um die Gestaltung des Projektauftrages als Grundlage f¨ ur Vertragsverhandlungen (vgl. Abschnitt 1.2.1), die Untersuchung eines Projektes im Hinblick auf seine Durchf¨ uhrbarkeit (vgl. Abschnitt 1.2.2), die Ermittlung des mit einem Projekt verbundenen Aufwandes und die Bestimmung seiner Wirtschaftlichkeit (vgl. Abschnitt 1.2.3). Abschließend besch¨ aftigen wir uns mit der Untersuchung möglicher Risiken, die einem erfolgreichen Projektabschluss entgegenstehen (vgl. Abschnitt 1.2.4). 1.2.1 Projektauftrag Initiiert wird ein Projekt entweder durch das (unternehmensinterne) Management oder aber durch einen (unternehmensexternen) Kundenauftrag, wenn der Gegenstand des Projektes eine Marktleistung darstellt, wie z.B. bei der Kundenauftragsfertigung. In jedem Fall wird ein Projektauftrag formuliert und erteilt, der meist ein Pflichtenheft enth¨ alt und weitere f¨ ur die Projektplanung und -durchf¨ uhrung wesentliche Aspekte thematisiert. So sollte z.B. ¨ festgelegt werden, wie auf Anderungsanforderungen des Projektauftrages bzw. Pflichtenheftes reagiert wird und – bei externen Projekten – wie die Zahlungsmodalit¨ aten ausgestaltet werden. Ein Pflichtenheft enth¨ alt alle den Projektablauf und die Leistung bzw. den Gegenstand des Projektes betreffenden Ziele und Anforderungen sowie alle f¨ ur die Projektplanung notwendigen Rahmenbedingungen und Vorgaben. Insbesondere enth¨ alt ein Pflichtenheft die Aufgabenstellung des Auftraggebers sowie – daraus abgeleitet – eine detaillierte Beschreibung der Leistung, die mit der Durchf¨ uhrung des Projektes erbracht werden soll. Diese Anforderungen des Auftraggebers dienen der Festlegung dessen, was erreicht werden soll, ohne jedoch dabei einzelne L¨ osungsm¨ oglichkeiten auszuschließen, d.h. die Anforderungen sollten l¨ osungsneutral formuliert sein. Häufig ist es außerdem hilfreich, wenn zu jeder Anforderung vermerkt ist, ob es sich um eine Muss- oder eine Soll-Anforderung handelt, wobei die Erf¨ ullung von Soll-Anforderungen häufig durch Bonuszahlungen belohnt wird. Es kann sich im späteren Projektverlauf als sinnvoll herausstellen, einzelne Soll-Anforderungen aus Gr¨ unden der Wirtschaftlichkeit zu vernachl¨ assigen. F¨ ur ein Softwareprojekt enthält ein

10

1 Projektmanagement

Pflichtenheft bspw. Informationen u ¨ber die Einsatzumgebung, die geforderten Funktionen und Eigenschaften, die Benutzeroberfläche und -schnittstellen, die Datenbasis und das Mengenger¨ ust, Qualit¨ atsanforderungen, Realisierungsvorgaben und Dokumentationsanforderungen (Burghardt, 2000, Kapitel 2.2). Sind an einem Projekt Dritte beteiligt, dann ist ein Pflichtenheft verbindliche Grundlage f¨ ur sp¨ atere Vertragsvereinbarungen. Es ist daher zweckmäßig, schon fr¨ uh im Rahmen der Projektkonzeption ein Pflichtenheft anzulegen. Mit fortschreitender Planung wird das Pflichtenheft dann schrittweise detailliert. Bei der Planung von Projekten werden regelmäßig bereits erarbeitete Zwischenergebnisse aufgrund neuer oder ver¨ anderter Informationen in Frage ge¨ stellt, d.h. es kommt zu so genannten Anderungsanforderungen. Je grundle¨ gender dabei die notwendige Anderung ist, desto schwerwiegender ist i.d.R. ¨ ihre Auswirkung auf das zugrunde liegende Projekt. Andern sich in einem sehr späten Stadium bspw. wesentliche Elemente des Pflichtenheftes, dann kann dies zu einer deutlichen Verz¨ ogerung oder gar einem Abbruch des Projektes f¨ uhren. Aus diesem Grund sollten sich die Projektbeteiligten im Rahmen ¨ des Projektauftrages auf ein Anderungsverfahren einigen, das spezifiziert, wie ¨ Anderungsanforderungen in das laufende Projekt eingearbeitet werden. Nach¨ folgend beschreiben wir drei wesentliche Anderungsverfahren: das so genannte ¨ kontinuierliche, das eingeschobene und das begleitende Anderungsverfahren ¨ (Burghardt, 2000, Kapitel 2.2.4). Bei kontinuierlichen Anderungsverfahren ¨ werden die Anderungsanforderungen synchron mit dem Projektablauf in der ¨ Projektplanung ber¨ ucksichtigt. Ein solches Anderungsverfahren eignet sich ¨ nur f¨ ur wenige und verh¨ altnism¨ aßig kleine Anderungsanforderungen, da der Projektablauf dadurch verz¨ ogert wird und es aufgrund der resultierenden intransparenten Entwicklungsst¨ ande des Projektes zu einem deutlich erhöhten ¨ Kommunikationsaufwand kommt. Eingeschobene Anderungsverfahren zeich¨ nen sich dadurch aus, dass der Projektablauf bei Vorliegen von Anderungsanforderungen oder zu vorher spezifizierten Terminen unterbrochen wird. ¨ W¨ ahrend einer solchen Unterbrechung werden sämtliche Anderungsanforderungen in die bereits vorliegenden Planungsergebnisse eingearbeitet. Da meist nicht alle an einem Projekt beteiligten Mitarbeiter bzw. Organisationseinhei¨ ten von einer Anderungsanforderung betroffen sind, kommt es während der vorgenannten Unterbrechungen h¨ aufig zu einem Leerlauf“ in einzelnen Ab” teilungen. Außerdem f¨ uhren die Unterbrechungen des Projektablaufs zu einer ¨ meist deutlichen Verz¨ ogerung des Projektes. Begleitende Anderungsverfahren finden vor allem in hochinnovativen und zeitkritischen Projekten Anwendung. ¨ Dabei werden parallel zur urspr¨ unglichen Planung die Anderungsanforderungen im Rahmen einer Schattenplanung“ ber¨ ucksichtigt. Die Ergebnisse dieser ” parallelen Planungen werden anschließend konsolidiert. Dem beträchtlichen ¨ Mehraufwand bei einem solchen begleitenden Anderungsverfahren steht ein im Vergleich zu den anderen Verfahren k¨ urzerer Projektentwicklungsprozess entgegen, da der urspr¨ ungliche Planungszweig zielstrebig vorangetrieben wer¨ den kann, ohne auf Anderungsanforderungen reagieren zu m¨ ussen.


11

Im Anschluss an die Aufstellung eines Pflichtenheftes und die Spezifikati¨ on des zu implementierenden Anderungsverfahrens m¨ ussen sich die Projektpartner im Rahmen der Vertragsverhandlungen auf die dem Projektauftrag zugrunde liegenden Zahlungsmodalit¨ aten einigen. Den Zahlungsvereinbarungen kommt insbesondere bei langfristigen Projekten, die sich oft u ¨ber mehrere Jahre hinziehen, große Bedeutung zu. In der Praxis unterscheidet man grunds¨ atzlich f¨ unf Typen von Vertr¨ agen hinsichtlich ihrer zugrunde liegenden Zahlungsvereinbarungen (Kerzner, 2003, Kapitel 21.6): • Lump-sum contract (Pauschalpreisvertrag): Bei Pauschalpreisverträgen vereinbaren Auftraggeber und Auftragnehmer einen fixen Preis – den Pauschalpreis – f¨ ur die Erbringung der im Rahmen des Projektauftrages vereinbarten Leistung. Somit tr¨ agt der Auftragnehmer, d.h. das ausf¨ uhrende Unternehmen, das volle Risiko f¨ ur die dem Vertrag zugrunde liegen¨ de Kalkulation. Eine Uberschreitung der urspr¨ unglich kalkulierten Kosten schm¨ alert den Gewinn des Auftragnehmers. Der Auftraggeber trägt kein preisliches Risiko. • Cost-plus-fixed-fee contract – CPFF (Kostenzuschlagsvertrag mit Gewinnaufschlag auf Selbstkosten): Bei CPFF-Verträgen verpflichtet sich der Auftragnehmer, die vereinbarte Leistung m¨ oglichst kosteng¨ unstig“ zu erbrin” gen. Die tats¨ achlich angefallenen Kosten werden vom Auftraggeber getragen und der Auftragnehmer erh¨ alt einen im Vorhinein fest vereinbarten Betrag als Gewinn. Der Auftraggeber tr¨ agt somit ein hohes Kostenrisiko. Die einzigen Anreize f¨ ur den Auftragnehmer, möglichst kosteng¨ unstig zu arbeiten, sind die Aussicht auf eventuelle Nachfolgeaufträge sowie das Bestreben, seine Kapitalbindungskosten zu minimieren. • Cost-plus-percentage-fee contract – CPPF (Kostenzuschlagsvertrag mit ¨ Prozentzuschlag auf Selbstkosten): Ahnlich wie bei CPFF-Verträgen trägt bei CPPF-Vertr¨ agen der Auftraggeber das volle Kostenrisiko. Der Auftragnehmer erh¨ alt als Gewinnmarge einen im Vorhinein fest vereinbarten Prozentsatz der insgesamt angefallenen Kosten. • Guaranteed maximum-share savings contract – GMSS (Kostenzuschlagsvertrag mit garantiertem Maximum und Ber¨ ucksichtigung der Einsparungen): GMSS-Vertr¨ age sind den CPFF-Verträgen sehr ähnlich. Der Auftragnehmer erh¨ alt als Gewinn einen fixen Betrag, jedoch trägt der Auftraggeber die anfallenden Kosten nur bis zu einer vorher vereinbarten Höhe. Kosten dar¨ uber hinaus hat der Auftragnehmer zu verantworten. Etwaige Einsparungen werden nach einer vorher vereinbarten Regel zwischen dem Auftraggeber und dem Auftragnehmer aufgeteilt. • Cost-plus-incentive-fee contract – CPIF (Kostenzuschlagsvertrag mit Anreiz ): Ein CPIF-Vertrag unterscheidet sich von CPFF- oder CPPF-Vertr¨ agen dadurch, dass der Gewinnanteil des Auftragnehmers von der Höhe der tats¨ achlich angefallenen Kosten abh¨ angt. Unterschreitet das ausf¨ uhrende Unternehmen die prognostizierten Kosten, so erhöht sich der Gewinnan-

12

1 Projektmanagement

¨ teil, bei einer Uberschreitung vermindert sich der Gewinnanteil gemäß einer vertraglich festgelegten Berechnungsvorschrift. Bei kleinen, u ur die ¨berschaubaren Projekten, bei denen sich die Kosten f¨ Projektausf¨ uhrung relativ exakt absch¨ atzen lassen, herrschen Pauschalpreisvertr¨ age vor. Bei großen Projekten hingegen, wie zum Beispiel dem Bau eines Flughafens oder eines Staudamms, dem Bau großer Schiffe in einer Werft oder dem Anlagenbau, wird h¨ aufig einer der vier anderen Vertragstypen gewählt. Neben den beschriebenen Vertragstypen und ihren Kombinationen finden sich in der Praxis weitere wichtige Vertragskonstrukte. Um die Einhaltung vertraglich vereinbarter Projekttermine zu gew¨ ahrleisten, werden häufig Kon¨ ventionalstrafen vereinbart, die der Auftragnehmer bei Uberschreitungen vorgeschriebener Fertigstellungstermine zu entrichten hat. Im umgekehrten Fall, d.h. bei Terminunterschreitungen, erh¨ alt das ausf¨ uhrende Unternehmen oft eine zus¨ atzliche Pr¨ amie. Bei großen und langwierigen Projekten werden außerdem meist Fortschrittszahlungen vereinbart, d.h. der Auftragnehmer erhält bei Abschluss wichtiger Teilprojekte eine Abschlagszahlung oder vor Beginn eines Teilprojektes einen Kredit in Form einer entsprechenden Vorauszahlung. Der weitere Ablauf der Projektkonzeption hängt teilweise von den jeweils vertraglich vereinbarten Zahlungsmodalit¨ aten ab. So ist bei Pauschalpreisverträgen f¨ ur das ausf¨ uhrende Unternehmen die in Abschnitt 1.2.3 beschriebene Aufwandssch¨ atzung und Wirtschaftlichkeitsanalyse von großer Bedeutung, da das Unternehmen f¨ ur die H¨ ohe des eigenen Gewinns maßgeblich eigenverantwortlich ist. Bei Kostenzuschlagsvertr¨ agen hingegen fällt der Wirtschaftlichkeitsanalyse eine eher untergeordnete Rolle zu, da der aus einem Projekt resultierende Gewinn grunds¨ atzlich feststeht. 1.2.2 Machbarkeitsstudie Die Durchf¨ uhrung von Projekten ist i.d.R. mit einem hohem Aufwand verbunden und hat f¨ ur ein Unternehmen weitreichende Konsequenzen, sowohl bei erfolgreicher als auch bei erfolgloser Projektdurchf¨ uhrung. Aus diesem Grund ist es wichtig, sich zu Beginn eines Projektes im Rahmen einer Machbarkeitsstudie von der Realisierbarkeit eines Projektes zu u ¨berzeugen. Wichtige Aspekte einer solchen Machbarkeitsstudie werden z.B. in (Diethelm, 2000, Kapitel II.3.3), (Klein, 2000, Kapitel 1.3.1) oder (Schwarze, 2001, Kapitel 5) behandelt. Der konkrete Inhalt einer Machbarkeitsstudie hängt wesentlich vom zugrunde liegenden Projekt ab, so dass an dieser Stelle nur kurz einige ausgew¨ ahlte Kriterien f¨ ur die Durchf¨ uhrung einer solchen Studie besprochen werden. Zun¨ achst muss die technische Machbarkeit eines Projektes erwogen werden. Es ist sicherzustellen, dass die f¨ ur die Durchf¨ uhrung des Projektes ben¨ otigten Technologien und das korrespondierende Wissen im Unternehmen vorhanden sind oder aber im Projektverlauf beschafft werden können. Weiterhin muss personelle Machbarkeit gew¨ ahrleistet sein, d.h. die f¨ ur das Projekt


13

ben¨ otigten Mitarbeiter m¨ ussen sowohl in qualitativer als auch quantitativer Hinsicht zur Verf¨ ugung stehen oder akquiriert werden können. Selbiges muss f¨ ur die zur Durchf¨ uhrung eines Projektes ben¨ otigten Ressourcen gelten. Im Projektverlauf m¨ ussen bspw. die ben¨ otigten Maschinen oder Laboreinrichtungen verf¨ ugbar sein. Die finanzielle Machbarkeit eines Projektes ist ebenfalls ein nicht zu vernachl¨ assigendes Kriterium. Die finanziellen Mittel zur Durchf¨ uhrung des Projektes bzw. der einzelnen Teilprojekte m¨ ussen sowohl in hinreichender H¨ ohe als auch zu den Zeitpunkten zur Verf¨ ugung stehen, zu denen sie voraussichtlich ben¨ otigt werden, um die Liquidität des Unternehmens zu wahren.1 Von Bedeutung sind ferner Untersuchungen im Hinblick auf die soziale, rechtliche und psychologische Machbarkeit eines Projektes. Dabei ist zu eruieren, ob die Projektdurchf¨ uhrung zu sozialen oder gesellschaftlichen H¨ arten und Unzumutbarkeiten f¨ uhrt, welche juristischen Konsequenzen aus einem Projekt erwachsen k¨ onnen und ob bei der Projektdurchf¨ uhrung psychologische H¨ urden wie bspw. Akzeptanzprobleme bei Mitarbeitern oder Anwendern zu bew¨ altigen sind. Im Anschluss an die Machbarkeitsstudie muss das Management basierend auf den Ergebnissen der Untersuchungen dar¨ uber entscheiden, ob das betrachtete Projekt weiter verfolgt werden soll oder nicht. 1.2.3 Aufwandssch¨ atzung und Wirtschaftlichkeitsanalyse Die nachfolgend beschriebene Aufwandssch¨ atzung und die Wirtschaftlichkeitsanalyse stellen zwei zentrale Schritte der Projektkonzeption dar. Dabei dient die Aufwandssch¨ atzung der Quantifizierung des mit der Realisierung eines Projektes verbundenen mengen- oder wertmäßigen Aufwandes. Die anschließende Wirtschaftlichkeitsanalyse eines Projektes, die auf den Ergebnissen der Aufwandssch¨ atzung aufbaut, dient zur Beurteilung der Wirtschaftlichkeit eines Projektes. Ihr Ergebnis ist eine wesentliche Einflussgröße bei der Entscheidung u uhrung oder Nicht-Durchf¨ uhrung von Pro¨ber die Durchf¨ jekten im Rahmen der Projektselektion (vgl. Abschnitt 1.2.5). Als Aufwand eines Projektes wird der gesamte mengenmäßige oder der bewerte Einsatz von Ressourcen und finanziellen Mitteln bezeichnet, der zur atzung dient der Realisierung eines Projektes notwendig ist.2 Die Aufwandssch¨ möglichst genauen Sch¨ atzung des Projektaufwandes. Der so ermittelte Projektaufwand wird z.B. f¨ ur die Ermittlung von Preisuntergrenzen bei Vertrags¨ verhandlungen, die innerbetriebliche Kostenplanung, die Steuerung, Uberwachung und Kontrolle eines Projektes oder als Grundlage f¨ ur Projektvergleiche 1

2

¨ Uber die Zeitpunkte, zu denen die aus einem Projekt resultierenden Ein- und Auszahlungen anfallen, gibt der im Rahmen der Ablauforganisation erstellte Meilensteinplan (vgl. Abschnitt 1.3.2) sowie der Projektplan (vgl. Abschnitt 1.4.5) n¨ ahere Ausk¨ unfte. Wir wollen den Begriff Aufwand“ im Folgenden nicht im Sinne seiner engeren ” betriebswirtschaftlichen Definition als Stromgr¨ oße, sondern weiter gefasst verstehen.

14

1 Projektmanagement

ben¨ otigt. Da der Projektaufwand a priori ermittelt wird, handelt es sich naturgem¨ aß um eine (unsichere) Sch¨ atzgr¨ oße, die vom später tatsächlich realisierten Aufwand abweichen wird. Bei Routineprojekten werden in dem ausf¨ uhrenden Unternehmen Erfahrungen mit ¨ ahnlichen Projekten vorhanden sein, die eine relativ zuverl¨ assige Aufwandssch¨ atzung ermöglichen. Bei besonders innovativen, einmaligen Projekten hingegen ist der geschätzte Aufwand meist mit großen Unsicherheiten belastet. Allgemein gilt, dass mit fortschreitendem Planungsstand die Sch¨ atzung des Projektaufwandes zunehmend genauer erfolgt. Eine erste Aufwandssch¨ atzung f¨ ur ein Projekt wird meist auf der Basis der noch recht ungenauen Daten aus der Projektkonzeption durchgef¨ uhrt. In sp¨ ateren Projektphasen wird diese Sch¨ atzung fortgeschrieben bzw. aktualisiert. Die H¨ ohe des Aufwandes eines Projektes hängt dabei von einer Vielzahl von Einflussgr¨ oßen ab, die m¨ oglichst vollst¨ andig ber¨ ucksichtigt werden sollten. Beispiele f¨ ur solche Einflussgr¨ oßen sind der Leistungsumfang bzw. die Gr¨ oße“ eines Projektes, die Komplexit¨ at bzw. der Schwierigkeitsgrad eines ” Projektes, die angestrebte Qualit¨ at der durch das Projekt zu erbringenden Leistung oder die Qualifikation, Erfahrung und Motivation der Projektmitarbeiter. Zur Sch¨ atzung des Projektaufwandes wird in der Praxis meist eines der nachfolgend in ihren Grundz¨ ugen dargestellten Verfahren angewendet. Bei der Analogiemethode ermittelt man zunächst sämtliche f¨ ur die Höhe des Projektaufwandes maßgeblichen Einflussgrößen. Anschließend vergleicht man das betrachtete Projekt mit bereits durchgef¨ uhrten Projekten, die in Bezug auf die vorher identifizierten Einflussgr¨ oßen unter ähnlichen Rahmenbedingungen realisiert wurden. Dann wird von dem tatsächlich realisierten Aufwand der Vergleichsprojekte auf den Aufwand des betrachteten Projektes geschlossen, wobei Unterschiede der Projekte ber¨ ucksichtigt werden m¨ ussen. Die Analogiemethode wird h¨ aufig bei Bauprojekten verwendet. Der Bauträger eines Einfamilienhauses kann z.B. aus vergangenen Projekten meist recht genau den Aufwand f¨ ur ein neues Bauprojekt ermitteln, indem er auf Grundlage vergleichbarer Bauprojekte, die dem betrachteten Projekt z.B. bez¨ uglich der Anzahl der Stockwerke oder des Baugrundes ¨ ahneln, einen durchschnittlichen Kostensatz je Kubikmeter umbauten Raumes bestimmt. Ein großer Vorteil der Analogiemethode ist ihre einfache Anwendbarkeit. Allerdings hängt die G¨ ute der resultierenden Sch¨ atzwerte ganz wesentlich von den Erfahrungswerten des ausf¨ uhrenden Unternehmens mit vergleichbaren Projekten ab. Betrachten wir ein kleines Beispiel zur Analogiemethode. ¨ Beispiel 1.1. Ein Energieversorgungsunternehmen plant den Bau einer Olpipeline von insgesamt 1000 km L¨ ange. Die geplante Trasse f¨ uhrt u ¨ber ca. 300 km durch dicht bewaldetes Gebiet und f¨ ur ca. 700 km durch unbewohntes, gut zug¨ angliches Gebiet. Aus vergangenen Projekten ist dem Unternehmen bekannt, dass je Kilometer gebauter Pipeline in gut zugänglichem Gebiet Kosten in H¨ ohe von 850 000 e anfallen. F¨ uhrt die Pipeline durch bewaldetes Gebiet, so fallen je Kilometer erfahrungsgem¨ aß zus¨ atzlich 150 000 e f¨ ur Rodungsarbeiten an. Insgesamt sch¨ atzt das Unternehmen den monetären Aufwand f¨ ur den Bau


15

der neuen Pipeline daher auf 300 km·1 000 000 e/km+700 km·850 000 e/km = 895 000 000 e. Bei der Sch¨ atzung des Projektaufwandes mit Hilfe der Prozentsatzmethode wird das betrachtete Projekt zun¨ achst in einzelne Teilprojekte unterteilt. Ausgehend von Erfahrungswerten mit vergleichbaren Projekten bestimmt man dann eine prozentuale Verteilung des gesamten Projektaufwandes auf die einzelnen Teilprojekte. Anschließend wird ein repräsentatives Teilprojekt realisiert oder der Aufwand dieses Teilprojektes detailliert geschätzt, z.B. mit Hilfe von Expertenbefragungen, St¨ ucklisten oder Arbeitsgangbeschreibungen. Mit Hilfe der eingangs vorgenommenen Aufwandsverteilung auf die einzelnen Teilprojekte kann dann auf der Grundlage des ermittelten Aufwands des untersuchten Teilprojektes auf den Gesamtaufwand geschlossen werden. Die Prozentsatzmethode ist ¨ ahnlich einfach anzuwenden wie die Analogiemethode und die G¨ ute der resultierenden Sch¨ atzung h¨ angt ebenso von der vorhandenen Erfahrung mit a hnlichen Projekten ab. Bei der Schätzung des Aufwands ¨ f¨ ur das repr¨ asentative Teilprojekt muss außerdem besonders sorgfältig vorgegangen werden, da sich Sch¨ atzfehler im Ergebnis multiplikativ niederschlagen. Zur Verdeutlichung der Prozentsatzmethode betrachten wir wieder ein kleines Beispiel. Beispiel 1.2. Ein Unternehmen der chemischen Industrie entwickelt einen neuen Produktionsprozess zur Herstellung von Plastikgranulat aus Kunststoffabf¨ allen. Das entsprechende Projekt l¨ asst sich in vier Teilprojekte untergliedern. In einem ersten Schritt muss ein geeigneter Sortierprozess zur farblichen Trennung der Kunststoffabf¨ alle entwickelt werden (Sortieren). Anschließend m¨ ussen die Prozesse zur Reinigung der Kunststoffabfälle (Waschen) sowie f¨ ur deren Einschmelzung (Schmelzen) gestaltet werden. Im vierten Schritt ist dann der Produktionsprozess zur Erzeugung des Plastikgranulats aus der Kunststoffschmelze zu entwerfen (Produktion). Da das Unternehmen ähnliche Projekte schon mehrfach durchgef¨ uhrt hat, kann relativ gesichert davon ausgegangen werden, dass sich der zeitliche Aufwand f¨ ur die Durchf¨ uhrung des Projektes im Verh¨ altnis 20% : 10% : 40% : 30% auf die Teilprojekte Sortieren, Waschen, Schmelzen und Produktion verteilt. Eine detaillierte Aufwandssch¨ atzung f¨ ur das Teilprojekt Waschen ergibt, dass f¨ ur den Abschluss dieses Teilprojektes etwa 15 Tage veranschlagt werden. Daraus ergibt sich dann bspw. f¨ ur das Teilprojekt Sortieren eine geschätzter zeitlicher Aufwand von 15 · (20%/10%) = 30 Tagen. Der resultierende Aufwand in Tagen f¨ ur die beiden verbleibenden Teilprojekte ist in Tabelle 1.1 angegeben. Faktorenverfahren stellen den Gesamtaufwand eines Projektes als lineare Funktion der f¨ ur den Aufwand maßgeblichen Einflussgrößen dar. Sei xi der Wert bzw. die Auspr¨ agung der Einflussgr¨ oße i, i = 1, . . . , n, dann ergibt sich der Gesamtaufwand A zu n ai xi . (1.1) A = b + a1 x1 + a2 x2 + . . . + an xn = b + i=1

16

1 Projektmanagement

Tabelle 1.1. Aufwandsverteilung und zeitlicher Aufwand der einzelnen Teilprojekte Teilprojekt

Aufwandsverteilung

Sortieren Waschen Schmelzen Produktion

20% 10% 40% 30%

zeitlicher Aufwand 30 15 60 45

Tage Tage Tage Tage

Parameter b stellt einen konstanten Term dar, der den fixen Aufwandsanteil am Gesamtaufwand widerspiegelt. Die Parameter ai , i = 1, . . . , n, sind Koeffizienten, die den Einfluss der Gr¨ oße xi auf den Gesamtaufwand A reachst unbekannt und können mit Hilfe präsentieren. b und a1 , . . . , an sind zun¨ einer linearen Regressionsanalyse basierend auf Erfahrungswerten aus vergangenen Projekten gesch¨ atzt werden.3 Dazu werden die Parameter b und a1 , . . . , an so festgelegt, dass der quadratische Abstand der Hyperebene (1.1) von den beobachteten Werten (x1p , . . . , xnp , Ap ) aller vergleichbarer, bereits durchgef¨ uhrter Projekte p = 1, . . . , m minimal ist. Sind die Größen b und ur das betrachtete Projekt a1 , . . . , an festgelegt, kann der Gesamtaufwand f¨ ermittelt werden, indem die entsprechenden Werte xi der relevanten Einflussgrößen in Gleichung (1.1) eingesetzt werden. Die G¨ ute der Aufwandsschätzung hängt beim Faktorenverfahren wie bei den vorgenannten Schätzmethoden von der Menge vorhandener Vergleichsprojekte ab. Anders als bei den vorgenannten Verfahren und abgesehen von der Wahl der zu ber¨ ucksichtigenden Einflussgr¨ oßen ist die Sch¨ atzung aber frei von subjektiven Einfl¨ ussen, die das Ergebnis verzerren k¨ onnten.4 Wir betrachten im Folgenden ein Beispiel zur Demonstration des Faktorenverfahrens. Beispiel 1.3. Ein Softwareunternehmen entwickelt im Kundenauftrag eine Individualsoftware. Ein zentrales Teilprojekt dieses Entwicklungsprojektes besteht in der Implementierung geeigneter Schnittstellen zur Einbettung der Software in eine bestehende DV-Infrastruktur. Erfahrungsgemäß hängt der monet¨ are Aufwand f¨ ur die notwendigen Implementierungsarbeiten näherungsweise linear von der Anzahl der beim Kunden vorhandenen Softwaresysteme ab. Die entsprechenden Erfahrungswerte sind in Tabelle 1.2 angegeben. Dabei bezeichne der Index p jeweils das bereits abgeschlossene Teilprojekt, xp die Anzahl der zu ber¨ ucksichtigenden Softwaresysteme und Ap den aus der Realisierung des Teilprojektes p folgenden Aufwand in Euro.5 Das betrachtete Softwareunternehmen will nun im Rahmen eines Projektes eine Individualsoftware entwickeln, die u ¨ber x = 10 Schnittstellen zu anderen 3 4 5

F¨ ur eine Einf¨ uhrung in die Regressionsrechnung verweisen wir z.B. auf (Bamberg und Baur, 2001) oder (Schlittgen, 1998). Die geeignete Wahl der relevanten Einflussgr¨ oßen kann jedoch methodisch durch eine statistische Korrelationsanalyse unterst¨ utzt werden. Da nur eine Einflussgr¨ oße ber¨ ucksichtigt wird, n¨ amlich die Anzahl ben¨ otigter Schnittstellen zu anderen DV-Systemen, kann auf den Index i verzichtet werden.


17

Tabelle 1.2. Anzahl ben¨ otigter Schnittstellen und zugeh¨ origer Aufwand Teilprojekt p Anzahl Schnittstellen (xp ) Aufwand in 1 000 Euro (Ap )

1

2

3

4

7 30

9 37

6 29,5

12 43

Softwaresystemen verf¨ ugt und interessiert sich f¨ ur den hieraus resultierenden monet¨ aren Aufwand A. Die zugeh¨ orige lineare Regressionsgleichung, die den Aufwand als Funktion der Anzahl zu implementierender Schnittstellen angibt, lautet A = b + ax . (1.2) Zur Sch¨ atzung der Parameter a und b wird die Summe der Abweichungsquadrate minimiert, d.h. wir l¨ osen das Optimierungsproblem Min. Q(b, a) =

4

(Ap − (b + axp ))2 .

p=1

Nullsetzen der partiellen Ableitungen von Q ergibt 4 p=1 (xp − x)(Ap − A) a= 4 2 p=1 (xp − x)

und b = A − ax , wobei x und A das arithmetische Mittel der jeweiligen Beobachtungen xp und ur alle p darstellen.6 Ap f¨ Durch Einsetzen der Werte aus Tabelle 1.2 erhalten wir f¨ ur x ¯ = 8,5 und A¯ =34 875 e. Damit ist b = 14 535,714 und a = 2 392,857. F¨ ur x = 10 ergibt sich der geschätzte Aufwand zur Implementierung der Schnittstellen dann zu A ≈ 38 464 e. Die Function-Point-Methode ist ein Verfahren zur Aufwandssch¨ atzung, das vor allem bei Softwareprojekten angewendet wird. Ein Softwaresystem, das Gegenstand eines solchen Projektes ist, zerlegen wir dabei zun¨ achst in einzelne Softwaremodule. Dabei nehmen wir an, dass ein beliebiges Softwaremodul sich prinzipiell aus einer Menge grundlegender Funktionstypen zusammensetzt, z.B. Eingabefunktionen, Ausgabefunktionen oder Berechnungsfunktionen. Nun bestimmen wir u ur das gesamte Software¨ber alle Module hinweg f¨ system und jeden Funktionstyp die Anzahl der ben¨ otigten Funktionen. Die 6

Die beschriebene Vorgehensweise beruht auf der Annahme, dass die Beobachtungen xi nicht identisch sind, d.h. die Summe der quadratischen Abweichun2 ahrleistet, dass gen m p=1 (xp − x) ist positiv. Unter dieser Voraussetzung ist gew¨ Q(b, a) genau eine Minimalstelle besitzt (Bamberg und Baur, 2001, Kapitel 4.3).

18

1 Projektmanagement

einzelnen Funktionen lassen sich dabei hinsichtlich ihrer Komplexität unterscheiden, d.h. wir differenzieren z.B. zwischen einem niedrigen, durchschnittlichen oder hohen Komplexit¨ atsniveau einer jeden Funktion. Ordnen wir jedem Komplexit¨ atsniveau ein positives, mit zunehmender Komplexität wachsendes Gewicht zu, dann erhalten wir die so genannten Function-Points eines Funktionstyps und eines zugeh¨ origen Komplexit¨ atsgrades als Produkt der Anzahl der Funktionen und des Komplexit¨ atsniveaus. Die Summe aller Function-Points ist ein erstes Indiz f¨ ur den mit einem Projekt verbundenen Aufwand. Anschließend werden eine Menge projektspezifischer Einflussgrößen identifiziert, die sich auf den Projektaufwand auswirken und die Summe der FunctionPoints entsprechend vermindern oder erh¨ ohen. Die Summe der resultierenden modifizierten Function-Points repr¨ asentiert schließlich den gesamten Aufwand des Projektes in einer aggregierten, dimensionslosen Größe. Um Informationen u ¨ber den Projektaufwand in Tagen oder Euro zu erhalten, vergleichen wir die Summe der modifizierten Function-Points mit den Function-Points vergangener Projekte, f¨ ur die der mengen- oder wertm¨ aßige Aufwand bekannt ist. Um das Prinzip der Function-Point-Methode zu verdeutlichen, betrachten wir das nachfolgende Beispiel. Beispiel 1.4. In Tabelle 1.3 wird die Bestimmung der modifizierten Function-Points beispielhaft aufgezeigt. Dazu betrachten wir ein Softwareentwicklungsprojekt, bei dem zwischen drei Funktionstypen (Eingabe, Ausgabe, Berechnung) sowie drei Komplexit¨ atsniveaus (niedrig, durchschnittlich, hoch) mit zugeh¨ origer Gewichtung unterschieden wird. Die Summe A der FunctionPoints erhalten wir durch Multiplikation der Anzahl der jeweiligen Funktionen mit den zugeh¨ origen Gewichten und Addition der entsprechenden Zeilensummen (vgl. Tab. 1.3, A = 570). Weiterhin nehmen wir an, dass drei zentrale Einflussgr¨ oßen identifiziert werden k¨ onnen (Verflechtung mit anderen Anwendungssystemen, Datenbestandskonvertierungen, Wiederverwendbarkeit), die sich jeweils im gleichen Maße auf die H¨ ohe des Projektaufwandes auswirken. Der vorl¨ aufige Function-Point-Wert A soll durch diese Einflussgrößen um insgesamt h¨ ochstens ±30% modifiziert werden, d.h. die modifizierten FunctionPoints ergeben sich gem¨ aß A · C mit C ∈ [0,7; 1,3]. Daher ordnen wir jeder der drei Einflussgr¨ oßen einen Wert zwischen 0 und 20 Punkten zu, der das Ausmaß der Ver¨ anderung der vorl¨ aufigen Function-Points durch die betrachtete Gr¨ oße widerspiegelt. Die Summe B dieser Werte spiegelt die Veränderung von A durch die betrachteten Einflussgr¨ oßen wider und geht in die Ermittlung von C gem¨ aß C = B/100 + 0,7 ein. F¨ ur B = 30 entsprechen die modifizierten Function-Points gerade A, f¨ ur B < 30 sind die modifizierten Function-Points niedriger und f¨ ur B > 30 sind die modifizierten Function-Points größer als A. Der Aufwand des betrachteten Projektes betr¨ agt 581,4 Function-Points. Hat das ausf¨ uhrende Unternehmen in der Vergangenheit bereits eine Vielzahl von Projekten ausgef¨ uhrt, f¨ ur die die zugeh¨ origen modifizierten Function-Points sowie der tats¨ achliche mengen- oder wertm¨ aßige Aufwand bekannt sind, dann


19

k¨ onnen wir daraus auf den erwarteten Aufwand des betrachteten Projektes schliessen. Tabelle 1.3. Berechnungsformular zur Function-Point Methode Funktion

Anzahl 30 20 Eingabe 10 20 10 Ausgabe 15 10 Berechnung 8 10 Summe

Gewichtung Zeilensumme Komplexit¨ at = 90 ·3 niedrig = 80 ·4 durchschnittlich = 60 ·6 hoch = 60 ·3 niedrig = 40 ·4 durchschnittlich = 90 ·6 hoch = 40 ·4 niedrig = 40 ·5 durchschnittlich = 70 ·7 hoch = 570 A

Einflussgr¨ oßen (modifizieren die Function-Points A um ±30%)

Verflechtung mit anderen Anwendungssystemen (0–20) Datenbestandskonvertierungen (0–20) Wiederverwendbarkeit (0–20) B

Summe

= 15 =7 = 10 = 32

Modifikationsfaktor C = B/100 + 0, 7

= 1,02

Modifizierte Function-Points: A · C

= 581,4

Obgleich die Function-Point-Methode vor allem im Rahmen von Softwareprojekten Anwendung findet, ist sie grunds¨ atzlich auch auf andere Arten von Projekten verallgemeinerbar. Voraussetzung daf¨ ur ist jedoch, dass die betrachteten Projekte sich in mehr oder minder standardisierte T¨ atigkeiten bzw. Arbeitsg¨ ange (Funktionen) disaggregieren lassen, wie es beispielsweise h¨ aufig in der Kundenauftragsfertigung der Fall ist. F¨ ur hoch innovative und wenig standardisierbare Projekte, z.B. in der Produktentwicklung oder Forschungsprojekte, ist die Function-Point-Methode dagegen weniger geeignet. Die beschriebenen Verfahren zur Aufwandssch¨ atzung stellen recht einfache Verfahren dar, die sich auf eine Vielzahl von Projekten anwenden lassen. F¨ ur spezielle Projekttypen existieren in der Literatur meist spezialisierte Methoden zur Sch¨ atzung des Projektaufwandes, die projektspezifische Besonderheiten besser ber¨ ucksichtigen, als dies ein generisches Verfahren vermag. Bei der Entwicklung und Implementierung von Soft- und Hardware hat die quantitative methodische Unterst¨ utzung bei der Aufwandssch¨ atzung eine lange Tradition. Burghardt (2000, Kapitel 3.2) beschreibt f¨ ur solche Projekte eine Vielzahl spezialisierter Sch¨ atzverfahren, die in den wesentlichen Grundz¨ ugen auf dem Verfahrensprinzip der Analogiemethode, Prozentsatzmethode, des Faktorenverfahrens oder der Function-Point-Methode beruhen.

20

1 Projektmanagement

Im Anschluss an die Ermittlung des Projektaufwandes wenden wir uns im Rahmen der Wirtschaftlichkeitsanalyse den aus der Projektdurchf¨ uhrung resultierenden Erl¨ osen“ zu. Aufgabe einer Wirtschaftlichkeitsanalyse ist es, ” ein Projektvorhaben unter wirtschaftlichen Gesichtspunkten zu betrachten. Das Wirtschaftlichkeitsprinzip als betriebswirtschaftliche Handlungsmaxime ist ein klassischer Grundsatz in Theorie und Praxis. Es sollte grundsätzlich auch bei Projekten Anwendung finden, d.h. ein Projekt sollte nur dann durchgef¨ uhrt werden, wenn hieraus ein monet¨ ar messbarer Nutzen resultiert. Zu diesem Zweck wird in geeigneter Form stets der mit der Durchf¨ uhrung eines Projektes verbundene monet¨ are Aufwand“ dem prognostizierten Erlös“ bei ” ” erfolgreichem Projektabschluss gegen¨ ubergestellt. Es ist jedoch zu beachten, dass nicht jedes Projekt uneingeschr¨ ankt und unmittelbar am Wirtschaftlichkeitsprinzip orientiert werden kann. Das betrifft z.B. manche Projekte im Gesundheitswesen, im Sozialwesen, im Bildungssektor, Projekte, die aufgrund von Gesetzes¨ anderungen durchgef¨ uhrt werden m¨ ussen, oder Public-RelationsProjekte, die der F¨ orderung der Reputation eines Unternehmens dienen. Dessen ungeachtet hat das Ergebnis einer Wirtschaftlichkeitsanalyse meist einen wesentlichen Einfluss auf die Entscheidung u uhrung oder Nicht¨ber die Durchf¨ Durchf¨ uhrung eines Projektes. Im Gegensatz zur Aufwandssch¨ atzung werden bei der Wirtschaftlichkeitsanalyse ausschließlich monet¨ ar quantifizierbare Größen ber¨ ucksichtigt. Hierunter fallen insbesondere die betriebswirtschaftlichen Stromgrößen Einbzw. Auszahlungen sowie Kosten bzw. Leistungen.7 Ein- und Auszahlungen erh¨ ohen bzw. vermindern den Bestand an liquiden Mitteln in einem Unternehmen und lassen sich (ex post) eindeutig einem bestimmten Zeitpunkt zuordnen. Kosten bzw. Leistungen entsprechen dem Wert aller verbrauchten bzw. erbrachten G¨ uter im Rahmen der betrieblichen Tätigkeit, und sie vermindern bzw. erh¨ ohen das betriebsnotwendige Verm¨ ogen eines Unternehmens. Anders als Ein- und Auszahlungen lassen sich Leistungen und Kosten i.d.R. nicht exakt einem Zeitpunkt zuordnen, sondern lediglich einem bestimmten Zeitraum, da es sich um periodenbezogene Gr¨ oßen handelt. Bevor mit einer Wirtschaftlichkeitsanalyse begonnen werden kann, m¨ ussen daher zun¨ achst alle Ein- und Auszahlungen bzw. Leistungen und Kosten ermittelt werden, die unmittelbar oder mittelbar aus der Durchf¨ uhrung des betrachteten Projektes resultieren. Auszahlungen oder Kosten lassen sich aus dem im Zuge der Aufwandssch¨ atzung ermittelten Projektaufwand herleiten. Handelt es sich dabei um einen mengenm¨ aßigen oder zeitlichen Aufwand, so wird dieser z.B. mit Marktpreisen, Wiederbeschaffungspreisen, Anschaffungsund Herstellkosten, Opportunit¨ atskosten oder Kostensätzen pro Arbeits- oder Maschinenstunde bewertet, um eine monet¨ are Größe zu erhalten. Einzahlungen bzw. Leistungen ergeben sich in der Regel aus vertraglich fixierten 7

¨ F¨ ur einen Uberblick und eine einf¨ uhrende Darstellung u ¨ber die zentralen betriebswirtschaftlichen Bestands- und Stromgr¨ oßen verweisen wir z.B. auf (Haberstock, 2004) oder (Coenenberg, 2003).


21

Abschlags- oder Vorauszahlungen f¨ ur die Fertigstellung einzelner Teilprojekte oder aus prognostizierten Absatzpreisen und -mengen f¨ ur ein marktgängiges Endprodukt. Sind s¨ amtliche relevanten Zahlungen bzw. Kosten und Leistungen ermittelt worden, kann mit Hilfe der bekannten Verfahren der Wirtschaftlichkeitsbzw. Investitionsrechnung eine Wirtschaftlichkeitsanalyse durchgef¨ uhrt wer¨ den. Einen entsprechenden Uberblick findet man z.B. in (Perridon und Stei¨ ner, 2004) oder (Kruschwitz, 2005). Ublicherweise wird dabei zwischen so genannten statischen und dynamischen Verfahren der Wirtschaftlichkeitsrechnung unterschieden. Bei den statischen Verfahren zur Wirtschaftlichkeitsrechnung werden i.d.R. sämtliche Kosten und Leistungen einer repr¨ asentativen Periode eines Projektes ermittelt und, gegliedert nach Kosten- und Leistungsarten, einander gegen¨ ubergestellt. Der Saldo dieser Gegen¨ uberstellung entspricht dem aus der Durchf¨ uhrung des Projektes resultierenden Gewinn oder Verlust. Da Kosten und Leistungen periodenbezogene Gr¨ oßen sind, wird eine solche statische Wirtschaftlichkeitsrechnung f¨ ur eine repr¨ asentative, durchschnittliche Periode durchgef¨ uhrt oder f¨ ur den gesamten Projektlebenszyklus. Zu den statischen Verfahren wird auch die Amortisationsdauerrechnung gezählt, die ausgehend von den mit einem Projekt assoziierten Ein- und Auszahlungen ermittelt, ob bzw. wann sich ein Projekt amortisiert. Die Amortisationsdauer ist also die Zeitspanne, die ben¨ otigt wird, damit die kumulierte Summe der mit einem Projekt verbundenen laufenden Einzahlungen die Höhe der kumulierten Auszahlungen u ¨bersteigt. Statische Verfahren der Wirtschaftlichkeitsrechnung sind im Allgemeinen sehr einfach zu handhaben. Sie haben jedoch den entscheidenden Nachteil, dass sie die zeitliche Struktur der mit einem Projekt verbundenen Ein- und Auszahlungen nicht hinreichend ber¨ ucksichtigen. Dynamische Verfahren der Wirtschaftlichkeitsrechnung, wie z.B. die Kapitalwertmethode oder die Methode des internen Zinsfußes, ber¨ ucksichtigen hingegen die zeitliche Struktur der Projektzahlungen. Bei der Kapitalwertmethode werden sämtliche Ein- und Auszahlungen, die sich aus einem Projekt ergeben, unter Zuhilfenahme eines geeigneten Kalkulationszinsfußes auf einen einheitlichen Zeitpunkt auf- oder abgezinst. Die Zeitpunkte, zu denen eine Zahlung stattfindet, sind dabei Gegenstand der Projektplanung (vgl. Abschnitt 1.4.5). Der Einfachheit halber nehmen wir im Folgenden jedoch an, dass sich f¨ ur alle Zahlungen die korrespondierenden Zahlungszeitpunkte im vorhinein schätzen lassen, z.B. auf der Grundlage eines Meilensteinplans, wie wir ihn in Abschnitt 1.3.2 erläutern werden. Bezeichne zt die Summe der Ein- und Auszahlungen zum Zeitpunkt t = 0, . . . , T und r den einheitlichen Soll- bzw. Habenzins, so wird mit NPV =

T t=0

zt (1 + r)−t

22

1 Projektmanagement

der Kapitalwert (Barwert, net present value) eines Projektes bezeichnet.8 Ist der Kapitalwert eines Projektes positiv, so ist die Durchf¨ uhrung des Projektes im Vergleich zur alternativen Geldanlage zum Kalkulationszins vorteilhaft. Bei der Methode des internen Zinsfußes ist das Ergebnis der Wirtschaftlichkeitsrechnung der Zinssatz r, f¨ ur den der Kapitalwert NPV eines Projektes gerade den Wert 0 hat. Der interne Zinsfuß ist somit ein Maßstab f¨ ur die Verzinsung eines Projektes. Ist der interne Zinsfuß positiv oder größer als ein Vergleichszinssatz, so gilt die Durchf¨ uhrung des Projektes als wirtschaftlich. Problematisch an dieser Methode ist, dass sich f¨ ur viele Projekte kein oder aber viele verschiedene interne Zinsf¨ uße ergeben können, da die Kapitalwertfunktion NPV in Abh¨ angigkeit vom Zinssatz r ein Polynom darstellt, f¨ ur das keine, eine oder mehrere Nullstellen existieren können. Beispiel 1.5. Ein Unternehmen analysiert ein Projekt, f¨ ur das vier wesentliche Meilensteine identifiziert wurden. Tabelle 1.4 zeigt die geplanten Eintrittszeitpunkte dieser Meilensteine sowie die saldierten Ein- bzw. Auszahlungen, die bei Erreichen eines Meilensteins anfallen. Es werde weiter angenommen, dass die Zahlungen gerade zu Vielfachen der Zinszuschlagstermine anfallen und der g¨ angige Marktzins f¨ ur eine Zinsperiode 3% betrage. Der Kapitalwert des Projektes betr¨ agt dann NPV =

16 000 7 000 −30 000 15 000 = −12 597,40 e . + + + 1,0342 1,0327 1,0315 1,030

Da der Kapitalwert negativ ist, ist die Durchf¨ uhrung des Projektes f¨ ur das Unternehmen unter wirtschaftlichen Gesichtspunkten nicht lohnenswert. Das Unternehmen w¨ are besser gestellt, wenn es die Anfangsauszahlung i.H.v. 30 000 e zum Zinssatz von 3% am Kapitalmarkt anlegen w¨ urde. Tabelle 1.4. Zahlungen eines Projektes und zugeh¨ orige antizipierte Zahlungszeitpunkte Meilenstein Zeitpunkt (Zinsperioden) Zahlung

8

1

2

3

4

0 −30 000 e

15 15 000 e

27 7 000 e

42 16 000 e

Ist der Sollzins s gr¨ oßer ist als der Habenzins h, dann wird der so genannte Endwert anstelle des Barwertes (Kapitalwertes) bestimmt. Der Endwert CT ergibt sich aus den Rekursionsgleichungen Ct :=

Ct−1 (1 + s) + zt f¨ ur Ct−1 < 0 ur Ct−1 ≥ 0 Ct−1 (1 + h) + zt f¨

f¨ ur t = 1, . . . , T und mit C0 := z0 , indem alle Zahlungen auf den Zeitpunkt T aufgezinst werden.


23

Die klassischen statischen und dynamischen Verfahren der Investitionsund Wirtschaftlichkeitsrechnung sind bei der Wirtschaftlichkeitsanalyse von Projekten bisweilen nur eingeschr¨ ankt verwendungsfähig, da die erforderlichen Daten, wie bspw. die H¨ ohe der mit einem Projekt verbundenen Ein- und Auszahlungen, h¨ aufig nicht in der erforderlichen Genauigkeit beschafft oder gesch¨ atzt werden k¨ onnen. Ebenso verh¨ alt es sich mit der (planungsabhängigen) Terminierung der Ein- und Auszahlungen. Eine genaue Terminierung der Zahlungen ist vor Durchf¨ uhrung der Projektplanung meist nicht möglich und selbst wenn die genauen Startzeitpunkte der Projektvorgänge gegeben sind, kann es bspw. aufgrund von St¨ orungen w¨ ahrend der Projektrealisation zu Abweichungen kommen. Unsicherheit besteht in der Praxis häufig auch hinsichtlich der Wahl eines geeigneten Kalkulationszinssatzes, der die Grundlage f¨ ur die Ermittlung des Barwertes eines Projektes darstellt. Aus den genannten Gr¨ unden ist es wichtig darauf hinzuweisen, dass es sich bei dem Ergebnis einer im Vorfeld eines Projektes durchgef¨ uhrten Wirtschaftlichkeitsanalyse stets um eine Sch¨ atzgr¨ oße handelt, die teils betr¨ achtlich von der tatsächlich realisierten Größe abweichen kann. Zur Durchf¨ uhrung einer Wirtschaftlichkeitsanalyse bei unbekannten oder unsicheren Daten (z.B. hinsichtlich der H¨ ohe der anfallenden Zahlungen) existieren stochastische Ans¨ atze, auf die hier nicht näher eingegangen wird; vgl. hierzu bspw. (Perridon und Steiner, 2004) oder (Breuer, 2001). F¨ ur den Fall, dass ein geeigneter Kalkulationszins nicht ermittelt werden kann, bietet sich ein von Schwindt und Zimmermann (2002) entwickelter Ansatz der parametrischen Optimierung an, mit dessen Hilfe man den Barwert eines Projektes in Abh¨ angigkeit vom (endogenen) Kalkulationszins bestimmen kann. 1.2.4 Risikoanalyse Jedes Projekt ist mit einer Reihe von Risiken behaftet, die einem sach-, termin- und kostengerechten Projektabschluss entgegenstehen. Eine wichtige Aufgabe des Projektmanagements besteht daher darin, potentielle Risiken zu identifizieren und geeignete Gegenmaßnahmen zur Vermeidung oder Minderung der m¨ oglichen Risiken einzuleiten. Ganz allgemein verstehen wir unter einem Risiko den Eintritt eines bestimmten Umweltzustandes, der dazu f¨ uhrt, dass eines oder mehrere der vorgegebenen Projektziele nicht erreicht werden können bzw. einzelne der Planung zugrunde liegende Restriktionen verletzt werden. Grunds¨ atzlich lassen sich drei Arten von Risiken unterscheiden: sachliche Risiken, terminliche Risiken und wirtschaftliche Risiken. Sachliche Risiken sind solche Risiken, die den Gegenstand eines Projektes betreffen, also bei einem Entwicklungsprojekt z.B. das zu entwickelnde Produkt. Solche Risiken resultieren z.B. aus Fehlern des Engineering oder fehlerhaften Materiallieferungen. Unter terminlichen Risiken versteht man alle Risiken, die dazu f¨ uhren k¨ onnen, dass geplante Projekttermine, wie z.B. Fertigstellungszeitpunkte wichtiger Teilprojekte, nicht eingehalten werden können. Derarti-

24

1 Projektmanagement

ge Versp¨ atungen haben u.U. auch monet¨ are Konsequenzen, wenn bspw. bei ¨ einem Bauprojekt Konventionalstrafen f¨ ur die Uberschreitung eines gegebenen Abnahmetermins vereinbart wurden. Ein wirtschaftliches Risiko liegt vor, wenn die Gefahr besteht, dass ein Projekt mit höheren als den veranschlagten Kosten oder gar einem Verlust beendet wird. Neben diesen zentralen Risiken werden in der Literatur auch h¨ aufig andere Risikotypen wie z.B. psychologische oder organisatorische Risiken aufgef¨ uhrt, die sich im Hinblick auf ihre Konsequenzen jedoch i.d.R. einem der drei vorgenannten Risikotypen zuordnen lassen. Eine Risikoanalyse besteht aus drei wesentlichen, nachfolgend beschriebenen Schritten. H¨ aufig wird das gesamte Projekt zunächst in geeignete Subsys” teme“ unterteilt, wobei f¨ ur jedes Subsystem eine Risikoanalyse vorzunehmen ist. Auf diese Weise kann die Risikoanalyse parallel von den jeweilig verantwortlichen Mitarbeitern durchgef¨ uhrt werden, die u ur eine solche ¨ber das f¨ Analyse zwingend notwendige Fachwissen verf¨ ugen. Ein Subsystem kann zum einen eine bestimmte Phase des Projektlebenszyklus darstellen, eines der Teilprojekte des betrachteten Projektes oder aber einen bestimmten Aspekt des Projektgegenstandes. Bei der Entwicklung eines Automobils lassen sich bspw. die Subsysteme Antrieb & Fahrwerk“, Chassis“ und Produktqualität“ als ” ” ” wesentliche, den Projekterfolg determinierende Aspekte des Projektgegenstandes identifizieren. Im ersten Schritt einer Risikoanalyse werden nun f¨ ur jedes Subsystem die potentiellen Risiken identifiziert. Hierbei bedient man sich insbesondere f¨ ur die Identifizierung sachlicher Risiken h¨ aufig qualitativer Verfahren wie Brainstormings mit allen Projektbeteiligten oder aber Expertenbefragungen. Zur Analyse terminlicher Risiken existieren besondere Verfahren, die in Abschnitt 1.4.4 betrachtet werden. Die diesen Verfahren zugrunde liegenden Konzepte sind zum einen stochastische Vorgangsdauern (PERT) und zum anderen stochastischen Ablaufstrukturen mit bedingten Ausf¨ uhrungswahrscheinlichkeiten f¨ ur einzelne Projektvorg¨ ange (GERT). Wirtschaftliche Risiken können häufig mit Hilfe stochastischer Methoden analysiert werden, indem man z.B. im Rahmen der Wirtschaftlichkeitsanalyse (vgl. Abschnitt 1.2.3) nicht mit deterministischen, sondern stochastischen Daten arbeitet. Besteht z.B. Unklarheit u ¨ber den Zeitpunkt, zu dem bestimmte Einzahlungen anfallen, so bestimmt man f¨ ur diese Zahlungszeitpunkte geeignete Wahrscheinlichkeitsverteilungen und ermittelt mit stochastischen Methoden oder mit Hilfe einer Simulation die (empirische) Wahrscheinlichkeitsverteilung des resultierenden Kapitalwertes. Der zweite Schritt einer Risikoanalyse beinhaltet eine Bewertung der Risiken, d.h. es ist das Ausmaß der identifizierten Risiken zu bestimmen. Das Ausmaß eines Risikos h¨ angt von der Auspr¨ agung zweier Komponenten ab, nämlich der Eintrittswahrscheinlichkeit des Risikos und seiner Konsequenzen f¨ ur das Projekt. Die Sch¨ atzung von Eintrittswahrscheinlichkeiten f¨ ur einzelne Risiken kann durch Experten mit hinreichenden Erfahrungswerten erfolgen oder mit Hilfe der im ersten Schritt der Risikoanalyse verwendeten stochastischen Methoden. So erlaubt die Netzplantechnik PERT bspw. eine Quan-


25

tifizierung der Wahrscheinlichkeit daf¨ ur, dass das Projekt nicht rechtzeitig beendet wird. Des Weiteren m¨ ussen die Konsequenzen beim Eintritt eines Risikos beziffert werden. Im Allgemeinen wird die Konsequenz eines Risikos in Geldeinheiten ausgedr¨ uckt. Wird das Projekt nicht rechtzeitig abgeschlossen, so muss z.B. eine Konventionalstrafe bezahlt werden, es fallen u.U. zusätzliche Kapitalbindungskosten an oder die Reputation des ausf¨ uhrenden Unternehmens wird besch¨ adigt, so dass eventuelle Folgeprojekte u.U. an Konkurrenzunternehmen vergeben werden. Hat bei einem Produktentwicklungsprojekt das resultierende Produkt eine mindere Qualit¨ at, so sind bspw. die resultierenden Umsatzausf¨ alle dem betrachteten Risiko zuzurechnen. Zusammenfassend kann man sich das Ausmaß eines Risikos daher als eine monoton wachsende Funktion seiner Eintrittswahrscheinlichkeit und seiner Konsequenzen denken, z.B. als Produkt der Eintrittswahrscheinlichkeit und der Konsequenzen. Wird die Eintrittswahrscheinlichkeit eines Risiko bspw. mit 15% beziffert und seine monet¨ aren Konsequenten mit 1 000 000 e, so wird das Ausmaß des Risikos auf 0, 15 · 1 000 000 e = 150 000 e gesch¨ atzt. Da eine exakte Schätzung des Ausmaßes von Risiken in der Praxis oft nicht m¨ oglich ist, werden Risiken häufig lediglich in A-, B- und C-Risiken unterteilt, wobei A-Risiken ein besonders hohes Risikoausmaß aufweisen. Nachdem alle m¨ oglichen Risiken mitsamt ihres Ausmaßes identifiziert und analysiert wurden, m¨ ussen im dritten Schritt der Risikoanalyse geeignete Maßnahmen zur Vermeidung ihres Eintritts oder zur Minderung ihres Ausmaßes formuliert werden. Einige Risiken lassen sich unter Umständen weitestgehend ausschließen, sofern das Projektmanagement sich ihrer bewusst ist. Dazu geh¨ oren bspw. technische M¨ angel in Zulieferteilen, die sich durch verstärkte Qualit¨ atskontrollen beheben lassen. F¨ ur Risiken, die sich nicht ausschalten lassen, muss anderweitig Vorsorge getroffen werden. Manche Risiken lassen sich versichern, so z.B. der Untergang von Wirtschaftsg¨ utern durch Katastrophen oder durch bewaffnete Auseinandersetzungen in Krisengebieten. Ist eine solche Versicherung nicht m¨ oglich, kann einem Risiko aber dennoch in Form kalkulatorischer Wagniskosten im Rahmen der Aufwandsschätzung und der Wirtschaftlichkeitsanalyse Rechnung getragen werden. Letztendlich kann auf einige Risiken, insbesondere C-Risiken geringen Ausmaßes, auch u ¨berhaupt nicht reagiert werden. In diesem Fall ist sich das Projektmanagement dieser Risiken zwar bewusst, ignoriert sie jedoch f¨ ur den Verlauf der weiteren Planung und reagiert erst kurzfristig bei Eintritt des Risikos in geeigneter Weise. Jedenfalls sind potentielle Risiken im Projektverlauf genau zu beobachten und Informationen u anderungen eines Risikos (z.B. Eintrittswahr¨ber Ver¨ scheinlichkeiten oder m¨ ogliche Schadensh¨ ohen) im Rahmen der regelmäßigen Berichterstattung offenzulegen. 1.2.5 Projektselektion Im Zuge der Projektkonzeption werden h¨ aufig parallel mehrere Projekte konzipiert, die in Frage kommen, um den Projektauftrag zu erf¨ ullen. Die Projekt-

26

1 Projektmanagement

selektion dient zur Entscheidung dar¨ uber, ob ein Projekt bzw. welches Projekt letztlich realisiert wird. Im Kontext der Projektselektion unterscheidet man grunds¨ atzlich drei Entscheidungssituationen: 1. Es ist u uhrung eines einzelnen Projektes zu entscheiden ¨ber die Durchf¨ (Einzelentscheidung). 2. Aus einer Menge alternativer, einander ausschließender Projekte ist genau eines zur Durchf¨ uhrung auszuw¨ ahlen (Wahlentscheidung). 3. Aus einer Menge einander nicht ausschließender Projekte ist eine Teilmenge von Projekten zur Durchf¨ uhrung auszuwählen (Programmentscheidung). Die Entscheidung u uhrung oder Nicht-Durchf¨ uhrung eines ¨ber die Durchf¨ Projektes (Einzelentscheidung) sollte sich grundsätzlich am Wirtschaftlichkeitsprinzip orientieren. Hierzu sind die Ergebnisse der Wirtschaftlichkeitsanalyse (vgl. Abschnitt 1.2.3) heranzuziehen. Ist u uhrung eines ¨ber die Durchf¨ einzelnen Projektes zu entscheiden, so sollte das Projekt somit grundsätzlich nur dann durchgef¨ uhrt werden, wenn es – mit im Hinblick auf die Ergebnisse der Risikoanalyse (vgl. Abschnitt 1.2.4) hinreichender Sicherheit – zu einem Gewinn (als Ergebnis einer statischen Wirtschaftlichkeitsrechnung) f¨ ur das ausf¨ uhrende Unternehmen f¨ uhrt bzw. u ¨ber einen positiven Kapitalwert (als Ergebnis einer dynamischen Wirtschaftlichkeitsrechnung) verf¨ ugt. In der Praxis werden im Rahmen der Entscheidung u uhrung ¨ber die Projektdurchf¨ jedoch h¨ aufig zus¨ atzliche weiche“ Faktoren ber¨ ucksichtigt. So ist das zu” grunde liegende Projekt f¨ ur sich betrachtet vielleicht nicht rentabel, aber bei erfolgversprechender Projektdurchf¨ uhrung ist bspw. mit rentablen Folgeaufträgen zu rechnen. F¨ ur einige Projekte, wie z.B. Public-Relations-Projekte, ist eine sinnvolle Wirtschaftlichkeitsanalyse u.U. gar nicht möglich, aber das ausf¨ uhrende Unternehmen verspricht sich von ihrer Realisierung anderweitige Vorteile. Letztlich muss daher das Management eine Entscheidung auf Grundlage der Wirtschaftlichkeit und sonstiger Einflussgrößen treffen, die sich nur schwer methodisch unterst¨ utzen l¨ asst. Im Rahmen einer Wahlentscheidung ist genau eines von mehreren möglichen Projekten (Projektalternativen) zur Realisierung auszuwählen. Kennt man den Kapitalwert, den Gewinn oder die Amortisationsdauer aller Projektalternativen, so sollte analog zur Einzelentscheidung eine Entscheidung f¨ ur diejenige Projektalternative erfolgen, welche den höchsten (positiven) Kapitalwert besitzt, den h¨ ochsten Gewinn verspricht oder zur k¨ urzesten Amortisationsdauer f¨ uhrt. Wie bei der Einzelentscheidung sind u.U. weitere Einflussgrößen bei der Entscheidung zu ber¨ ucksichtigen. Dabei unterscheidet man zwischen qualitativen Einflussgr¨ oßen und quantifizierbaren Einflussgrößen, die sich nicht monet¨ ar bewerten lassen. Quantifizierbare, aber nicht monet¨ ar messbare Einflussgr¨ oßen lassen sich metrisch messen und vergleichen. Beispiele f¨ ur solche Einflussgr¨ oßen sind die Erh¨ ohung der Lieferbereitschaft, z.B. durch eine Verringerung der Auftragsdurchlaufzeiten, oder die Verringerung der Reaktionszeit, d.h. der Zeit, um die die Erteilung von Ausk¨ unften und An-


27

geboten an Kunden verringert wird. Qualitative Einflussgr¨ oßen sind hingegen nicht quantifizierbar, d.h. sie lassen sich nicht unmittelbar in Form von Zahlen ausdr¨ ucken. Dazu geh¨ oren bspw. u ¨bersichtlichere Organisationsstrukturen ¨ oder eine verbesserte Wahrnehmung des Unternehmens durch die Offentlichkeit. F¨ ur die weiteren Ausf¨ uhrungen nehmen wir an, dass sich die verschiedenen Auspr¨ agungen einer qualitativen Einflussgröße ordinal messen lassen, d.h. sie lassen sich hinsichtlich ihrer G¨ ute“ sortieren. Zur Unterst¨ utzung des ” Entscheidungstr¨ agers bei der Entscheidung f¨ ur eine der Projektalternativen unter Ber¨ ucksichtigung der nicht monet¨ ar messbaren und qualitativen Einflussgr¨ oßen wird in der Praxis h¨ aufig eine Nutzwertanalyse angewendet. Zur Durchf¨ uhrung einer Nutzwertanalyse m¨ ussen zunächst alle f¨ ur die Entscheidungsfindung maßgeblichen monet¨ aren und nicht monetären Einflussgr¨ oßen identifiziert werden. Jede dieser Einflussgrößen wird anschließend mit einem Gewicht versehen, das die relative Bedeutung der entsprechenden Einflussgr¨ oße f¨ ur die Entscheidungsfindung widerspiegelt. Dabei wird angenommen, dass ein hohes Gewicht eine große Bedeutung impliziert. Anschließend wird f¨ ur jede der n Projektalternativen und jede Einflussgröße festgestellt, inwiefern die entsprechende Alternative das den jeweiligen Einflussgrößen zugrunde liegende Bewertungskriterium erf¨ ullt (Bewertung). Dies kann grunds¨ atzlich auf zweierlei Arten erfolgen. Zum einen kann man die Projektalternativen nach ihrem Erf¨ ullungsgrad sortieren. Die beste“ Projektalterna” tive erh¨ alt dann die Bewertung n, die zweitbeste n − 1, usw. Zum anderen kann man eine fixe Bewertungsskala vorgeben, z.B. die Zahlen von 1 bis 10, wobei die Bewertung 10 bedeutet, dass die entsprechende Projektalternative im Hinblick auf die betrachtete Einflussgr¨ oße als sehr gut bewertet wird. Jeder Projektalternative wird dann je nach ihrem Erf¨ ullungsgrad ein Wert aus der zugrunde liegenden Bewertungsskala (hier: die ganzen Zahlen von 1 bis 10) zugewiesen. Anschließend wird f¨ ur jede Alternative und jede Einflussgröße der so genannte Punktwert, d.h. das Produkt aus dem Gewicht der Einflussgröße und der Bewertung der betrachteten Projektalternative, gebildet. Die Summe der Punktwerte einer Alternative entspricht schließlich dem Nutzwert des entsprechenden Projektes. Tabelle 1.5 verdeutlicht das beschriebene Vorgehen zur Ermittlung der projektbezogenen Nutzwerte. Schließlich wird diejenige Projektalternative zur Durchf¨ uhrung ausgew¨ ahlt, welche den größten Nutzwert aufweist. Unterscheiden sich die Nutzwerte zweier Projektalternativen nur geringf¨ ugig, dann sollte man die endg¨ ultige Entscheidung nicht von einer nur geringen Differenz der Nutzwerte abh¨ angig machen, sondern die betreffenden Alternativen noch einmal sorgf¨ altig miteinander vergleichen. In der Praxis wird ein Unternehmen nicht gleichzeitig immer nur ein Projekt bearbeiten, sondern es werden meist zahlreiche Projekte gleichzeitig ausgef¨ uhrt. Da die Realisation eines Projektes aber stets knappe betriebliche Ressourcen wie bspw. finanzielle Mittel oder Projektmitarbeiter in Anspruch nimmt, k¨ onnen nicht alle vorteilhaften Projekte ausgef¨ uhrt werden. Stattdessen muss im Zuge einer Programmentscheidung aus einer Menge möglicher Projekte eine Teilmenge einander nicht ausschließender Projekte zur

28

1 Projektmanagement Tabelle 1.5. Tabellarische Ermittlung der Nutzwerte Alternative 2

Alternative 1

Gewicht Bewertung Punktwert Bewertung Punktwert Einflussgr¨ oße 1

g1

p11

g1 · p11

p21

g1 · p21

Einflussgr¨ oße 2

g2

p12

g2 · p12

p22

g2 · p22

Einflussgr¨ oße 3

g3

p13

g3 · p13

p23

g3 · p23

g ·p 3

Nutzwert

i=1

i

1i

g ·p 3

i=1

i

2i

Durchf¨ uhrung ausgew¨ ahlt werden. Das Ziel der Unternehmensleitung muss dabei sein, die Projekte so auszuw¨ ahlen, dass der aus der Durchf¨ uhrung der Projekte resultierende Gewinn bzw. Kapitalwert oder der resultierende Nutzen (z.B. gemessen als Nutzwert) maximal ist. Gleichzeitig muss gewährleistet sein, dass die vorhandenen Ressourcen zur Realisation der Projekte ausreichen. Liegen keine Ressourcenkapazit¨ aten vor, so werden sämtliche Projekte mit einem positiven Kapitalwert bzw. Gewinn durchgef¨ uhrt. Eine Näherungslösung dieses Problems der Programmentscheidung kann man mit Hilfe eines einfachen rangbasierten Verfahrens bestimmen. Dazu werden sämtliche in Frage kommenden Projekte in einer gem¨ aß ihres Gewinns bzw. Nutzens nichtwachsenden Reihenfolge sortiert. Sodann werden die Projekte gemäß dieser Reihenfolge sukzessive zur Realisierung ausgewählt, bis schließlich die vorhandenen Ressourcen zur Realisierung des in der Reihenfolge nächsten Projektes nicht mehr ausreichen. Das auf diese Weise ausgewählte Portfolio von Projekten ist jedoch im Allgemeinen nicht optimal hinsichtlich des erzielten Gesamtgewinns bzw. -nutzens, wie man anhand des folgenden Beispiels sieht. Beispiel 1.6. Ein Unternehmen m¨ ochte aus einer Menge von vier einander nicht ausschließenden Projekten eine Teilmenge von Projekten realisieren. Zu diesem Zweck verf¨ ugt das Unternehmen im betrachteten Zeitraum u ¨ber freie Investivmittel i.H.v. 100 000 e und insgesamt 10 Mitarbeiter. F¨ ur jedes der vier Projekte sind in Tabelle 1.6 die ben¨ otigten Investivmittel und Mitarbeiter sowie der aus der Durchf¨ uhrung der jeweiligen Projekte resultierende Nutzen angegeben. Wir nehmen außerdem an, dass Mitarbeiter, die einem Projekt zugeordnet sind, f¨ ur ein anderes Projekt nicht mehr zur Verf¨ ugung stehen. Werden die Projekte nach nichtwachsenden Nutzenwerten ausgewählt, so entscheidet sich das Unternehmen f¨ ur die Realisierung der Projekte 1 und 2 und erzielt damit einen Gesamtnutzen von 18. Weitere Projekte können nicht ausgef¨ uhrt werden, da die Investivmittel mit diesen beiden Projekten zur G¨ anze ausgef¨ ullt sind. Wie man an diesem kleinen Beispiel jedoch leicht sieht, handelt es sich dabei nicht um eine optimale Lösung des Programmentscheidungsproblems. F¨ ur das betrachtete Unternehmen wäre es nämlich besser, die

1.3 Projektspezifikation

29

Tabelle 1.6. Beispiel zur Programmentscheidung Projekt i

1

2

3

4

Nutzen ui 10 8 5 4 ben¨ otigte Mitarbeiter 1 2 3 6 ben¨ otigte Investivmittel 50 000 e 50 000 e 20 000 e 30 000 e Rang 1. 2. 3. 4.

Projekte 1, 3 und 4 durchzuf¨ uhren, die gemeinsam zu einem Gesamtnutzen i.H.v. 19 Einheiten f¨ uhren. Das vorhergehende Beispiel zeigt deutlich, dass das weiter oben beschriebene rangbasierte Verfahren schon f¨ ur kleine Probleme häufig nicht in der Lage ist, eine optimale L¨ osung zu bestimmen. Wir beschreiben daher im Folgenden ein einfaches ganzzahliges lineares Optimierungsproblem zur Bestimmung einer optimalen Programmentscheidung. Wir nehmen an, dass aus einer Menge von Projekten i = 1, . . . , n eine Teilmenge zur Durchf¨ uhrung ausgewählt werden soll und dass zu diesem Zweck m Ressourcen r = 1, . . . , m zur Verf¨ ugung stehen. Von Ressource r stehen im Planungszeitraum insgesamt br Einheiten zum Verbrauch bereit. Der Nutzen eines Projektes i sei mit ui bezeichnet, und f¨ ur die Durchf¨ uhrung von Projekt i werden air Einheiten der Ressource r ben¨ otigt. Weiter f¨ uhren wir bin¨ are Entscheidungsvariablen xi ein, die genau dann 1 sind, wenn Projekt i durchgef¨ uhrt wird und 0 sonst. Wir erhalten damit das Optimierungsproblem9 Max. u.d.N.

n i=1 n

ui xi air xi ≤ br (r = 1, . . . , m)

i=1

xi ∈ {0, 1}

(i = 1, . . . , n)

Zur L¨ osung solcher ganzzahliger linearer Optimierungsprobleme existieren zahlreiche Verfahren und Standardsoftwarepakete, wie z.B. der in Microsoft Excel enthaltene Solver. Detaillierte Informationen zur Lösung solcher Optimierungsprobleme finden sich bspw. in (Domschke und Drexl, 2005).

1.3 Projektspezifikation Im Rahmen der Projektspezifikation besch¨ aftigen wir uns mit der organisatorischen Einbettung des Projektmanagements und der Projektmitarbeiter in die betriebliche Organisationsstruktur (vgl. Abschnitt 1.3.1) sowie mit der Gestaltung der Ablauforganisation eines Projektes (vgl. Abschnitt 1.3.2). Schließlich 9

Das beschriebene Problem ist in der Literatur auch als mehrperiodiges Ruck” sackproblem“ bekannt.

30

1 Projektmanagement

widmen wir uns in Abschnitt 1.3.3 der Spezifikation und Analyse der mit der Durchf¨ uhrung eines Projektes verfolgten Ziele. Ferner beschreiben wir einige den Projektablauf betreffenden Ziele und betten diese in einen hierarchischen Planungsrahmen ein. 1.3.1 Aufbauorganisation von Projekten Zur erfolgreichen Durchf¨ uhrung eines Projektes muss das Projektmanagement geeignet in die bestehende betriebliche Organisationsstruktur eingebettet werden. Da es sich bei Projekten um einmalige Vorhaben handelt, ist die resultierende um das Projektmanagement erweiterte Betriebsorganisation als tempor¨ ar zu erachten und nur f¨ ur die Dauer des Projektes aufrecht zu erhalten. In Unternehmen, in denen h¨ aufig Projekte durchzuf¨ uhren sind, empfiehlt sich ferner die dauerhafte Einrichtung eines Projektb¨ uros, welches allgemeine projektspezifische und projekt¨ ubergreifende Aufgaben u ¨bernimmt. Im Folgenden skizzieren wir drei wesentliche Organisationsformen zur Einbettung des Projektmanagements in die bestehende Unternehmensstruktur. F¨ ur eine ausf¨ uhrliche Darstellung sei z.B. auf (Kerzner, 2003, Kapitel 3) verwiesen. Bei der so genannten reinen Projektorganisation wird der Verantwortungsbereich Projektmanagement gleichrangig neben andere Organisationseinheiten des ausf¨ uhrenden Unternehmens eingegliedert (vgl. Abb. 1.2). Das Projektmanagement stellt eine autonome Organisationseinheit dar, d.h. alle an der Durchf¨ uhrung des Projektes beteiligten Mitarbeiter sind f¨ ur die Dauer des Projektes unmittelbar dem Projektmanagement zugeordnet. Der Projektmanager besitzt gegen¨ uber den Projektmitarbeitern uneingeschränkte Weisungsbefugnis und ist f¨ ur die erfolgreiche Durchf¨ uhrung des Projektes unmittelbar verantwortlich. Wesentlicher Vorteil dieser Organisationsform ist, dass sie aufgrund der kurzen Kommunikationswege zusammen mit der klaren Verteilung der Verantwortlichkeiten eine Konzentration auf die Realisierung des betrachteten Projektes erlaubt. Gleichzeitig besteht jedoch die Gefahr, dass es aufgrund fehlender Absprachen zwischen verschiedenen Projektteams bzw. dem Projektteam und den Fachabteilungen zu Parallelentwicklungen kommt. Das reine Projektmanagement eignet sich f¨ ur außerordentliche Vorhaben mit großem Umfang, die relativ wenig Ber¨ uhrung zu den herkömmlichen Aufgaben des Unternehmens haben, wie z.B. die Entwicklung einer völlig neuen Produktlinie.

Vorstand

Abteilung I

Abteilung II

Abteilung III

Projektmanagement

Abb. 1.2. Reines Projektmanagement


31

Bei der Stabsstellen-Projektorganisation (Einfluss-Projektorganisation) ist das Projektmanagement direkt der Unternehmensf¨ uhrung als Stabsstelle unterstellt (vgl. Abb. 1.3). Die Projektmitarbeiter bleiben f¨ ur die Dauer des Projektes den jeweiligen Fachabteilungen zugeordnet. Der Projektmanager besitzt keinerlei Weisungs- und Entscheidungsbefugnisse, er f¨ uhrt nur Koordinierungsaufgaben durch und steht dem Vorstand beratend zur Seite. Die unmittelbare Verantwortung f¨ ur das Projekt verbleibt bei den beteiligten Fachabteilungen. Diese Organisationsform erfordert zwar nur geringf¨ ugige Veränderungen der bestehenden Organisationsstruktur, f¨ uhrt jedoch zu einem erhöhten Koordinierungsaufwand seitens des Projektmanagers. Aufgrund der verteilten Verantwortung k¨ onnen ferner Zieldivergenzen und Abstimmungsprobleme auftreten. Die Stabsstellen-Projektorganisation eignet sich f¨ ur kleinere Projekte, deren Umfang den Rahmen der herk¨ ommlichen Aufgaben im Unternehmen nicht wesentlich u ¨bersteigt, wie bspw. die Abwicklung großer Kundenaufträge.

Vorstand

Abteilung I

Abteilung II

Abteilung III

Projektmanagement

Abteilung IV

Abb. 1.3. Stabsstellen-Projektorganisation

Die so genannte Matrix-Projektorganisation stellt eine Mischform der beiden vorgenannten Organisationsformen dar. Das Projektmanagement wird wie bei der Stabsstellen-Projektorganisation dem Vorstand als Stabsstelle zugeordnet und die Projektmitarbeiter unterstehen disziplinarisch den Abteilungsleitern ihrer jeweiligen Fachabteilungen (vgl. Abb. 1.4). Das Projektmanagement trägt allerdings wie bei der reinen Projektorganisation die volle Verantwortung f¨ ur das Gelingen der auszuf¨ uhrenden Projekte. Daher wird dem jeweiligen Projektleiter die Weisungsbefugnis u ¨ber die am Projekt beteiligten Mitarbeiter aus den einzelnen Fachabteilungen u ¨bertragen. Diese Organisationsform ist sehr flexibel einsetzbar und zeichnet sich durch ein hohes Maß an Interdisziplinarit¨ at sowie ein betr¨ achtliches Synergiepotential aus. Als nachteilig erweist sich, dass es h¨ aufig zu Konflikten zwischen der Projektarbeit und dem Tagesgesch¨ aft kommt, da die Projektmitarbeiter sich gegen¨ uber zweier Vorgesetzter verantworten m¨ ussen. Wesentliche Voraussetzung f¨ ur die erfolgreiche Implementierung der Matrix-Projektorganisation ist, dass durch klare Befugnisregelungen und Zieldefinitionen Kompetenzstreitigkeiten zwischen dem Projektmanagement und den Leitern der Fachabteilungen vermieden werden. Zur Planung und Steuerung eines Projektes bedarf es zus¨ atzlich einer Reihe organisations¨ ubergreifender Gremien, die einen vollst¨ andigen Informationsfluss innerhalb des ausf¨ uhrenden Unternehmens gew¨ ahrleisten. Wir unter-

32

1 Projektmanagement Vorstand

Abteilung I

Abteilung II

Abteilung III

Projektmanagement Projekt 1 Projekt 2 Projekt 3

Abb. 1.4. Matrix-Projektorganisation

scheiden im Folgenden vier verschiedene Arten von Gremien; vgl hierzu z.B. (Burghardt, 2000, Kapitel 2.4.2) oder (Burghardt, 1999, Kapitel 2.3.2). Planungsgremien sind Arbeitsgruppen bestehend aus Fachleuten der unterschiedlichen durch ein Projekt betroffenen Bereiche (z.B. Entwicklung, Fertigung und Vertrieb), die u angere Zeit die Planung und Durchf¨ uhrung ¨ber eine l¨ des betrachteten Projektes vorantreiben. Bei besonders innovativen Projekten, wie z.B. in der Produktentwicklung, werden außerdem h¨ aufig Beratungsgremien eingesetzt, denen Spezialisten und Experten der relevanten Fachrichtungen angeh¨ oren. Steuerungsgremien dienen der u ¨ber eine reine Beratung hinausgehenden fachlichen Unterst¨ utzung ausgew¨ ahlter Aspekte eines Projektes. Wichtige Entscheidungen werden schließlich von Entscheidungsgremien getroffen, die dem Projektmanagement zugeordnet sind. Ein solches Entscheidungsgremium ist z.B. wichtig, wenn ein Projekt von mehreren Unternehmensbereichen finanziert wird. In diesem Fall geh¨ oren dem Gremium entscheidungsbefugte Mitarbeiter der betroffenen Bereiche an. 1.3.2 Ablauforganisation von Projekten Zur Spezifizierung der Ablauforganisation eines Projektes wird das betrachtete Projekt zun¨ achst in einzelne Projektphasen bzw. Teilprojekte zerlegt. Hierbei kann u.U. auf der im Rahmen einer Aufwandssch¨ atzung (vgl. hierzu die Prozentsatzmethode in Abschnitt 1.2.3) vorgenommene Zerlegung des Projektes aufgebaut werden. Die Disaggregation des Projektes in Teilprojekte erfolgt so, dass ein einzelnes Teilprojekt einen genau abgegrenzten Abschnitt des Projektablaufs darstellt, das sich sachlich von anderen Teilprojekten unterscheidet. Häufig wird auch gefordert, dass sich f¨ ur ein Teilprojekt stets ein verantwortlicher Mitarbeiter benennen l¨ asst, der in besonderem Maße f¨ ur die sach-, kosten- und termingerechte Abwicklung des Teilprojektes verantwortlich ist. Zwischen einzelnen Teilprojekten werden ferner Vorrangbeziehungen identifiziert, die Auskunft u ¨ber die zeitliche Ablaufstruktur der einzelnen Teilprojekte geben. Eine solche Disaggregation und zeitliche Anordnung eines Projektes dient dazu, den Projektablauf f¨ ur das Projektmanagement u ¨berschaubar und somit kontrollierbar darzustellen.


33

In Abbildung 1.5 ist beispielhaft die Zerlegung eines kleinen Softwareentwicklungsprojektes in sieben Teilprojekte dargestellt. Zunächst wird ein Entwurf f¨ ur das zu entwickelnde Softwaresystem angefertigt. Im Anschluss werden die wesentlichen Funktionalit¨ aten der Software prototypisch implementiert. Nach erfolgreicher Erstellung des Prototypen werden die drei Softwaremodule A, B und C, aus denen die Software besteht, programmiert und anschließend getestet. Wurden die Tests erfolgreich abgeschlossen, kann das fertige System in die bestehende DV-Infrastruktur eingebettet werden. Die einzelnen Teilprojekte sind in Abbildung 1.5 als Blockpfeile dargestellt. Mit der Bearbeitung eines Teilprojektes kann erst dann begonnen werden, wenn alle vorangehenden Teilprojekte abgeschlossen wurden. Es ist zu beachten, dass die Teilprojekte nicht notwendigerweise seriell, d.h. sukzessive nacheinander, bearbeitet werden m¨ ussen. Meist k¨ onnen einzelne voneinander unabhängige Teilprojekte parallel zueinander durchgef¨ uhrt werden, wie z.B. die Programmierung der drei Softwaremodule im vorliegenden Beispiel.

Programmierung von Modul A 3 Implementierung Prototyp

Systementwurf 1

Programmierung von Modul B 2

Integration in DVLandschaft

Tests

4

6

Programmierung von Modul C

7

8

5 Abb. 1.5. Phasenorientierte Darstellung eines Projektes

Eine teilprojektorientierte Betrachtung eines Projektes, wie sie in Abbildung 1.5 skizziert ist, hat den Nachteil, dass der aktuelle Projektzustand zu einem gemeinsamen Teilprojektabschluss synchronisiert werden muss, bevor mit der Durchf¨ uhrung des n¨ achsten Teilprojektes fortgefahren werden kann. Rein konzeptionell m¨ usste mit der Bearbeitung einzelner Arbeitsschritte auf den Abschluss anderer Arbeitsschritte gewartet werden, obwohl eine solche Bearbeitung ohne eine Beeintr¨ achtigung des ordnungsgem¨ aßen Projektablaufs möglich wäre. Aus diesem Grund ist es sinnvoll, einer ereignis- bzw. meilensteinorientierten Betrachtung eines Projektes zu folgen. Ein Projekt wird da-

34

1 Projektmanagement

bei nicht als eine Phasenkette“ wie in Abbildung 1.5, sondern vielmehr als ein ” Phasennetz“ dargestellt, dessen Konstruktion wir im Folgenden beschreiben. ” Jedem Teilprojekt werden dazu ein oder mehrere Meilensteine zugeordnet. Typischerweise werden z.B. dem Abschluss eines Teilprojektes oder wichtigen Arbeitspaketen innerhalb eines Teilprojektes Meilensteine zugewiesen. F¨ ur jeden Meilenstein ist ferner festzuhalten, welche Ergebnisse bei Erreichen des entsprechenden Meilensteins vorliegen m¨ ussen. Solche Ergebnisse sind z.B. Zwischenprodukte, Testergebnisse oder Dokumentationen. Bei Erreichen eines Meilensteins muss dann der Projektmanager oder ein geeignetes Entscheidungsgremium dar¨ uber befinden, ob die Qualität der erzielten Ergebnisse die Fortsetzung des Projektes rechtfertigt oder ob Nachbesserungen erfolgen m¨ ussen. In Abbildung 1.5 sind acht Meilensteine in Form eines Kreises dargestellt, die den einzelnen Projektphasen zugeordnet sind. Wir nehmen an, dass f¨ ur das Teilprojekt Tests“ zwei Meilensteine mit den Nummern 6 und 7 iden” tifiziert wurden. Meilenstein 6 kennzeichnet das erfolgreiche Ende der Tests von Softwaremodul A und Meilenstein 7 das Ende der gemeinsamen Tests der Module B und C. F¨ ur die anderen Teilprojekte existiert jeweils nur ein Meilenstein, der den Abschluss des jeweiligen Teilprojektes repräsentiert. Der Ablauf des betrachteten Projektes l¨ asst sich nun wie in Abbildung 1.6 dargestellt als so genannter Meilensteinplan repr¨ asentieren. Ein Meilensteinplan besteht aus drei Komponenten. Die Knoten repr¨ asentieren Ereignisse (z.B. das Ereignis Meilenstein 4 und 5 erreicht“) und die nummerierten Knoten entsprechen ” den Meilensteinen als herausragenden Projektereignissen. Die Pfeile zwischen den Knoten entsprechen den Teilprojekten bzw. einzelnen Arbeitspaketen und induzieren somit eine Reihenfolgebeziehung zwischen den entsprechenden Ereignissen. So bedeutet der Pfeil zwischen den Meilensteinen 1 und 2, dass das Ereignis Prototyp fertiggestellt“ erst dann eintreten kann, wenn das Ereignis ” Systementwurf entwickelt“ eingetreten ist und das Teilprojekt Implemen” ” tierung des Prototypen“ abgeschlossen wurde. Anders als bei der teilprojektorientierten Darstellung sieht man im Meilensteinplan sofort, dass ein Teil der Tests (Test 1) unmittelbar im Anschluss an die Implementierung von Modul A durchgef¨ uhrt werden kann, unabh¨ angig vom Implementierungsfortschritt der Softwaremodule B und C. Mit Hilfe so genannter Netzplantechniken lassen sich aus einem Meilensteinplan f¨ ur das Projektmanagement relevante Informationen extrahieren. Dies sind insbesondere die fr¨ uhesten und sp¨ atesten Eintrittszeitpunkte der Meilensteine und damit die fr¨ uhesten und sp¨ atesten Zeitpunkte, zu denen ein Teilprojekt begonnen bzw. fertiggestellt werden kann, sowie verschiedene Pufferzeiten, die bspw. angeben, wie lange die Durchf¨ uhrung eines Teilprojektes hinausgez¨ ogert werden darf, ohne dass der avisierte Projektendtermin u ¨ber¨ schritten wird. Eine detaillierte Ubersicht u ¨ber verschiedene Netzplantechniken geben wir in den Abschnitten 1.4.3 und 1.4.4 im Rahmen der Projekt-

1.3 Projektspezifikation 3 o M

Systementwurf

Prototyp

1

lA du

6

Modul B

Integration

8

4

2

1

Tes t

35

Test 2

M od ul C

7 5

Abb. 1.6. Meilensteinplan f¨ ur ein Projekt

planung. Die dort dargelegten Methoden lassen sich ohne weiteres auf einen Meilensteinplan u ¨bertragen.10 1.3.3 Projektziele Im Rahmen einer Zielanalyse werden die mit der Durchf¨ uhrung eines Projektes verfolgten Ziele systematisch strukturiert und formuliert sowie in einer f¨ ur alle Projektbeteiligten verbindlichen Form festgehalten. Dabei ist zu beachten, dass Ziele soweit als m¨ oglich operational formuliert sein sollten, d.h. der Grad der Zielerreichung muss eindeutig feststellbar sein. Diese Forderung ist f¨ ur eine effektive Projektkontrolle und -steuerung, wie sie in Abschnitt 1.5.1 beschrieben wird, unabdingbar. Grunds¨ atzlich lassen sich zwei Arten von Zielen unterscheiden: produkt- und projektbezogene Ziele. Produktbezogene Ziele sind Ziele, die sich auf den Gegenstand eines Projektes beziehen, also bspw. bei einem Produktentwicklungsprojekt auf das zu entwickelnde Produkt. Derartige Ziele lassen sich unmittelbar aus dem Pflichtenheft (vgl. Abschnitt 1.2.1) ableiten, das eine detaillierte Beschreibung der Anforderungen an die durch das Projekt zu erbringende Leistung enth¨ alt. Die Anforderungen an die Projektleistung ergeben sich unmittelbar aus den Zielvorstellungen des Auftraggebers und man kann zwischen restriktiven und ergebnisoffenen Anforderungen unterscheiden. Bei restriktiven Anforderungen 10

F¨ ur die weitergehende Analyse eines Meilensteinplans, wie er hier beschrieben ist, d.h. die Ereignisse entsprechen Knoten und Pfeile stellen Teilprojekte (Metavorg¨ ange) bzw. Scheinvorg¨ ange dar, verwendet man die so genannte CPMNetzplantechnik (vgl. Abschnitt 1.4.4). Ein Meilensteinplan ließe sich jedoch auch so formulieren, dass die einzelnen Teilprojekte und die Meilensteine den Knoten und die Pfeile den Zeitbeziehungen zwischen den Teilprojekten und Meilensteinen entsprechen. In diesem Fall findet die MPM-Netzplantechnik aus Abschnitt 1.4.3 Anwendung. Sollen außerdem Unsicherheiten im Projektverlauf abgebildet werden, die bspw. die Dauer einer Projektphase betreffen, so verweisen wir auf die stochastischen Netzplantechniken PERT und GERT in Abschnitt 1.4.4.

36

1 Projektmanagement

hat der Auftraggeber eine konkrete Auspr¨ agung eines Aspektes der Projektleistung vor Augen, die er erf¨ ullt wissen m¨ ochte. Bei der Entwicklung eines Automobils ist die Forderung, dass der Motor eine bestimmte Abgasnorm erf¨ ullt, ein Beispiel f¨ ur eine solche restriktive Anforderung. Bei einer ergebnisoffenen Anforderung m¨ ochte der Auftraggeber, dass ein einzelner Aspekt einer Projektleistung von m¨ oglichst hoher G¨ ute ist, ohne jedoch einen konkreten Zielwert f¨ ur die G¨ ute vorzugeben. Bei der Entwicklung eines Sportwagens m¨ ochte der Auftraggeber vielleicht, dass der Wagen u ¨ber möglichst viel Leistung verf¨ ugt oder m¨ oglichst wenig Treibstoff verbraucht. Kombinationen dieser beiden Arten von Anforderungen sind auch möglich (z.B. möglichst viel, aber wenigstens 150 kW). Ferner wird h¨ aufig zwischen Muss- und SollAnforderungen unterschieden. Ziel des ausf¨ uhrenden Unternehmens ist es, die Muss-Anforderungen in jedem Fall und die Soll-Anforderungen soweit als möglich zu erf¨ ullen. Nachdem die produktbezogenen Ziele identifiziert wurden, werden sie hierarchisch in Unterziele und Detailziele zerlegt (vgl. Abb. 1.7). Eine solche systematische Zerlegung der Ziele in Detailziele hilft dem Projektmanagement dabei, Zielkonflikte und Zielsynergien zu identifizieren und liefert u.U. zus¨ atzliche Anregungen f¨ ur bislang unber¨ ucksichtigt gebliebene Maßnahmen zur Zielerreichung. Wir betrachten nachfolgend eines kleines Beispiel f¨ ur eine solche Zieldekomposition. Ziel Unterziel I Detailziel I

Detailziel II

Unterziel II Detailziel III

Detailziel IV

Abb. 1.7. Dekomposition von Zielen

Beispiel 1.7. Bei der Entwicklung eines Sportwagens bestehe eines der Ziele darin, dass der Wagen m¨ oglichst gute Beschleunigungswerte erreicht. Man kann dann zwei Unterziele formulieren, die zur Erreichung des betrachteten Zieles beitragen (vgl. Abb. 1.8). Zum einen kann man das Leistungsgewicht des Wagens und zum anderen seine Aerodynamik geeignet verbessern. Disaggregiert man die Unterziele abermals, dann ließen sich bspw. die folgenden Detailziele identifizieren: Sowohl eine Erh¨ ohung der Motorleistung (in kW) als auch eine Reduzierung des Fahrzeuggewichts f¨ uhren zu einer Verbesserung des Leistungsgewichts. Zur Verbesserung der Fahrzeugaerodynamik bietet es sich ferner an, den Luftwiderstands-Beiwert der Karosserie zu vermindern sowie durch die geeignete Konstruktion der Bodengruppe und zus¨ atzlicher Spoiler f¨ ur einen stärkeren Anpressdruck bzw. Abtrieb des Fahrzeugs zu sorgen.


37

Beschleunigung Aerodynamik

Leistungsgewicht kW

Gewicht

Karosserie

Bodengruppe

Spoiler

Abb. 1.8. Beispiel f¨ ur eine Zieldekomposition

Besteht ein weiteres Ziel bei der Fahrzeugentwicklung darin, m¨ oglichst wenig Treibstoff zu verbrauchen, dann resultieren hieraus z.B. die Detailziele, einen Motor mit geringer Motorleistung zu entwickeln und das Gewicht des Fahrzeugs zu minimieren. Das erste Detailziel f¨ uhrt offensichtlich zu einem Konflikt mit dem Ziel der Leistungssteigerung, um das Beschleunigungsvermögen des Autos zu verbessern. Da das Unterziel Gewicht reduzieren“ ” jedoch zur Erf¨ ullung beider vom Auftraggeber formulierten Ziele beitr¨ agt, kommt es bei der Verfolgung dieses Detailziels zu Synergieeffekten, die es auszunutzen gilt. Neben den produktbezogenen Zielen werden bei der Durchf¨ uhrung von Projekten stets auch projektbezogene Ziele verfolgt, die i.d.R. vom ausf¨ uhrenden Unternehmen vorgegeben werden. Unter projektbezogenen Zielen verstehen wir Ziele, die mittelbar oder unmittelbar den zeitlichen Ablauf eines Projektes betreffen.11 Je nach Planungshorizont eines Projektes werden bei der Planung unterschiedliche Zielsetzungen verfolgt. Eine langfristige (strategische) Projektplanung erstreckt sich u ¨ber einen Zeitraum von mehreren Jahren und ber¨ ucksichtigt nur ausgew¨ ahlte Schl¨ usselressourcen (z.B. spezielle Maschinen und Anlagen), die kurz- bzw. mittelfristig nicht am Markt beschafft werden k¨ onnen. Andere Ressourcen sind unter strategischen Gesichtspunkten i.d.R. nicht als knapp zu erachten und bed¨ urfen daher bei der Planung keiner besonderen Ber¨ ucksichtigung. Gegenstand der langfristigen Projektplanung sind nicht einzelne Arbeitsg¨ ange bzw. Vorg¨ ange eines Projektes, sondern hoch aggregierte Vorg¨ ange oder Teilprojekte. K¨ onnen dem Abschluss jedes dieser Teilprojekte Ein- und Auszahlungen zugeordnet werden, so besteht das wesentliche Ziel der Projektplanung darin, die einzelnen Teilprojekte so zu terminieren, dass der aus der Durchf¨ uhrung des Projektes resultierende Kapitalwert maximal ist. Bei der mittelfristigen (taktischen) Projektplanung mit einem Planungshorizont zwischen einigen Monaten und wenigen Jahren werden neben Schl¨ usselressourcen auch solche Ressourcen ber¨ ucksichtigt, die mittel- bis kurzfristig am Markt beschafft werden k¨ onnen, wie z.B. Mitarbeiter, Maschinenparks oder Fahrzeugflotten. M¨ ussen die f¨ ur die Projektdurchf¨ uhrung ben¨ otigten Res11

Handelt es sich bei dem einem Projekt zugrunde liegenden Produkt um eine Dienstleistung, so ist anzumerken, dass produkt- und projektbezogene Ziele h¨ aufig zusammenfallen.

38

1 Projektmanagement

sourcenkapazit¨ aten erst noch beschafft werden, dann ist man in der Praxis i.d.R. daran interessiert, die Projektvorg¨ ange so einzuplanen, dass die maximale Ressourceninanspruchnahme u ¨ber die Projektdauer und somit die notwendigen Investitionsauszahlungen minimal sind (so genanntes Ressourceninvestmentproblem). H¨ aufig sind die ben¨ otigten Ressourcen hingegen schon mit gegebenen Kapazit¨ aten im Unternehmen vorhanden, und es können notfalls zus¨ atzliche Kapazit¨ aten kurzfristig angemietet werden. In diesem Fall sind die Projektvorg¨ ange so zu terminieren, dass die zur Verf¨ ugung stehenden Ressourcenkapazit¨ aten zur Projektdurchf¨ uhrung ausreichen bzw. die variablen Kosten f¨ ur die Miete zus¨ atzlicher Ressourceneinheiten minimal sind (so genanntes Ressourcenabweichungsproblem). Die dritte typische taktische Zielsetzung ist die so genannte Ressourcennivellierung. Dabei ist man bestrebt, die Vorg¨ ange eines Projektes so einzuplanen, dass die Ressourceninanspruchnahme der ben¨ otigten Ressourcen m¨ oglichst wenigen Schwankungen im Zeitverlauf unterliegt. Solche Ziele sind z.B. bei der Betrachtung von Mitarbeitern von Bedeutung oder wenn bei einer Maschine hohe Anpassungskosten oder ¨ Qualit¨ atsverluste mit einer Anderung der Betriebsstufe einhergehen. Der kurzfristigen (operativen) Projektplanung liegt ein Planungszeitraum von wenigen Wochen zugrunde. In der kurzen Frist werden die Ressourcenkapazit¨ aten im Allgemeinen als fix angenommen. Daher werden bei der operativen Projektplanung meist zeitbezogene Ziele betrachtet. Am häufigsten wird in der Praxis das Ziel der Projektdauerminimierung verfolgt, d.h. die einzelnen Projektvorg¨ ange werden so eingeplant, dass das Projekt fr¨ uhestmöglich beendet wird. Auf diese Weise verschafft sich das ausf¨ uhrende Unternehmen einen zeitlichen Puffer f¨ ur den Fall, dass aufgrund unvorhergesehener Störungen im Projektablauf die Gefahr besteht, das betrachtete Projekt nicht rechtzeitig beenden zu k¨ onnen. Ein anderes Ziel besteht darin, die Vorgänge so einzuplanen, dass alle Vorg¨ ange m¨ oglichst fr¨ uh beendet sind. Ein solches Vorgehen f¨ uhrt dazu, dass die zur Projektdurchf¨ uhrung benötigten Ressourcen fr¨ uhzeitig beund folglich auch entlastet werden und somit möglichst fr¨ uh f¨ ur andere Projekte wieder zur Verf¨ ugung stehen. In anderen Fällen sollen bestimmte Vorg¨ ange eines Projektes m¨ oglichst fr¨ uh und andere Vorgänge möglichst spät ausgef¨ uhrt werden. Sind f¨ ur einzelne Projektvorgänge Fertigstellungs¨ bzw. Bereitstellungszeitpunkte vorgegeben und fallen f¨ ur deren Uberoder Unterschreitung Versp¨ atungskosten oder Verfr¨ uhungskosten an, so sind alle Projektvorg¨ ange m¨ oglichst so zu terminieren, dass die vorgegebenen Termine gerade eingehalten werden. Versp¨ atungskosten können sich bspw. aus vertraglich vereinbarten Strafen ergeben und zu Verfr¨ uhungskosten kann es kommen, wenn Zwischenprodukte aufw¨ andig gelagert werden m¨ ussen. Bei der Planung gr¨ oßerer Projekte ist es sinnvoll, einen hierarchischen Planungsansatz zu w¨ ahlen. Dabei wird das zugrunde liegende Projekt zunächst auf einer hohen Aggregationsstufe unter kapitalwertorientierten Gesichtspunkten geplant (strategische Projektplanung). Mit fortschreitendem Projektverlauf wird dann f¨ ur die einzelnen Teilprojekte eine zunehmend detaillierte taktische und schließlich operative Planung durchgef¨ uhrt. Wir gehen im Fol-

1.4 Projektplanung

39

genden davon aus, dass auf jeder Planungsstufe stets nur eines der oben genannten Ziele verfolgt wird. Eine mathematische Formulierung der genannten Ziele geben wir ferner in Abschnitt 2.1.1.

1.4 Projektplanung Voraussetzung f¨ ur eine effiziente Projektplanung sind detaillierte Informationen u ¨ber das Projekt, z.B. u ¨ber die einzelnen Vorgänge, die sich aus den Arbeitspaketen eines so genannten Projektstrukturplans ableiten lassen, sowie u ¨ber die Zeitbeziehungen zwischen den Vorgängen, die sich aufgrund von technisch oder ablauforganisatorisch bedingten Anordnungsbeziehungen ergeben. Außerdem werden Informationen u ur ¨ber die Dauern der Vorgänge, die f¨ deren Ausf¨ uhrung erforderlichen Ressourcen sowie die mit der Durchf¨ uhrung der Vorg¨ ange verbundenen Kosten ben¨ otigt. Diese Informationen werden im Rahmen der Struktur-, Zeit-, Ressourcen- und Kostenanalyse erhoben (vgl. Abschnitte 1.4.1 und 1.4.2). So genannte Netzplantechniken (vgl. Abschnitte 1.4.3 und 1.4.4) dienen zur Visualisierung von Projekten mit Hilfe von Netzpl¨ anen und zur Zeit- bzw. Terminplanung, die f¨ ur alle Vorgänge eines Projektes die fr¨ uhestund sp¨ atestm¨ oglichen Start- und Endzeitpunkte sowie die Pufferzeiten ermittelt. Mit der Terminierung aller Projektvorgänge, d.h. der Festlegung eines Startzeitpunktes f¨ ur jeden Vorgang, ist die Projektplanung abgeschlossen (vgl. Abschnitt 1.4.5). 1.4.1 Strukturanalyse Im Rahmen der Strukturanalyse werden die Strukturelemente eines Projektes identifiziert. Wesentliche Strukturelemente sind die einzelnen Vorgänge des Projektes, die Zeitbeziehungen zwischen den Vorgängen sowie Ereignisse, die bestimmte Projektzust¨ ande markieren. Vorg¨ ange Bei den Vorg¨ angen eines Projektes handelt es sich um zeitbeanspruchende Geschehen mit ausgezeichneten Start- und Endereignissen, bei deren Ausf¨ uhrung i.d.R. Ressourcen (z.B. Arbeitskr¨ afte, Maschinen, Material) ge- oder verbraucht und Kosten verursacht werden. Zur Ermittlung der Projektvorgänge wird zun¨ achst ein Projektstrukturplan erstellt, indem ein Projekt hierarchisch in Arbeitspakete disaggregiert wird. Dabei unterscheidet man i.d.R. zwischen einem projektorientierten und einem produktorientierten Vorgehen. Bei einem projektorientierten Strukturplan werden die Teilprojekte, die bereits im Rahmen der Ablauforganisation ermittelt wurden (vgl. Abschnitt 1.3.2), weiter in Unterprojekte und schließlich in Arbeitspakete zerlegt (vgl. Abb. 1.9). Ein Arbeitspaket stellt dabei eine selbst¨ andige Teilaufgabe dar, die eindeutig

40

1 Projektmanagement

einem verantwortlichen Mitarbeiter bzw. einer Mitarbeitergruppe zugeordnet werden kann. Bei einem produktbezogenen Projektstrukturplan beginnt man mit dem Produkt als Gegenstand des Projektes und zerlegt dieses in seine einzelnen Teilprodukte und Module bzw. Aggregate (vgl. Abb. 1.10). F¨ ur jedes dieser Module werden dann wieder s¨ amtliche Arbeitspakete identifiziert, die zur Entwicklung und Herstellung des betrachteten Moduls notwendig sind. Diese Informationen lassen sich z.B. recht einfach aus den technischen Spezifikationen eines Moduls erheben, sofern eine solche Dokumentation bereits vorliegt. Projekt Teilprojekt II

Teilprojekt I Unterprojekt I

Unterprojekt II

Arbeitspaket I

Unterprojekt III

Arbeitspaket II

Abb. 1.9. Projektorientierter Projektstrukturplan

Produkt Teilprodukt II

Teilprodukt I Modul I

Modul II

Arbeitspaket I

Modul III

Arbeitspaket II

Abb. 1.10. Produktorientierter Projektstrukturplan

Hat man sämtliche Arbeitspakete eines Projektes bestimmt, werden aus diesen Arbeitspaketen die Projektvorg¨ ange abgeleitet. Dabei kann ein Arbeitspaket gerade einem Vorgang entsprechen, ein Arbeitspaket kann in mehrere Vorg¨ ange zerlegt werden, oder es lassen sich mehrere Arbeitspakete zu einem Vorgang zusammenfassen. Bei einer detaillierten Planung, d.h. f¨ ur eine kurzfristige Projektplanung (vgl. Abschnitt 1.3.3), wird das zugrunde liegende Projekt in eher kleine Vorg¨ ange untergliedert, die bspw. jeweils nur aus einem einzelnen Arbeitsschritt bestehen. Aus wirtschaftlichen Gr¨ unden sollte die Zerlegung des Projektes allerdings nicht zu detailliert sein, da sonst die Planung, Steuerung und Kontrolle des Projektes sehr aufw¨ andig werden.

1.4 Projektplanung

41

Andererseits birgt eine zu grobe Planung die Gefahr, dass wichtige Aspekte des Projektablaufs nicht mehr abgebildet werden können und somit das Ergebnis der Projektplanung nur ein verf¨ alschtes Abbild der Realität darstellt. Die Zerlegung eines Projektes in einzelne Vorg¨ ange sollte je nach Einsatzzweck und unter Ber¨ ucksichtigung eines ausgewogenen Kosten-Nutzen-Verhältnisses erfolgen. In der Praxis erfolgt bei großen Projekten daher im Rahmen einer rollierenden Planung zun¨ achst eine grobe Planung f¨ ur das Gesamtprojekt, während f¨ ur nahe in der Zukunft liegende Teilprojekte eine Detailplanung durchgef¨ uhrt wird. Im Zeitverlauf werden somit nach und nach alle Teilprojekte einer Detailplanung unterzogen. Die Festlegung des optimalen Detaillierungsgrades, d.h. der optimalen Vorgangsgr¨ oßen, ist eine wichtige, aber häufig ¨ auch schwierige Aufgabe der Projektplanung. Ubliche Faustregeln zur Festlegung des Detaillierungsgrades sind: • Der Ressourcenbedarf eines Vorgangs sollte während seiner Durchf¨ uhrung konstant sein, d.h. er sollte hinsichtlich der Art und Menge der benötigten Ressourcen nicht variieren. • Ein Vorgang sollte nicht unterbrechbar sein, d.h. er sollte gerade so klein gew¨ ahlt werden, dass er ein nicht sinnvoll unterbrechbares zeiterforderndes Geschehen darstellt. Die meisten Modelle und Verfahren der Projektplanung setzen voraus, dass die Projektvorg¨ ange nicht unterbrechbar sind. Sofern nichts anderes gesagt wird, werden wir im Folgenden daher davon ausgehen, dass diese Voraussetzung stets erf¨ ullt ist. • Ein Vorgang sollte nicht weniger als eine Zeiteinheit dauern. Je nach Art des Projektes und Detaillierungsgrad ist als Zeiteinheit z.B. eine Minute, eine Stunde, ein Tag, eine Woche oder gar ein Monat zu wählen. • Ein Vorgang sollte eindeutig einer verantwortlichen Stelle oder Abteilung zugeordnet werden k¨ onnen. Dies erleichtert insbesondere die Projektsteuerung und -¨ uberwachung. Kommen Vorg¨ ange in gleicher oder ¨ ahnlicher Form in mehreren Projekten vor, dann ist der Aufbau einer Projektdatenbank sinnvoll, in der alle relevanten Informationen u ange abgelegt werden. Eine solche ¨ber einzelne Vorg¨ Projektdatenbank erleichtert die Identifizierung und Charakterisierung von Vorg¨ angen f¨ ur zuk¨ unftige Projekte. Nachdem alle Vorgänge des Projektes identifiziert wurden, werden die Dauern, Ressourceninanspruchnahmen und Kosten der Vorgänge im Rahmen der Zeit-, Ressourcen- und Kostenanalyse (vgl. Abschnitt 1.4.2) ermittelt. Ereignisse Neben der Bestimmung der Vorg¨ ange eines Projektes werden im Rahmen der Strukturanalyse wichtige Ereignisse identifiziert. Ein Ereignis kennzeichnet das Erreichen eines bestimmten Projektzustands. Beispielsweise ist dem Beginn und dem Ende eines Projektes jeweils ein Ereignis zugeordnet, das als

42

1 Projektmanagement

Projektstart bzw. Projektende bezeichnet wird. Meilensteine, die wir im Rahmen der ablauforganisatorischen Betrachtung eines Projektes in Abschnitt 1.3.2 bereits identifiziert haben, stellen ebenfalls Ereignisse dar. In den folgenden Ausf¨ uhrungen subsumieren wir Ereignisse unter den Vorgängen und bezeichnen sie als fiktive Vorg¨ ange. Anders als reale Vorgänge verbrauchen fiktive Vorg¨ ange (Ereignisse) aber weder Zeit und Ressourcen noch verursachen sie Kosten. Zeitbeziehungen Sind alle Vorg¨ ange des Projektes ermittelt, werden die Zeitbeziehungen zwischen den Vorg¨ angen spezifiziert. Eine Zeitbeziehung wird durch eine Anordnungsbeziehung und einen Zeitabstand spezifiziert. Eine Anordnungsbeziehung beschreibt die Reihenfolge zweier Vorgänge. Anordnungsbeziehungen k¨ onnen technisch bedingt sein, d.h. es ist eine technisch bzw. logisch zwingende Reihenfolge zwischen den Vorg¨ angen einzuhalten. So muss man bei einem Hausbau immer erst das Fundament gießen, dann die Wände und anschließend den Dachstuhl errichten. Daneben k¨ onnen Anordnungsbeziehungen auch ablauforganisatorische Gr¨ unde haben, d.h. sie ergeben sich aufgrund von Terminrestriktionen oder sonstiger ablauforganisatorischer Gegebenheiten. Jeder Vorgang besitzt zwei feste Bezugspunkte, n¨ amlich ein Start- und ein Endereignis. Insgesamt unterscheidet man daher vier mögliche Arten von Anordnungsbeziehungen (Verkn¨ upfungstypen) zwischen zwei Vorgängen i und j: 1. Ende–Start Beziehung (es): Vorgang j kann begonnen werden, sobald Vorgang i beendet wurde. 2. Start–Start Beziehung (ss): Vorgang j kann begonnen werden, sobald Vorgang i begonnen wurde. 3. Start–Ende Beziehung (se): Vorgang j kann beendet werden, sobald Vorgang i begonnen wurde. 4. Ende–Ende Beziehung (ee): Vorgang j kann beendet werden, sobald Vorgang i beendet wurde. se ss i

es ee

? ? - j 6

Abb. 1.11. Vier Verkn¨ upfungstypen

In Abbildung 1.11 sind die vier Verkn¨ upfungstypen grafisch veranschaulicht. Jeder Vorgang ist durch einen Knoten (Quadrat) dargestellt, wobei die linke Seite des Knotens das Startereignis und die rechte Seite das Endereignis des Vorgangs symbolisiert. In jedem der vier F¨ alle wird eine Vorg¨ angerNachfolger-Beziehung zwischen den Vorg¨ angen i und j impliziert, die durch

1.4 Projektplanung

43

einen Pfeil von i nach j symbolisiert wird. Man bezeichnet Vorgang i als Vorg¨ anger von j und Vorgang j als Nachfolger von i. Um die Zeitbeziehungen zwischen den Vorgängen eines Projektes vollständig beschreiben zu k¨ onnen, m¨ ussen neben den Anordnungsbeziehungen die Zeitabst¨ ande zwischen zwei Vorg¨ angen spezifiziert werden. Es werden zwei Arten von Zeitabst¨ anden unterschieden. Mindestabst¨ ande kennzeichnen zeitliche Abst¨ ande, die nicht unterschritten, wohl aber u urfen. ¨berschritten werden d¨ H¨ ochstabst¨ ande sind zeitliche Abst¨ ande, die unterschritten, nicht aber u ¨berschritten werden d¨ urfen.12 Insgesamt lassen sich damit acht verschiedene Arten von Zeitbeziehungen unterscheiden: 1. Mindestabstand zwischen i und j vom Typ Ende–Start ( es Tijmin ): Vorgang j kann fr¨ uhestens es Tijmin Zeiteinheiten (ZE) nach Beendigung von Vorgang i beginnen, der Start von j kann aber auch später erfolgen. 2. Mindestabstand zwischen i und j vom Typ Start–Start ( ss Tijmin ): Vorgang j kann fr¨ uhestens ss Tijmin ZE nach dem Start von Vorgang i beginnen, der Start von j kann aber auch sp¨ ater erfolgen. 3. Mindestabstand zwischen i und j vom Typ Start–Ende ( se Tijmin ): Vorgang j kann fr¨ uhestens se Tijmin ZE nach dem Start von Vorgang i beendet werden, das Ende von j kann aber auch später eintreten. 4. Mindestabstand zwischen i und j vom Typ Ende–Ende ( ee Tijmin ): Vorgang j kann fr¨ uhestens ee Tijmin ZE nach Beendigung von Vorgang i beendet werden, das Ende j kann aber auch sp¨ ater eintreten. 5. H¨ ochstabstand zwischen i und j vom Typ Ende–Start ( es Tijmax ): Vorgang j muss sp¨ atestens es Tijmax ZE nach dem Ende von Vorgang i beginnen, der Start von j kann aber auch fr¨ uher erfolgen. 6. H¨ ochstabstand zwischen i und j vom Typ Start–Start ( ss Tijmax ): Vorgang j muss sp¨ atestens ss Tijmax ZE nach dem Start von Vorgang i beginnen, der Start von j kann aber auch fr¨ uher erfolgen. 7. H¨ ochstabstand zwischen i und j vom Typ Start–Ende ( se Tijmax ): Vorgang j muss sp¨ atestens se Tijmax ZE nach dem Start von Vorgang i beendet werden, das Ende von j kann aber auch fr¨ uher eintreten. 8. H¨ ochstabstand zwischen i und j vom Typ Ende–Ende ( ee Tijmax ): Vorgang j muss sp¨ atestens ee Tijmax ZE nach Beendigung von Vorgang i beendet werden, das Ende j kann aber auch fr¨ uher eintreten. Oft soll f¨ ur einen der Verkn¨ upfungstypen v ∈ {es, ss, se, ee} ein Zeitabstand τ zwischen zwei Vorg¨ angen i und j exakt eingehalten werden. Dies kann durch die Einf¨ uhrung eines Mindest- und eines Höchstabstandes mit v min Tij := v Tijmax := τ realisiert werden. Die vier m¨ oglichen Verkn¨ upfungstypen zwischen zwei Vorgängen können leicht ineinander u uhrt werden. Zur Demonstration betrachten wir einen ¨berf¨ 12

Die Ermittlung der konkreten zeitlichen Abst¨ ande, die nicht unter- bzw. u ¨berschritten werden d¨ urfen, ist im Rahmen der Zeitanalyse in Abschnitt 1.4.2 dargelegt.

44

1 Projektmanagement

zeitlichen Mindestabstand vom Typ Start–Start, der in einen zeitlichen Mindestabstand vom Typ Ende–Start u uhrt werden soll. Sei pi die Bearbei¨berf¨ tungsdauer (processing time) von Vorgang i. Da zwischen dem Start und dem Ende von Vorgang i somit gerade pi Zeiteinheiten vergehen, entspricht ein zeitlicher Mindestabstand vom Typ Ende–Start zwischen den Vorgängen i und j einem zeitlichen Mindestabstand vom Typ Start–Start abz¨ uglich der Dauer ur einen zeitlivon Vorgang i, d.h. es Tijmin = ss Tijmin − pi (vgl. Abb. 1.12). F¨ chen H¨ ochstabstand wird analog vorgegangen, d.h. es Tijmax = ss Tijmax − pi .

ss

Tijmin

-

pi

es

Tijmin Vorgang j

Vorgang i

-t 0

Abb. 1.12. Start–Start und Ende–Start Beziehungen

¨ Eine Ubersicht u upfungstypen f¨ ur ¨ber die Umrechnungsregeln aller Verkn¨ den Fall zeitlicher Mindestabst¨ ande ist in Tabelle 1.7 gegeben. Liegen zeitliche Höchstabstände vor, so gelten die Umrechnungsregeln analog. Tabelle 1.7. Umrechnungsregeln aller Verkn¨ upfungstypen es

Tijmin =

Tijmin es min Tij se min Tij se min Tij se min Tij

es

= = = = =

ss se

Tijmin − pi

Tijmin ee min Tij ss min Tij es min Tij ee min Tij

− pi − − pj + pj + pi + + pi

ss ss

Tijmin =

pj Tijmin ss min Tij ee min Tij ee min pj Tij ee min Tij

= = = = =

es

Tijmin + pi

se

Tijmin − pj

ee

Tijmin + pi − pj

ss

Tijmin − pi + pj

es

Tijmin + pj

se

Tijmin − pi

Da die vier Verkn¨ upfungstypen einfach ineinander umgerechnet werden können, ist es u upfungstypen zu arbei¨blich, mit nur einem dieser Verkn¨ ten. Im Rahmen der MPM-Netzplantechnik, die wir in Abschnitt 1.4.3 n¨ aher erläutern, werden bspw. ausschließlich zeitliche Mindest- und H¨ ochstabst¨ ande vom Typ Start–Start ( ss Tijmin und ss Tijmax ) betrachtet und wir bezeichnen diese in verk¨ urzter Schreibweise mit Tijmin und Tijmax . Bei der CPMNetzplantechnik hingegen (vgl. Abschnitt 1.4.4) werden nur zeitliche Mindestabstände es Tijmin = 0 vom Typ Ende–Start, so genannte Vorrangbeziehungen, verwendet.

1.4 Projektplanung

45

Beispiel 1.8 (Bau eines Hauses). Zur Veranschaulichung der Strukturanalyse betrachten wir ein kleines Bauprojekt. Zu Beginn des Projektes ist das Fundament des Hauses bereits gegossen und es soll sofort mit den Arbeiten am Rohbau begonnen werden. Zwischen dem Projektstart und dem Beginn der Maurerarbeiten darf daher keine Zeit verstreichen. An die Maurerarbeiten schließt sich unmittelbar die Errichtung des Dachstuhls an. Auf die Fertigstellung des Dachstuhls folgt mit dem Richtfest unmittelbar ein Meilenstein des Bauprojekts. Nach dem Richtfest muss sofort das Dach gedeckt werden, damit der Rohbau bei schlechtem Wetter nicht feucht wird. Fr¨ uhestens nach Errichtung des Dachstuhls sollen außerdem die Fenster des Hauses eingesetzt werden. Damit mit dem Innenausbau begonnen werden kann, muss allerdings sp¨ atestens eine Woche, nachdem das Dach gedeckt wurde, mit dem Einsetzen der Fenster begonnen werden. Die Sanit¨ arinstallationen können erst beginnen, wenn der beauftragte Installateur mit seinen Arbeiten auf einer anderen Baustelle fertig ist. Es ist somit fr¨ uhestens f¨ unf Wochen nach dem Projektstart mit dem Einbau der Sanit¨ arinstallation zu rechnen. Mit den Elektroinstallationen kann fr¨ uhestens eine Woche nach Beginn der Sanitärinstallationen begonnen werden. Da die Handwerker viel beschäftigt sind, m¨ ussen die Elektroinstallationen sp¨ atestens zw¨ olf Wochen nach Baubeginn abgeschlossen sein. Unmittelbar nach Abschluss der sanit¨ aren Installationsarbeiten soll mit den Arbeiten am Innenputz des Hauses begonnen werden. Fr¨ uhestens eine Woche nach Beginn und sp¨ atestens zwei Wochen nach dem Ende der Putzarbeiten muss die Malerfirma mit ihren Arbeiten anfangen. Sobald die Elektroinstallationen und die Malerarbeiten abgeschossen sind, kann mit der Montage der K¨ uche begonnen werden. Das Projektende kann erst eintreten, wenn das Dach gedeckt, die Fenster eingesetzt und die K¨ uche montiert wurden. Außerdem wurde mit dem Auftraggeber vereinbart, dass das Haus spätestens 18 Wochen nach Projektbeginn fertiggestellt sein muss. Tabelle 1.8 zeigt die realen und fiktiven Vorgänge des Bauprojekts, die sich aus der verbalen Beschreibung des Bauprojektes ableiten lassen. Jedem Vorgang ist dabei eine eindeutige Vorgangsnummer zugeordnet, und f¨ ur jeden Vorgang ist die Menge seiner unmittelbaren Vorgänger und Nachfolger angegeben. Weiterhin werden die sich ergebenden Zeitbeziehungen zwischen den Vorg¨ angen des Projektes in Abbildung 1.13 veranschaulicht. Jeder Vorgang wird durch einen Knoten mit der entsprechenden Vorgangsnummer dargestellt und die Mindest- und H¨ ochstabst¨ ande vom Typ Start–Start zwischen je zwei Vorg¨ angen werden durch eine Kante zwischen den entsprechenden Knoten symbolisiert. 1.4.2 Zeit-, Ressourcen- und Kostenanalyse Im Rahmen der Projektplanung werden Informationen u ¨ber die Vorgangsdauern, die Zeitabst¨ ande der Zeitbeziehungen sowie die f¨ ur die Ausf¨ uhrung eines Vorgangs erforderlichen Ressourcen und die aus seiner Ausf¨ uhrung resultierenden Kosten ben¨ otigt. Diese Informationen werden im Rahmen der

46

1 Projektmanagement Tabelle 1.8. Vorg¨ ange mit jeweiligen Vorg¨ angern und Nachfolgern Nr.

Vorgang

Vorg¨ anger

Nachfolger

0 1 2 3 4 5 6 7 8 9 10 11

Projektstart Maurerarbeiten Errichtung des Dachstuhls Richtfest Dachdeckerarbeiten Fenster einsetzen Sanit¨ arinstallationen Elektroinstallationen Innenputzarbeiten Malerarbeiten uche Montage der K¨ Projektende

— 0 1 2 3 2, 4 0 0, 6 6 8 7, 9 0, 4, 5, 10

1, 6, 7, 11 2 3, 5 4 5, 11 11 7, 8 10 9 10 11 —

max T0,11

min T01

1

min T12 max T12

min T23

2

b

b

max T23

3

min T34 max T34

4

S

min S T4,11 b S b max T01 b S b min max b S T5,11 T b 07 S 11 7 5 0 Z S Z min S T min 7,10 Z T67 Z S min min Z T T06 S 10,11 Z T min min min S T T9,10 Z 89 Z S 6 68 10 9 8 min T25

max T45

max max T89 T68 Abb. 1.13. Zeitbeziehungen zwischen den Vorg¨ angen

Zeit-, Ressourcen- und Kostenanalyse erhoben. Es ist zu beachten, dass dabei in der Zukunft liegende Werte ermittelt oder geschätzt werden m¨ ussen. Die Ergebnisse der Zeit-, Ressource- und Kostenanalyse sind daher stets mit Unsicherheiten behaftet. Zeitanalyse Im Rahmen der Zeitanalyse werden die Vorgangsdauern bestimmt und die Zeitabstände der Mindest- und H¨ ochstabst¨ ande zwischen den Vorgängen quantifiziert. Die Ausf¨ uhrungsdauern der Vorg¨ ange können je nach den spezifischen Gegebenheiten des zugrunde liegenden Projektes bzw. seiner Projektvorgänge auf verschiedene Arten ermittelt werden. In großen Projekten werden viele Vorg¨ ange von unternehmensexternen Dritten durchgef¨ uhrt, wie z.B. Subunternehmern, Zulieferern oder Logistik-

1.4 Projektplanung

47

unternehmen. Die Vorgangsdauern solcher Vorgänge können auf der Grundlage von Lieferzeitangaben oder Terminzusagen der externen Projektpartner erhoben werden. Diese Art der Erhebung von Vorgangsdauern ist zwar sehr einfach, hat aber den Nachteil, dass der Planer keine Informationen u ¨ber die G¨ ute der Zeitangaben hat, die unmittelbar von der Termintreue des Projektpartners abh¨ angt. Sowohl f¨ ur unternehmensinterne als auch -externe Vorgänge kann die Sch¨ atzung der Ausf¨ uhrungsdauern auf der Grundlage von Erfahrungen des Planers erfolgen. Die Qualit¨ at einer solchen Schätzung hängt dabei ganz wesentlich von der Erfahrung des Planers ab und ist u ¨berhaupt nur möglich, wenn der Planer aus vorausgegangenen Projekten u ¨ber Erfahrungswerte mit vergleichbaren Vorg¨ angen verf¨ ugt. F¨ ur diese Art der Schätzung empfiehlt es sich, f¨ ur alle h¨ aufiger vorkommenden Vorg¨ ange sowohl die Zeitschätzungen als auch die letztlich realisierten Zeiten in einer Projektdatenbank festzuhalten, so dass sp¨ ater darauf zur¨ uckgegriffen werden kann. Fehlen dem Planer notwendige Informationen u ¨ber Detailfragen, dann ist die Gefahr von Fehleinsch¨ atzungen groß. Wenn m¨ oglich, sollten die Zeitschätzungen daher nicht allein durch den Projektplaner vorgenommen werden, sondern es sollte stets die Meinung qualifizierter Dritter eingeholt werden. Dabei kann es sich z.B. um andere Mitglieder des Projektplanungsstabes, die f¨ ur einen Vorgang verantwortlichen Personen oder die mit der Ausf¨ uhrung eines Vorgangs betrauten Mitarbeiter handeln. Bei der Sch¨ atzung von Vorgangsdauern durch letztere ist ¨ allerdings zu ber¨ ucksichtigen, dass es oft zu Ubersch¨ atzungen der eigentlichen Dauern kommt, um sich Zeitreserven zu verschaffen. F¨ ur h¨ aufig vorkommende unternehmensinterne Vorgänge (Arbeitsgänge) können die Vorgangsdauern außerdem mit Hilfe arbeitswissenschaftlicher Arbeitszeitstudien ermittelt werden; vgl. hierzu bspw. (Luczak, 1998, Kapitel 23). Dabei wird zwischen analytischen und synthetischen Verfahren unterschieden. Bei analytischen Verfahren, wie z.B. der REFA-Methode des Verbandes f¨ ur Arbeitsstudien und Betriebsorganisation e.V., findet f¨ ur eine repr¨ asentative Anzahl von Wiederholungen desselben Arbeitsganges eine Arbeitszeitmessung am Arbeitsplatz statt. Gleichzeitig wird f¨ ur jede dieser Wiederholungen der Leistungsgrad gesch¨ atzt, d.h. es wird geschätzt, ob der beobachtete Arbeitnehmer besonders z¨ ugig, besonders langsam oder mit einer durchschnittlichen Geschwindigkeit arbeitet. Damit können die empirisch erhobenen Ist-Zeiten zu einer Vorgabezeit aggregiert werden, die auf einen repr¨ asentativen Leistungsgrad bezogen und dann als entsprechende Vorgangsdauer angesetzt wird. Bei synthetischen Verfahren zur Arbeitszeitermittlung, wie bspw. der MTM-Methode (Methods Time Measurement), wird ein Arbeitsgang in einfachste grundlegende Bewegungsabläufe disaggregiert. Jeder dieser Bewegungsabl¨ aufe wird dann in Abh¨ angigkeit von unterschiedlichen Einflussfaktoren mit einer Vorgabezeit bewertet. Die Summe aller Vorgabezeiten ergibt schließlich die gesuchte Vorgangsdauer. Die Verwendung von Arbeitszeitstudien zur Ermittlung der Vorgangsdauern eignet sich jedoch nur f¨ ur manuelle und teilautomatisierte Arbeiten, nicht aber f¨ ur Arbeiten die – wie

48

1 Projektmanagement

bspw. bei Forschungs- und Entwicklungsprojekten – u unstleri¨berwiegend k¨ scher, kreativer oder geistiger Natur sind. In der Praxis wird zumeist ignoriert, dass die ermittelten Vorgangsdauern mit Unsicherheiten behaftet sind. Die Zeitplanung und Terminierung der Projektvorg¨ ange erfolgt so, als ob die gesch¨ atzten Dauern tatsächlich eingehalten w¨ urden. Dies gilt auch f¨ ur die am weitesten verbreitete Netzplantechnik MPM, die in Abschnitt 1.4.3 ausf¨ uhrlich erl¨ autert wird. Bei einigen Netzplantechniken (PERT und Weiterentwicklungen, vgl. Abschnitt 1.4.4) wird der Unsicherheit bei der Zeitanalyse durch die Verwendung stochastischer Vorgangsdauern Rechnung getragen. Dabei ist die Vorgangsdauer eine Zufallsvariable, die einer vorzugebenden Wahrscheinlichkeitsverteilung gehorcht. Aus Gr¨ unden der Praktikabilit¨ at wird meist keine genaue Kenntnis der entsprechenden Wahrscheinlichkeitsverteilungen gefordert. Stattdessen wird i.d.R. mit drei Zeitgrößen je Vorgang gearbeitet, die die Verteilung der Vorgangsdauer charakterisieren. Bei einer solchen Dreizeitensch¨ atzung ermittelt man f¨ ur einen Vorgang die wahrscheinlichste oder h¨ aufigste Vorgangsdauer sowie eine pessimistische und eine optimistische Vorgangsdauer. Die wahrscheinlichste oder h¨ aufigste Dauer ist die Zeit, die unter normalen Bedingungen f¨ ur die Ausf¨ uhrung eines Vorgangs ben¨ otigt wird. Sie kommt bei wiederholter Durchf¨ uhrung des Vorgangs am h¨ aufigsten vor (Modalwert der Verteilung). Die pessimistische Dauer wird unter ung¨ unstigsten Bedingungen ben¨ otigt, d.h. in allen Fällen, in denen sich die zur Zeitverl¨ angerung beitragenden St¨ orfaktoren stark häufen. Die optimistische Dauer ist die k¨ urzestm¨ ogliche Zeit, in der ein Vorgang ausgef¨ uhrt werden kann. Allgemein spricht man von einer Mehrzeitensch¨ atzung, wenn mit mehreren Zeitgr¨ oßen je Vorgang gearbeitet wird. Eine Mehrzeitenschätzung erfordert naturgem¨ aß einen gr¨ oßeren Aufwand als eine Einzeitenschätzung, da f¨ ur jeden Vorgang mehrere Sch¨ atzwerte zu ermitteln sind. Jeder der einzelnen Sch¨ atzwerte ist jedoch unsicher, so dass das Unsicherheitsproblem zwar reduziert, aber nicht ausgeschaltet wird. Neben der Ermittlung der Ausf¨ uhrungsdauern der Vorgänge werden im Rahmen der Zeitanalyse auch die Zeitabst¨ ande der Zeitbeziehungen quantifiziert, die in Form von Mindest- und H¨ ochstabständen vorliegen. Ebenso wie die Anordnungsbeziehungen zwischen je zwei Vorgängen (vgl. Abschnitt 1.4.1) kann man auch die Zeitabst¨ ande zwischen diesen Vorgängen hinsichtlich ihrer Ursachen unterscheiden, d.h. sie k¨ onnen technisch bzw. logisch bedingt sein oder sich aufgrund ablauforganisatorischer Umstände ergeben. Beispielsweise muss eine Fahrzeugkarosserie, nachdem sie lackiert wurde, mindestens zwei Stunden trocknen, bevor sie weiterbearbeitet werden kann, oder aber ein Teilprojekt muss aufgrund vertraglicher Verpflichtungen eine vorgegebene Zeitspanne nach Projektbeginn beendet werden. Die Erhebung von Zeitabst¨ anden ist somit in hohem Maße abhängig von dem vorliegenden Projekt. Konkrete Zeitabstände werden zum Beispiel auf der Grundlage von Produkt- und Fertigungsspezifikationen, intern oder extern vorgegebener Fristen, sp¨ atesten Fertigstellungs- oder fr¨ uhesten Bereitstellungszeitpunkten ermittelt. In der Regel sind auch die Dauern der einzelnen

1.4 Projektplanung

49

Projektvorg¨ ange bei der Bestimmung der Zeitabstände zu ber¨ ucksichtigen. Soll beispielsweise ein Vorgang j fr¨ uhestens nach dem Ende von Vorgang i onnen, dann hat der korrespondierende Mindestabmit der Dauer pi starten k¨ stand zwischen den beiden Startzeitpunkten der Vorgänge i und j die Länge ss min Tij = pi (vgl. hierzu auch Tab. 1.7). Beispiel 1.9 (Fortsetzung von Beispiel 1.8). Zur Veranschaulichung der Zeitanalyse betrachten wir wieder unser Bauprojekt aus Abschnitt 1.4.1. Wir nehmen an, dass die Ausf¨ uhrungsdauern der Vorgänge aufgrund von Erfahrungswerten und Terminzusagen der Subunternehmer wie in Tabelle 1.9 angegeben gesch¨ atzt werden k¨ onnen. Die fiktiven Vorgänge Projektstart, Richtfest (Meilenstein) und Projektende haben die Dauer 0. Tabelle 1.9. Ausf¨ uhrungsdauern der Vorg¨ ange Nr. Vorgang 0 1 2 3 4 5 6 7 8 9 10 11

Projektstart Maurerarbeiten Errichtung des Dachstuhls Richtfest Dachdeckerarbeiten Fenster einsetzen Sanit¨ arinstallationen Elektroinstallationen Innenputzarbeiten Malerarbeiten Montage der K¨ uche Projektende

Dauer (in Wochen) 0 3 2 0 1 1 4 3 2 2 1 0

Mit Hilfe der Vorgangsdauern und der in der Projektbeschreibung in Beispiel 1.8 angegebenen Termine und Zeitabstände zwischen einzelnen Vorgängen k¨ onnen die zeitlichen Mindest- und Höchstabstände vom Typ Start– Start quantifiziert werden. Da bspw. Vorgang 1 unmittelbar nach Projektbemin max := T01 := 0. Mit der Bearbeitung von Vorgang ginn starten soll, gilt T01 8 soll sofort nach dem Ende von Vorgang 6 begonnen werden. Daher gilt min max := T68 := p6 = 4. Da Vorgang 9 fr¨ uhestens eine Woche nach dem T68 Beginn von Vorgang 8 starten darf und sp¨ atestens 2 Wochen nach dem Enmin max := 1 und T89 := p8 + 2 = 4. Vorgang 5 de von 8 starten muss, gilt T89 kann fr¨ uhestens nach Beendigung von Vorgang 2 begonnen werden und muss spätestens eine Woche nach dem Ende von Vorgang 4 gestartet werden, d.h. min max := p2 = 2 und T45 := p4 + 1 = 2. Vorgang 7 muss spätestens 12 WoT25 max := 12 − p7 = 9. Die u chen nach Projektbeginn beendet sein, d.h. T07 ¨brigen Zeitbeziehungen (vgl. Abb. 1.14) ergeben sich analog.

50

1 Projektmanagement max T0,11 = 18

1

min T12 := 3 max T12 := 3

2

min T23 := 2 max

b T23 b min T25 := 2 b

:= 2

3

min T34 := 0 max T34 := 0

4

S

min S T4,11 := 1 := 2 S b max T := 0 01 b S b T min := 1 S max b T := 9 5,11 b 07 S 11 7 5 0 Z S Z min S min ZT7,10 := 3 T67 := 1 Z S min min T10,11 Z := 1 T06 := 5S Z min min S T := 1 T :=4 Z 89 Z S 6 68 10 9 8 min T01

:= 0

max T68 := 4

max T89 := 4

max T45

min T9,10 := 2

Abb. 1.14. Mindest- und H¨ ochstabst¨ ande zwischen den Vorg¨ angen

Ressourcenanalyse Bei der Bestimmung der f¨ ur die Durchf¨ uhrung eines Vorgangs benötigten Ressourcen unterscheiden wir zwischen zwei grundlegenden Arten von Ressourcen: erneuerbaren und nicht erneuerbaren Ressourcen. Nicht erneuerbare Ressourcen sind klassische Verbrauchsg¨ uter wie z.B. Rohstoffe oder Materialien, die nur einmal verwendet werden können und danach nicht mehr zur Verf¨ ugung stehen. Zu den nicht erneuerbaren Ressourcen i.w.S. werden auch finanzielle Mittel gez¨ ahlt. Wird nämlich ein vorgegebenes Budget durch einen Vorgang in Anspruch genommen, dann stehen diese finanziellen Mittel f¨ ur nachfolgende Vorg¨ ange nicht mehr zur Verf¨ ugung. Die f¨ ur einen Vorgang ben¨ otigten Verbrauchsg¨ uter können meist recht genau anhand von St¨ ucklisten bzw. Produktbeschreibungen (bedarfsgesteuerte Materialbedarfsprognose) oder mit Hilfe verbrauchsgesteuerter Prognoseverfahren ermittelt werden. Bei der Herstellung eines PKW kann der St¨ uckliste unmittelbar entnommen werden, dass f¨ ur den Vorgang Räder montieren“ ” vier Kompletträder ben¨ otigt werden. Verbrauchsgesteuerte Prognoseverfahren hingegen, wie z.B. Verfahren der exponentiellen Glättung, kommen vor allem bei der Bedarfsprognose geringwertiger Wirtschaftsg¨ uter (z.B. Schrauben oder Schmiermittel) zum Einsatz, f¨ ur die eine bedarfsgesteuerte Disposition zu aufwändig w¨ are. Nicht erneuerbare Ressourcen sind vor allem f¨ ur die Kostenplanung (vgl. Kapitel 4) von Interesse, bei der die einzelnen Vorgänge durch den vermehrten bzw. verminderten Einsatz von Ressourcen beschleunigt bzw. verzögert werden können. Im Rahmen der Projektplanung unter Zeitrestriktionen (vgl. Kapitel 2) bzw. der Projektplanung unter Zeit- und Ressourcenrestriktionen (vgl. Kapitel 3) spielen nicht erneuerbare Ressourcen eine untergeordnete Rolle, da wir annehmen, dass die zur Ausf¨ uhrung eines Vorgangs benötigten nicht erneuerbaren Ressourcen stets zu Beginn des Vorgangs in ausreichender Menge zur Verf¨ ugung stehen. Kann dies einmal nicht gewährleistet werden, so

1.4 Projektplanung

51

k¨ onnen fr¨ uheste Bereitstellungstermine mit Hilfe zeitlicher Mindestabstände zwischen dem Projektstart und dem zugrunde liegenden Vorgang abgebildet werden. Zur Behandlung nicht erneuerbarer Ressourcen f¨ ur die Projektplanung im Mehrmodusfall, bei der f¨ ur die Ausf¨ uhrung von Vorgängen verschiedene Ausf¨ uhrungsmodi zu betrachten sind, verweisen wir auf (Neumann et al., 2003, Kap. 2.15) und (Demeulemeester und Herroelen, 2002, Kap. 8). Erneuerbare Ressourcen wie Maschinen, Prozessoren, Laboreinrichtungen oder Personal sind Ressourcen, die f¨ ur die Dauer eines Vorgangs durch diesen ganz oder teilweise belegt werden und w¨ ahrend dieses Zeitraums f¨ ur andere Vorg¨ ange nicht bzw. nicht in voller H¨ ohe zur Verf¨ ugung stehen. Sobald der beanspruchende Vorgang endet, kann eine erneuerbare Ressource von anderen Vorg¨ angen wieder belegt werden. Unter Umständen sind vor der Belegung einer solchen Ressource jedoch noch (reihenfolgeabhängige) R¨ ustzeiten zu ber¨ ucksichtigen, z.B. um neue Werkzeuge in ein Bohrfutter einzuspannen oder einen chemischen Reaktor zu reinigen. Wir nehmen an, dass erneuerbare Ressourcen zu jedem Zeitpunkt des Planungszeitraums in konstanter H¨ ohe zur Verf¨ ugung stehen, unabh¨ angig davon, ob sie zuvor bereits verwendet wurden oder nicht. Zur Bestimmung der Höhe der Inanspruchnahme einer erneuerbaren Ressource durch einen Vorgang kann man bspw. eine technische Beschreibung des zugrunde liegenden Arbeitsgangs heranziehen. In einem solchen Arbeitsplan ist i.d.R. genau spezifiziert, welcher Maschinentyp zur Bearbeitung eines Werkst¨ ucks ben¨ otigt wird oder u ¨ber welche Qualifikationen ein Mitarbeiter verf¨ ugen muss und wie viele Mitarbeiter notwendig sind. F¨ ur alle ben¨ otigten erneuerbaren Ressourcen m¨ ussen außerdem die im Planungszeitraum verf¨ ugbaren Ressourcenkapazit¨ aten bestimmt werden. Es muss also bspw. gekl¨ art werden, wie viele Mitarbeiter f¨ ur das betrachtete Projekt verf¨ ugbar sind oder freigestellt werden k¨ onnen oder wie viele der benötigten Maschinen im betrachteten Zeitraum nicht belegt sind. Die knappen Ressourcen stellen aus Sicht der Projektplanung Restriktionen dar, da f¨ ur jeden beliebigen Zeitpunkt w¨ ahrend der Ausf¨ uhrung eines Projektes die gesamte Inanspruchnahme einer Ressource durch die in Ausf¨ uhrung befindlichen Vorgänge die verf¨ ugbare Ressourcenkapazit¨ at nicht u ¨berschreiten darf. ¨ F¨ ur einen Uberblick u ¨ber weitere im Rahmen der Projektplanung häufig thematisierte Ressourcentypen verweisen wir auf weiterf¨ uhrende Literatur, da deren Behandlung den Rahmen dieser Monographie u ¨bersteigt. In (Neumann et al., 2003, Kap. 2.12 und 2.13) werden z.B. so genannte kumulative und synchronisierende Ressourcen behandelt, B¨ ottcher et al. (1999) beschreiben partiell erneuerbare Ressourcen und in (Schwindt und Trautmann, 2003) werden sog. allozierende Ressourcen betrachtet. Zwischen der Dauer eines Vorgangs und der Menge der durch seine Ausf¨ uhrung in Anspruch genommenen erneuerbaren oder nicht erneuerbaren Ressourcen besteht in vielen F¨ allen ein unmittelbarer Zusammenhang. Die Vorgangsdauern h¨ angen meist von den eingesetzten Ressourcenkapazitäten ab und sind damit in einem gewissen Rahmen variabel. So kann z.B. ein Vorgang in einem Bauprojekt beschleunigt werden, indem man mehr Mitar-

52

1 Projektmanagement

beiter oder Baukr¨ ane zur Verf¨ ugung stellt, oder ein chemischer Prozess wird dadurch beschleunigt, dass ihm mehr Energie zugef¨ uhrt wird. Dieser Zusammenhang erschwert die Ermittlung der f¨ ur die Projektplanung anzusetzenden Vorgangsdauern bzw. der zu veranschlagenden Ressourceninanspruchnahmen. In der Praxis wird daher h¨ aufig die unter normalen Projektablaufbedingungen wahrscheinlichste oder h¨ aufigste Dauer f¨ ur einen Vorgang sowie der hieraus resultierende Ressourcenverbrauch vorgegeben. Es ist jedoch empfehlenswert, sich bei der Festlegung einer Vorgangsdauer und der resultierenden Ressourceninanspruchnahmen am ¨ okonomischen Prinzip, d.h. an der Minimierung der resultierenden Kosten zu orientieren. Kostenanalyse Im Rahmen der Kostenanalyse werden die Kosten ermittelt, die bei der Durchf¨ uhrung eines Projektes anfallen. Dazu wird zwischen Vorgangseinzelkosten (Einzelkosten), d.h. Kosten, die den einzelnen Vorgängen unmittelbar zurechenbar sind, und Vorgangsgemeinkosten (Gemeinkosten), d.h. Kosten, die den einzelnen Vorg¨ angen nicht unmittelbar zugeordnet werden können, unterschieden. Die Einzelkosten eines Vorgangs ergeben sich im Allgemeinen unmittelbar aus der Ressourceninanspruchnahme eines Vorgangs, indem die beanspruchte Ressourcenkapazit¨ at mit Preisen bzw. Kostens¨ atzen bewertet wird. Eine solche Bewertung ist f¨ ur nicht erneuerbare Ressourcen einfach; z.B. können die f¨ ur einen Vorgang ben¨ otigten Rohstoffe und Materialien mit aktuellen Marktpreisen oder historischen Anschaffungskosten bewertet werden. Die Ber¨ ucksichtigung erneuerbarer Ressourcen erweist sich als komplizierter, da sie einem Unternehmen i.d.R. u angeren Zeitraum hinaus zur Verf¨ ugung ste¨ber einen l¨ hen und ihre Zurechnung zu einem einzelnen Vorgang meist u ¨ber bestimmte Kostenschl¨ ussel erfolgt. Wird z.B. eine Spezialmaschine von nur einem einzigen Projektvorgang ben¨ otigt, so k¨ onnen die anteiligen kalkulatorischen Abschreibungen dieser Maschine zusammen mit etwaigen Bereitstellungskosten (bspw. Transportkosten eines Krans zu einer Baustelle) als Einzelkosten des betrachteten Vorgangs angesehen werden.13 Die Vorgangseinzelkosten sind nicht als fix zu erachten, da ihre Höhe wesentlich von der H¨ ohe der Ressourceninanspruchnahme und damit von der Vorgangsdauer abh¨ angt. Eine Ver¨ anderung der Vorgangsdauer kann durch eine ¨ • quantitative Anpassung (z.B. Anderung der Anzahl eingesetzter Maschinen oder Mitarbeiter), 13

Bei kalkulatorischen Abschreibungen handelt es sich in der klassischen Kostenrechnung um (Kostentr¨ ager-)Gemeinkosten. Aus Projektsicht k¨ onnen diese Abschreibungen Vorgangseinzel- oder -gemeinkosten darstellen, je nach ihrer Zurechenbarkeit zu einem einzelnen Vorgang.

1.4 Projektplanung

53

• intensit¨ atsm¨ aßige Anpassung (z.B. Erh¨ ohung bzw. Verminderung der Produktionsgeschwindigkeit), ¨ • zeitliche Anpassung (z.B. Uberbzw. Unterstunden der Mitarbeiter) oder • qualitative Anpassung (z.B. Anwendung anderer Technologien oder Verfahren) ¨ erfolgen. Wird ein Vorgang beschleunigt, dann fallen bspw. Uberstundenkosten f¨ ur die eingesetzten Arbeitskr¨ afte oder Löhne f¨ ur zusätzlich benötigte Arbeitskr¨ afte an. Werden Maschinen in einer höheren Betriebsstufe betrieben, dann f¨ uhrt dies meist zu einem h¨ oheren Verschleiß und einem höheren Energieverbrauch. Man kann sich die Gesamtkosten eines Vorgangs daher als eine Funktion in Abh¨ angigkeit von der Vorgangsdauer denken. Eine solche Kostenfunktion kann, wie aus der Produktions- und Kostentheorie bekannt, grunds¨ atzlich verschiedene Verl¨ aufe haben; sie kann bspw. konstant, progressiv, degressiv, s- oder u-f¨ ormig verlaufen sowie stetig oder diskret definiert sein. H¨ aufig wird der in Abbildung 1.15 dargestellte u-förmige Verlauf der Vorgangskostenfunktion angenommen.

Vorgangskosten

6

- Vorgangsdauer kostenminimale Vorgangsdauer Abb. 1.15. Idealtypischer Kostenverlauf in Abh¨ angigkeit von der Vorgangsdauer

In der Regel empfiehlt es sich, f¨ ur die Dauer eines Vorgangs diejenige Dauer anzunehmen, f¨ ur die die Kostenfunktion minimal ist (vgl. Abb. 1.15). Aus dieser kostenminimalen Vorgangsdauer ergeben sich dann die entsprechenden Ressourceninanspruchnahmen und die Vorgangskosten. Ist allerdings ein Projektendtermin vorgegeben, dann m¨ ussen u.U. einige Vorgänge beschleunigt werden, um das Projekt rechtzeitig beenden zu können. Eine derartige beschleunigte Projektdurchf¨ uhrung f¨ uhrt jedoch meist zu höheren Kosten. H¨ aufig ist in der Praxis f¨ ur die Durchf¨ uhrung eines Projektes auch ein Budget vorgegeben, das nicht u ¨berschritten werden darf. In diesem Fall ist man daran interessiert, das zugrunde liegende Projekt so schnell wie möglich

54

1 Projektmanagement

durchzuf¨ uhren unter der Bedingung, dass die aus der Projektdurchf¨ uhrung resultierenden Kosten das gegebene Budget nicht u ¨berschreiten. Dieses so genannte Time-Cost-Tradeoff-Problem der Ermittlung geeigneter Vorgangsdauern zur Ber¨ ucksichtigung einer vorgegebenen maximalen Projektdauer bzw. zur Einhaltung gegebener Budgetrestriktionen wird in Kapitel 4 ausf¨ uhrlich behandelt. Bei den Gemeinkosten handelt es sich um Kosten, die einer Menge von Vorg¨ angen, einem Teilprojekt oder gar dem ganzen Projekt unmittelbar zurechenbar sind. Hierzu z¨ ahlen bspw. Kosten f¨ ur die Bauleitung bei einem Bauprojekt, Versicherungsbeitr¨ age, kalkulatorische Zinsen oder kalkulatorische Abschreibungen f¨ ur Wertgegenst¨ ande des Anlagevermögens, die von mehreren Vorg¨ angen beansprucht werden. Um die Gesamtkosten eines Vorgangs zu bestimmen, m¨ ussen die Gemeinkosten mit Hilfe eines geeigneten Schl¨ ussels verursachungsgerecht auf die einzelnen Vorg¨ angen des Projektes umgelegt werden. Eine solche Schl¨ usselung kann mit Hilfe eines Mengenschl¨ usseln erfolgen, d.h. unter Verwendung von Zeitgr¨ oßen wie Fertigungs-, R¨ ust-, Lagerzeiten, Maschinen- oder Mannstunden oder unter Verwendung physikalisch-technischer Gr¨ oßen wie die Anzahl installierter Anlagen, Flächen- oder Rauminhalte. Die Kosten f¨ ur den Einsatz eines Schwerlastkrans auf einer Baustelle können bspw. auf die einzelnen Vorg¨ ange umgelegt werden, indem man die gesamten Gemeinkosten des Kraneinsatzes durch die Anzahl Tage, die der Kran auf der Baustelle eingesetzt wird, teilt und diesen Tagessatz dann mit der Inanspruchnahme (in Tagen) der einzelnen Vorgänge multipliziert.14 Nicht immer ist eine Schl¨ usselung jedoch so einfach möglich. Es ist bspw. nicht sofort ersichtlich, wie man die Kosten f¨ ur die Bauleitung auf die einzelnen Vorgänge umlegen sollte. Eine M¨ oglichkeit w¨ are, die Kosten auf Grundlage der jeweiligen Vorgangsdauern zu verrechnen. Diese Art der Umlage ist jedoch häufig nicht sonderlich verursachungsgerecht, da der Anteil der Gemeinkosten an den Gesamtkosten eines Projektes h¨ aufig deutlich h¨ oher ist als der Anteil der Einzelkosten und wenig arbeitsintensive, aber langwierige Vorgänge stärker belastet w¨ urden als sehr arbeitsintensive, komplexe Vorgänge, deren Ausf¨ uhrung relativ wenig Zeit in Anspruch nimmt. In solchen Fällen bietet sich die Verwendung eines Wertschl¨ ussels zur Umlage einzelner Gemeinkostenpositionen an, wie z.B. die Einzelkosten eines Vorgangs, wenn man davon ausgeht, dass die H¨ ohe der Einzelkosten eines Vorgangs die relative Inanspruchnahme der Gemeinkosten im Vergleich zu anderen Vorg¨ angen widerspiegelt. Abschließend ist festzuhalten, dass eine wirklich verursachungsgerechte Umlage der Gemeinkosten auf die einzelnen Vorg¨ ange i.d.R. nicht exakt möglich ist. Wichtig bei der Wahl eines geeigneten Schl¨ ussels zur Umlage der Gemeinkosten ist jedoch, dass die H¨ ohe des Kostenanfalls m¨ oglichst proportional von dem gewählten Schl¨ ussel abh¨ angt.

14

Dabei wird angenommen, dass der Kran pro Tag nur genau einem Vorgang zur Verf¨ ugung steht.

1.4 Projektplanung

55

1.4.3 Metra-Potential-Methode Nach DIN 69900 (Teil 1, August 1987) umfasst eine Netzplantechnik ¨ alle Verfahren zur Analyse, Beschreibung, Planung, Steuerung, Uber” wachung von Abl¨ aufen auf der Grundlage der Graphentheorie, wobei Zeit, Kosten, Einsatzmittel und weitere Einflussgrößen ber¨ ucksichtigt werden k¨ onnen.“ Die Metra-Potential-Methode (MPM) ist die derzeit in Theorie und Praxis am ¨ weitesten verbreitete Netzplantechnik. Ein Uberblick u ¨ber weitere Netzplantechniken wird in Abschnitt 1.4.4 gegeben. Die MPM-Netzplantechnik stellt Projekte als Vorgangsknotennetze dar, d.h. jedem Projektvorgang entspricht im MPM-Netzplan ein Knoten (Quadrat), der durch die Vorgangsnummer eindeutig bezeichnet ist. Ein Pfeil zwischen zwei Vorg¨ angen repr¨ asentiert eine Zeitbeziehung zwischen diesen beiden Vorg¨ angen. Bei MPM-Netzpl¨ anen werden alle Anordnungsbeziehungen als Start–Start-Beziehungen modelliert (vgl. Abschnitt 1.4.1), d.h. wir unterscheiden nur zeitliche Mindest- und H¨ ochstabst¨ ande zwischen den Startzeitpunkten zweier Vorg¨ ange. Jeder Pfeil des Netzplans hat eine Bewertung, die dem zeitlichen Abstand zwischen den beiden mit dem Pfeil inzidenten Vorgängen entspricht. Der Pfeil zwischen den Vorg¨ angen a und i in Abbildung 1.16 besagt beispielsweise, dass Vorgang i fr¨ uhestens 3 Zeiteinheiten nach dem Start von Vorgang a starten kann. * h 2 3 - i a H HH H j j H 4 H Abb. 1.16. Teil eines MPM–Netzplans

Konstruktion von MPM-Netzpl¨ anen Sei V := {0, 1, . . . , n, n+1} mit n ≥ 1 die Menge aller (nicht unterbrechbaren) Vorgänge eines Projektes. Vorgang 0 entspricht dem fiktiven Vorgang Projektstart und n + 1 dem fiktiven Vorgang Projektende. Da jeder Projektvorgang durch einen Knoten im Projektnetzplan repr¨ asentiert wird, ist V gleichzeitig die Menge aller Knoten des Netzplans. pi ≥ 0 bezeichnet die als deterministisch angenommene Dauer (processing time) eines Vorgangs i ∈ V . Da es sich bei den Vorg¨ angen Projektstart und Projektende um fiktive Vorg¨ ange (Ereignisse) handelt, gilt p0 = pn+1 = 0. Wir bezeichnen den Startzeitpunkt eines Vorgangs i mit Si ≥ 0 und setzen o.B.d.A. S0 := 0, d.h. das Projekt beginnt immer zum Zeitpunkt 0. Damit entspricht der Eintrittszeitpunkt des

56

1 Projektmanagement

Projektendes Sn+1 gerade der Projektdauer, d.h. der Zeitspanne, die zwischen dem Beginn und dem Ende des Projektes verstreicht. uhrEin zeitlicher Mindestabstand (minimum time lag) Tijmin , oder ausf¨ licher (1.3) Sj − Si ≥ Tijmin , zwischen dem Beginn zweier Vorg¨ ange i und j besagt, dass Vorgang j fr¨ uhestens eine vorgegebene Zeitspanne Tijmin nach Beginn von Vorgang i gestartet werden kann (vgl. Abb. 1.17).15 Falls Vorgang j begonnen werden kann, bevor Vorgang i beendet worden ist, k¨ onnen sich die Vorgänge u ¨berlappen und es uhestens unmittelbar nach dem Ende von gilt Tijmin < pi . Kann Vorgang j fr¨ Vorgang i beginnen, so gilt Tijmin := pi . Liegt ein Mindestabstand Tijmin := 0 vor, so kann Vorgang j fr¨ uhestens gleichzeitig mit dem Start von Vorgang i begonnen werden. Vorgang j

Vorgang i

0

pi

pj -

-

-t

Sj

Si

≥ Tijmin Abb. 1.17. Zeitlicher Mindestabstand

Häufig kann ein Vorgang erst begonnen werden, wenn die zu seiner Ausf¨ uhrung notwendigen Materialien bereitgestellt wurden. Nehmen wir an, f¨ ur einen Vorgang i sei aufgrund gegebener Bereitstellungstermine ein fr¨ uhesuhrung ter Startzeitpunkt ti ≥ 0 vorgegeben. Dann kann dies durch die Einf¨ min := ti gew¨ ahrleistet werden (vgl. Abb. eines zeitlichen Mindestabstands T0i 1.18). Projektstart

Vorgang i

? 0

-t Si

min ≥ T0i Abb. 1.18. Mindestabstand zwischen Projektstart und Vorgang i

15

Aus Gr¨ unden der einfacheren Darstellung verwenden wir im Folgenden das Symur Ungleichung (1.3) und f¨ ur die rechte Seite der Ungleichung. bol Tijmin synonym f¨ Sollte die Bedeutung von Tijmin einmal nicht aus dem Kontext klar werden, so weisen wir deutlich auf die jeweilige Bedeutung hin.

1.4 Projektplanung

57

Soll ein Vorgang i sp¨ atestens τi ≥ 0 Zeiteinheiten vor Projektende beendet sein, d.h. das Projektende darf fr¨ uhestens τi Zeiteinheiten nach dem Ende von min := pi + τi i eintreten, dann f¨ uhren wir einen zeitlichen Mindestabstand Ti,n+1 ein (vgl. Abb. 1.19). Projektende

Vorgang i

0

pi -

τi

-

?-t

Si min ≥ Ti,n+1

Abb. 1.19. Mindestabstand zwischen Vorgang i und Projektende

Ein zeitlicher H¨ ochstabstand (maximum time lag) Tijmax , bzw. ausf¨ uhrlicher (1.4) Sj − Si ≤ Tijmax , zwischen dem Beginn zweier Vorg¨ ange i und j besagt, dass Vorgang j sp¨ atestens Tijmax Zeiteinheiten nach Beginn von Vorgang i gestartet werden muss (vgl. Abb. 1.20).16

Vorgang j

Vorgang i

0

pi

-

pj -

-t

Sj

Si

≤ Tijmax Abb. 1.20. Zeitlicher H¨ ochstabstand

F¨ ur einige Vorg¨ ange k¨ onnen aufgrund vertraglicher Vorgaben sp¨ ateste Abatester Abschlusszeitpunkte vorgegeben sein. Sei beispielsweise ti ≥ pi ein sp¨ schlusszeitpunkt f¨ ur Vorgang i, d.h. Vorgang i muss sp¨ atestens zum Zeitpunkt atestens ti − pi Zeiteinheiten ti beendet werden. Somit muss Vorgang i sp¨ nach Beginn des Projektes begonnen werden und wir f¨ uhren den zeitlichen max := ti − pi ein (vgl. Abb. 1.21). Höchstabstand T0i Kann mit der Ausf¨ uhrung eines Vorgangs i fr¨ uhestens τi ≥ pi Zeiteinheiten vor Ende des Projektes begonnen werden, d.h. das Projektende kann uhren spätestens τi Zeiteinheiten nach Beginn von Vorgang i eintreten, dann f¨ max := τi ein (vgl. Abb. 1.22). wir einen zeitlichen H¨ ochstabstand Ti,n+1 16

Analog zu Tijmin verwenden wir im Folgenden das Symbol Tijmax synonym f¨ ur Ungleichung (1.4) und f¨ ur die rechte Seite der Ungleichung.

58

1 Projektmanagement Projektbeginn

Vorgang i

?

ti

0

Si

-

pi

-t

max ≤ T0i

Abb. 1.21. H¨ ochstabstand zwischen Projektstart und Vorgang i Vorgang i

Projektende

? 0

-t

Si max ≤ Ti,n+1

Abb. 1.22. H¨ ochstabstand zwischen Vorgang i und Projektende

Neben den bereits genannten M¨ oglichkeiten zur Modellierung praktischer Zeitbeziehungen mit Hilfe zeitlicher Mindest- und H¨ ochstabst¨ ande lassen sich eine Reihe weiterer Zeitbeziehungen abbilden: • Soll ein Vorgang j unmittelbar im Anschluss an einen Vorgang i ausgef¨ uhrt ochstabst¨ ande werden, d.h. Sj − Si = pi , dann werden Mindest- und H¨ Tijmin := pi und Tijmax := pi eingef¨ uhrt. • Sollen m Vorg¨ ange i1 , i2 , . . . , im−1 , im zur gleichen Zeit beginnen, d.h. ussen m − 1 Mindestabst¨ ande Si1 = Si2 = . . . = Sim−1 = Sim , dann m¨ := . . . := Timin := 0 und ein H¨ ochstabstand Timax := 0 eingef¨ uhrt Timin 1 ,i2 m−1 ,im 1 ,im werden. Sollen also beispielsweise die Vorg¨ ange i1 und i2 gleichzeitig star:= Timax := 0. ten, so setzen wir Timin 1 ,i2 1 ,i2 • Soll ein Vorgang i zu einem vorgegebenen Zeitpunkt ti starten (enden), ochstabst¨ ande d.h. Si = ti (Si = ti − pi ), dann werden Mindest- und H¨ min max := T0i := Si eingef¨ uhrt. T0i atestens • Soll ein Vorgang i fr¨ uhestens zum Zeitpunkt ti ≥ 0 und sp¨ zum Zeitpunkt ti > ti beginnen, werden die zeitlichen Mindest- und min max := ti und T0i := ti eingef¨ uhrt. H¨ ochstabst¨ ande T0i Wir erläutern nun den Zusammenhang zwischen zeitlichen Mindest- und max zwischen dem Beginn Höchstabständen. Ein zeitlicher H¨ ochstabstand Tji zweier Vorgänge j und i ist definiert als max . Si − Sj ≤ Tji

Multiplizieren wir diese Ungleichung mit −1, so erhalten wir die ¨ aquivalente Ungleichung max . Sj − Si ≥ −Tji

1.4 Projektplanung

59

Diese Ungleichung spezifiziert gerade einem zeitlichen Mindestabstand Tijmin max zwischen i und j mit Tijmin = −Tji . Ein zeitlicher Höchstabstand zwischen dem Beginn der Vorg¨ ange j und i entspricht somit einem negativen zeitlichen Mindestabstand zwischen dem Beginn der Vorgänge i und j, d.h. zeitliche Höchstabst¨ ande k¨ onnen in zeitliche Mindestabstände u uhrt werden. Zur ¨berf¨ Plausibilisierung betrachten wir ein kleines Beispiel. Beispiel 1.10. Zwischen zwei Vorg¨ angen j und i ist ein zeitlicher Höchstabmax = 5 gegeben (vgl. Abb. 1.23). Das ist äquivalent zu den Aussagen stand Tji Vorgang i muss sp¨ atestens 5 Zeiteinheiten nach dem Start von Vor” gang j starten.“ Vorgang j kann fr¨ uhestens 5 Zeiteinheiten vor dem Start von Vorgang ” i starten.“ Vorgang j kann fr¨ uhestens −5 Zeiteinheiten nach dem Start von Vor” gang i gestartet werden.“ Die letzte Aussage wiederum entspricht einem zeitlichen Mindestabstand Tijmin = −5. Vorgang j ≥ Tijmin = −5

Vorgang i

max =5 ≤ Tji

0

Sj

-t Si

Abb. 1.23. Zusammenhang von zeitlichen Mindest- und H¨ ochstabst¨ anden

Die Tatsache, dass zeitliche H¨ ochstabst¨ ande einfach in Mindestabst¨ ande u uhrt werden k¨ onnen, machen wir uns bei der Konstruktion eines MPM¨berf¨ Netzplans zunutze. Wir formulieren unter Verwendung der Gleichung max Tji = −Tijmin

alle (nichtnegativen bzw. negativen) H¨ ochstabst¨ ande zwischen zwei Vorg¨ angen j und i als (nichtpositive bzw. positive) Mindestabst¨ ande zwischen i und j (vgl. Beispiel 1.10). Somit k¨ onnen wir uns bei der Visualisierung eines Projektnetzplans auf die Darstellung von zeitlichen Mindestabst¨ anden beschr¨ anken. Ist ein zeitlicher Mindestabstand zwischen dem Beginn zweier Vorg¨ ange i, j ∈ V , i = j, gegeben, so f¨ uhren wir einen Pfeil i, j zwischen diesen beiden ur einen zeitlichen Vorgängen (Knoten) mit der Bewertung δij = Tijmin ein. F¨

60

1 Projektmanagement

Höchstabstand Tijmax zwischen dem Beginn zweier Vorgänge i und j, i = j, min der, wie wir gesehen haben, einem Mindestabstand Tji zwischen j und i min entspricht, f¨ uhren wir einen Pfeil j, i mit der Bewertung δji = Tji = max in entgegengesetzter Richtung ein (vgl. Abb. 1.24). Existieren k > 1 −Tij 1 k Pfeile i, j 1 , . . . , i, j k mit zugeh¨ origen Pfeilbewertungen δij , . . . , δij zwischen den Vorg¨ angen i und j, so muss nur ein Pfeil i, j mit der Bewertung δij = 1 k , . . . , δij ) eingef¨ uhrt werden. Die u max(δij ¨brigen Pfeile sind redundant und k¨ onnen f¨ ur alle weiteren Betrachtungen ignoriert werden. i

δij = Tijmin δji = −Tijmax

- j

Abb. 1.24. Zeitliche Mindest- und H¨ ochstabst¨ ande im Netzplan

Beispiel 1.11 (Fortsetzung von Beispiel 1.9). Ausgehend von den Zeitbeziehungen, die wir in Beispiel 1.9 spezifiziert haben, können wir unser Beispielprojekt, wie in Abbildung 1.25 dargestellt, als MPM-Netzplan veranschaulichen. An den Knoten des Netzplans, die die Projektvorgänge repräsentieren, notieren wir neben der Vorgangsnummer zusätzlich die entsprechende Vorgangsdauer. Die Mindestabst¨ ande Tijmin zwischen zwei Knoten i und j entsprechen gerade einem Pfeil i, j mit der Bewertung δij = Tijmin , und die Höchstabst¨ ande Tijmax werden wie beschrieben als Pfeile j, i mit der Bewerasentiert. tung δji = −Tijmax repr¨ −18 0 2 3 2 3 3 2 1 7 −2 −3

1

- 4 S 0 Z S 0 Z −2 Z 2 S1 0 Z S 3 Z 1 0 ? S 0 Z −9 1 w 11 S / Z 7 5 0 ~ Z > Z S 7 Z S Z 3 1 Z S Legende: 1 5S Z pj Z pi 1 2 2 4 S δij Z 1 4 ~ Z - j w 6 S 10 9 8 i −4

−4

0

2

Abb. 1.25. MPM–Netzplan f¨ ur das Beispielprojekt

Sei E ⊆ V × V die Menge aller Pfeile eines Projektnetzplans, dann können die Zeitbeziehungen des Projektes analog zu (1.3) als Ungleichungen der Form Sj − Si ≥ δij zusammengefasst werden.

(i, j ∈ E)

(1.5)

1.4 Projektplanung

61

Anmerkung 1.12. Die Startzeitpunkte Si ≥ 0 der Vorgänge i ∈ V können als Knotengewichte eines MPM-Netzplans aufgefasst werden. Eine Abbildung ullt, nennt man ein Potential S : V → R≥0 , die die Zeitrestriktionen (1.5) erf¨ des zugrunde liegenden Netzplans. Aus dieser Sichtweise r¨ uhrt die Bezeichnung Metra-Potential-Methode f¨ ur die Zeitplanung auf Vorgangsknotennetzen. Ein MPM-Netzplan N entspricht einem bewerteten Digraphen, der durch die Menge seiner Knoten V und seiner Pfeilmenge E mit zugehörigen Bewerur alle i, j ∈ E eindeutig spezifiziert ist. Wir schreiben kurz tungen δij f¨ N = V, E; δ . Zur weiteren Charakterisierung eines MPM-Netzplans benötigen wir einige grundlegenden Begriffe der Graphentheorie, die wir im Folgenden kurz erl¨ autern. F¨ ur eine ausf¨ uhrliche Darstellung verweisen wir z.B. auf (Neumann und Morlock, 2002). Eine Folge i0 , i0 , i1 , i1 , . . . , ir−1 , ir−1 , ir , ir von Knoten und Pfeilen in N = V, E; δ heißt Pfeilfolge mit Anfangsknoten i0 und Endknoten ir und wird mit dem Symbol i0 , i1 , . . . , ir bezeichnet. Sind alle Knoten einer solchen Pfeilfolge unterschiedlich, d.h. ik = il (k, l = 0, . . . , r, k = l), so bezeichnen wir eine Pfeilfolge als Weg. F¨ ur i0 = ir sowie ik = il (k, l = 1, . . . , r, k = l) heißt eine Pfeilfolge Zyklus. Die L¨ ange eines ange eines Zyklus rWeges bzw. die L¨ i0 , i1 , . . . , ir entspricht der Summe k=1 δik−1 ik der Pfeilbewertungen auf diesem Weg bzw. Zyklus. Die L¨ ange eines Weges von Knoten i nach Knoten j bezeichnen wir im Folgenden mit lij . In einem MPM-Netzplan hat die L¨ ange eines Weges zwischen zwei Knoten eine wichtige Implikation, denn ein Weg der L¨ ange lij von Knoten i zu Knoten j induziert einen zeitlichen Mindestabstand Tijmin = lij . Beispielsweise enthält der Digraph in Abbildung 1.26 ein Weg von Knoten i zu Knoten j mit lij = 2. Dieser induziert einen zeitlichen Mindestabstand Tijmin = 2 zwischen dem Start der Vorg¨ ange i und j, d.h. j kann fr¨ uhestens zwei Zeiteinheiten nach dem Start von i beginnen. Nehmen wir an, dass Vorgang i zum Zeitpunkt Si startet, dann kann h fr¨ uhestens zum Zeitpunkt Si + 2 beginnen. Vorgang l wiederum kann fr¨ uhestens 1 Zeiteinheit vor dem Beginn von h starten. Wenn h also zum fr¨ uhestm¨ oglichen Zeitpunkt begonnen wird, dann kann l fr¨ uhestens uhestm¨ ogliche Startzeitpunkt von j ergibt zum Zeitpunkt Si +1 starten. Der fr¨ sich dann analog zu Si + 2, was gerade einem Mindestabstand Tijmin = 2 entspricht.

i

2-

h

−1-

l

1-

j

Abb. 1.26. Weg zwischen den Vorg¨ angen i und j

Ganz ähnlich verh¨ alt es sich mit der L¨ ange eines Zyklus. Ein Zyklus der Länge lii mit Anfangs- und Endknoten i induziert einen zeitlichen Mindestabur lii > 0 besagt der resultierende Mindestabstand, dass stand Tiimin := lii . F¨

62

1 Projektmanagement

mit der Ausf¨ uhrung eines Vorgangs i fr¨ uhestens lii Zeiteinheiten nach seinem eigenen Start begonnen werden k¨ onnte. Eine derartige Zeitbeziehung kann niemals erf¨ ullt sein. Somit kann ein MPM-Netzplan niemals einen Zyklus positiver L¨ ange enthalten. Ein MPM-Netzplan zeichnet sich ferner dadurch aus, dass er stets genau eine Quelle (Projektstart), d.h. einen Knoten, in den keine Pfeile einm¨ unden, und eine Senke (Projektende), d.h. einen Knoten, von dem keine Pfeile ausgehen, enth¨ alt. Um zu gew¨ ahrleisten, dass kein Vorgang vor Projektstart (Knoten 0) begonnen werden und kein Vorgang sich nach dem Projektende (Knoten n + 1) noch in Ausf¨ uhrung befinden kann, gehen wir stets davon aus, dass ein MPM-Netzplan wohldefiniert ist. Bezeichne dij die Länge eines längsten Weges von Knoten i nach Knoten j, dann treffen wir die folgende Vereinbarung. Vereinbarung 1.13. Ein MPM-Netzplan N = V, E; δ heißt wohldefiniert, wenn die folgenden Eigenschaften erf¨ ullt sind: 1. Kein Vorgang kann vor dem Projektstart begonnen werden, d.h. d0i ≥ 0

f¨ ur alle i ∈ V \ {0}.

2. Kein Vorgang kann sich nach dem Projektende noch in Ausf¨ uhrung befinden, d.h. ur alle i ∈ V \ {n + 1}. di,n+1 ≥ pi f¨ Ist Eigenschaft 1 in Vereinbarung 1.13 f¨ ur einen Vorgang i ∈ V \ {0} nicht min := 0 eingef¨ uhrt werden, erf¨ ullt, so muss ein zeitlicher Mindestabstand T0i ur ein i ∈ V \ {n + 1} d.h. ein Pfeil 0, i mit δ0i := 0. Falls Eigenschaft 2 f¨ min := pi , d.h. ein nicht erf¨ ullt ist, so muss ein zeitlicher Mindestabstand Ti,n+1 ugt werden. Pfeil i, n + 1 mit δi,n+1 := pi , hinzugef¨ Zeitplanung mit MPM-Netzpl¨ anen Im Rahmen der Zeit- bzw. Terminplanung von Projekten mit Hilfe einer Netzplantechnik werden die fr¨ uhestund sp¨ atestmöglichen Startzeitpunkte der Projektvorg¨ ange ermittelt. Ferner bestimmen wir f¨ ur alle Vorgänge unterschiedliche Pufferzeiten, die z.B. angeben, inwieweit ein Vorgang verzögert werden kann, ohne dass das geplante Projektende verzögert wird. Die Bestimmung dieser Startzeitpunkte und Pufferzeiten beruht auf einigen grundlegenden aus der Graphentheorie bekannten Algorithmen, die wir nachfolgend erläutern. Eine ausf¨ uhrliche Darstellung findet sich bspw. in (Neumann und Morlock, 2002). Zwischen zwei Knoten i, j ∈ V existieren oft mehrere Wege, die meist verschiedene L¨ angen aufweisen. Zur Bestimmung l¨ angster Wege in einem Netzplan N existieren in der Literatur eine Reihe von Algorithmen. Wir skizzieren im Folgenden einen so genannten Label-Correcting-Algorithmus zur Bestimmung l¨ angster Wege zwischen einem ausgezeichneten Knoten r ∈ V und allen

1.4 Projektplanung

63

anderen Knoten i ∈ V in einem Netzplan. Das Verfahren basiert auf dem Bellmanschen Optimalit¨ atsprinzip, welches besagt, dass Teilwege längster Wege selbst wieder l¨ angste Wege darstellen. Zur Illustration betrachten wir den Ausschnitt eines Digraphen in Abbildung 1.27. Wir nehmen an, dass wir die l¨ angsten Wege vom ausgezeichneten Knoten r zu den beiden Knoten h und i bereits bestimmt haben. Die L¨ ange eines solchen längsten Weges von Knoten r zu einem beliebigen Knoten i bezeichnen wir mit dri . Gelangt man von Knoten r zu einem Knoten j nur u ¨ber die beiden Knoten h und i, so ergibt sich nach dem Bellmanschen Optimalit¨ atsprinzip die Länge eines längsten Weges von r nach j zu drj := max{drh + δhj , dri + δij }. 4 i H 2 HH j 3 4 * j h

Legende: drh dri δhii h

Abb. 1.27. Illustration des Bellmanschen Optimalit¨ atsprinzips

Sei pri der unmittelbare Vorg¨ anger von i auf einem l¨ angsten Weg von r nach i. Ferner bezeichne Succ(i) die Menge der unmittelbaren Nachfolger (successors) von Knoten i ∈ V in N . Zu Beginn des Label-Correcting-Algorithmus ur alle Knoten i ∈ V \ {r}. Knoten r ist einziges ist drr := 0 und dri := −∞ f¨ Element einer Schlange (Queue) Q. Unter einer Schlange versteht man eine FIFO-Liste (first-in first-out), d.h. neue Elemente werden an das Ende von Q angef¨ ugt, während Elemente vom Kopf der Schlange entnommen werden. In jeder Iteration des Algorithmus wird ein Knoten i aus Q entnommen und f¨ ur jeden seiner Nachfolger j ∈ Succ(i) gepr¨ uft, ob ein Weg r, . . . , i, j von r nach i und anschließend j l¨ anger ist als der aktuelle l¨ angste Weg r, . . . , j oßer von r nach j, der nicht u uhrt. Es wird also gepr¨ uft, ob dri + δij gr¨ ¨ber i f¨ ist als drj . Ist dies der Fall, so wird drj entsprechend angepasst und Knoten j in Q aufgenommen. Das Verfahren terminiert, wenn Q leer ist. Enth¨ alt ur mindesder Netzplan einen Zyklus positiver L¨ ange, d.h. es gilt dii > 0 f¨ tens ein i ∈ V , dann terminiert der Label-Correcting-Algorithmus nicht, so dass f¨ ur diesen Fall ein geeignetes Abbruchkriterium zu implementieren ist. F¨ ur |V | = n und |E| = m hat der Algorithmus eine Zeitkomplexit¨ at von O(mn), d.h. der Aufwand zur Bestimmung eines l¨ angsten Weges von r zu allen anderen Knoten im Netzplan hat die durch die Funktion mn angegebene Größenordnung. Algorithmus 1.14 zeigt eine Beschreibung des Verfahrens in Pseudo-Code. Der Label-Correcting-Algorithmus liefert als Ergebnis den Vekangster Wege vom ausgezeichneten Knoten r zu allen tor (dri )i∈V der Längen l¨ anderen Knoten des Netzplans. Ist f¨ ur ein i ∈ V dri = −∞, so gibt es keinen Weg von r nach i. Mit Hilfe des Vektors (pri )i∈V kann – sofern vorhanden – ein längster Weg von r nach i von i ausgehend rekursiv entwickelt werden.

64

1 Projektmanagement

Algorithmus 1.14 (Label-Correcting-Algorithmus). Initialisierung: Setze drr := 0, prr := r und Q := {r}. F¨ ur alle i ∈ V \ {r}: Setze dri := −∞ und pri := −1. Hauptschritt: Solange Q = ∅: Entferne i vom Kopf von Q. F¨ ur alle j ∈ Succ(i) mit drj < dri + δij : Setze drj := dri + δij , prj := i. Falls j ∈ Q: F¨ uge j am Ende von Q ein. Beispiel 1.15 (Fortsetzung von Beispiel 1.11). Wir betrachten den in Abbildung 1.25 dargestellte Projektnetzplan. Zur Ermittlung der längsten Wege von Knoten r = 0 zu allen anderen Knoten wenden wir den LabelCorrecting-Algorithmus (vgl. Algorithmus 1.14) an. In Tabelle 1.10 sind einige Iterationen des Algorithmus ausf¨ uhrlich dargestellt. Tabelle 1.10. Ermittlung l¨ angster Wege von Knoten 0 zu allen anderen Knoten 3 2 1 0 Iteration {1, 6} {6, 2} {2, 7, 8} Q = {0} Vorgang i d0i p0i d0i p0i d0i p0i d0i p0i

0 1 2 3 4 5 6 7 8 9 10 11

0 −∞ −∞ −∞ −∞ −∞ −∞ −∞ −∞ −∞ −∞ −∞

0 −1 −1 −1 −1 −1 −1 −1 −1 −1 −1 −1

0 0 −∞ −∞ −∞ −∞ 5 −∞ −∞ −∞ −∞ −∞

0 0 −1 −1 −1 −1 0 −1 −1 −1 −1 −1

0 0 3 −∞ −∞ −∞ 5 −∞ −∞ −∞ −∞ −∞

0 0 1 −1 −1 −1 0 −1 −1 −1 −1 −1

0 0 3 −∞ −∞ −∞ 5 6 9 −∞ −∞ −∞

0 0 1 −1 −1 −1 0 6 6 −1 −1 −1

··· ··· ···

d0i p0i

··· ··· ··· ··· ··· ··· ··· ··· ··· ··· ··· ···

0 0 0 0 3 1 5 2 5 3 5 2 5 0 6 6 9 6 10 8 12 9 13 10

Zu Beginn des Verfahrens (Iteration 0) setzen wir d00 := 0 und p00 := 0 ur i = 1, . . . , 11. Schlange Q enth¨ alt nur das sowie d0i := −∞ und p0i := −1 f¨ Element 0, d.h. Q := {0}. In der ersten Iteration wird Knoten 0 vom Anfang von Q entfernt und wir betrachten die beiden unmittelbaren Nachfolger 1 und 6 von 0. Da d01 = −∞ < d00 + δ01 = 0 setzen wir d01 := d00 + δ01 = 0, d.h. es gibt einen anger von 1 auf Weg der Länge d01 = 0 von 0 nach 1. Der unmittelbare Vorg¨

1.4 Projektplanung

65

diesem Weg ist Knoten 0, wir setzen daher p01 := 0. Da wir die Markierung ugt. Wegen d01 verbessern konnten, wird Knoten 1 an das Ende von Q angef¨ ugen d06 = −∞ < d00 + δ06 = 5 setzen wir analog d06 := 5, p06 := 0 und f¨ Knoten 6 in Q ein. Zu Beginn der zweiten Iteration ist Q = {1, 6}. Wir entfernen Knoten 1 aus Q und betrachten seine Nachfolger 0 und 2. Da d00 = 0 < d01 + δ10 = 0, wird die Markierung von Knoten 0 nicht aktualisiert. Wegen d02 = −∞ < ugen Knoten 2 in Q ein. d01 + δ12 = 3 setzen wir d02 := 3, p02 := 1 und f¨ In Iteration 3 gilt Q = {6, 2} und wir entfernen 6 aus Q. Die Nachfolger von Knoten 6 sind 7 und 8. Wegen d07 = −∞ < d06 + δ67 = 6 setzen wir d07 := 6, p07 := 6 und Q := Q ∪ {7}. Weil d08 = −∞ < d06 + δ68 = 9 gilt, setzen wir d08 := 9, p08 := 6 und Q := Q ∪ {8}. Fahren wir auf diese Art und Weise mit dem Algorithmus fort, bis Q = ∅ gilt, so erhalten wir als Ergebnis die Werte (d0i )i∈V und (p0i )i∈V , wie sie in der letzten Spalte von Tabelle 1.10 angegeben sind. Beispielsweise hat ein längster Weg von Knoten 0 zu 11 die L¨ ange d0,11 = 13. Direkter Vorgänger von Knoten anger von 10 ist p0,10 = 9, dessen 11 auf einem solchen Weg ist p0,11 = 10. Vorg¨ unmittelbarer Vorg¨ anger wiederum p09 = 8 ist. Der unmittelbare Vorgänger anger von 6 ist p06 = 0, also gerade der von 8 ist p08 = 6 und der Vorg¨ ausgezeichnete Knoten. Ein l¨ angster Weg von 0 nach 11 ist somit der Weg 0, 6, 8, 9, 10, 11 . Die Eigenschaft, dass ein l¨ angster Weg der Länge dij einen zeitlichen Minonnen wir nutzen, um den fr¨ uhesten destabstand Tijmin := dij induziert, k¨ Startzeitpunkt (earliest start time) ES i eines Vorgangs i zu ermitteln. Wir bestimmen ausgehend vom Projektstart die L¨ angen längster Wege d0i zu allen Knoten i ∈ V \ {0}. Da ein l¨ angster Weg von 0 nach i einen Mindestabstand min := d0i zwischen dem Projektbeginn und Vorgang i induziert und da T0i ES 0 = S0 = 0 ist, folgt, dass Vorgang i nicht vor dem Zeitpunkt d0i starten kann, d.h. f¨ ur alle i ∈ V \ {0}. ES i := d0i Die k¨ urzeste Projektdauer, d.h. die k¨ urzeste Zeitspanne, in der alle zum Projekt geh¨ origen Vorg¨ ange ausgef¨ uhrt werden können, ist somit ES n+1 := d0,n+1 . In Abbildung 1.28 wird der beschriebene Sachverhalt verdeutlicht. min = 17 T0i

0

min = 12 - ? T0i i min T0i = 11

6

Abb. 1.28. L¨ angste Wege und fr¨ uheste Startzeitpunkte von Vorg¨ angen

Wir nehmen an, dass zwischen Knoten 0 und einem Knoten i genau drei unterschiedliche Wege mit den L¨ angen 17, 12 und 11 existieren, die in der Ab-

66

1 Projektmanagement

bildung durch drei gestrichelte Pfeile gekennzeichnet sind. Jeder dieser Pfeile entspricht einem zeitlichen Mindestabstand zwischen den Vorgängen 0 und i, von denen zwei redundant sind. Vorgang i kann folglich fr¨ uhestens 17 Zeiteinheiten nach dem Start von Vorgang 0 starten. Unter der Annahme, dass Vorgang 0 zum Zeitpunkt 0 startet, entspricht dieser Mindestabstand gerade der L¨ ange eines l¨ angsten Weges von 0 nach i. Der fr¨ uheste Endzeitpunkt (earliest completion time) EC i eines Vorgangs i ∈ V ergibt sich unmittelbar aus dem fr¨ uhesten Startzeitpunkt von i zuz¨ uglich seiner Vorgangsdauer, d.h. f¨ ur alle i ∈ V.

EC i := ES i + pi

Beispiel 1.16 (Fortsetzung von Beispiel 1.15). Wir haben in Beispiel 1.15 f¨ ur den MPM-Netzplan unseres Beispielprojektes bereits die Längen längster Wege von Knoten 0 zu allen anderen Knoten bestimmt. Zusammen mit den Dauern der Projektvorg¨ ange erhalten wir somit die in Tabelle 1.11 angegeben fr¨ uhesten Start- und Endzeitpunkte f¨ ur die Vorgänge 0, . . . , 11. Tabelle 1.11. Fr¨ uheste Start- und Endzeitpunkte f¨ ur das Beispielprojekt i

0

1

2

3

4

5

6

7

9

10

11

ES i EC i

0 0

0 3

3 5

5 5

5 6

5 6

5 9

6 9 10 9 11 12

8

12 13

13 13

Der sp¨ ateste Startzeitpunkt (latest start time) LS i eines Vorgangs i ∈ V gibt den Zeitpunkt an, zu dem mit der Durchf¨ uhrung von Vorgang i spätestens min einem Höchstabstand begonnen werden muss. Da ein Mindestabstand Tji max min Tij = −Tji entspricht, induziert ein l¨ angster Weg von Knoten i ∈ V \ {0} max ochstabstand T0i = −di0 . Existiert zu Knoten 0 mit der L¨ ange di0 einen H¨ also ein solcher Weg im Projektnetzplan N , dann muss Vorgang i spätestens −di0 Zeiteinheiten nach dem Projektbeginn starten, d.h. LSi = −di0 . F¨ ur die u ange, f¨ ur die kein Weg zum Knoten 0 existiert, kann ¨brigen Vorg¨ zun¨ achst kein sp¨ atester Startzeitpunkt angegeben werden. In der Praxis wird jedoch meist eine maximale Projektdauer d¯ ≥ ES n+1 vorgeschrieben, die nicht u ¨berschritten werden darf. Ist d¯ nicht vorgegeben, so nimmt man i.d.R. uhestmöglichen Termin abged¯ := ES n+1 an, d.h. das Projekt muss zum fr¨ schlossen werden. Da von jedem Knoten i ∈ V \{n+1} ein Weg zu Knoten n+1 existiert, ergibt sich ausgehend von S0 := 0 und dem daraus resultierenden spätestm¨ oglichen Projektendtermin LS n+1 := d¯ ein spätester Startzeitpunkt der Vorg¨ ange i ∈ V \ {0, n + 1} gem¨ aß LSi := LS n+1 − di,n+1 , d.h. aus dem spätesten Projektendtermin abz¨ uglich der Zeit, die zwischen dem Beginn des Vorgangs i und dem Eintritt des Projektendes mindestens verstreichen muss. F¨ ur Vorg¨ ange i, f¨ ur die zus¨ atzlich ein Weg zu Knoten 0 existiert, der den spätesten Startzeitpunkt LSi impliziert, gilt LS i := min{LSi , LSi }.

1.4 Projektplanung

67

Zur Ermittlung der sp¨ atesten Startzeitpunkte LS i ist es hilfreich, einen ¯ der einem zeitlichen HöchstabPfeil n+1, 0 mit der Bewertung δn+1,0 = −d, max ¯ ugen. Ein solcher Pfeil stand T0,n+1 := d entspricht, in den Netzplan einzuf¨ gew¨ ahrleistet, dass kein Vorgang so sp¨ at gestartet wird, dass die vorgegebene maximale Projektdauer d¯ u ¨berschritten wird. Wir nehmen im Folgenden an, dass ein Projektnetzplan stets einen solchen Pfeil n + 1, 0 enthält. Unter dieser Voraussetzung ergibt sich der sp¨ ateste Startzeitpunkt eines Vorgangs i ∈ V \ {0, n + 1} zu LS i := −di0 . Anmerkung 1.17. Enth¨ alt ein wohldefinierter MPM-Netzplan den Pfeil n+ ¯ so ist er stark zusammenh¨ angend, d.h. von jedem 1, 0 mit δn+1,0 := −d, Knoten i des Netzplans existiert ein gerichteter Weg zu allen anderen Knoten j, da stets ein Weg von Vorgang i u ¨ber die Vorgänge n + 1 und 0 zu Vorgang j existiert. Dennoch bezeichnen wir im Folgenden Knoten 0 weiterhin als Quelle und Knoten n + 1 weiterhin als Senke eines solchen MPM-Netzplans. Abbildung 1.29 illustriert den Zusammenhang zwischen den Längen längster Wege und dem sp¨ atesten Startzeitpunkt eines Vorgangs. Angenommen zwischen einem Knoten i und Knoten 0 existieren drei unterschiedliche Wege mit den L¨ angen −10, −8 und −15, wobei es unwesentlich ist, ob diese Wege den Pfeil n+1, 0 enthalten oder nicht. Die skizzierten Wege implizieren dann drei H¨ ochstabst¨ ande zwischen 0 und i mit den Zeitabständen 10, 8 und 15. Vorgang i muss somit sp¨ atestens 8 Zeiteinheiten nach dem Start von Vorgang ateste Startzeitpunkt von Vorgang i gerade 0 starten. Wegen S0 = 0 ist der sp¨ LS i = 8. max = 10 T0i

0

max =8 - ? T0i i max T0i = 15

6

Abb. 1.29. L¨ angste Wege und sp¨ ateste Startzeitpunkte von Vorg¨ angen

Der sp¨ ateste Endzeitpunkt (latest completion time) LC i von Vorgang i ∈ V entspricht dem sp¨ atesten Startzeitpunkt von i zuz¨ uglich der Vorgangsdauer, d.h. f¨ ur alle i ∈ V. LC i := LS i + pi Die f¨ ur die Ermittlung der sp¨ atesten Start- und Endzeitpunkte ben¨ otigten onnen wir mit Hilfe von Längen längster Wege di0 von Vorgang i zu Vorgang 0 k¨ Algorithmus 1.14 bestimmen, indem wir den Label-Correcting-Algorithmus n mal ausf¨ uhren, einmal f¨ ur jeden ausgezeichneten Knoten i ∈ V \ {0}. Geschickter ist es allerdings, wie folgt zu verfahren. Wir bestimmen zun¨ achst ˜ aus ˜ . Wir erhalten N ˜ = V, E; ˜ δ den zu Netzplan N inversen Netzplan N

68

1 Projektmanagement

N = V, E; δ , indem wir die Richtung jeden Pfeils in N umdrehen; die Pfeil˜ somit einen bewertung bleibt unver¨ andert. F¨ ur jeden Pfeil i, j ∈ E enthält E Pfeil j, i mit der Pfeilbewertung δji = δij . Die Länge eines längsten Weges di0 von i nach 0 in N entspricht dann gerade der Länge eines längsten Weges ˜ . Zur Bestimmung der sp¨ d˜0i von 0 nach i in N atesten Startzeitpunkte LS i ist es somit ausreichend, genau einmal die L¨ angen längster Wege von 0 nach i im ˜ zu bestimmen. inversen Netzplan N Beispiel 1.18 (Fortsetzung von Beispiel 1.16). F¨ ur den MPM-Netzplan des Bauprojektes aus Abbildung 1.25 erhalten wir die in Tabelle 1.12 angegeben sp¨ atesten Start- und Endzeitpunkte f¨ ur die Vorgänge 0, . . . , 11. Zur Bestimmung der sp¨ atesten Startzeitpunkte ist in Abb. 1.30 der inverse Netzplan zu unserem Beispielprojekt angegeben. ateste Start- und Endzeitpunkte f¨ ur das Beispielprojekt Tabelle 1.12. Sp¨ i

0

1

2

3

4

5

6

7

8

9

10

11

LS i LC i

0 0

0 3

3 5

5 5

5 6

7 8 9 12 15 8 12 12 14 17

17 18

18 18

−18 0 2 3 −2 −3 3 2 1 7 2 3

1

- 4 S o 0 } Z Z S 0 Z −2 S1 Z 2 S Z 0 S 0 ? 3 Z 1 0 −9 Z 1 S 11 / - 7 5 0 Z Z o S } Z S Z 1 Z 3 S Legende: Z 5S 1 Z pj pi S 4 2 2 Z 1 −4 δij −4 = Z 10 / S 6 - j 9 8 i 4

1

0

2

Abb. 1.30. Inverser Netzplan f¨ ur das Beispielprojekt

Da der Label-Correcting-Algorithmus lediglich die längsten Wege von einem ausgezeichneten Knoten i zu den anderen Knoten des Netzplans bestimmt, muss Algorithmus 1.14 mindestens zweimal ausgef¨ uhrt werden, um die fr¨ uhesten und sp¨ atesten Startzeitpunkte aller Vorgänge zu bestimmen. Die gleichzeitige Ermittlung der ES i - und LS i -Werte aller Vorgänge i ∈ V erlaubt der so genannte Tripel-Algorithmus (Algorithmus 1.19), der simultan die Längen längster Wege (dij )i,j∈V zwischen allen Knoten eines Netzplans sowie die unmittelbaren Vorg¨ anger (pij )i,j∈V von j auf einem längsten Weg

1.4 Projektplanung

69

von i nach j ermittelt. Im Laufe des Verfahrens werden systematisch alle Tripel von Knoten (ν, i, j) dahingehend u uft, ob ein Weg i, . . . , ν, . . . , j ¨berpr¨ von i nach j u oßer ist als der bisher l¨ angste Weg i, . . . , j von i nach ¨ber ν gr¨ j, der nicht u uhrt. Wir pr¨ ufen also, ob dij durch den evtl. größeren ¨ber ν f¨ Wert diν + dνj ersetzt werden kann. Ist das der Fall, dann wird der unmitangsten Weg von i nach j durch den telbare Vorg¨ anger pij von j auf einem l¨ unmittelbaren Vorg¨ anger pνj von j auf einem längsten Weg von ν nach j ersetzt. Im Gegensatz zum Label-Correcting-Algorithmus terminiert der TripelAlgorithmus auch dann, wenn N einen Zyklus positiver Länge enthält. Ein ur mindestens ein i ∈ V Zyklus positiver L¨ ange liegt vor, wenn wir dii > 0 f¨ erhalten. Mit |V | = n hat der Tripel-Algorithmus eine Zeitkomplexität von O(n3 ). Algorithmus 1.19 (Tripel-Algorithmus). Initialisierung: F¨ ur alle i ∈ V : Setze dii := 0 und pii := i. F¨ ur alle j ∈ V \ {i}: δij falls i, j ∈ E Setze dij := −∞ sonst i falls dij > −∞ Setze pij := −1 sonst Hauptschritt: F¨ ur alle ν ∈ V : F¨ ur alle i ∈ V \ {ν} mit diν > −∞: F¨ ur alle j ∈ V \ {ν} mit dij < diν + dνj : Setze dij := diν + dνj und pij := pνj . Beispiel 1.20. Zur Demonstration der Funktionsweise des Tripel-Algorithmus betrachten wir ein Projekt mit vier realen Vorgängen (vgl. Abb. 1.31). Zu Beginn des Verfahrens (Iteration 0, vgl. Tab. 1.13) setzen wir dii := 0 ur alle i ∈ V = {0, . . . , 5} sowie dij := δij und pij := i f¨ ur alle und pii := i f¨ i, j ∈ E. F¨ ur alle u ¨brigen i, j ∈ V setzen wir dij := −∞ und pij := −1. Wir betrachten nun zun¨ achst den Knoten ν = 0 und pr¨ ufen, ob wir eine onnen, indem wir uns im Netzplan von der Markierungen dij verbessern k¨ einem Knoten i u ufen ob ¨ber Knoten 0 zu Knoten j bewegen, d.h. wir u ¨berpr¨ ur die Markierungen d51 , d52 und d53 dij < di0 +d0j ist. Dies ist offensichtlich f¨ der Fall und wir setzen d51 := d52 := d53 := −6. Nun wird der unmittelbare Vorg¨ anger der Knoten 1, 2 und 3 entsprechend aktualisiert und wir setzen ur j = 1, 2, 3. Weitere Markierungen können nicht verbessert p5j := p0j := 0 f¨ werden. Wir erhalten somit die in Tabelle 1.14 angegebenen Werte (dij )i,j∈V und (pij )i,j∈V .

70

1 Projektmanagement 0 1 1 -1 -? 2 1 @ -2

@1 @

0 0 0

0 @ R @ -

1

@

-6

@0 @

2 3

@ R 3 @

4

5

Legende: pi

1

- 4

i

δij

pj

- j

Abb. 1.31. MPM-Netzplan mit sechs Vorg¨ angen Tabelle 1.13. Iteration 0 des Tripel-Algorithmus j i

0 dij pij

0 −∞ −∞ −∞ −∞ −6

0 1 2 3 4 5

0 −1 −1 −1 −1 5

1 dij pij

2 dij pij

0 0 0 0 0 1 −1 1 0 2 −2 2 −∞ −1 −∞ −1 −∞ −1 −∞ −1 −∞ −1 −∞ −1

3 dij pij

0 −∞ −∞ 0 −∞ −∞

0 −1 −1 3 −1 −1

4 dij pij

−∞ −∞ −∞ 4 0 −∞

5 dij pij

−1 −∞ −1 1 1 −1 1 2 −1 3 −∞ −1 2 4 4 0 5 −1

Tabelle 1.14. Iteration 1 des Tripel-Algorithmus j i

0 1 2 3 4 5

0 dij pij

0 −∞ −∞ −∞ −∞ −6

0 −1 −1 −1 −1 5

1 dij pij

2 dij pij

3 dij pij

4 dij pij

5 dij pij

0 0 −∞ −1 −∞ −1 0 0 0 0 1 1 0 1 −1 1 −∞ −1 −∞ −1 1 2 0 2 −∞ −1 −∞ −1 −2 2 4 3 −∞ −1 0 3 −∞ −1 −∞ −1 2 4 0 4 −∞ −1 −∞ −1 −∞ −1 0 5 −6 0 −6 0 −6 0 −∞ −1

Fahren wir auf diese Weise f¨ ur ν = 1, . . . , 5 fort, so erhalten wir schließur den lich die in Tabelle 1.15 gezeigten Werte f¨ ur dij und pij , i, j ∈ V . F¨ Projektnetzplan in Abbildung 1.31 können wir unmittelbar die fr¨ uhesten und ur alle Vorg¨ ange i ∈ V spätesten Startzeitpunkte ES i = d0i und LS i = −di0 f¨ ablesen (vgl. Tab. 1.16). Den längsten Weg zwischen zwei Knoten i und j erhalten wir, indem wir ausgehend von Vorgang j systematisch die Vorg¨ angerur einen längsten Weg von 0 nach 5 mit d05 = 6 matrix (pij )i,j∈V auswerten. F¨ beispielsweise ist der unmittelbare Vorgänger von 5 auf einem solchen Weg p05 = 4. Der unmittelbare Vorgänger von Knoten 4 auf einem Weg von 0 nach

1.4 Projektplanung

71

4 ist Knoten p04 = 3, und dessen Vorg¨ anger wiederum ist Knoten p03 = 0. Ein l¨ angster Weg von 0 nach 5 ist somit durch 0, 3, 4, 5 gegeben. Tabelle 1.15. Letzte Iteration des Tripel-Algorithmus i

5 4 3 2 1 0 dij pij dij pij dij pij dij pij dij pij dij pij

0 1 2 3 4 5

0 −5 −5 0 −4 −6

j

0 0 5 0 5 −2 5 0 5 −4 5 −6

0 0 1 −1 2 0 0 0 0 −4 0 −6

0 1 2 0 0 0

0 −5 −5 0 −4 −6

0 4 0 −1 0 −1 3 4 0 0 0 −2

3 3 3 3 4 3

6 1 1 6 2 0

4 1 2 4 4 5

Tabelle 1.16. Fr¨ uheste und sp¨ ateste Startzeitpunkte i

0

1

2

3

4

5

ES i LS i

0 0

0 5

0 5

0 0

4 4

6 6

Neben den fr¨ uhesten und sp¨ atesten Start- und Endzeitpunkten sind f¨ ur die Durchf¨ uhrung des Projektes die Pufferzeiten der Vorg¨ ange von Interesse. Wir unterscheiden drei Arten von Pufferzeiten. Die gesamte Pufferzeit (Gesamtpufferzeit) TF i (total float) eines Vorgangs i ∈ V \ {0} gibt die Zeitspanne an, um die der Start von Vorgang i maximal ohen. verzögert werden kann, ohne die maximale Projektdauer LS n+1 zu erh¨ Die gesamte Pufferzeit von Vorgang i ergibt sich aus der Differenz des sp¨ atesten und fr¨ uhesten Startzeitpunktes von Vorgang i, d.h. TF i := LS i − ES i . Die Menge der Vorg¨ ange {i ∈ V | TF i = minj∈V \{0} {TF j }} mit minimaler Gesamtpufferzeit heißen kritische Vorg¨ ange. Insbesondere sind alle Vorg¨ ange, die auf einem längsten Weg von 0 nach n + 1 liegen, kritisch. Wird einer der kritischen Vorgänge verz¨ ogert, so verz¨ ogert sich das fr¨ uheste Projektende ES n+1 um die entsprechende Zeitspanne. Gilt ES n+1 = LS n+1 , d.h. das Projekt soll so fr¨ uh als m¨ oglich beendet werden, so haben alle kritischen Vorg¨ ange einen Gesamtpufferzeit von TF i = 0. Die freie Pufferzeit EFF i (early free float) eines Vorgangs i ∈ V \ {0} gibt die maximale Zeitspanne an, um die der Start von Vorgang i von ES i ausgehend verzögert werden kann unter der Bedingung, dass alle unmittelbaren Nachfolger j ∈ Succ(i ) von Vorgang i in N zu ihrem fr¨ uhesten Startzeitpunkt

72

1 Projektmanagement

starten. Somit ist die freie Pufferzeit gleich der Differenz aus dem fr¨ uhesten Zeitpunkt, an dem mindestens ein Nachfolger j von i beginnen kann abz¨ uglich des Mindestabstandes zwischen i und j, und dem fr¨ uhesten Startzeitpunkt von Vorgang i, d.h. EFF i := min (ES j − δij ) − ES i . j∈Succ(i)

Die freie R¨ uckw¨ artspufferzeit LFF i (late free float) eines Vorgangs i ∈ V \ {0} gibt die maximale Zeitspanne an, um die der Start von i ausgehend vom sp¨ atesten Startzeitpunkt LS i nach vorne verschoben werden kann unter der Bedingung, dass alle unmittelbaren Vorg¨ anger (predecessor) h ∈ Pred (i) von Vorgang i in N zu ihrem sp¨ atesten Startzeitpunkt starten. Die freie R¨ uckw¨ artspufferzeit ergibt sich somit als Differenz aus dem spätesten Startzeitpunkt von Vorgang i und dem sp¨ atesten Zeitpunkt, zu dem alle Vorgänger h von i starten m¨ ussen zuz¨ uglich des Mindestabstands zwischen h und i, d.h. LFF i := LS i −

max (LS h + δhi ).

h∈Pred(i)

F¨ ur Vorgang 0 gilt stets TF 0 = EFF 0 = LFF 0 = 0 Die Bestimmung der verschiedenen Pufferzeiten wird nachfolgend anhand unseres Beispielprojektes verdeutlicht. Beispiel 1.21 (Fortsetzung von Beispiel 1.18). Die gesamte Pufferzeit, die freie Pufferzeit und die freie R¨ uckw¨ artspufferzeit sind f¨ ur alle Vorgänge i ∈ V des Beispielprojektes in Tabelle 1.17 angegeben. So kann bspw. Vorgang ogert werden, ohne dass sich der späteste 10 um TF 10 = 5 Zeiteinheiten verz¨ Projektendtermin LS 11 verschiebt. Vorgang 7 kann vom ES 7 = 6 aus um ogert werden, bevor sich der fr¨ uheste maximal EFF 7 = 3 Zeiteinheiten verz¨ Start des Vorgangs 0 verz¨ ogert. Vorgang 9 kann vom LS 9 = 12 ausgehend uher gestartet werden, bevor sich der höchstens LFF 9 = 2 Zeiteinheiten fr¨ späteste Startzeitpunkt von Vorgang 8 verschiebt. Tabelle 1.17. Gesamtpufferzeit, freie Pufferzeit und freie R¨ uckw¨ artspufferzeit i

0

1

2

3

4

5

6

7

8

9

10

11

TF i EFF i LFF i

0 0 0

0 0 0

0 0 0

0 0 0

0 0 0

2 2 2

3 0 0

3 3 0

3 0 0

5 0 2

5 0 0

5 5 0

Abschließend merken wir an, dass MPM-Netzpläne, die ausschließlich fiktive Vorg¨ ange enthalten, in der Literatur auch als Ereignisknotennetze anstelle von Vorgangsknotennetzen bezeichnet werden. In einem solchen Netzplan stellen die Knoten ausschließlich Ereignisse (z.B. Meilensteine) dar und die Pfeile des Netzplans repr¨ asentieren Zeitbeziehungen zwischen diesen Ereignissen.

1.4 Projektplanung

73

1.4.4 Weitere Netzplantechniken Neben der in Abschnitt 1.4.3 behandelten MPM-Netzplantechnik werden in der Praxis h¨ aufig noch eine Reihe anderer Netzplantechniken verwendet. So z.B. die Critical-Path-Methode (CPM), die wie die MPM-Netzplantechnik zu den deterministischen Netzplantechniken z¨ ahlt. Bei der CPM-Netzplantechnik wird jedoch ein so genanntes Vorgangspfeilnetz zugrunde gelegt, d.h. die einzelnen Projektvorg¨ ange werden jeweils durch einen Pfeil repräsentiert, w¨ ahrend die Knoten des Netzplans Ereignisse darstellen. Die bekanntesten stochastischen Netzplantechniken sind die Program Evaluation and Review Technique (PERT) sowie die Graphical Evaluation and Review Technique (GERT). Bei PERT-Netzpl¨ anen wird die Unsicherheit bei der Ermittlung der Vorgangsdauern ber¨ ucksichtigt. Ausgehend von einer Dreizeitenschätzung (vgl. Abschnitt 1.4.2) wird die Ausf¨ uhrungsdauer eines Vorgangs als Zufallsvariable mit geeigneter Wahrscheinlichkeitsverteilung modelliert. Die Verwendung von GERT-Netzpl¨ anen bietet sich an, wenn die zeitliche Ablaufstruktur eines Projektes a priori nicht eindeutig bestimmt werden kann. Zum Beispiel kann der weitere Projektverlauf von dem Ergebnis einer Qualitätskontrolle eines bestimmten Bauteils abh¨ angen. Je nach Ergebnis der Qualitätskontrolle muss ein solches Bauteil u.U. nachgearbeitet werden oder auch nicht. In GERT-Netzpl¨ anen werden verschiedene Knotentypen verwendet, um stochastische Ablaufstrukturen eines Projektes zu modellieren. CPM-Netzplantechnik Die CPM-Netzplantechnik verwendet als Darstellungsform ein Vorgangspfeilnetz, d.h. jedem Vorgang eines Projektes wird ein Pfeil zugeordnet, wobei aufeinander folgende Pfeile aufeinander folgende Vorgänge repräsentieren. Die Bewertung eines Pfeils entspricht gerade der Dauer des zugehörigen Vorgangs. CPM-Netzpl¨ ane gehen von zeitlichen Mindestabständen des Typs Ende–Start aus, d.h. ein Vorgang kann fr¨ uhestens beginnen, sobald seine Vorgänger abgeschlossen wurden.17 Die Knoten eines CPM-Netzplans stellen Ereignisse dar. Jeder Vorgang (Pfeil) ist stets mit genau zwei Ereignissen (Knoten) inzident, die den Beginn und das Ende des Vorgangs repräsentieren. Betrachten wir hierzu den Ausschnitt eines CPM-Netzplans in Abbildung 1.32. Die Vorgänge h, i und j haben einen gemeinsamen Vorg¨ anger (Vorgang a), d.h. sie können fr¨ uhestens dann starten, wenn Vorgang a beendet wurde. Knoten 1 repräsen17

Die Verwendung zeitlicher H¨ ochstabst¨ ande ist in CPM-Netzpl¨ anen prinzipiell nicht m¨ oglich. Elmaghraby und Kamburowski (1992) diskutieren eine Erweiterung von CPM-Netzpl¨ anen mit mehreren Quellen und Senken, bei der es zwei Arten von Pfeilen gibt, n¨ amlich Pfeile, die Vorg¨ ange darstellen, und Pfeile, die allgemeine Mindest- und H¨ ochstabst¨ ande repr¨ asentieren. In der Literatur werden solche Netzpl¨ ane meist als Ereignisknotennetze bezeichnet; vgl. bspw. (Schwindt, 2005).

74

1 Projektmanagement

tiert das Start- und Knoten 2 das Endereignis von Vorgang a.18 Gleichzeitig stellt Knoten 2 das Startereignis der Vorg¨ ange h, i und j dar.

1j

a

j *3 h i - 4j - 2j H HH

j HH H 5j j

Abb. 1.32. Ausschnitt eines CPM-Netzplans

Ein CPM-Netzplan besitzt genau eine Quelle (den Projektstart) und eine Senke (das Projektende). Im Gegensatz zu MPM–Netzplänen sind CPMNetzpl¨ ane zyklenfrei, d.h. sie enthalten keine Zyklen. Da in einem CPMNetzplan die Pfeilbewertungen den Vorgangsdauern entsprechen, die f¨ ur alle realen Vorg¨ ange positiv sind, m¨ usste ansonsten ein Vorgang, der auf einem Zyklus liegt, beendet werden, bevor er starten k¨ onnte. Ferner ist in einem CPMNetzplan jeder Knoten von der Quelle aus erreichbar und von jedem Knoten aus kann die Senke des Netzplans erreicht werden. Folglich existiert immer mindestens ein Weg von der Quelle zur Senke im Netzplan. Ein CPM-Netzplan ist daher schwach zusammenh¨ angend, d.h. je zwei Knoten des Netzplans sind durch einen Semiweg (ungerichtete Pfeilfolge) miteinander verbunden. Die Konstruktion von CPM-Netzpl¨ anen ist im Gegensatz zu MPM-Netzplänen in der Regel nicht eindeutig, d.h. ein und derselbe Sachverhalt kann auf verschiedene Weisen modelliert werden. Die Ursache hierf¨ ur stellen so genannte Scheinvorg¨ ange dar. Scheinvorg¨ ange sind fiktive Vorgänge mit der Dauer 0, die zur Modellierung spezieller Anordnungsbeziehungen dienen. Die nachfolgenden Regeln beschreiben einige besondere Anordnungsbeziehungen zwischen Vorg¨ angen und wie diese in einem CPM-Netzplan, teilweise unter Zuhilfenahme von Scheinvorg¨ angen, abgebildet werden können. 1. K¨ onnen zwei Vorg¨ ange i und j begonnen werden, sobald zwei andere Vorg¨ ange a und b beendet worden sind, dann entspricht dem Ende von a und b und dem (fr¨ uhestm¨ oglichen) Beginn von i und j ein und dasselbe Ereignis e (vgl. Abb. 1.33). 2. Setzt der Beginn von Vorgang i die Beendigung der beiden Vorgänge a und b voraus, w¨ ahrend Vorgang j bereits gestartet werden kann, sobald lediglich Vorgang b beendet wurde, so f¨ uhren wir einen Scheinvorgang s ein. Scheinvorg¨ ange werden im Netzplan durch gestrichelte Pfeile repräsentiert werden (vgl. Abb. 1.34). 18

Da Vorg¨ ange in CPM-Netzpl¨ anen Pfeilen im Netzplan entsprechen, wird ein Vorgang i h¨ aufig in Pfeilnotation mit Hilfe seines Start- und Endereignisses e bzw. e¯ eindeutig als e, e¯ bezeichnet. Vorgang a in Abb. 1.32 bspw. wird daher synonym als Vorgang 1, 2 bezeichnet.

1.4 Projektplanung

r

rP 1r PPa i PP q P e 1 PP j b PP P qr P r

a

-r 6

i

-r

j

-r

75

s

r

Abb. 1.33. Erste Regel

b

-r

Abb. 1.34. Zweite Regel

3. Werden dem Beginn und dem Abschluss zweier Vorg¨ ange a und b jeweils ein und derselbe Knoten zugeordnet, so ist ein Scheinvorgang s einzuf¨ uhren, um parallele Pfeile zu vermeiden (vgl. Abb. 1.35). Der Scheinvorgang s kann wahlweise auch vom Startereignis von Vorgang a (b) zum Startereignis von Vorgang b (a) oder vom Endereignis von Vorgang b zum Endereignis von a eingef¨ ugt werden. r

a

? r wird ersetzt durch 6

b

* a s

r

b

r

r -?

Abb. 1.35. Dritte Regel

4. Dem Beginn aller Startvorg¨ ange, d.h. Vorg¨ ange, die unmittelbar nach Projektstart begonnen werden k¨ onnen, wird ein und derselbe Knoten zugeordnet, der dem Startereignis des Projektes entspricht und die Quelle des Netzplans darstellt (vgl. Abb. 1.36 mit Startvorg¨ angen a, b und c). Entsprechend wird dem Ende aller Zielvorg¨ ange, d.h. Vorg¨ ange, nach deren Abschluss unmittelbar das Projektende eintreten kann, ein und derselbe Knoten zugeordnet, der die Senke des Netzplans darstellt (vgl. Abb. 1.36 mit Zielvorg¨ angen d, e und f ). 1 r

a b r -r Quelle P P

PP

cPPP

P q Pr

rP P r

PP d PP PP e q r Senke P 1

r

f

Abb. 1.36. Vierte Regel

5a. Soll ein Vorgang b fr¨ uhestens τ > 0 Zeiteinheiten nach dem Ende von Vorgang a begonnen werden (d.h. es ist ein zeitlicher Mindestabstand zwischen den Vorg¨ angen a und b vorgegeben), so f¨ ugen wir einen zus¨ atzlichen Vorgang i zwischen a und b mit der Dauer τ ein (vgl. Abb. 1.37).

76

1 Projektmanagement a -r

r

b -r

i -r

Abb. 1.37. Regel 5a

5b. Soll ein Vorgang a fr¨ uhestens τ > 0 Zeiteinheiten nach Projektbeginn starten d¨ urfen, dann f¨ ugen wir vor a einen zusätzlichen Vorgang i mit der Dauer τ ein, dessen Beginn der Quelle des Netzplans entspricht (vgl. Vorgang i in Abb. 1.38). Soll ein Vorgang b sp¨ atestens τ > 0 Zeiteinheiten vor dem Projektende abgeschlossen sein, f¨ ugen wir nach b einen Vorgang j mit der Dauer τ ein, dessen Ende gerade der Senke des Netzplans entspricht (vgl. Vorgang j in Abb. 1.38).

Quelle r

a -r

i -r

b -r

r

j

- r Senke

Abb. 1.38. Regel 5b

In der Literatur findet man neben den genannten f¨ unf Regeln zur Konstruktion von CPM-Netzpl¨ anen auch h¨ aufig weitere Regeln, beispielsweise die folgende: Kann ein Vorgang j bereits gestartet werden, sobald ein Teil eines Vorgangs i beendet worden ist, dann ist i so in zwei Teilvorg¨ ange i und i zu zerlegen, dass j unmittelbar nach Beendigung von i gestartet werden kann (vgl. Abb. 1.39).

r

i

* i

r

- r H

j HH

H jr H

¨ Abb. 1.39. Uberlappen von Vorg¨ angen

Diese Regel besagt, dass Vorgang i (fr¨ uhestens) nach dem Ende von Vorgang i beginnen kann, aber nicht muss. Die unmittelbar aufeinander folgenahrleistet. Falls de Ausf¨ uhrung der Vorg¨ ange i und i ist jedoch nicht gew¨ ¨ Vorgänge nicht unterbrechbar sind, was wir stets annehmen, kann das Uberlappen von Vorg¨ angen mit einem CPM-Netzplan daher nicht modelliert werden. Mit Hilfe der Regeln 1 bis 5 kann f¨ ur ein Projekt ein bewerteter Digraph (CPM-Netzplan) N = V, E; δ mit Knotenmenge (Ereignismenge) V , Pfeilur alle menge (Menge der Vorg¨ ange) E ⊆ V ×V und einer Pfeilbewertung δef f¨ e, f ∈ E konstruiert werden, wobei die Pfeilbewertung gerade der Dauer des

1.4 Projektplanung

77

entsprechenden Vorgangs entspricht. Da die Einf¨ uhrung der Scheinvorgänge gem¨ aß den Regeln 2 und 3 im Allgemeinen nicht eindeutig ist, kann ein Projekt durch verschiedene CPM-Netzpl¨ ane dargestellt werden. F¨ ur die Berechnung der Gr¨ oßen, die im Rahmen der Termin- bzw. Zeitplanung interessieren, kann aber ohne Beschr¨ ankung der Allgemeinheit irgendein dem Projekt entsprechender CPM-Netzplan zugrunde gelegt werden. F¨ ur große Projekte mit vielen Vorg¨ angen ist die manuelle Konstruktion eines CPM-Netzplans mit Hilfe der Regeln 1 bis 5 prinzipiell möglich, aber nicht empfehlenswert. Im Folgenden wollen wir deshalb ein Verfahren zur automatisierten Erstellung von CPM-Netzpl¨ anen vorstellen; vgl. hierzu auch (Brucker, 1973) und (Neumann, 1999). Dazu sind zunächst f¨ ur jeden Vorgang die unmittelbaren Vorl¨ aufer zu bestimmen. Ein Vorgang i wird Vorl¨ aufer von Vorgang j genannt, wenn Vorgang i beendet sein muss, bevor Vorgang j beginnen kann (vgl. Abb. 1.40). Vorgang i ist unmittelbarer Vorl¨ aufer von Vorgang j, wenn i Vorl¨ aufer von j ist und kein anderer Vorgang h existiert, so dass h Vorl¨ aufer von j und i Vorl¨ aufer von h ist. Die Menge der unmittelbaren Vorl¨ aufer eines Vorgangs l¨ asst sich mit Hilfe eines so genannten Vorranggraphen ermitteln. In einem solchen Vorranggraphen wird jeder Vorgang durch einen Knoten repr¨ asentiert und Vorrangbeziehungen zwischen zwei Vorgängen i und j werden durch einen Pfeil i, j im Graphen modelliert. Entfernt man alle redundanten Pfeile im Vorranggraphen, so ist die unmittelbare Vorläufermenge eines Vorgangs j durch die Menge aller Vorgänge i gegeben, f¨ ur die der Vorranggraph einen Pfeil i, j enth¨ alt. In (Habib et al., 1993) ist ein effizientes Verfahren zur Bestimmung der unmittelbaren Vorläufermengen und zur Entfernung redundanter Pfeile beschrieben. r

h

-r

i

-r

j

-r

unmittelbarer Vorl¨ aufer von j Vorl¨ aufer im weiteren Sinne Abb. 1.40. Vorl¨ aufer von Vorgang j

Sind die unmittelbaren Vorl¨ aufermengen eines Projektes gegeben, so lässt sich die Einf¨ uhrung von Scheinvorg¨ angen auf die drei folgenden Fälle zur¨ uckf¨ uhren. Hierbei bezeichnen wir mit V1 , . . . , Vl , l ≤ |V |, die eindeutigen ur e, f ∈ {1, . . . , l}, e = f . Vorl¨ aufermengen des Projektes, d.h. Ve = Vf f¨ Ferner sei Ne , e = 1, . . . , l, die Menge der Vorgänge mit Vorläufermenge Ve . aufermengen mit ∅ = V ⊂ V , d.h. ein Vorgang a) Seien V und V zwei Vorl¨ besitzt dieselben unmittelbaren Vorl¨ aufer wie ein anderer Vorgang und gleichzeitig einige weitere Vorl¨ aufer. Beispielsweise seien die Vorläufermengen V1 = ∅, V2 = {1}, V3 = {1, 2} und zugehörige Mengen N1 = {1, 2},

78

1 Projektmanagement

N2 = {3}, N3 = {4} gegeben (vgl. Tabelle 1.18). Offensichtlich ist ∅ = V2 ⊂ V3 . Dann ersetzen wir Vorgang 1 in der Menge V3 durch den Scheinvorgang 5 und f¨ ugen Vorgang 5 in die Menge N2 ein (vgl. Tabelle 1.19). Ve

Ne

∅ {1, 2} {1} {3} {1, 2} {4}

Ve

e

Ne

∅ {1, 2} {1} {3, 5} { 1, 2, 5} {4}

1 2 3

Tabelle 1.18. Vorl¨ aufermengen vor Anwendung von Regel a)

e 1 2 3

Tabelle 1.19. Vorl¨ aufermengen nach Anwendung von Regel a)

Ausgehend von Tabelle 1.19 k¨ onnen wir den resultierenden CPM-Netzplan zeichnen, indem wir f¨ ur jede Zeile e in der Tabelle einen Knoten e einf¨ ugen, unden und aus dem die Vorg¨ ange aus Ne in den die Vorg¨ ange aus Ve einm¨ ausm¨ unden (vgl. Abb. 1.41). r * 1 5 r 2 -? r

3

-

4

-

Abb. 1.41. CPM-Netzplan nach Anwendung von Regel a)

b) Seien V und V zwei Vorl¨ aufermengen mit V ⊂ V und V ∩ V = ∅, d.h. zwei Vorgänge haben zum Teil gemeinsame und zum Teil unterschiedliche unmittelbare Vorl¨ aufer. Zum Beispiel seien die Vorl¨ aufermengen Ve und zugehörige Mengen Ne in Tabelle 1.20 mit V2 ⊂ V3 und V2 ∩ V3 = ∅ gegeben. Wir f¨ ugen eine neue Vorl¨ aufermenge V4 = V2 ∩ V3 = {2} ein sowie die zugeh¨ orige Menge N4 = {6, 7}. Anschließend ersetzen wir den Vorgang 2 in der Menge V2 durch den Scheinvorgang 6 und in der Menge V3 durch den Scheinvorgang 7 (vgl. Tab. 1.21). Der resultierende CPMNetzplan ist in Abbildung 1.42 dargestellt.

Ve

Ne

∅ {1, 2, 3} {1, 2} {4} {2, 3} {5}

e 1 2 3

Tabelle 1.20. Vorl¨ aufermengen vor Anwendung von Regel b)

Ve

Ne

∅ {1, 2, 3} {1, 2, 6} {4} { 2, 3, 7} {5} {2} {6, 7}

e 1 2 3 4

Tabelle 1.21. Vorl¨ aufermengen nach Anwendung von Regel b)

1.4 Projektplanung

r * 66

4

-

5

-

1

r 2 -r HH 3 HH 7 HH j r?

79

Abb. 1.42. CPM-Netzplan nach Anwendung von Regel b)

c) Seien eine Vorl¨ aufermenge V und eine Menge N mit |V ∩N | > 1 gegeben, d.h. mindestens zwei Vorg¨ ange haben identische Vorl¨ aufer und verlaufen parallel zueinander. F¨ ur die Mengen Ve und Ne in Tabelle 1.22 gilt bspw. |V3 ∩ N1 | > 1. Wir ersetzen einen Vorgang aus V3 ∩ N1 in der Menge V3 durch einen Scheinvorgang, z.B. ersetzen wir Vorgang 1 in V3 durch den Scheinvorgang 5. Dann f¨ ugen wir eine neue Vorl¨ aufermenge V4 = {1} und die zugehörige Menge N4 = {5} ein (vgl. Tab. 1.23). Der resultierende CPM-Netzplan ist in Abbildung 1.43) dargestellt.

Ve

Ne

{3} {1, 2} ∅ {3} {1, 2} {4}

e 1 2 3

Tabelle 1.22. Vorl¨ aufermengen vor Anwendung von Regel c)

*

3

Ne

e

{1, 2} {3} {4} {5}

1 2 3 4

Tabelle 1.23. Vorl¨ aufermengen nach Anwendung von Regel c)

1

r

Ve {3} ∅ { 1, 2, 5} {1}

2 - r

r 5

- r?

4

-

Abb. 1.43. CPM-Netzplan nach Anwendung von Regel c)

Greift f¨ ur gegebene Mengen Ve und Ne , e = 1, . . . , l, keiner der drei oben genannten Fälle, so kann dem zugeh¨ origen Projekt ein CPM-Netzplan ohne Scheinvorgänge zugeordnet werden. Ansonsten m¨ ussen, wie in den Regeln a) bis c) angegeben, Scheinvorg¨ ange in den Netzplan eingef¨ ugt und die Mengen Ve und Ne entsprechend aktualisiert werden. Der folgende Algorithmus fasst das Vorgehen zur automatisierten Bestimmung eines CPM-Netzplans bei georiger gebenen unmittelbaren Vorl¨ aufermengen Ve , e = 1, . . . , l, sowie zugeh¨ Mengen Ne zusammen.

80

1 Projektmanagement

Algorithmus 1.22 (Konstruktion eines CPM-Netzplans). Schritt 1: Setze s := n + 1. Schritt 2: Falls zwei Vorl¨ aufermengen V und V mit ∅ = V ⊂ V existieren, gehe zu Schritt 3. Falls zwei Vorl¨ aufermengen V und V mit V ⊂ V , V ∩ V = ∅ existieren, gehe zu Schritt 4. Falls f¨ ur zwei Mengen V und N gilt |V ∩ N | > 1, dann gehe zu Schritt 5. Andernfalls gehe zu Schritt 6. Schritt 3: Es ist ∅ = V ⊂ V . Ersetze alle Vorg¨ ange i ∈ V in der Menge V durch den Scheinvorgang s. F¨ uge s zu N hinzu und setze s := s + 1. Gehe zu Schritt 2. Schritt 4: uge r neue Vorläufermengen Es ist V ⊂ V , V ∩ V = {j 1 , . . . , j r } = ∅. F¨ Vk = {j k } mit k = 1, . . . , r hinzu. Ersetze alle Vorgänge j i ∈ V ∩ V in der Menge V durch r Scheinvorg¨ ange s, s + 1, . . . , s + r − 1 und in der Menge ange s + r, s + r + 1, . . . , s + 2r − 1. F¨ uge f¨ ur alle k die V durch r Scheinvorg¨ orige Menge Nk = {s + k − 1, s + r + k − 1} ein. Setze s := s + 2r zu Vk geh¨ und gehe zu Schritt 2. Schritt 5: ange aus V ∩N , etwa j 1 , . . . , j r−1 , Es ist |V ∩N | = r > 1. Ersetze r−1 Vorg¨ in der Menge V durch die Scheinvorg¨ ange s, . . . , s + r − 2. F¨ uge r − 1 Paare zusammengehöriger Mengen V p := {j p+1 }, N p := {s+p}, (p = 0, . . . , r−2) hinzu. Setze s := s + r − 1 und gehe zu Schritt 2. Schritt 6: F¨ uhre f¨ ur jedes zusammengeh¨ orige Paar von Mengen (Ve , Ne ) einen Knouhrenden ten e mit den einm¨ undenden Vorg¨ angen i ∈ Ve und den wegf¨ Vorg¨ angen j ∈ Ne ein. Die Vorgehensweise von Algorithmus 1.22 zur Konstruktion von CPMNetzpl¨ anen wird nun anhand eines Beispiels verdeutlicht. Wir gehen wieder von dem Bauprojekt aus Abschnitt 1.4.1 aus. Da in CPM-Netzplänen i.d.R. jedoch keine zeitlichen H¨ ochstabst¨ anden abgebildet werden, wird die Aufgabenstellung von Beispiel 1.8 leicht modifiziert. Beispiel 1.23 (Modifikation von Beispiel 1.8). Zu Beginn des Bauprojektes ist das Fundament des Hauses bereits gegossen und es kann sofort mit den Arbeiten am Rohbau begonnen werden. An die Maurerarbeiten kann sich unmittelbar die Errichtung des Dachstuhls anschließen. Das zugehörige

1.4 Projektplanung

81

Endereignis dieses Vorgangs repr¨ asentiert das Richtfest. Nach Errichtung des Dachstuhls kann sofort mit dem Decken des Dachs begonnen werden. Sobald das Dach gedeckt ist, k¨ onnen die Fenster des Hauses eingesetzt werden. Mit den Sanit¨ arinstallationen kann fr¨ uhestens f¨ unf Wochen nach Projektstart begonnen werden, da die gew¨ ahlte Installationsfirma noch auf einer anderen Baustelle besch¨ aftigt ist. Allerdings ist zu beachten, dass vor Beginn der Sanitärinstallationen der Dachstuhl errichtet sein muss. Die Elektroinstallationen im Haus k¨ onnen fr¨ uhestens gleichzeitig mit dem Beginn der Sanitärinstallationen begonnen werden. An die Sanit¨ ar- und Elektroinstallationen können unmittelbar die Innenputzarbeiten anschließen. Fr¨ uhestens nach Abschluss der Putzarbeiten und des Einsetzens der Fenster kann die Malerfirma mit ihren Arbeiten beginnen. Sobald die Malerarbeiten abgeschlossen sind, kann mit der Montage der K¨ uche begonnen werden. Das Projekt soll so fr¨ uh wie m¨ oglich beendet werden. In Tabelle 1.24 sind alle Vorg¨ ange des Projektes sowie die zugehörigen Ausf¨ uhrungsdauern angegeben. Um den Mindestabstand zwischen dem Projektstart und den Sanit¨ arinstallationen zu modellieren, f¨ uhren wir außerdem einen weiteren Vorgang 10 mit einer Dauer von f¨ unf Wochen ein. Tabelle 1.24. Die Projektvorg¨ ange mit ihren jeweiligen Dauern Nr. Vorgang 1 2 3 4 5 6 7 8 9 10

Maurerarbeiten Errichten des Dachstuhls Dachdeckerarbeiten Fenster einsetzen Sanit¨ arinstallationen Elektroinstallationen Innenputzarbeiten Malerarbeiten Montage der K¨ uche Bereitstellungstermin Sanit¨ arinstallationen

Dauer (in Wochen) 3 2 1 1 4 3 2 2 1 5

Algorithmus 1.22 vollzieht sich f¨ ur das vorliegende Projekt wie folgt. Die unmittelbaren Vorl¨ aufermengen Ve und zugehörigen Mengen Ne zu Beginn des Algorithmus sind in Tabelle 1.25 angegeben. Schritt 1: Setze s := n + 1 = 11. Schritt 2: F¨ ur V3 = {2} und V5 = {2, 10} gilt ∅ = V3 ⊂ V5 . Wir gehen daher zu Schritt 3. Schritt 3: Vorgang {2} ∈ V3 wird in der Menge V5 durch den Scheinvorgang s = 11 ersetzt. Wir setzen daher V5 := {10, 11}, N3 := {3, 11}, s := 12 und fahren mit Schritt 2 fort. Schritt 2: F¨ ur V6 = {5, 6} und N5 = {5, 6} gilt |V6 ∩ N5 | = 2 > 1. Wir fahren also mit Schritt 5 fort.

82

1 Projektmanagement

Schritt 5: Wir ersetzen einen Vorgang aus V6 ∩ N5 = {5, 6}, beispielsweise Vorgang 6, in der Menge V6 durch den Scheinvorgang s = 12, d.h. ugen wir eine Menge V10 := {6} mit zugehöriV6 := {5, 12}. Außerdem f¨ ger Menge N10 := {12} hinzu. Anschließend setzen wir s := 13 und gehen zu Schritt 2. Schritt 2: Da keiner der angegebenen drei F¨ alle zutrifft, gehen wir zu Schritt 6. Schritt 6: F¨ ur jedes zusammengeh¨ orige Paar von Mengen (Ve , Ne ) wird ein uhrenden Knoten e mit den einm¨ undenden Vorg¨ angen i ∈ Ve und den wegf¨ uhrt. Vorg¨ angen j ∈ Ne eingef¨ In Tabelle 1.26 sind die Vorl¨ aufermengen Ve sowie die zugehörigen Mengen Ne des Projektes nach Ende des Algorithmus angegeben. Es ergibt sich somit der in Abbildung 1.44 dargestellte Netzplan. Die Pfeile des Netzplans sind mit der jeweiligen Vorgangsnummer und der Vorgangsdauer beschriftet.

Ve

Ne

Ve

e

∅ {1, 10} {1} {2} {2} {3} {3} {4} {2, 10} {5, 6} {5, 6} {7} {4, 7} {8} {8} {9} {9} ∅

∅ {1} {2} {3} 2, 10, 11} { {5, 6, 12} {4, 7} {8} {9} {6}

1 2 3 4 5 6 7 8 9

Tabelle 1.25. Mengen Ve und Ne sowie Knoten e vor Anwendung des Algorithmus

Ne

{1, 10} 1 {2} 2 {3, 11} 3 {4} 4 {5, 6} 5 {7} 6 {8} 7 {9} 8 ∅ 9 {12} 10

Tabelle 1.26. Mengen Ve und Ne sowie Knoten e nach Anwendung des Algorithmus

Legende:

2/2 2

1/3

1

10/5

e

Nr./Dauer - e - 4 e @ @4/1 11/0 @ ? 5/4 7/2 9/1 8/2 @ R @ 7 - 9 - 8 - 6 - 5 H HH 12/0 6 6/3 HH j 3/1

- 3

10

Abb. 1.44. Netzplan des Projektes Haus bauen“ ”

1.4 Projektplanung

83

Die Bestimmung fr¨ uhester und sp¨ atester Start- und Endzeitpunkte in CPM-Netzpl¨ anen erfolgt ¨ ahnlich wie bei der MPM-Netzplantechnik (vgl. Abschnitt 1.4.3). Fr¨ uheste und sp¨ ateste Start- und Endzeitpunkte sind hierbei nur f¨ ur reale Vorg¨ ange von Interesse, d.h. f¨ ur Vorgänge, die keine Scheinvorg¨ ange darstellen. Nehmen wir an, dass alle n Pfeile (Vorgänge) e, f ∈ E aufsteigend nummeriert sind, d.h. wir k¨ onnen die Pfeil- bzw. Vorgangsmenge alternativ in der Form E = {1, . . . , n} schreiben. Sei ferner V = {1, . . . , m} die Knoten- bzw. Ereignismenge eines CPM-Netzplans, insbesondere sei Knoten 1 die Quelle und Knoten m die Senke des Netzplans. Jeder Vorgang i ∈ E ist mit zwei Ereignissen inzident, einem Startereignis ei ∈ V und einem Endereignis e¯i ∈ V (vgl. Abb. 1.45). ei

Vorgang i

- e¯i

Abb. 1.45. Start- und Endereignis von Vorgang i

Der fr¨ uheste Startzeitpunkt ES i des realen Vorgangs i ist gleich dem fr¨ uhesten Eintrittszeitpunkt des Ereignisses ei ∈ V . Analog ist der späteste Startzeitpunkt LS i des realen Vorgangs i gleich dem spätesten Zeitpunkt uglich der Vorgangsdauer pi . Die fr¨ uf¨ ur den Eintritt des Ereignisses e¯i abz¨ hesten und sp¨ atesten Endzeitpunkte EC i und LC i des realen Vorgangs i ergeben sich unmittelbar aus den entsprechenden Startzeitpunkten zuz¨ uglich uheste und sp¨ ateste Start- und Endzeitpunkte der der Vorgangsdauer pi . Fr¨ Projektvorg¨ ange k¨ onnen somit mit Hilfe der Ereigniszeitpunkte uhester Zeitpunkt (earliest time) f¨ ur den Eintritt des Ereignisses e ∈ V EZ e : fr¨ atester Zeitpunkt (latest time) f¨ ur den Eintritt des Ereignisses e ∈ V LZ e : sp¨ ermittelt werden. Wir nehmen ohne Beschr¨ ankung der Allgemeinheit an, dass das zugrunde liegende Projekt zum Zeitpunkt 0 beginnt, d.h. der Eintrittszeitpunkt f¨ ur den uheste Zeitpunkt f¨ ur Projektstart (Quelle bzw. Knoten 1) ist EZ 1 := 0. Der fr¨ den Eintritt eines Ereignisses e ∈ {2, . . . , m} ⊂ V entspricht dann gerade der Länge eines l¨ angsten Weges von der Quelle zu Ereignis e, d.h. EZ e := d1e

f¨ ur alle e ∈ {2, . . . , m}.

Zur Bestimmung der fr¨ uhesten Eintrittszeitpunkte kann das Label-Correcting Verfahren (vgl. Algorithmus 1.14) verwendet werden. Da ein CPM-Netzplan jedoch keine Zyklen enth¨ alt und sich die Knoten des Netzplans somit topologisch sortieren lassen, kann mit dem Bellman-Algorithmus ein effizienteres Verfahren zur Bestimmung l¨ angster Wege von einem zu allen anderen Knoten benutzt werden. Ein Netzplan heißt topologisch sortiert, wenn f¨ ur einen Knoten f ∈ V und alle Vorg¨ anger e ∈ V von f gilt, dass e < f ist. Wir gehen daher ohne Beschr¨ ankung der Allgemeinheit davon aus, dass die Knotenmenge V topologisch sortiert ist.

84

1 Projektmanagement

Sei e, f ein Pfeil (Vorgang) mit der Bewertung (Vorgangsdauer) δef zwischen zwei Knoten (Ereignissen) e, f ∈ V und bezeichne Pred (f ) die Menge der unmittelbaren Vorg¨ angerknoten von Knoten f im zugrunde liegenden CPM-Netzplan. Dann ermittelt der Bellman-Algorithmus mit d11 := 0 und ur f = 2, . . . , m die L¨ angen l¨ angster Wege von 1 zu allen anderen d1f := −∞ f¨ Knoten f gem¨ aß der Bellmanschen Funktionalgleichung d1f :=

max (d1e + δef ).

e∈Pred(f )

Da jeder Pfeil (Vorgang) nur genau einmal inspiziert wird, beträgt die Zeitkomplexit¨ at des Bellman-Algorithmus O(n). ur den Eintritt der ErZur Bestimmung der sp¨ atesten Zeitpunkte LZ e f¨ eignisse e ∈ {1, . . . , m − 1} ⊂ V ist ein sp¨ atester Abschlusstermin LZ m := d¯ f¨ ur das Projektende, d.h. die Senke des CPM-Netzplans, vorzugeben. Ist d¯ nicht vorgegeben, so setzen wir LZ m := EZ m , d.h. das Projekt endet so fr¨ uh als m¨ oglich. Der sp¨ ateste Zeitpunkt f¨ ur den Eintritt eines Ereignisses e ∈ {1, . . . , m − 1} ⊂ V entspricht dann gerade der Differenz aus dem spätestm¨ oglichen Eintrittszeitpunkt des Projektendes und der Länge eines längsten Weges von e zum Projektende m, d.h. LZ e := LZ m − dem

f¨ ur alle e ∈ {1, . . . , m − 1}.

ur alle Knoten Analog zu Abschnitt 1.4.3 bestimmen wir die Werte dem f¨ e ∈ {1, . . . , m − 1}, indem wir die L¨ angen d˜me längster Wege von Knoten m ˜ bestimmen, da d˜me gerade zu allen anderen Knoten im inversen Netzplan N gleich dem ist. Haben wir die fr¨ uhesten und sp¨ atesten Eintrittszeitpunkte aller Ereignisse bestimmt, so ergeben sich f¨ ur einen Vorgang i ∈ E mit Startereignis ei ∈ V uhesten und sp¨ atesten Start- und Endzeitpunkte und Endereignis e¯i ∈ V die fr¨ zu ES i = EZ ei EC i = EZ ei + pi LS i = LZ e¯i − pi LC i = LZ e¯i . Beispiel 1.24 (Fortsetzung von Beispiel 1.23). Wir berechnen die fr¨ uhesten und sp¨ atesten Start- und Endzeitpunkte aller Vorgänge des Projektes aus Beispiel 1.23. Der zugeh¨ orige CPM-Netzplan ist in Abbildung 1.44 angegeben. Zun¨ achst ermitteln wir die fr¨ uhesten und sp¨ atesten Ereigniszeitpunkte EZ e und LZ e f¨ ur alle Knoten e ∈ V , indem wir mit dem Bellman-Algorithmus die Längen l¨ angster Wege von Knoten 1 zu allen anderen Knoten berechnen sowie die L¨ angen l¨ angster Wege von Knoten m zu allen anderen Knoten im inversen Netzplan. Beispielsweise ist EZ 7 := max{EZ 4 + 1, EZ 6 + 2} = max{6 + 1, 9 + 2} = 11. Da das Projekt so fr¨ uh wie m¨ oglich beendet werden soll, gilt

1.4 Projektplanung

85

LZ 9 := EZ 9 = 14. F¨ ur Ereignis 4 z.B. erhalten wir somit LZ 4 := LZ 9 − d49 = amtliche fr¨ uhesten und spätesten LZ 9 −d˜94 = 14−4 = 10. In Tabelle 1.27 sind s¨ Ereigniszeitpunkte angegeben. uheste und sp¨ ateste Ereigniszeitpunkte Tabelle 1.27. Fr¨ e∈V

1

2

3

4

5

6

9

10

EZ e LZ e

0 0

3 3

5 6 5 10

5 5

9 11 13 14 9 11 13 14

8 9

7

8

Aus den ermittelten Ereigniszeitpunkten k¨ onnen unmittelbar die fr¨ uhesten und sp¨ atesten Start- und Endzeitpunkte f¨ ur alle realen Vorgänge i = 1, . . . , 10 bestimmt werden (vgl. Tab. 1.28). Vorgang 6 ∈ E ist z.B. inzident mit den Ereignissen 5, 10 ∈ V , Ereignis 5 ist das Startereignis und 10 das Endereignis von Vorgang 6. Daher ist ES 6 = EZ 5 = 5 und LS 6 = LZ 10 − p6 = 6 sowie EC 6 = EZ 5 + p6 = 8 und LC 6 = LZ 10 = 9. Tabelle 1.28. Fr¨ uheste und sp¨ ateste Start- und Endzeitpunkte i∈E

1

2

4

5

6

9

10

ES i EC i LS i LC i

0 3 0 3

3 5 6 5 6 7 3 9 10 5 10 11

5 9 5 9

5 9 11 13 8 11 13 14 6 9 11 13 9 11 13 14

0 5 0 5

3

7

8

Analog zur MPM-Netzplantechnik k¨ onnen auch f¨ ur die Vorg¨ ange in CPMNetzplänen Pufferzeiten ermittelt werden. Die gesamte Pufferzeit (Gesamtpufferzeit) TF i eines Vorgangs i ∈ E, die die Zeitspanne angibt, um die der Start von Vorgang i maximal verz¨ ogert werden kann, ohne dass die vorgegebene maximale Projektdauer LZ m u ¨berschritten wird, ergibt sich zu TF i = LS i − ES i

f¨ ur alle i ∈ E.

Ein Vorgang i ∈ E heißt kritisch genau dann, wenn TF i = minj∈E TF j −LZ 1 gilt. Insbesondere sind alle Vorg¨ ange auf einem l¨ angsten Weg (kritischen Weg) von Knoten 1 zu Knoten m kritisch. Ist LZ m = EZ m , d.h. das Projekt soll so fr¨ uh wie möglich beendet werden, dann gilt f¨ ur alle kritischen Vorg¨ ange TF i = 0. F¨ ur die Bestimmung der freien Pufferzeit sowie der freien R¨ uckw¨ artspufferzeit in CPM-Netzpl¨ anen ben¨ otigen wir die beiden modifizierten Eintrittszeit+ + uheste Zeitpunkt, zu dem mindestens punkte EZ + e und LZe . EZ e ist der fr¨ ateste ein realer Vorgang mit Startereignis e beginnen kann. LZe+ ist der sp¨ Zeitpunkt, zu dem alle realen Vorg¨ ange vor Ereignis e beendet sein m¨ ussen.

86

1 Projektmanagement

Also ist EZ + e := EZ e , falls von Knoten e mindestens ein realer Vorgang aus+ ange geht, und EZ + e := minf ∈Succ(e) EZ f , falls von Knoten e nur Scheinvorg¨ + ausgehen. Analog dazu ist LZf := LZ f , falls in Knoten f mindestens ein realer Vorgang einm¨ undet und LZf+ := maxe∈Pred(f ) LZe+ , falls in Knoten f nur + Scheinvorg¨ ange einm¨ unden. Offensichtlich gilt EZ + e ≥ EZ e und LZe ≤ LZ e + f¨ ur jeden Knoten e ∈ V . EZ e > EZ e gilt genau dann, wenn alle von Knoten e ausgehenden Vorg¨ ange Scheinvorg¨ ange sind und keiner dieser Scheinvorgänge auf einem l¨ angsten Weg von der Quelle zur Senke liegt. LZe+ < LZ e gilt genau dann, wenn alle in den Knoten e einm¨ undenden Vorgänge Scheinvorgänge sind und keiner dieser Scheinvorg¨ ange auf einem längsten Weg von der Quelle zur Senke liegt. Beispiel 1.25 (Fortsetzung von Beispiel 1.24). F¨ ur die Ereignisse e = 1, . . . , 8 gilt EZ + e = EZ e , da von ihnen mindestens ein realer Vorgang ausgeht. ur Von Ereignis 10 geht nur ein Scheinvorgang aus; daher gilt EZ + 10 = 9. F¨ die Ereignisse e = 2, . . . , 10 gilt LZe+ = LZ e , da in sie mindestens ein realer + Vorgang einm¨ undet. Die modifizierten Ereigniszeitpunkte EZ + e und LZe sind f¨ ur alle Knoten e ∈ V in Tabelle 1.29 angegeben. Tabelle 1.29. Modifizierte fr¨ uheste und sp¨ ateste Eintrittszeitpunkte e∈V

1

2

3

4

5

6

9

10

EZ + e LZe+

0 0

3 3

5 6 5 10

5 5

9 11 13 14 9 11 13 14

9 9

7

8

Die freie Pufferzeit EFF i eines Vorgangs i ∈ E mit Endereignis e¯i gibt die maximale Zeitspanne an, um die der Start von Vorgang i verzögert werden kann unter der Bedingung, dass alle unmittelbaren Nachfolger von i zu ihrem fr¨ uhesten Startzeitpunkt starten, d.h. EFF i = EZ + e¯i − EC i


Die freie R¨ uckw¨ artspufferzeit LFF i eines Vorgangs i ∈ E mit Startereignis ei gibt die maximale Zeitspanne an, um die der späteste Startzeitpunkt von Vorgang i verz¨ ogert werden kann, so dass alle unmittelbaren Vorgänger noch zu ihrem sp¨ atesten Endzeitpunkt beendet werden können, d.h. LFF i = LS i − LZe+i


Beispiel 1.26 (Fortsetzung von Beispiel 1.25). Die gesamte Pufferzeit, die freie Pufferzeit und die freie R¨ uckw¨ artspufferzeit sind f¨ ur alle realen Vorg¨ ange i = 1, . . . , 10 unseres Beispielprojektes in Tabelle 1.30 angegeben.

1.4 Projektplanung

87

Tabelle 1.30. Gesamtpufferzeit, freie Pufferzeit und freie R¨ uckw¨ artspufferzeit i∈E

1

2

3

4

5

6

7

8

9

10

TF i EFF i LFF i

0 0 0

0 0 0

4 0 4

4 4 0

0 0 0

1 1 1

0 0 0

0 0 0

0 0 0

0 0 0

PERT-Netzplantechnik In MPM- und CPM-Netzpl¨ anen wird die Dauer pi eines Vorgangs i als deterministisch angenommen. H¨ aufig kann die Dauer eines Vorgangs jedoch nicht genau beziffert werden. Stattdessen wird angenommen, dass die tatsächlich realisierte Dauer eines Vorgangs zuf¨ alligen Schwankungen unterliegt. Die PERT-Netzplantechnik ber¨ ucksichtigt solche zufälligen Schwankungen der Vorgangsdauern. Dies ist insbesondere f¨ ur Projekte, bei denen die Schätzung der Vorgangsdauern mit großen Unsicherheiten verbunden ist, wie bspw. bei Forschungs- und Entwicklungsprojekten, von großem Vorteil. PERT-Netzpläne sind ebenso wie CPM-Netzpläne Vorgangspfeilnetze, d.h. jedem Projektvorgang entspricht ein Pfeil und Knoten entsprechen einem Ereignis. Analog zu den CPM-Netzpl¨ anen enthalten PERT-Netzpläne genau eine Quelle und eine Senke, sie sind schwach zusammenhängend und es werden nur zeitliche Mindestabst¨ ande des Verkn¨ upfungstyps Ende–Start betrachtet. Der wesentliche Unterschied zwischen CPM- und PERT-Netzplänen ist, dass die Dauer eines Vorgangs in einem PERT-Netzplan als Zufallsgröße erachtet wird. Anstelle einer deterministischen Dauer wird jedem Vorgang bei der Modellierung eines PERT-Netzplans eine Zufallsvariable zugeordnet, die einer geeignet zu bestimmenden Wahrscheinlichkeitsverteilung gehorcht. Aufgrund praktischer Erfahrungen empfiehlt es sich, eine Verteilung der Vorgangsdauern zu w¨ ahlen, die folgenden Bedingungen gen¨ ugt: 1. Die Verteilungsfunktion f¨ ur die Dauer pi eines Vorgangs i ist auf einem P O O P abgeschlossenen Intervall [pO i , pi ] mit pi ≥ 0 und pi < pi definiert. 2. Die Realisationen der Vorgangsdauern pi konzentrieren sich um einen Wert. Eine diesen Forderungen gen¨ ugende Verteilung ist die Betaverteilung 19 , deren stetige und unimodale Dichte durch α P β (pi −pO P i ) (pi −pi ) f¨ u r pO P −pO )α+β+1 B(α+1,β+1) i ≤ pi ≤ pi (p f (pi ) := i i 0 sonst mit α, β > −1 definiert ist. B repr¨ asentiert dabei die Betafunktion 19

Grunds¨ atzlich k¨ onnen im Rahmen der PERT-Netzplantechnik beliebige Wahrscheinlichkeitsverteilungen f¨ ur die Vorgangsdauern angenommen werden. Andere im Rahmen der PERT-Netzplantechnik h¨ aufig verwendete Wahrscheinlichkeitsverteilungen sind bspw. die Gleichverteilung oder die Dreiecksverteilung.

88

1 Projektmanagement

B(u, v) := und Γ die durch

Γ (u)Γ (v) Γ (u + v) ∞

Γ (z) :=

f¨ ur u, v > 0

τ z−1 e−τ dτ

f¨ ur z > 0

0

festgelegte Gammafunktion. Speziell ist Γ (1) = 1 und Γ (n) = (n − 1)! f¨ ur n ∈ N. In Abbildung 1.46 ist die Dichtefunktion der Betaverteilung f¨ ur eine P angigkeit verschiedener Werte f¨ ur Vorgangsdauer pi ∈ [pO i = 1, pi = 4] in Abh¨ α und β abgebildet. f (pi ) 0.8

(α, β) = (1, 3)

(α, β) = (3, 1) (α, β) = (2, 2)

0.6

0.4

0.2

pi 0

1.5

2

2.5

3

3.5

4

P angigkeit Abb. 1.46. Dichte der Betaverteilung f¨ ur pi ∈ [pO i = 1, pi = 4] in Abh¨ von α und β

Wir bestimmen nun die Verteilungsparameter Modalwert, Erwartungswert und Varianz der Betaverteilung.20 Der Modalwert pH i (Maximalstelle osung der Gleichung der Funktion f (pi )) ist L¨ α−1 P α P β−1 (pi − pi )β − β(pi − pO α(pi − pO df (pi ) i ) i ) (pi − pi ) = 0, = P O dpi (pi − pi )α+β+1 B(α + 1, β + 1) O osung f¨ ur die unter der Annahme α, β > 0 und pP i > pi ≥ 0 eine eindeutige L¨

pH i =

P βpO i + αpi α+β

(1.6)

existiert. Weiter ist der Erwartungswert p¯i 20

Eine ausf¨ uhrliche Herleitung des Erwartungswertes und der Varianz der Betaverteilung ist bspw. in (Neumann, 1975, S. 215 ff.) angegeben.

1.4 Projektplanung

89

P

pi

pi f (pi ) dpi

p¯i = pO i

pPi

= =

α P β pi (pi − pO i ) (pi − pi ) dpi pO i O α+β+1 B(α + 1, β + 1) (pP i − pi ) P pO i (β + 1) + pi (α + 1)

α+β+2

.

Unter Ber¨ ucksichtigung von (1.6) l¨ asst sich p¯i auch in der Form p¯i =

H P pO i + (α + β)pi + pi α+β+2

(1.7)

schreiben. F¨ ur die Varianz σi2 gilt pi )2 , σi2 = (p2i ) − (¯ wobei

P

pi

p2i f (pi ) dpi .

(p2i ) = pO i

Nach Substitution und Umformung erhalten wir schließlich σi2 =

(α + 1)(β + 1) 2 (pP − pO i ) (α + β + 2)2 (α + β + 3) i

(1.8)

Zur eindeutigen Spezifizierung der Verteilung der Vorgangsdauern pi eiP nes Vorgangs i in einem PERT-Netzplan m¨ ussen die vier Parameter pO i , pi , O P α und β geeignet festgelegt werden. Als obere Grenze des Intervalls [pi , pi ] innerhalb dessen die Dauer pi schwanken kann, wird die im Rahmen der in Abschnitt 1.4.2 durchgef¨ uhrten Dreizeitensch¨ atzung ermittelte pessimistische entspricht somit der Dauer des Vorgangs i unter besonDauer angesetzt. pP i ders ung¨ unstigen Umst¨ anden. Analog dazu entspricht pO i der optimistischen Dauer von Vorgang i, d.h. der Dauer des Vorgangs unter besonders g¨ unstigen Umständen. F¨ ur die Parameter α und β hat es sich bei PERT-Netzpl¨ anen als g¨ unstig erwiesen, α und β so zu w¨ ahlen, dass α + β = 4.

(1.9)

Weiterhin geht man davon aus, dass der Modalwert pH i gerade der wahrscheinlichsten oder h¨ aufigsten Dauer, d.h. der Dauer des Vorgangs i, die unter normalen“ Umst¨ anden am h¨ aufigsten eintritt, entspricht. F¨ ur gegebene Wer” P H , p te f¨ u r pO und p lassen sich aus (1.6) zusammen mit (1.9) α und β i i i P H = 1, p = 4 und p = 2, so erhalten wir eindeutig bestimmen. Gilt bspw. pO i i i

90

1 Projektmanagement f (pi ) 0.7 0.6 0.5 0.4 0.3 0.2 0.1

pi 0

1.5

pO i

2

pH i

2.5

3

3.5

p¯i

4

pP i

P H Abb. 1.47. Dichte der Betaverteilung f¨ ur pO i = 1, pi = 4, pi = 2, α = 4/3 und β = 8/3

aus (1.6) und (1.9) ein lineares Gleichungssystem mit zwei Gleichungen und zwei Unbekannten, dessen eindeutige L¨ osung α = 4/3 und β = 8/3 ist. Ein Plot der resultierenden Betaverteilung ist in Abb. 1.47 angegeben. Aus (1.7) und (1.9) folgt f¨ ur den Erwartungswert p¯i eines Vorgangs i in einem PERT-Netzplan21 p¯i =

H P pO i + 4pi + pi . 6

(1.10)

F¨ ur die Betaverteilung aus Abb. 1.47 ist bspw. p¯i = 13/6. Nach (1.8) ergibt sich unter der Annahme α + β = 4 f¨ ur die Varianz σi2 eines Vorgangs i in einem PERT-Netzplan σi2 =

(5 − β)(β + 1) P (α + 1)(β + 1) P 2 2 (pi − pO (pi − pO i ) . i ) = 252 252

F¨ ur die Betaverteilung aus Abb. 1.47 erhalten wir σi2 = 11/36. In der Praxis wird die Varianz jedoch meist mit Hilfe der n¨ aherungsweise g¨ ultigen Beziehung σ î2 =

O 2 (pP i − pi ) 36

(1.11)

bestimmt. F¨ ur die in Abbildung 1.47 dargestellte Verteilung erhalten wir mit Hilfe von (1.11) den Wert σ î2 = 1/4. 21

H Es sei angemerkt, dass p¯i genau pH i entspricht, wenn pi gerade in der Mitte des P H O P H , p Intervalls [pO ] liegt, d.h. wenn p − p = p − p i i i i i i . In diesem Fall ist die resultierende Dichtefunktion f (pi ) symmetrisch.

1.4 Projektplanung

91

Die fr¨ uhesten und sp¨ atesten Eintrittszeitpunkte EZ e und LZ e der Ereignisse (Knoten) e ∈ V in einem PERT-Netzplan stellen anders als in CPMNetzpl¨ anen Zufallsgr¨ oßen dar. Die Erwartungswerte EZ e und LZ e dieser Zufallsgr¨ oßen bestimmt man bei PERT ¨ ahnlich wie die deterministischen Größen bei der CPM-Netzplantechnik, indem man in den betreffenden Formeln (vgl. S. 83 ff.) die deterministischen Gr¨ oßen pi , EZ e und LZ e , i ∈ E und e ∈ V , durch die entsprechenden Erwartungswerte p¯i , EZ e bzw. LZ e ersetzt. Der erwartete fr¨ uheste Eintrittszeitpunkt EZ e eines Ereignisses e ∈ V entspricht angsten Weg also der Summe der erwarteten Vorgangsdauern p¯i auf einem l¨ vom Projektstart zu Ereignis e. Vorg¨ ange, die auf einem bez¨ uglich der Erwartungswerte p¯i längsten Weg vom Projektstart zum Projektende liegen, heißen kritische Vorg¨ ange und ein korrespondierender l¨ angster Weg heißt kritischer Weg. Der erwartete sp¨ ateste Eintrittszeitpunkt LZ e eines Ereignisses e ist gleich dem vorgegebenen Projektendtermin abz¨ uglich der Summe der erwarangsten Weg von e zum Projektende. F¨ ur teten Vorgangsdauern p¯i auf einem l¨ einen Vorgang i ∈ E mit Startereignis ei ∈ V und Endereignis e¯i ∈ V ergeben sich die erwarteten fr¨ uhesten und sp¨ atesten Start- und Endzeitpunkte zu

ES i = EZ ei EC i = EZ ei + p¯i LS i = LZ e¯i − p¯i LC i = LZ e¯i . Als Varianz f¨ ur die L¨ ange eines Weges legt man die Summe der Varianzen der einzelnen Vorgangsdauern auf diesem Weg fest. Die Streuung (Varianz) 2 uhesten Eintrittszeitpunktes eines Ereignisses e wird daher beEZ eσˆ des fr¨ uglich stimmt, indem die Varianzen σ î2 aller Vorgangsdauern i auf einem bez¨ angsten Weg vom Projektstart zu Ereignis e addiert werden. Existieren p¯i l¨ mehrere längste Wege mit unterschiedlichen Varianzen, so wird im Sinne einer worst-case Betrachtung die gr¨ oßte dieser Varianzen als Varianz des zu2 grunde liegenden Ereignisses festgelegt. Analog dazu ist die Varianz LZeσˆ der spätesten Eintrittszeitpunkte von Ereignis e gerade die Summe der Varianzen angsten Weg von Ereignis e zum Projektende. σ î2 der Vorgänge i auf einem l¨ Die beschriebene additive Vorgehensweise zur Ermittlung der Varianzen einzelner Ereignisse setzt voraus, dass die Vorgangsdauern nicht korreliert sind, d.h. dass die einzelnen Vorgangsdauern stochastisch unabh¨ angig voneinander sind. Diese Annahme ist in der Praxis jedoch nur selten erf¨ ullt. Bei einem Bauprojekt bspw. h¨ angt die Dauer vieler Vorg¨ ange von identischen Einflussgrößen wie den Wetterbedingungen zum Zeitpunkt der Projektdurchf¨ uhrung oder den beteiligten Projektmitarbeitern ab. Bei der beschriebenen Ermittlung der erwarteten Eintrittszeitpunkte EZ e uhesten Eintrittszeitpunkte EZ e im Allgeund LZ e ist zu beachten, dass die fr¨ meinen unterschätzt werden, w¨ ahrend sp¨ ateste Eintrittszeitpunkte LZ e u ¨berschätzt werden. Urs¨ achlich hierf¨ ur ist die Tatsache, dass bei der Bestimmung

92

1 Projektmanagement

eines bez¨ uglich der erwarteten Vorgangsdauern längsten Weges zwischen zwei Ereignissen e und f nur die kritischen Vorgänge Ber¨ ucksichtigung finden, während die unkritischen“ Vorg¨ ange auf alternativen Wegen von e nach f ” unber¨ ucksichtigt bleiben. Je nach Realisation der Zufallsgröße Vorgangsdau” er“ k¨ onnen aber ganz andere Wege als der von PERT bestimmte kritisch sein. Um das Problem deutlich zu machen, betrachten wir das folgende Beispiel. Beispiel 1.27. Wir betrachten den PERT-Netzplan in Abbildung 1.48 mit drei Vorg¨ angen i ∈ E. Die Dauern der Vorg¨ ange 2 und 3 werden mit p2 = p¯2 = 1 und p3 = p¯3 = 1 als deterministisch angenommen. Die Dauer des Vorgangs 1 sei stochastisch mit p¯1 = 2 und gehorche der Einfachheit halber der in Tabelle 1.31 angegebenen diskreten Wahrscheinlichkeitsverteilung. rH H

-r *

1

H2

3

Legende:

H

HH j r

r

i

-r

Abb. 1.48. PERT-Netzplan mit drei Vorg¨ angen

Tabelle 1.31. Diskrete Verteilung der Vorgangsdauer p1 Vorgangsdauer Wahrscheinlichkeit 1 2 3

1/3 1/3 1/3

Unter Verwendung der PERT-Methodik ergibt sich 2 als erwartete L¨ ange eines längsten Weges vom Projektstart zum Projektende, d.h. es wird erwartet, dass das Projekt fr¨ uhestens zum Zeitpunkt 2 beendet werden kann. Tats¨ achlich hängt der fr¨ uheste Eintrittszeitpunkt des Projektendes aber von den drei möglichen Realisationen der Dauer p1 ab. Ist p1 = 1 oder p1 = 2, so kann das Projektende fr¨ uhestens zum Zeitpunkt 2 eintreten. F¨ ur p1 = 3 hingegen ist der Projektabschluss fr¨ uhestens zum Zeitpunkt 3 m¨ oglich. Da jede dieser Realisationen von p1 mit Wahrscheinlichkeit 1/3 gleich wahrscheinlich ist, ist der tatsächliche erwartete fr¨ uheste Projektendtermin 31 ·2+ 13 ·2+ 13 ·3 = 7/3. Die PERT-Methode untersch¨ atzt das erwartete fr¨ uheste Projektende somit um 1/3 Zeiteinheiten. Tendenziell ist die beschriebene Untersch¨ atzung der erwarteten L¨ ange eines Weges von e nach f in einem PERT-Netzplan umso gr¨ oßer, je mehr alternative Wege es zwischen e und f gibt und je n¨ aher die erwarteten L¨ angen dieser Wege an der erwarteten L¨ ange eines kritischen Wegs liegen.

1.4 Projektplanung

93

Um f¨ ur einen gegebenen PERT-Netzplan den Schätzfehler bei der Ermittlung der erwarteten L¨ ange eines l¨ angsten Weges zwischen zwei Knoten beziffern zu k¨ onnen, muss die tats¨ achliche erwartete Weglänge analytisch bestimmt werden. Dies ist schon f¨ ur kleine Netzpl¨ ane und einfache, diskrete Wahrscheinlichkeitsverteilungen der Vorgangsdauern sehr aufwändig, da f¨ ur alle möglichen Realisationen der Vorgangsdauern ein l¨ angster Weg bestimmt werden muss. Bei stetigen Verteilungen der Vorgangsdauern ist die analytische bzw. numerische Ermittlung der erwarteten Wegl¨ ange zwischen zwei Knoten mit Hilfe von Faltungsintegralen i.d.R. noch deutlich schwieriger als im diskreten Fall. Mit Hilfe einer Monte-Carlo-Simulation kann f¨ ur die erwartete Länge eines Weges zwischen zwei Knoten e und f recht einfach eine i.d.R. gute Näherung bestimmt werden. Dabei wird f¨ ur jeden Vorgang eines PERT-Netzplans mit Hilfe eines f¨ ur die vorliegende Wahrscheinlichkeitsverteilung geeigneten Zufallszahlengenerators eine zuf¨ allige Vorgangsdauer erzeugt; vgl. hierzu bspw. (Law und Kelton, 2000). Auf Grundlage der zufällig erzeugten Vorgangsdauern wird dann der l¨ angste Weg zwischen e und f bestimmt. Werden diese Schritte sehr oft wiederholt, so stellt die Summe aller Längen der jeweils längsten Wege geteilt durch die Anzahl der Wiederholungen eine Näherung f¨ ur die erwartete Wegl¨ ange zwischen e und f dar. Ebenso lässt sich die erwartete Varianz der L¨ ange eines Weges zwischen e und f aus den Ergebnissen der Stichprobengesamtheit ermitteln. Speichert man im Verlaufe einer solchen Simulation außerdem, wie oft ein Vorgang Bestandteil eines kritischen Weges von e nach f war, so wird diese Gr¨ oße geteilt durch die Anzahl der Wiederholungen als kritischer Index eines Vorgangs bezeichnet. Der kritische Index ist ein Maß f¨ ur die Wahrscheinlichkeit, dass ein Vorgang Bestandteil eines kritischen Weges von e nach f ist. F¨ ur die Projektsteuerung empfiehlt es sich daher, allen Vorgängen mit einem hohen kritischen Index und nicht bloß den gem¨ aß PERT kritischen Vorg¨ angen besondere Aufmerksamkeit zu widmen, um ein rechtzeitiges Projektende zu gew¨ ahrleisten. Gem¨ aß des zentralen Grenzwertsatzes der Wahrscheinlichkeitsrechnung ist die Summe unabh¨ angiger Zufallsgr¨ oßen f¨ ur eine große Anzahl von Summanden n¨ aherungsweise normalverteilt; vgl. bspw. (Bamberg und Baur, 2001, Kapitel 10.2). In Anlehnung an diesen Satz werden bei PERT die fr¨ uhesten und sp¨ atesten Eintrittszeitpunkte EZ e und LZ e der Ereignisse e ∈ V (und damit die fr¨ uhesten und sp¨ atesten Start- und Endzeitpunkte der Projektvorg¨ ange) als normalverteilt mit den Erwartungswerten EZ e bzw. LZ e und 2 2 den Varianzen EZ eσˆ bzw. LZ eσˆ angenommen, d.h. 2 EZ e − EZ e

∼ N (0, 1) oder EZ e ∼ N EZ e , EZ eσˆ 2 EZ eσˆ

und

2 LZ e ∼ N LZ e , LZ σeˆ

oder

LZ e − LZ e

∼ N (0, 1) 2 LZ eσˆ

94

1 Projektmanagement

f¨ ur alle e ∈ V . Aufgrund der angenommen Normalverteilung der Eintrittszeitpunkte der Ereignisse kann die Wahrscheinlichkeit, dass vorgegebene Termine einzelner Ereignisse eingehalten werden, abgeschätzt werden. So ist etwa ⎞ ⎛ θ − EZ e ⎠ P (EZ e > θ) = 1 − P (EZ e ≤ θ) = 1 − Φ ⎝

2 EZ eσˆ die Wahrscheinlichkeit, dass ein Ereignis e fr¨ uhestens zu einem vorgegebenen Zeitpunkt θ eintritt, wobei Φ die Verteilungsfunktion der Standardnormalverteilung bezeichnet. Beispiel 1.28 (Fortsetzung von Beispiel 1.23). Wir betrachten unser Beispielprojekt Bau eines Hauses“, f¨ ur das wir bereits einen CPM-Netzplan ” konstruiert haben, der in Abbildung 1.49 nochmals angegeben ist. Wir nehmen an, dass die Erwartungswerte und Varianzen der einzelnen Vorgangsdauî2 sind f¨ ur jeden Vorgang in ern bereits ermittelt wurden. Die Werte p¯i und σ Abbildung 1.49 angegeben. Die Dauern der Scheinvorgänge 11 und 12 sind 2 2 ˆ11 =σ ˆ12 = 0. deterministisch, daher gilt p¯11 = p¯12 = 0 und σ Legende:

1; 3; 0, 3

1

i; p¯i ; σ î2 1 2; 2, 2; 0, 5 - e - 3 3; 1, 1; 0,e 2 4 @ @ 4; 1; 0, 2 11; 0; 0 @ ?5; 4, 4; 0, 6 1 R @ 7 8; 2; 0, 3- 8 9; 1, 2; 0,- 6 7; 2; 1 @ - 5 H 9 10; 5; 0, 8 H HH 612; 0; 0 6; 3, 1; 0, 2 H j 10

Abb. 1.49. PERT-Netzplan des Projektes Haus bauen“ ”

Der bez¨ uglich der erwarteten Vorgangsdauern p¯i l¨ angste Weg vom Projektstart zum Projektende im Netzplan in Abbildung 1.49 hat die L¨ ange 14,8. Soange mit ist der erwartete fr¨ uheste Projektendtermin EZ 9 = 14,8 und die Vorg¨ 1, 2, 11, 5, 7, 8 und 9 sind kritisch. Die zugeh¨ orige Varianz des fr¨ uhesten Pro2 jektendtermins ist EZ 9σˆ = 2,8. Wollen wir nun bspw. bestimmen, wie groß die Wahrscheinlichkeit ist, dass das fr¨ uheste Projektende zwischen θ1 = 14 und θ2 = 17 Wochen liegen wird, so berechnen wir ⎞ ⎞ ⎛ ⎛ EZ − θ EZ − θ 1 9 9 2 ⎠ ⎠ − Φ⎝

P (θ1 ≤ EZ 9 ≤ θ2 ) = Φ ⎝

σ ˆ2 σ ˆ2 EZ 9 EZ 9 14 − 14, 8 17 − 14, 8 √ √ −Φ =Φ 2, 8 2, 8

1.4 Projektplanung

95

= Φ(1, 31) − Φ(−0, 48) = Φ(1, 31) − (1 − Φ(0, 48)) = 0, 90 − (1 − 0, 68) = 0, 58 Das fr¨ uheste Projektende wird also mit Wahrscheinlichkeit 0,58 innerhalb des Intervalls [14, 17] eintreten. Stellen wir uns weiterhin vor, dass ein Solltermin θ = 18 f¨ ur den Pro¨ jektabschluss vorgegeben ist, bei dessen Uberschreitung eine Konventionalstrafe gezahlt werden muss. Ferner seien aber die Anpassungsmaßnahmen zur Gew¨ ahrleistung dieses Solltermins mit so hohen Kosten verbunden, dass sie nur dann ergriffen werden sollen, wenn die Wahrscheinlichkeit, dass der Solltermin u oßer als 5% ist. Die Wahrscheinlichkeit f¨ ur die ¨berschritten wird, gr¨ ¨ Uberschreitung des Solltermins ist P (EZ 9 > θ) = 1 − P (EZ 9 ≤ θ) 18 − 14, 8 √ =1−Φ 2, 8 = 1 − Φ(1, 91) = 1 − 0, 97 = 0, 03 Auf eine kostspielige Beschleunigung des Projektes kann daher verzichtet werden. GERT-Netzpl¨ ane Mit Hilfe der in den Netzplantechnik-Methoden CPM und PERT verwendeten zyklenfreien Vorgangspfeilnetze (sowie auch mit MPM-Netzplänen) können nur Projekte modelliert werden, deren logischer bzw. zeitlicher Ablauf von vornherein eindeutig festgelegt ist. Dabei wird während einer Projektausf¨ uhrung jedes Ereignis des Projektes genau einmal realisiert, und es treten w¨ ahrend des Projektablaufs keine R¨ uckspr¨ unge zu bereits zuvor einmal ausgef¨ uhrten Vorg¨ angen auf. Viele praktische Projekte erf¨ ullen diese Bedingungen jedoch nicht. Bei Projekten der Kundenauftragsfertigung etwa werden Zwischenerzeugnisse gewöhnlich einer Qualit¨ atskontrolle unterzogen. Die weiteren Bearbeitungsschritte, denen ein Zwischenerzeugnis zugef¨ uhrt wird, hängen dann von dem ¨ Ausgang der vorhergehenden Uberpr¨ ufung ab. Nehmen wir z.B. an, dass ein Bauteil in einem Arbeitsgang aus einem Rohling gefertigt wird (vgl. Abb. 1.50). Anschließend erfolgt eine Qualit¨ atskontrolle. 70% der u uften Bau¨berpr¨ teile erf¨ ullen die vorgegebene Spezifikation und können f¨ ur den Einbau an die Montage weitergeleitet werden. 25% der Bauteile werden u ¨berarbeitet und nochmals gepr¨ uft. Dabei entstehen Bauteile mit derselben G¨ ute wie bei der Erstbearbeitung. Die jeweils verbleibenden 5% der Bauteile stellen Ausschuss dar und werden verschrottet. Es f¨ allt auf, dass einzelne Vorgänge (z.B. die Verschrottung von Bauteilen) einerseits nur mit einer gewissen Wahrscheinlichkeit 0 < p < 1 ausgef¨ uhrt werden, andererseits aber mehrmals während

96

1 Projektmanagement 25% u ¨ berarbeiten Rohling bearbeiten Kontrolle

en ott chr s r ve 5% 70%

wei te

rlei

Einbau ten

Abb. 1.50. Beispiel eines stochastischen Projekts

einer Projektausf¨ uhrung realisiert werden k¨ onnen (bspw. die Qualit¨ atskontrolle, wenn ein u uft wird). ¨berarbeitetes Bauteil abermals gepr¨ ¨ F¨ ur die Planung und Uberwachung der Ausf¨ uhrung solcher Projekte mit stochastischen Elementen ist die GERT-Netzplantechnik entwickelt worden. Eine ausf¨ uhrliche Betrachtung von GERT-Netzpl¨ anen findet sich in (Neumann, 1990). Wie CPM- und PERT-Netzpl¨ ane stellen GERT-Netzpl¨ ane Vorgangspfeilnetze dar, d.h. die Projektvorg¨ ange werden im Netzplan durch Pfeile dargestellt. Im Gegensatz zu den vorgenannten Netzplantechniken zeichnen sich GERT-Netzpl¨ ane jedoch durch verschiedene Knotentypen und allgemeinere Pfeilbewertungen aus. Einem Pfeil (Vorgang) ist als Bewertung neben einer stochastischen Vorgangsdauer bzw. der Verteilungsfunktion der Dauer des betreffenden Vorgangs die Ausf¨ uhrungswahrscheinlichkeit des Vorgangs zugeordnet. Diese Ausf¨ uhrungswahrscheinlichkeit kann kleiner als 1 sein; sie stellt streng genommen die bedingte Wahrscheinlichkeit dar, dass der betreffende Vorgang ausgef¨ uhrt wird unter der Bedingung, dass sein Startereignis eingetreten ist. Ferner besitzt ein GERT-Netzplan im Allgemeinen Zyklen. Diese dienen der Modellierung von m¨ oglichen R¨ uckspr¨ ungen (R¨ uckkopplungen) während des Projektablaufs. Ein GERT-Netzplan kann außerdem mehrere Senken (Projektausg¨ ange) besitzen, z.B. die beiden Ereignisse Projekterfolg“ und Projektmißerfolg“, habe jedoch wie bei Vorgangspfeil” ” netzen u ¨blich genau eine Quelle (Projektstart). Ein Knoten eines GERT-Netzplans besteht aus einer Eingangsseite und einer Ausgangsseite. Bei CPM- und PERT-Netzpl¨ anen besitzt jeder Knoten einen so genannten Und-Eingang. Das bedeutet, das betreffende Projektereignis tritt ein, sobald alle in den Knoten einm¨ undenden Vorg¨ ange beendet worden sind. Bei GERT-Netzpl¨ anen sind zus¨ atzlich Knoten mit Inklusiv-OderEingang (IOR-Eingang) und Exklusiv-Oder-Eingang (EOR-Eingang) spezifiziert. Besitzt ein Knoten einen Inklusiv-Oder-Eingang, so tritt das zugeh¨ orige Projektereignis ein, sobald der (zeitlich) erste der einm¨ undenden Vorg¨ ange beendet ist. Wir sprechen von einem Exklusiv-Oder-Eingang, wenn das beundender treffende Projektereignis jedes Mal dann eintritt, sobald ein einm¨ Vorgang beendet ist. Knoten, die in einem Zyklus enthalten sind, sollen stets einen Exklusiv-Oder-Eingang besitzen. Jeder Knoten eines CPM- oder PERT-Netzplans besitzt einen deterministischen Ausgang, d.h. nach Eintritt des zugeh¨ origen Projektereignisses

1.4 Projektplanung

97

k¨ onnen alle vom Knoten wegf¨ uhrenden Vorg¨ ange unmittelbar gestartet werden. GERT-Netzpl¨ ane k¨ onnen außerdem Knoten mit so genanntem stochastischen Ausgang enthalten. Nach Eintritt des einem solchen Knoten entsprechenden Ereignisses kann genau einer der ausgehenden Vorgänge gestartet werden. Ein Knoten mit h¨ ochstens einem Nachfolger habe stets einen sto¨ chastischen Ausgang. Tabelle 1.32 gibt einen Uberblick u ¨ber die Eingangsund Ausgangsseiten eines Knotens, wobei die Aktivierung eines Knotens i bedeutet, dass alle Vorg¨ ange mit dem Startereignis i (d.h. alle Vorgänge, die von Knoten i ausgehen) ausgef¨ uhrt werden k¨ onnen. Tabelle 1.32. Die Eingangs– und Ausgangsseiten eines GERT-Knotens Ausgangsseiten:

Eingangsseiten:

DET-Ausgang: Wird ein Knoten mit DET-Ausgang (deterministischer Ausgang) aktiviert, so k¨ onnen alle ausgehenden Vorg¨ ange unmittelbar anschließend ausgef¨ uhrt werden. IOR-Eingang: Ein Knoten mit IOR- ST-Ausgang: Wird ein Knoten mit STEingang wird aktiviert, sobald ein Ausgang (stochastischer Ausgang) akeinm¨ undender Vorgang abgeschlossen tiviert, so kann genau ein ausgehender Vorgang ausgef¨ uhrt werden. ist (Inklusives Oder). EOR-Eingang: Ein Knoten mit EOREingang wird jedes Mal aktiviert, sobald genau ein einm¨ undender Vorgang abgeschlossen ist (Exklusives Oder).

UND-Eingang: Ein Knoten mit UNDEingang wird aktiviert, sobald alle einm¨ undenden Vorg¨ ange abgeschlossen sind.

Im Folgenden stellen wir die sechs verschiedenen Knotentypen eines GERTNetzplans wie in Abbildung 1.51 illustriert dar. Ein DETUND-Knoten ist hierbei ein Knoten mit einem UND-Eingang und einem DET-Ausgang usw.

DETUND

STUND

DETIOR

STIOR

DETEOR

STEOR

Abb. 1.51. Darstellung der sechs Knotentypen eines GERT-Netzplans

F¨ ur jeden Vorgang (Pfeil) i ∈ E mit Startereignis ei und Endereignis e¯i eines GERT-Netzplans N = V, E; w, F ist eine Bewertung (wi , Fi ) gegeur die Ausf¨ uhrung des ben. Dabei ist wi die (bedingte) Wahrscheinlichkeit f¨ Vorgangs i unter der Bedingung, dass das zugeh¨ orige Startereignis ei eintritt bzw. Knoten ei aktiviert wird. Fi ist die (bedingte) Verteilungsfunktion der f¨ ur die Ausf¨ uhrung von Vorgang i ben¨ otigten Dauer pi unter der Bedingung, dass i ausgef¨ uhrt wird. Da wir voraussetzen, dass die einzelnen Ausf¨ uhrungen

98

1 Projektmanagement

eines Vorgangs voneinander unabh¨ angig sind, bezeichne pi im Weiteren die Zufallsvariable f¨ ur die Dauer einer beliebigen Ausf¨ uhrung des Vorgangs i. Aus der Definition der Ausgangsseiten eines Knotens folgt, dass f¨ ur einen DET-Knoten e und f¨ ur alle Vorg¨ ange i ∈ E mit Startereignis e die (bedingte) ur einen ST-Knoten e gilt analog Ausf¨ uhrungswahrscheinlichkeit wi = 1 ist. F¨ f¨ ur alle Vorg¨ ange i mit Startereignis e, dass i wi = 1 ist. Somit wird mit Wahrscheinlichkeit 1 nach der Aktivierung eines ST-Knotens, der keine Senke darstellt, genau ein von diesem Knoten ausgehender Vorgang ausgef¨ uhrt. Ein (zul¨ assiger) GERT–Netzplan N = V, E; w, F ist nun ein Netzplan, in dem jeder Knoten zu einem der beschriebenen sechs Knotentypen gehört, jedem Vorgang i ∈ E ein Paar (wi , Fi ) zugeordnet ist und der ferner den folgenden sechs Voraussetzungen gen¨ ugt: 1. wi und Fi seien unabh¨ angig von der Anzahl der (bisherigen) Aktivierungen des zugeh¨ origen Startknotens e und der Anzahl der (bisherigen) Ausf¨ uhrungen des Vorgangs i. Außerdem seien alle Zufallsvariablen pi voneinander unabh¨ angig. Wir gehen im Folgenden stets davon aus, dass diese so genannte Markov-Eigenschaft erf¨ ullt ist. 2. Alle (bedingten) Ausf¨ uhrungswahrscheinlichkeiten seien positiv, d.h. wi > 0 f¨ ur alle i ∈ E, und die erwarteten Dauern seien p¯i < ∞ (P (pi < ∞) = 1) f¨ ur alle i ∈ E. Nehmen wir ferner an, dass jede Zyklenstruktur einen Ausgangspfeil besitzt, so wird gew¨ ahrleistet, dass jede Zyklenstruktur mit positiver Wahrscheinlichkeit verlassen wird. 3. Jeder Knoten mit mindestens zwei Vorg¨ angern, der nicht in einer Zyklenstruktur liegt, habe einen UND- oder IOR-Eingang. Jeder Knoten außerhalb einer Zyklenstruktur eines GERT-Netzplans wird daher höchstens einmal aktiviert. 4. Jeder Knoten in einer Zyklenstruktur sei ein STEOR-Knoten. Somit kann jeder Knoten einer Zyklenstruktur mehrmals aktiviert werden. 5. Bei jeder Realisation des Netzplans werde höchstens ein Eingangspfeil einer Zyklenstruktur ausgef¨ uhrt und dieser genau einmal. Unter Beachtung von Voraussetzung 4. besagt diese Voraussetzung, dass zu jedem Zeitpunkt der Projektausf¨ uhrung h¨ ochstens ein Knoten einer jeden Zyklenstruktur aktiv ist, d.h. der Knoten ist aktiviert worden, aber es wurde noch kein ausgehender Vorgang ausgef¨ uhrt. Somit wird in jeder Projektausf¨ uhrung h¨ ochstens ein Ausgangspfeil einer jeden Zyklenstruktur genau einmal ausgef¨ uhrt. 6. Bezeichne Ω die Menge aller m¨ oglichen Realisationen eines GERT-Netzplanes, dann existiere f¨ ur jeden UND-Knoten e ∈ V eine Netzplanrealisation ω ∈ Ω, bei der e aktiviert wird. Diese Voraussetzung stellt sicher, dass jeder Vorgang des Projektes bei mindestens einer Projektrealisierung ausgef¨ uhrt wird. Um die Zuweisung der Knotentypen bei der Darstellung von GERTNetzpl¨ anen zu vereinheitlichen, treffen wir die folgende bereits erwähnte Ver-

1.4 Projektplanung

99

einbarung. Ein Knoten e mit |P red(e)| ≤ 1 habe stets einen EOR-Eingang, und ein Knoten f mit |Succ(f )| ≤ 1 habe stets einen ST-Ausgang. Nachfolgend demonstrieren wir die Konstruktion eines GERT-Netzplans f¨ ur ein Bauprojekt. Beispiel 1.29 (Modifikation von Beispiel 1.23). Zu Beginn des Bauprojektes ist das Fundament des Hauses bereits gegossen und es kann sofort mit den Arbeiten am Rohbau begonnen werden. An die Maurerarbeiten schließen sich unmittelbar der Einbau der Fenster sowie die Errichtung des Dachstuhls an. Sobald der Dachstuhl fertiggestellt wurde, kann das Dach des Hauses gedeckt werden. Wenn alle Fenster eingebaut wurden und das Dach gedeckt wurde, k¨ onnen die Heizungs- und Sanit¨ arinstallationen vorgenommen werden. Im Anschluss daran wird die korrekte Funktionsweise der Heizung u uft. Er¨berpr¨ fahrungsgem¨ aß muss eine neu eingebaute Heizung in 10% aller Fälle nochmals aufw¨ andig justiert werden, um die vorgegebenen Abgasnormen einzuhalten. In den restlichen 90% der F¨ alle, d.h. wenn die Heizung einwandfrei funktioniert, kann sofort mit dem Innenausbau des Hauses begonnen werden. Zuletzt wird die K¨ uche eingebaut. Grunds¨ atzlich kann zwischen zwei Typen von K¨ uchen unterschieden werden. Die Eigent¨ umer des Hauses haben neben der Standardbauweise (K¨ uche A) auch die M¨ oglichkeit, eine K¨ uche im amerikanischen Stil einzubauen (K¨ uche B), bei der der Herd, die Sp¨ ule, der Backofen usw. freistehend im Raum montiert werden. Erfahrungsgemäß entscheiden sich etwa die H¨ alfte aller Bauherren f¨ ur die modernere K¨ uche B. In Tabelle 1.33 sind alle Vorg¨ ange des Projektes sowie die zugehörigen deterministischen Ausf¨ uhrungsdauern angegeben. Der zugehörige GERTNetzplan ist in Abbildung 1.52 dargestellt, wobei an den Pfeilen des Netzplans die entsprechende Vorgangsnummer und gegebenenfalls die (bedingte) Ausf¨ uhrungswahrscheinlichkeit des betreffenden Vorgangs angegeben sind. Tabelle 1.33. Vorg¨ ange des Beispielprojektes i∈E 1 2 3 4 5 6 7 8 9 10

Vorgangsbezeichnung Maurerarbeiten Fenster einsetzen Errichten des Dachstuhls Dachdeckerarbeiten Heizungs- und Sanit¨ arinstallationen ¨ Uberpr¨ ufung der Heizung Justierung der Heizung Innenausbau Einbau K¨ uche A Einbau K¨ uche B

Dauer (in Wochen) 3 1 2 1 5 1 1 4 1 2

Die wesentliche Aufgabe der Netzplantechniken MPM, CPM und PERT bestand in der Ermittlung der (erwarteten) fr¨ uhesten und spätesten Startzeit-

100

1 Projektmanagement 8

3

7

4 3

8

6

2

7

6

5

4

2

1

0,5

9

0,1

5

1

0,9 0,5

10 Legende:

ei

9

i

e¯i

(wi ) Abb. 1.52. GERT-Netzplan f¨ ur das Beispielprojekt

punkte f¨ ur alle Projektvorg¨ ange bzw. Projektereignisse sowie der Ermittlung der minimalen Projektdauer (bzw. deren Verteilung). F¨ ur GERT-Netzpl¨ ane besteht ebenfalls die M¨ oglichkeit, Konzepte f¨ ur fr¨ uheste und sp¨ ateste Aktivierungzeitpunkte von Knoten einzuf¨ uhren. Da bei GERT-Netzpl¨ anen Projektereignisse in einer Realisation des Netzplans mehrfach oder aber auch gar nicht eintreten k¨ onnen, haben diese Gr¨ oßen aber eine andere Bedeutung und sind deutlich schwieriger zu berechnen als bei den vorgenannten Netzplantechniken.22 Daher wollen wir auf diese Konzepte nicht weiter eingehen. Stattdessen folgen wir den Ausf¨ uhrungen von Neumann (1990, Kap. 2), an die wir uns im Folgenden eng anlehnen. Demnach sind zur Evaluierung eines GERTNetzplans im Sinne der Zeitplanung die so genannten Aktivierungsfunktionen der Senken zu ermitteln, mit deren Hilfe sich dann Aussagen u ¨ber • die Aktivierungswahrscheinlichkeiten der Senken sowie • die Verteilung der Projektdauer treffen lassen. Man ist aber nach wie vor daran interessiert das Projekt möglichst rasch durchzuf¨ uhren, so dass die Annahme getroffen wird, dass mit der Ausf¨ uhrung eines Vorgang i immer so fr¨ uh als m¨ oglich begonnen wird, d.h. sobald das Startereignis von Vorgang i, Knoten ei , aktiviert wurde. Seien Ke (t) die Anzahl der Aktivierungen und K e (t) die erwartete Anzahl der Aktivierungen von Knoten e w¨ ahrend einer Projektausf¨ uhrung im Zeitintervall [0, t]. Dann bezeichnen wir mit Ye (t) := K e (t)

die Aktivierungsfunktion von Knoten e, die gerade die erwartete Anzahl an Aktivierungen im Intervall [0, t] angibt. Die Größe ze := lim Ye (t) t→∞

22

F¨ ur GERT-Netzpl¨ ane, die bestimmte Voraussetzungen erf¨ ullen, ist in (Neumann und Steinhardt, 1979, Kap. 2.5) beschrieben, wie sich fr¨ uheste und sp¨ ateste Startzeitpunkte der Projektvorg¨ ange bestimmen lassen.

1.4 Projektplanung

101

bezeichnen wir als Aktivierungszahl von e. F¨ ur Senken e eines GERT-Netzplans entspricht die erwartete Anzahl an Aktivierungen bis zum Zeitpunkt t gerade der Aktivierungswahrscheinlichkeit des Knotens bis zum Zeitpunkt t. Sei Te der Aktivierungszeitpunkt von Senke e, dann gilt Ye (t) = P (Te ≤ t) . Somit entspricht in diesem Fall ze gerade der Aktivierungswahrscheinlichkeit qe von Knoten e. Sei Θ die Menge aller Senken des zugrunde liegenden GERT-Netzplans, bezeichne Θ ⊆ Θ, Θ = ∅, eine nichtleere Teilmenge dieser Senken und sei ur alle Senken e ∈ Θ. Die tΘ := (te )e∈Θ ein Vektor von Zeitpunkten te f¨ Grundlage der Zeitplanung f¨ ur GERT-Netzpl¨ ane bildet dann die Familie von Aktivierungsfunktionen Y (Θ) := {YΘ | ∅ = Θ ⊆ Θ} mit YΘ (tΘ ) := P [(Te ≤ te )e∈Θ ] . Die Berechnung dieser Funktionen ist i.A. aber sehr aufwändig und f¨ ur das Verst¨ andnis der nachfolgend geschilderten Sachverhalte prinzipiell nicht notwendig. Der interessierte Leser sei daher auf (Neumann und Steinhardt, 1979, Kap. 4.2) verwiesen. Es sei nur angemerkt, dass die Berechnung f¨ ur EOR-Netzpl¨ ane, d.h. GERT-Netzpl¨ ane, die nur STEOR- und DETEORKnoten besitzt, sehr viel einfacher ist, da sich diesen Netzplänen homogene Markovsche Erneuerungprozesse zuordnen lassen und somit die Ye -Werte mit Hilfe eines Integralgleichungssystem bestimmt werden können; vgl. hierzu z.B. (Nicolai, 1980) und (Neumann, 1990, Kap. 3 und 4). In der Praxis werden die Aktivierungsfunktionen YΘ in der Regel mit Simulationsmethoden bestimmt; vgl. bspw. (Neumann und Steinhardt, 1979, Kap. 7). Hat man die Aktivierungsfunktionen YΘ bestimmt, so ergibt sich die Wahrscheinlichkeit, dass alle Senken e ∈ Θ aktiviert werden, zu qΘ := lim YΘ (tΘ ) tΘ →∞

f¨ ur Θ = ∅

und die (bedingte) Verteilungsfunktion der Projektdauer unter der Bedingung, dass alle Senken e ∈ Θ aktiviert werden, zu GΘ (tΘ ) :=

YΘ (tΘ ) qΘ

f¨ u r qΘ > 0 .

Wir betrachten zur Illustration das folgende Beispiel (Neumann, 1990, S. 52 ff.). Beispiel 1.30. Gegeben sei der GERT-Netzplan in Abbildung 1.53. An den Pfeilen des Netzplans sind die Ausf¨ uhrungswahrscheinlichkeiten wi < 1 der Vorg¨ ange i ∈ E angegeben.

102

1 Projektmanagement 5

2 1/4

1/3

1/2

6

3

1

2/3 1/4 7

4

Abb. 1.53. GERT-Netzplan Tabelle 1.34. q(Θ ) f¨ ur alle Θ ⊆ Θ, Θ = ∅ Θ

∅ {5} {6} {7} {5, 6} {5, 7} {6, 7} {5, 6, 7}

q(Θ ) 1

2 3

1 2

7 12

1 2

1 4

1 4

1 4

Die Menge aller Senken ist Θ = {5, 6, 7}. Die Wahrscheinlichkeiten q(Θ ) f¨ ur alle Θ ⊆ Θ, Θ = ∅ sind in Tabelle 1.34 angegeben. Neben den Aktivierungswahrscheinlichkeiten f¨ ur die Senken ist man in der Regel auch an der erwarteten Anzahl der Aktivierungen ze (Aktivierungszahl ) ur jeden Knoten e ∈ V interessiert, und der Aktivierungswahrscheinlichkeit qe f¨ f¨ ur die der folgende Satz gilt; zum Beweis siehe (Neumann, 1990, S. 80 ff.). Satz 1.31. F¨ ur alle Knoten e ∈ V eines GERT-Netzplans N = V, E; w, F gilt: 1. ze < ∞ und 2. ze = qe , falls e nicht in einer Zyklenstruktur von N liegt. Die Bestimmung der Aktivierungswahrscheinlichkeiten qe ist im Allgemeinen sehr aufwändig. Anhand des folgenden Beispiels demonstrieren wir, wie atzlich vorgeht. man zur Bestimmung von qe grunds¨ Beispiel 1.32. Gegeben sei der GERT–Netzplan in Abb. 1.54. Wir bestimmen die exakten Werte f¨ ur die Aktivierungswahrscheinlichkeiten der sechs Knoten. Den exakten Wert f¨ ur die Aktivierungswahrscheinlichkeit von Knoten 4 erhält man zum Beispiel, indem man die Wahrscheinlichkeiten f¨ ur die Netzplanrealisationen, in denen Knoten 4 aktiviert wird, aufsummiert, d.h. q4 :=

1 1 3 · 1 + · = 0, 875. 4 2 4

1.4 Projektplanung

103

1 4

2

3/4

1

1 6

1

Legende:

1/2 1/4

1

5

3

ei

wi

e¯i

1/2

Abb. 1.54. GERT-Netzplan mit bedingten Ausf¨ uhrungswahrscheinlichkeiten

Insgesamt erhalten wir auf diese Weise f¨ ur die Aktivierungswahrscheinlichkeiten aller Knoten des Netzplans die in Tabelle 1.35 angegebenen Werte. Tabelle 1.35. Aktivierungswahrscheinlichkeiten der Ereignisse e ∈ V e∈V qe

1 1

2 0, 75

3 0, 25

4 0, 875

5 0, 875

6 0, 75

Im Gegensatz zu allgemeinen GERT-Netzpl¨ anen lassen sich f¨ ur EORNetzpl¨ ane die Aktivierungszahlen ze und Aktivierungswahrscheinlichkeiten ur alle Knoten e ∈ V mit Hilfe des folgenden Satzes leicht berechnen qe f¨ (Zimmermann, 1995, Kap. 1.2.2). Satz 1.33. Sei N = V, E; w, F ein EOR-Netzplan mit der Quelle r und sei wef die Aktivierungswahrscheinlichkeit des Vorgangs i mit Startereignis orige Vorgang i nicht e und Endereignis f . Es gelte wef := 0, falls der zugeh¨ Bestandteil der Pfeilmenge E ist. Dann gilt mit zr := qr := 1 (1) zf = e∈V ze wef f¨ ur alle Knoten f ∈ V \ {r}. osen (2) F¨ ur jeden Knoten e ∈ V auf einer Zyklenstruktur l¨ asst sich qf durch L¨ des Gleichungssystems wf g , falls f = e qf w ˜f g mit w ˜f g := ∀g ∈ V \ {r} qg = 0, sonst f ∈V

qe := qe bestimmen. Liegt Knoten e ∈ V nicht auf einer Zyklenstruktur, so gilt nach Satz 1.31 qi = zi . Zur Illustration von Satz 1.33 betrachten wir das folgende Beispiel. Beispiel 1.34. Gegeben sei der EOR–Netzplan N = V, E; w, F in Abbildung 1.55. Um die Aktivierungswahrscheinlichkeiten qe der Knoten e ∈ V \ VC

104

1 Projektmanagement

zu bestimmen, ist das Gleichungssystem (1) von Satz 1.33 zu lösen. Dabei enthalte VC alle Knoten f ∈ V , die auf einer Zyklenstruktur liegen. z1 = 1 z2 = 1 + 0, 3 · z3 + 0, 4 · z4 z3 = z2 z4 = 0, 6 · z3 z5 = 0, 1 · z3 + 0, 1 · z4 z6 = 0, 5 · z4

0,1

5

0,3 Legende:

0,1

ei

4

3

2

1

0,6

1

1

wi

e¯i

0,5

0,4 6

Abb. 1.55. Bestimmung der Aktivierungswahrscheinlichkeiten qi

F¨ ur die Zyklenknoten VC := {2, 3, 4} sind die Gleichungssysteme (2) von Satz 1.33 zu l¨ osen. F¨ ur Knoten 4 erhalten wir z.B. das Gleichungssystem: q1 = 1 q2 = 1 + 0, 3 · q3 q3 = q2 q4 = 0, 6 · q3 q5 = 0, 1 · q3 q6 = 0 Durch Lösen des Gleichungssystems ergibt sich q4 = 6/7. Nach Auswertung aller Gleichungssysteme erhalten wir die in Tab. 1.36 dargestellte L¨ osung. Tabelle 1.36. Aktivierungswahrscheinlichkeiten qe f¨ ur alle Ereignisse e ∈ V e∈V qe

1 1

2 1

3 1

4 0, 86

5 0, 35

6 0, 65

1.4 Projektplanung

105

1.4.5 Terminierung der Vorg¨ ange Mit Hilfe der in den Abschnitten 1.4.3 und 1.4.4 erläuterten Netzplantechniken MPM, CPM und PERT k¨ onnen f¨ ur alle Vorgänge i eines Projektes die im Hinblick auf die bestehenden Zeitbeziehungen (erwarteten) fr¨ uhestund sp¨ atestm¨ oglichen Startzeitpunkte ES i und LS i bestimmt werden. Gilt f¨ ur einen Vorgang ES i = LS i , d.h. der Gesamtpuffer TF i des Vorgangs ist gerade 0, dann startet der betrachtete Vorgang selbstverständlich zum Zeituhest- und der spätestmögpunkt Si = ES i = LS i . In der Regel fallen der fr¨ liche Startzeitpunkt f¨ ur einen Vorgang jedoch nicht zusammen, d.h. es gilt ussen wir Vorgang i einen Startzeitpunkt ES i < LS i . In diesem Fall m¨ ur den Beginn seiner Ausf¨ uhrung zuSi ∈ [ES i , LS i ] als geplanten Zeitpunkt f¨ weisen. Bei der Wahl eines geeigneten Startzeitpunktes Si sind zwei wesentliche Aspekte zu ber¨ ucksichtigen. Zum einen wollen wir die Startzeitpunkte so wählen, dass ein bestimmtes vorgegebenes Zielkriterium bestmöglich erf¨ ullt ist. Außerdem muss bei der Bestimmung der Startzeitpunkte den vorgegebenen Zeitbeziehungen zwischen den Projektvorgängen und eventuell vorhandenen Ressourcenrestriktionen Rechnung getragen werden. Einige h¨ aufig verwendete Zielkriterien, z.B. die gleichmäßige Auslastung der Ressourcen oder die Maximierung des mit einem Projekt verbundenen Kapitalwertes, haben wir in Abschnitt 1.3.3 bereits erläutert. Die Bestimmung der Startzeitpunkte Si dergestalt, dass ein solches Zielkriterium bestmöglich oder zumindest gut“ erf¨ ullt wird, behandeln wir in Kapitel 2 ausf¨ uhrlich. ” Dabei m¨ ussen die Zeitbeziehungen zwischen den Projektvorgängen ber¨ ucksichtigt werden, da die Zeitfenster [ES i , LS i ], innerhalb derer ein Vorgang i starten kann, planungsabh¨ angig sind. Das bedeutet, dass die Menge der möglichen Startzeitpunkte [ES i , LS i ] eines noch nicht eingeplanten Vorgangs i von den Startzeitpunkten Sj der bereits eingeplanten Vorgänge j abhängt. Zur Illustration betrachten wir den MPM-Netzplan in Abb. 1.56, f¨ ur den wir im Rahmen von Beispiel 1.20 die in Tabelle 1.37 angegebenen fr¨ uhesten und spätesten Startzeitpunkte ermittelt haben. Tabelle 1.37. Fr¨ uheste und sp¨ ateste Startzeitpunkte i

0

1

2

3

4

5

ES i LS i

0 0

0 5

0 5

0 0

4 4

6 6

Aus Tabelle 1.37 k¨ onnen wir ersehen, dass wir lediglich f¨ ur die Vorgänge ussen, da f¨ ur die 1 und 2 noch die Startzeitpunkte S1 und S2 bestimmen m¨ verbleibenden Vorg¨ ange S0 = S3 = 0, S4 = 4 und S5 = 6 gelten muss. Wir entnehmen der Tabelle außerdem, dass S1 und S2 aus dem Intervall [0, 5] gew¨ ahlt werden m¨ ussen. Nehmen wir nun an, dass Vorgang 1 zum Zeitpunkt 1 andert sich der sp¨ ateste Startzeitpunkt LS 2 wegen startet, d.h. S1 = 1. Dann ¨

106

1 Projektmanagement 0 1 1 -1 -? 2 1 @ -2

@1 @

0 0 0

0 @ R @ -

1

@

-6

@0 @

2 3

@ R 3 @

4

5

1

- 4

Legende: pi i

δij

pj

- j

Abb. 1.56. MPM-Netzplan mit sechs Vorg¨ angen max des Höchstabstandes T12 = 2 zwischen den Vorg¨ angen 1 und 2 zu LS 2 = 3, ahlen. d.h. wir m¨ ussen S2 aus dem Intervall [0, 3] w¨ Wie wir in Abschnitt 1.4.2 gesehen haben, ben¨ otigt ein Vorgang bei seiner Durchf¨ uhrung nicht nur Zeit, sondern i.d.R. auch eine oder mehrere erneuerbare Ressourcen mit begrenzten Ressourcenkapazit¨ aten. In der Praxis werden daher nicht beliebig viele Vorg¨ ange gleichzeitig auf solche Ressourcen zugreifen können. Bei der Terminierung der Projektvorg¨ ange m¨ ussen daher neben den Zeitbeziehungen auch Ressourcenrestriktionen beachtet werden. In Kapitel 3 widmen wir uns daher der Bestimmung von Startzeitpunkten Si unter Zeit- und Ressourcenrestriktionen. Dabei gehen wir davon aus, dass als Zielkriterium die in der Praxis vorherrschende Minimierung der ben¨ otigten Projektdauer verfolgt wird.

1.5 Projektrealisation und -abschluss Im Anschluss an die Projektplanung erfolgt die eigentliche Realisierung des zugrunde liegenden Projektes. Hier besteht die vornehmliche Aufgabe des Pro¨ jektmanagements in der Uberwachung des planm¨ aßigen Projektfortschritts (vgl. Abschnitt 1.5.1). Werden im Zuge dessen Abweichungen des tats¨ achlichen vom geplanten Projektverlauf festgestellt, so muss das Projektmanagement geeignete Reaktionsmaßnahmen ergreifen. Nachdem ein Projekt abgeschlossen wurde, erfolgt schließlich eine Projektr¨ uckschau, auf die wir in Abschnitt 1.5.2 kurz eingehen. 1.5.1 Projekt¨ uberwachung Nachdem mit der Durchf¨ uhrung eines Projektes begonnen wurde, muss der planm¨ aßige Projektfortschritt laufend kontrolliert werden. Zu diesem Zweck

1.5 Projektrealisation und -abschluss

107

m¨ ussen in regelm¨ aßigen Abst¨ anden Daten erhoben werden, die die aktuelle Situation des betrachteten Projektes widerspiegeln. In die Projekt¨ uberwachung sind alle quantifizierbaren Gr¨ oßen einzubeziehen, insbesondere die Zeit (Terminkontrolle) sowie Aufwands- und Kostengr¨ oßen (Aufwands- bzw. Kostenkontrolle). Um eventuelle Abweichungen vom geplanten Projektablauf erkennen zu k¨ onnen, werden diese Ist-Werte den urspr¨ unglich geplanten Werten (Plan-Werten) gegen¨ ubergestellt. Kommt es zu Abweichungen vom Plan, so erfolgt eine erneute Projektplanung auf Grundlage der aktualisierten Daten. Besteht die Gefahr, dass wichtige Abschlusstermine nicht eingehalten oder dass bestimmte Kostenziele u ¨berschritten werden, muss das Projektmanagement Maßnahmen entwickeln, um auf solche Abweichungen geeignet reagieren zu k¨ onnen. Im Rahmen der Terminkontrolle muss f¨ ur jedes Teilprojekt oder f¨ ur jeden Projektvorgang der aktuelle Bearbeitungsfortschritt erhoben werden. Die f¨ ur die Durchf¨ uhrung eines Vorgangs verantwortlichen Mitarbeiter melden dazu in regelm¨ aßigen Abst¨ anden an das Projektmanagement, ob mit der Bearbeitung des Vorgangs bereits begonnen wurde, zu wie viel Prozent der Vorgang bereits abgeschlossen wurde und zu welchem Termin mit dem Beginn und dem Abschluss des Vorgangs zu rechnen ist. Es werden also sowohl Ist-Größen als auch erwartete Gr¨ oßen erhoben. Die einfache Gegen¨ uberstellung dieser Werte f¨ ur alle Projektvorg¨ ange liefert sofort Informationen dar¨ uber, ob ein Projekt im Zeitplan liegt. Diese Informationen lassen sich graphisch als Termintrendkurve – wie in Abbildung 1.57 dargestellt – aufbereiten. Juli

Plantermine

Juni

4

Mai April

3

M¨ arz Feb.

2 1

Jan. Jan.

Feb.

M¨ arz April

Mai

Isttermine Abb. 1.57. Termintrendkurve

Juni

Juli

108

1 Projektmanagement

Eine solche kompakte Darstellung aller wesentlichen Termininformationen erlaubt es dem Projektmanagement, Trends f¨ ur die zuk¨ unftige Entwicklung der Projekttermine zu identifizieren. An den Achsen der Grafik werden die Istund die Plantermine aufgetragen. Ein Projektvorgang wird in diese Grafik eingetragen, indem man das Ist- und das Plandatum f¨ ur seinen Beginn und sein Ende abtr¨ agt und diese beiden Punkte in der Grafik miteinander verbindet. In Abbildung 1.57 sind auf diese Weise vier Vorg¨ ange eingezeichnet. Sowohl der Beginn als auch das Ende von Vorgang 1 liegen genau auf der Winkelhalbierenden; Vorgang 1 befindet sich daher exakt im Plan. Vorgang 2 startet zwar p¨ unktlich, wird aber sp¨ ater als geplant abgeschlossen. Dies kann man sofort daran erkennen, dass die Steigung der entsprechenden Geraden geringer ist als die der Winkelhalbierenden. Vorgang 3 startet später als geplant, es ist aber nicht mit weiteren Verz¨ ogerungen zu rechnen, da die Vorgang 3 entsprechende Gerade parallel zur Winkelhalbierenden verl¨ auft. Schließlich startet Vorgang 4 ebenfalls sp¨ ater als urspr¨ unglich angenommen, wird aber z¨ ugiger als geplant durchgef¨ uhrt, so dass Vorgang 4 p¨ unktlich beendet wird. Die Steigung der entsprechenden Geraden ist gr¨ oßer als die der Winkelhalbierenden. Als wesentliche Kennzahl f¨ ur die terminliche Situation eines Vorgangs wird im Rahmen der Terminkontrolle die Termintreue verwandt. Bezeichne TiP den geplanten Abschlusszeitpunkt von Vorgang i, TiI den tatsächlichen bzw. den erwarteten Abschlusszeitpunkt und ∆Ti = TiI − TiP somit den (tatsächlichen oder erwarteten) Terminverzug f¨ ur den Abschluss von i. Dann gibt T Ti =

TiP − ∆Ti TiP

die Termintreue von Vorgang i an. Bei Termin¨ uberschreitungen nimmt T Ti Werte kleiner 1 an; bei Terminunterschreitungen gilt T Ti > 1. Die Termintreue des gesamten Projektes ermittelt sich als Summe aller TermintreueKennzahlen geteilt durch die Anzahl der betrachteten Vorgänge. Da bei der Terminkontrolle auch erwartete Termine f¨ ur den Beginn oder den Abschluss eines Vorgangs erhoben werden, muss man bei der Interpretation dieser antizipierten Termine Vorsicht walten lassen. Dies gilt umso mehr f¨ ur langfristige Projekte. Wurde bei einem solchen Projekt z.B. der erwartete Eintrittszeitpunkt eines einzelnen weit in der Zukunft liegenden Meilensteins bereits mehrfach verz¨ ogert, so ist meist auch zuk¨ unftig mit weiteren Verzögerungen zu rechnen. Eine singul¨ are Verz¨ ogerung hingegen fällt bei einem Projekt mit mehrj¨ ahriger Laufzeit kaum ins Gewicht. Das Projektmanagement sollte daher den Verlauf der gemeldeten Meilensteintermine bei der Bestimmung eines erwarteten Eintrittszeitpunktes im Auge behalten. Hierbei wird das Management durch eine Meilensteintrendanalyse, wie sie in Abbildung 1.58 dargestellt ist, unterst¨ utzt. Auf der einen Achse der Grafik sind die erwarteten Eintrittszeitpunkte einzelner Meilensteine abgetragen, die z.B. dem Abschluss wichtiger Teilprojekte entsprechen. Auf der anderen Achse sind die Berichtstermine dargestellt, zu denen die verantwortlichen Mitarbeiter eine Prognose f¨ ur die erwarteten


109

Nov.

Meilensteintermine

Okt. Sept.

Aug.

1

Juli

2

Juni Mai 3

April M¨ arz

Feb. Jan. Jan. Feb. M¨ arz April Mai Juni

Juli Aug. Sept. Okt. Nov.

Berichtstermine Abb. 1.58. Meilensteintrendanalyse

Eintrittszeitpunkte abgeben. Das Projektmanagement kann mit Hilfe einer solchen Grafik sofort erfassen, wie sich die gemeldeten Eintrittszeitpunkte im Zeitverlauf entwickeln. F¨ ur Meilenstein 1 beispielsweise schwanken die gemeldeten Eintrittszeitpunkte relativ dicht um den geplanten Eintrittszeitpunkt herum und der Verlauf der entsprechenden Kurve ist näherungsweise konstant. Somit kann davon ausgegangen werden, dass der geplante Termin f¨ ur diesen Meilenstein in etwa eingehalten wird. Der Verlauf der Meilenstein 2 entsprechenden Kurve ist monoton fallend. Dies deutet darauf hin, dass Meilenstein 2 fr¨ uher als zuletzt angenommen eintritt. F¨ ur Meilenstein 3 hingegen hat die Kurve einen deutlich steigenden Verlauf. Es ist daher mit weiteren Verz¨ ogerungen bei der Durchf¨ uhrung des entsprechenden Teilprojektes bzw. Vorgangs zu rechnen. Aus dem Verlauf der einzelnen Kurven in einer Meilensteintrendanalyse kann also ein Trend f¨ ur die weitere Terminentwicklung eines Meilensteins herausgelesen werden. Bei sehr langen Projekten und vielen Berichtsterminen, d.h. bei einer hinreichend großen Datenbasis, bietet es sich an, statistische Methoden zur Zeitreihenanalyse hinzuzuziehen, um eine quantitativ fundierte Sch¨ atzung des Eintrittszeitpunktes der jeweiligen Meilensteine zu erhalten.

110

1 Projektmanagement

Analog zur Terminkontrolle werden bei der Aufwands- bzw. Kostenkontrolle regelm¨ aßig die tats¨ achlichen oder erwarteten Aufwands- und Kostengrößen dem geplanten Aufwand und den geplanten Kosten gegen¨ ubergestellt. Dabei bieten sich grunds¨ atzlich vier M¨ oglichkeiten der Gegen¨ uberstellung an (Burghardt, 2000, Kapitel 4.2.4). Im einfachsten Fall wird der Ist-Aufwand mit dem gesamten Plan-Aufwand verglichen (vgl. Abb. 1.59). Der betrachtete Ist-Aufwand liegt somit die meiste Zeit unter dem Plan-Aufwand. Da eine ¨ Uberschreitung des Plan-Aufwandes jedoch i.d.R. erst zum Projektende hin eintritt, ist ein solcher absoluter Vergleich f¨ ur Kontrollzwecke wenig aussagekräftig. Geht man davon aus, dass der aus der Projektdurchf¨ uhrung resultierende Aufwand gleichm¨ aßig verteilt u ¨ber die Zeit anfällt, so wird häufig ein linearer Vergleich durchgef¨ uhrt (vgl. Abb. 1.60). Auf diese Weise werden Abweichungen des Ist-Aufwandes vom Plan-Aufwand fr¨ uher erkannt. Allerdings ist die Annahme, dass der Aufwand eine lineare Funktion der Zeit darstellt, in der Praxis meist nicht zutreffend und ein linearer Vergleich somit nur eingeschr¨ ankt empfehlenswert. Aufwand

Aufwand Plan

Ist

Ist

Plan

Berichtstermine Abb. 1.59. Absoluter Vergleich

Berichtstermine Abb. 1.60. Linearer Vergleich

Bei einem so genannten aufwandskorrelierten Vergleich wird der Plan-Aufwand f¨ ur eine bestimmte Aufwandsgr¨ oße genau bestimmt (vgl. Abb. 1.61). Im Rahmen der Projektplanung (vgl. Abschnitt 1.4.5) haben wir f¨ ur jeden Vorgang i seinen Startzeitpunkt Si bestimmt. Ebenso kennen wir aus der Ressourcenund Kostenanalyse (vgl. Abschnitt 1.4.2) die Ressourceninanspruchnahme jedes Vorgangs und die hieraus resultierenden Kosten. Mit diesen Informationen lässt sich genau ermitteln, zu welchem Zeitpunkt bei einem plangem¨ aßen Projektablauf mit welchem Aufwand zu rechnen ist. Dieser Plan-Aufwand wird dann dem Ist-Aufwand gegen¨ ubergestellt. Nachteilig an diesem Vorgehen ist, dass einmalige gr¨ oßere Abweichungen des Ist-Aufwandes vom PlanAufwand dazu f¨ uhren, dass der Plan-Aufwand in der Zukunft dauerhaft u ¨beroder unterschritten wird und eine ordnungsgem¨ aße Aufwandskontrolle f¨ ur die nachfolgenden Berichtstermine somit nicht mehr gew¨ ahrleistet ist. Aus diesem Grund werden bei einem plankorrigierten Vergleich die Planwerte laufend korrigiert, indem ausgehend von den jeweiligen Istwerten der noch zu erbringen-


111

de Restaufwand bzw. die zuk¨ unftig anfallenden Restkosten geschätzt werden (vgl. Abb. 1.62). Allerdings ist dieses Vorgehen aufgrund der regelmäßigen Restaufwandsschätzungen sehr aufw¨ andig. Aufwand

Aufwand

Ist

Ist Plan

Berichtstermine

Abb. 1.61. Aufwandskorrelierter Vergleich

Plan

Berichtstermine

Abb. 1.62. Plankorrigierter Vergleich

Eine wirklich sachgerechte Aufwandskontrolle ist jedoch nur m¨ oglich, wenn man die jeweils aktuelle Terminsituation in die Kontrolle miteinbezieht. Eine isolierte Aufwandskontrolle kann n¨ amlich zu falschen Ergebnisse f¨ uhren. Ist z.B. ein Teilprojekt gegen¨ uber dem Plan beschleunigt durchgef¨ uhrt worden, dann fällt naturgem¨ aß auch ein h¨ oherer als der urspr¨ unglich angenommene Aufwand zu einem fr¨ uheren als dem geplanten Zeitpunkt an. In Abbildung 1.63 ist dieser Sachverhalt illustriert. Wie in Abbildung 1.61 ist dazu der aufwandskorrelierte Plan-Aufwand abgetragen, wobei jedoch drei herausragende Meilensteine, die z.B. den Abschluss wichtiger Teilprojekte repr¨ asentieren, auf der Kurve aufgetragen sind. Der Ist-Aufwand wird nun analog aufgetragen, d.h. einschließlich der drei Meilensteine. An der Verschiebung der Meilensteine in Abbildung 1.63 k¨ onnen wir nun sofort die Entwicklung der Termin- und Aufwandssituation des Projektes erkennen. Meilenstein 1 wurde bspw. sp¨ ater als geplant erreicht; daf¨ ur f¨ uhrte die Durchf¨ uhrung des zugeh¨ origen Teilprojektes zu einem niedrigeren Aufwand als urspr¨ unglich geplant. Meilenstein 2 trat fr¨ uher als erwartet ein, und die Realisierung des entsprechenden Teilprojektes f¨ uhrte zu einem wesentlich h¨ oheren Aufwand. Meilenstein 3 wurde ebenso wie Meilenstein 1 später als geplant und mit einem niedrigeren Aufwand erreicht. Aus der Position des dritten Meilensteins gegen¨ uber seiner geplanten Situation k¨ onnen wir unmittelbar die kumulierte Termin- und Aufwandsabweichung des Projektes ablesen. Die Darstellung als Zeit-Aufwands-Kurve unterst¨ utzt das Projektmanagement auch bei Identifizierung der Verantwortlichkeiten f¨ ur einzelne Termin- oder Aufwandsabweichungen. Dazu vergleicht man die kumulierten Termin- und Aufwandsabweichungen vor Beginn eines Teilprojektes mit den kumulierten Abweichungen bei Abschluss des Teilprojektes. F¨ ur die ¨ Uberschreitung des geplanten Aufwandes ist im Beispiel alleine das zweite Teilprojekt und damit der mit der Durchf¨ uhrung dieses Teilprojektes betrau-

112

1 Projektmanagement

te Mitarbeiter verantwortlich. Die beiden anderen Teilprojekte wurden sogar mit einem geringeren Aufwand als dem geplanten abgeschlossen. Die Verantwortung f¨ ur die kumulierte Terminabweichung m¨ ussen sich hingegen die Verantwortlichen des ersten und dritten Teilprojektes teilen, während das zweite Teilprojekt fr¨ uher als geplant fertiggestellt wurde. Aufwand

Aufwandsabweichung

3

3

2

Plan Ist 1

2

Terminabweichung

100%

1 100%

Zeit

Abb. 1.63. Zeit-Aufwands-Kurve

Geht das Projektmanagement auf Grundlage der Termin- und Aufwandsbzw. Kostenkontrolle davon aus, dass ein Projekt nicht rechtzeitig oder zu höheren Kosten bzw. mit einem h¨ oheren Aufwand abgeschlossen wird, m¨ ussen geeignete Gegenmaßnahmen ergriffen werden. Wie wir in Abschnitt 1.4.2 gesehen haben, hängen der Aufwand eines Vorgangs und die resultierenden Kosten i.d.R. von der Dauer eines Vorgangs ab. Aufgabe ist es nun, die noch nicht abgeschlossenen Projektvorg¨ ange so zu beschleunigen oder zu verz¨ ogern, dass das Projekt rechtzeitig abgeschlossen werden kann und der resultierende Aufwand den geplanten Aufwand nicht u ¨bersteigt. Unterstellt man, wie in Abbildung 1.15 skizziert, einen u-f¨ ormigen Verlauf der Aufwands- bzw. Kostenfunktion in Abh¨ angigkeit von der Vorgangsdauer, so f¨ uhrt ausgehend von der aufwandsminimalen Vorgangsdauer die Beschleunigung eines Vorgangs zu einer Erhöhung des resultierenden Aufwands und umgekehrt. Dieses so genannte Time-Cost-Tradeoff-Problem ist Gegenstand von Kapitel 4 und wird dort ausf¨ uhrlich behandelt. Im Folgenden beschreiben wir aber eine sehr einfache Vorgehensweise, um die rechtzeitige Fertigstellung eines Projektes bei möglichst geringen Zusatzkosten zu erreichen. Ausgehend von den geplanten Vorgangsdauern wird die Vorgangsdauer eines kritischen und noch nicht ab-


113

geschlossenen Vorgangs um eine Zeiteinheit reduziert. Dazu wählen wir denjenigen Vorgang, dessen Beschleunigung zu den geringsten Zusatzkosten f¨ uhrt. Da sich der kritische Weg im Netzplan hierdurch ändern kann, bestimmen wir erneut den fr¨ uhesten Projektendtermin und den zugehörigen kritischen Weg. Diese Schritte werden solange wiederholt, bis das Projektende zum geplanten Zeitpunkt erreicht wird oder kein Vorgang mehr beschleunigt werden kann. Da eine Beschleunigung der Projektvorg¨ ange jedoch meist mit Zusatzkosten verbunden ist, kommt es im Zuge der geschilderten Vorgehensweise zu einer ¨ Uberschreitung der urspr¨ unglich geplanten Kosten. Das Projektmanagement muss daher geeignet zwischen der f¨ ur die Durchf¨ uhrung benötigten Zeit und den hieraus resultierenden Kosten abw¨ agen. 1.5.2 Projektr¨ uckschau Nach Abschluss eines Projektes sollte stets eine systematische Projektr¨ uckschau stattfinden. In dieser letzten Phase des Projektlebenszyklus wird zunächst die durch das Projekt erbrachte Leistung an den Auftraggeber u ¨bergeben. Insbesondere bei Produktentwicklungsprojekten findet an dieser Stelle ¨ eine u.U. recht umfangreiche Ubergabeprozedur statt, in der das entwickelte Produkt z.B. einige letzte Abnahmetests durchläuft. Im Anschluss findet eine Projektabschlussanalyse statt, die dazu dient, die im Rahmen des Projektes gewonnenen Erfahrungen f¨ ur das ausf¨ uhrende Unternehmen zu sichern. Wesentlicher Bestandteil einer Projektabschlussanalyse ist eine ausf¨ uhrliche Nachkalkulation des gesamten Projektes. Gr¨ oßen von besonderer Bedeutung sind hier z.B. die Vorgangsdauern und wichtige Projekttermine, die Aufwände und Kosten der einzelnen Vorg¨ ange sowie die Wirtschaftlichkeit des Projektes. Alle diese Gr¨ oßen werden dann den jeweiligen Ist-Werten gegen¨ ubergestellt und eventuelle Abweichungen werden auf ihre Ursachen und Auswirkungen hin untersucht. Die aus der Abweichungsanalyse gewonnenen Erkenntnisse und die wichtigsten Projektgr¨ oßen sollten dann in einer geeigneten Datenbank abgelegt werden, um bei zuk¨ unftigen Projekten auf diese Erfahrungswerte zur¨ uckgreifen zu k¨ onnen.

Weiterfu ¨ hrende Literatur Burghardt (1999) Burghardt (2000) Diethelm (2000) Diethelm (2001) Elmaghraby (1977) Lehner (2001) Litke (1995) Kerzner (2003) Klein (2000)

Maylor (2003) Moder et al. (1983) Neumann (1975) Neumann (1987) Neumann (1990) REFA (1974) Schwarze (2001) Streich et al. (1996) Turner (1999)

2 Projektplanung unter Zeitrestriktionen

F¨ ur die Ausf¨ uhrung eines Vorgangs werden in der Regel Zeit und Ressourcen ben¨ otigt. In Abschnitt 1.4.2 haben wir zwei unterschiedliche Arten von Ressourcen kennengelernt, von denen wir in diesem Kapitel nur die erneuerbaren Ressourcen betrachten, wie z.B. Maschinen oder Mitarbeiter.1 Wir nehmen an, dass die ben¨ otigten Ressourcen in ausreichender“ Menge zur Verf¨ ugung ” stehen, d.h. der kumulierte Ressourcenbedarf aller simultan ausf¨ uhrbaren Vorg¨ ange ist geringer als die vorhandene Ressourcenkapazität. Folglich stellen die gegebenen Kapazit¨ aten der ben¨ otigten Ressourcen keine Einschränkungen dar, m¨ ussen aber gegebenenfalls bei einer zielgerichteten Terminierung der Vorg¨ ange ber¨ ucksichtigt werden. Wir betrachten im Folgenden das Problem der Projektplanung unter Zeitrestriktionen, wobei die Terminierung der Projektvorgänge unter Beachtung der durch einen MPM-Netzplan gegebenen Zeitbeziehungen erfolgt. Dabei gehen wir, wenn nichts anderes gesagt wird, immer von allgemeinen Zeitbeziehungen in Form von Mindest- und H¨ ochstabständen vom Typ Start–Start aus. Aufgabe der Projektplanung unter Zeitrestriktionen ist die Terminierung der Vorg¨ ange eines gegebenen Projektes, so dass ein vorgegebenes projektbezogenes Ziel (vgl. Abschnitt 1.3.3) bestm¨ oglich erf¨ ullt wird und gleichzeitig die Startzeitpunkte der Vorg¨ ange die vorgegebenen Zeitbeziehungen einhalten. In Abschnitt 2.1 stellen wir zun¨ achst eine mathematische Modellformulierung des Projektplanungsproblems unter Zeitrestriktionen vor. In Abschnitt 2.1.1 formulieren wir dann f¨ ur praxisrelevante Ziele eine geeignete mathematische Zielfunktion. F¨ ur lineare Zielfunktionen stellt das entsprechende Optimierungsproblem ein lineares Programm (LP) dar. F¨ ur nichtlineare Zielfunktion zeigen wir in den Abschnitten 2.1.2 und 2.1.3, wie sich das resultierende nichtlineare Optimierungsproblem in ein LP bzw. mit Hilfe einer zeitindexbasierten Formulierung in ein gemischt-ganzzahliges lineares Programm (MIP) u uhren l¨ asst. In Abschnitt 2.1.4 beschreiben wir den ¨berf¨ 1

Auf die Betrachtung nicht-erneuerbarer Ressourcen, wird aus den in Abschnitt 1.4.2 genannten Gr¨ unden verzichtet.

116


zul¨ assigen Bereich des Projektplanungsproblems unter Zeitrestriktionen. Im Anschluss geben wir f¨ ur die behandelten Zielfunktionen so genannte ausgezeichnete Punkte des zul¨ assigen Bereichs an, die potentielle Kandidaten f¨ ur eine optimale L¨ osung darstellen (vgl. Abschnitt 2.1.5). In Abschnitt 2.2 stellen wir exakte L¨ osungsverfahren vor. Diese bestimmen in Abh¨ angigkeit von der betrachteten Zielfunktion unter den jeweiligen ausgezeichneten Punkten eine optimale L¨ osung. Da die Bestimmung einer optimalen L¨ osung f¨ ur einzelne Zielfunktionen sehr aufwändig ist, diskutieren wir in Abschnitt 2.3 ein heuristisches L¨ osungsverfahren, das eine Näherungslösung f¨ ur das jeweils zugrunde liegende Problem erzeugt. Abschließend wird in Abschnitt 2.4 ein Anwendungsbeispiel f¨ ur die Projektplanung unter Zeitrestriktionen behandelt.

2.1 Problemformulierung Bei der Terminierung der Vorg¨ ange i ∈ V eines Projektes unter Beachtung vorgegebener Mindest- und H¨ ochstabst¨ ande sind den Vorgängen i = ur jeden Pfeil i, j ∈ E 0, 1, . . . , n + 1 Startzeitpunkte Si zuzuordnen, so dass f¨ eine Zeitbeziehung der Form Sj − Si ≥ δij , eingehalten wird. Gesucht wird ein Vektor von Startzeitpunkten S = (S0 , S1 , . . . , Sn+1 ), der eine vorgegebene Zielfunktion f (S), f : Rn+2 ≥0 → R, optimiert, und alle durch den Projektnetzplan vorgegebenen Zeitbeziehungen einh¨ alt. Wie in Abschnitt 1.4.3 gehen wir davon aus, dass zur Einhaltung einer vorgegebenen maximalen Projektdauer d ein Pfeil n + 1, 0 mit der Bewertung δn+1,0 = −d in der Pfeilmenge E des Netzplans enthalten ist. Definition 2.1 (Zeitzul¨ assiger Schedule). Ein Vektor von Startzeitpunkur alle Vorgänge ten S = (S0 , S1 , . . . , Sn+1 ) mit S0 = 0 und Si ∈ R≥0 f¨ i ∈ V \{0} eines Projektes wird Schedule genannt. Einen Schedule, der zusätzur alle i, j ∈ E erf¨ ullt, bezeichnen lich die Zeitbeziehungen Sj − Si ≥ δij f¨ wir als zeitzul¨ assig. Zur Darstellung von Schedules haben sich in der Literatur zur Projektplanung so genannte Gantt-Charts etabliert. Jeder reale Vorgang (Vorgang mit positiver Dauer) wird dabei als Rechteck u ¨ber der Zeitachse dargestellt, wobei die L¨ ange des Rechtecks der Dauer des jeweiligen Vorgangs entspricht. An der Lage des Rechtecks u ¨ber der Zeitachse kann abgelesen werden, wann der zugeh¨ orige Vorgang beginnt bzw. endet. Fiktive Vorgänge wie der Projektstart, das Projektende und Meilensteine werden nicht in einen Gantt-Chart aufgenommen, da sie eine Dauer von 0 besitzen. Beispiel 2.2. Wir betrachten das in Abbildung 2.1 dargestellte Projekt mit vier realen Vorgängen. Die Einhaltung der maximalen Projektdauer d = 6

2.1 Problemformulierung

117

0

0

2 1 -1 -? 2 1 @ -2

0 0

@1 @ 0 R @ -

1

@

-6 2

@0 @ 3 R @ 3

5

Legende: pj pi δij - j i

1 4 4

Abb. 2.1. Projektnetzplan mit vier realen Vorg¨ angen

wird durch den Pfeil 5, 0 mit δ50 = −6 im Projektnetzplan gew¨ ahrleistet. F¨ ur den zeitzul¨ assigen Schedule S = (0, 0, 2, 0, 4, 6) erhalten wir den in Abbildung 2.2 dargestellten Gantt-Chart. 4 3 2

- t

1 0

1

2

3

4

5

6

Abb. 2.2. Gantt-Chart f¨ ur Schedule S

Gantt-Charts geben weder Auskunft u ¨ber die Ressourceninanspruchnahme der einzelnen Projektvorg¨ ange noch u ¨ber den gesamten Ressourcenbedarf eines Projektes. Hierf¨ ur eignen sich so genannte Ressourcenprofile, die angeben, wie viele Einheiten jeder ben¨ otigten Ressource zu einem Zeitpunkt t ∈ [0, d] in Anspruch genommen werden. Seien R die Menge der erneuerbaren Ressourcen, die f¨ ur die Projektdurchf¨ uhrung benötigt werden, und rik die Ressourceninanspruchnahme von Vorgang i ∈ V an Ressource k ∈ R, wobei wir davon ausgehen, dass die Resahrend der gesamten Ausf¨ uhrungszeit pi von sourceninanspruchnahme rik w¨ Vorgang i konstant ist. F¨ ur fiktive Vorg¨ ange j ∈ V gilt rjk := 0. Ein Vorgang i wird im Ressourcenprofil der Ressource k als Rechteck mit einer Breite von ohe von rik Ressourceneinheiten dargestellt. In pi Zeiteinheiten und einer H¨ Abbildung 2.3 skizzieren wir ein Ressourcenprofil f¨ ur zwei Vorg¨ ange, welches der fett eingezeichneten Treppenfunktion entspricht. Um zu gew¨ ahrleisten, dass zwei direkt hintereinander ausf¨ uhrbare Vorg¨ ange nicht um eine Ressource konkurrieren, nehmen wir an, dass ein Vorgang die von ihm ben¨ otigten Ressourcen zu seinem Startzeitpunkt in Anspruch nimmt und unmittelbar vor seinem Endzeitpunkt wieder freigibt. Man kann sich gewissermaßen vorstellen, dass Vorgang i zum Zeitpunkt Sj die von ihm belegten Ressourcen

118


sofort in der ben¨ otigten H¨ ohe an Vorgang j u ¨bergibt. Dies ist in Abbildung 2.3 durch den leeren und den ausgef¨ ullten Kreis an den Sprungstellen des Ressourcenprofils kenntlich gemacht, wobei der ausgef¨ ullte Kreis den Funktionswert an einer Sprungstelle symbolisiert.

6

r

rik

r

? qr

0

Si

pi

- b r

Vorgang i

pj

Vorgang j

-

b

6 rjk r ?

Sj

-t

d

Abb. 2.3. Vorg¨ ange mit Ressourcenbedarf an Ressource k ∈ R

F¨ ur einen gegebenen Schedule S bezeichne A(S, t) := {i ∈ V |Si ≤ t < Si + pi } die Menge der realen Vorg¨ ange i ∈ V , die sich zum Zeitpunkt t in Ausf¨ uhrung befinden (auch aktive Menge genannt).2 Ferner sei rk (S, t) := rik i∈A(S,t)

die gesamte Menge an Ressource k ∈ R, die zum Zeitpunkt t zur Ausf¨ uhrung aller Vorgänge i ∈ A(S, t) ben¨ otigt wird. Das Ressourcenprofil f¨ ur einen gegebenen Schedule S und eine Ressource k ∈ R stellt somit eine rechtsseitig stetige Treppenfunktion rk (S, ·) : [0, d] → R≥0 dar.

Beispiel 2.3. Wir betrachten das Projekt aus Abbildung 2.1 und nehmen an, dass zur Ausf¨ uhrung der einzelnen Vorg¨ ange zwei erneuerbare Ressourcen benötigt werden. Abbildung 2.4 zeigt den entsprechend erweiterten Projektnetzplan, wobei unterhalb der Vorg¨ ange die Ressourceninanspruchnahme des betreffenden Vorgangs an den Ressourcen 1 und 2 angegeben ist. F¨ ur den zeitzul¨ assigen Schedule S = (0, 0, 2, 0, 4, 6) erhalten wir die in Abbildung 2.5 dargestellten Ressourcenprofile. Nachfolgend geben wir eine allgemeine mathematische Formulierung des Projektplanungsproblems unter Zeitrestriktionen f¨ ur eine noch zu spezifizierende Zielfunktion f (S) an: ⎫ Minimiere f (S) ⎪ ⎪ ⎪ u.d.N. Sj − Si ≥ δij (i, j ∈ E) ⎪ ⎬ S0 = 0 (2.1) ⎪ ⎪ (i ∈ V ) Si ≥ 0 ⎪ ⎪ ⎭ Sn+1 ≤ d. 2

Die Menge A(S, t) enth¨ alt nur Vorg¨ ange i ∈ V mit positiver Dauer (pi > 0), d.h. es sind keine fiktiven Vorg¨ ange wie Projektstart, Projektende oder Meilensteine in A(S, t) enthalten.


119

0 2 1 -1 -? 2 1 @ 1,2 -2 1,1

0 0 0 0,0 @

@1 @ 0 R @ 5 0,0

1 -6

Legende: pj pi δij j i rj1 , rj2 ri1 , ri2

2

@0 @ 3 R @ 3

1 4 4 3,1

1,1

Abb. 2.4. Projektnetzplan mit zwei erneuerbaren Ressourcen r2 (S, t)

r1 (S, t)

6 2

rq

r 1

1

rq

r

3

r rq

r

rq 2

1

qr

r 2

3 2

3

6 r rq

2

1

4 1

5

r

6

rq

r

rq 2

1

qr

r 4

2

3

-t

r 4

3

2

3

4

-t

r 5

6

Abb. 2.5. Ressourcenprofile f¨ ur Schedule S

Dabei nehmen wir o.B.d.A. an, dass die Zielfunktion f (S) zu minimieren ist. assigen Schedules entspricht dem zulässigen Bereich Die Menge ST aller zeitzul¨ des Projektplanungsproblems, den wir im Folgenden als zeitzul¨ assigen Bereich bezeichnen. Die Nebenbedingungen von (2.1) gewährleisten, dass die vorgegebenen Zeitbeziehungen eingehalten werden, das Projekt zum Zeitpunkt 0 startet, die Startzeitpunkte aller Vorg¨ ange nichtnegativ sind und die maximale Projektdauer d nicht u ¨berschritten wird. Es sei angemerkt, dass die Bedingunur alle i ∈ V redundant sind, da wir S0 := 0 setzen und f¨ ur einen gen Si ≥ 0 f¨ wohldefinierten MPM-Netzplan gilt, dass kein Vorgang vor dem Projektstart begonnen werden darf (vgl. Vereinbarung 1.13). Ebenso ist die Nebenbedingung Sn+1 ≤ d redundant, weil S0 := 0 gilt und wir davon ausgehen, dass ein Netzplan stets einen Pfeil n + 1, 0 mit der Bewertung δn+1,0 = −d enthält. Die Bestimmung eines beliebigen zeitzul¨ assigen Schedules entspricht der L¨ osung des linearen Ungleichungssystems, das den zeitzulässigen Bereich von Problem (2.1) definiert. Es existiert genau dann mindestens ein zeitzulässiger Schedule f¨ ur ein Projekt, wenn der zugeh¨ orige Projektnetzplan keinen Zyklus positiver Länge enth¨ alt, wovon wir im Folgenden stets ausgehen.

120


2.1.1 Zielfunktionen In Abschnitt 1.3.3 haben wir eine Reihe praxisrelevanter Ziele f¨ ur die Projektplanung vorgestellt. Im Folgenden erl¨ autern wir zugehörige aus der Literatur bekannte Zielfunktionen f : Rn+2 ≥0 → R. Alle betrachteten Zielfunktionen ordnen einem Schedule S ∈ ST einen Zielfunktionswert f (S) ∈ R zu. Wir unterscheiden im Weiteren nach der Dimension (Maßeinheit) des Zielfunktionswertes zwischen zeitbezogenen, monet¨ aren und ressourcenabhängigen Zielen. Zu den zeitbezogenen Zielen geh¨ oren die Minimierung der Projektdauer, die Minimierung der mittleren Durchlaufzeit sowie die Minimierung der Summe gewichteter Startzeitpunkte. Ziel der Projektdauerminimierung ist es, die Projektvorgänge so zu teroglichst fr¨ uh eintritt. Dieses Ziel wird minieren, dass das Projektende Sn+1 m¨ oft bei kleinen Projekten gew¨ ahlt, da dort im Allgemeinen die Zahlungsvereinbarungen vorsehen, dass ein großer Teil der Projektzahlungen erst zum Projektende geleistet wird (vgl. Abschnitt 1.2.1). Eine kurze Projektdauer f¨ uhrt somit zu einer Reduzierung der Kapitalbindungskosten. Weiterhin wird bei der Minimierung der Projektdauer die Gefahr einer Termin¨ uberschreitung und damit verbundener Konventionalstrafen verringert. Als Zielfunktion der Projektdauerminimierung ergibt sich f (S) = Sn+1 .

(PD)

Bei der Minimierung der mittleren Durchlaufzeit (mean flow time) ist der Zeitpunkt zu minimieren, zu dem im Mittel alle Vorgänge beendet werden. Daher m¨ ussen alle Vorg¨ ange i ∈ V so fr¨ uh wie möglich eingeplant werden. Die damit verbundene fr¨ uhzeitige Auslastung der Ressourcenkapazitäten f¨ uhrt im Umkehrschluss dazu, dass die in Anspruch genommenen Ressourcen so fr¨ uh wie m¨ oglich wieder f¨ ur andere Projekte zur Verf¨ ugung stehen. Weiterhin besteht die M¨ oglichkeit, dass Projekte, bei denen aufgrund von Störungen des Projektablaufs einzelne Vorg¨ ange verz¨ ogert werden m¨ ussen, noch ohne Termin¨ uberschreitungen ausgef¨ uhrt werden k¨ onnen. F¨ ur die Minimierung der mittleren Durchlaufzeit ergibt sich die Zielfunktion f (S) =

1 (Si + pi ). n+2

(MFT )

i∈V

In praktischen Anwendungen ist z.B. aufgrund technischer Risiken (vgl. uh Abschnitt 1.2.4) h¨ aufig eine Teilmenge V ⊆ V von Vorgängen möglichst fr¨ einzuplanen. Andere Vorg¨ ange V ⊆ V \ V hingegen sollen möglichst spät durchgef¨ uhrt werden, beispielsweise weil f¨ ur Endprodukte, die im Rahmen solcher Vorg¨ ange hergestellt werden, hohe Lagerungskosten anfallen. In einem solchen Fall betrachten wir das Ziel der Minimierung der Summe gewichteter Startzeitpunkte (weighted start times) aller Vorgänge. Jeder Vorgang i ∈ alt dabei ein positives Gewicht wi ∈ R>0 , jeder Vorgang j ∈ V ein V erh¨


121

negatives Gewicht wj ∈ R Yk . Betrachten wir dazu das Ressourcenprofil in Abbildung 2.6. F¨ ur den gegebenen Schedule S = (0, 0, 1, 2, 5) ur alle Zeitpunkte t ∈ [1, 2[ größer ist die Ressourceninanspruchnahme rk (S, t) f¨ als das Ressourcenniveau Yk = 2, das als waagerechte Linie in das Ressour¨ cenprofil eingezeichnet ist. Demzufolge fallen Uberschreitungskosten an. rk (S, t)

6 3

r

rq Yk

2 1

rq

r

2

qr

r 3

1 1

2

3

-t

r 4

5

6

Abb. 2.6. Ressourcenprofil

Es ergibt sich die Zielfunktion f¨ ur das Ressourcenabweichungsproblem (resource deviation problem) zu D [rk (S, t) − Yk ]+ dt. (RD) f (S) = ck k∈R

t∈[0,d]


123

Zu den ressourcenabh¨ angigen Zielen geh¨ oren Ziele der Ressourcennivellierung (resource levelling). Dabei ist die gleichmäßige Auslastung der Ressourcen k ∈ R im Zeitintervall [0, d] zu erreichen. Bei einigen industriellen Anla¨ der Betriebsintensit¨ at der Anlage mitunter zu hohen gen f¨ uhrt eine Anderung Anpassungskosten, z.B. bei Hoch¨ ofen. Ferner f¨ uhrt ein Wechsel der jeweiligen Betriebsstufe einer Anlage h¨ aufig dazu, dass während der nachfolgenden Anlaufphase vermehrt Produkte minderer Qualit¨ at produziert werden und der Ausschuss somit zunimmt. Dabei haben die geschilderten Effekte einer solchen Intensit¨ atsanpassung meist umso gr¨ oßere Auswirkungen, je größer der Wechsel in der Betriebsintensit¨ at ist. Aus diesen Gr¨ unden ist man in der Praxis häufig daran interessiert, ausgew¨ ahlte Ressourcen gleichmäßig u ¨ber die Zeit zu belasten und hohe Ressourceninanspruchnahmen stärker zu bestrafen als geringe. Als Zielfunktion f¨ ur ein solches Problem der Ressourcennivellierung ergibt sich z.B. rk2 (S, t) dt. (RL) f (S) = k∈R t∈[0,d]

Beispiel 2.4. Betrachten wir den in Abbildung 2.7 dargestellten Projektnetzplan mit vier realen Vorg¨ angen und einer erneuerbaren Ressource. Die Einhaltung der maximalen Projektdauer d = 6 wird durch den Pfeil 5, 0 mit der ahrleistet. Da wir nur eine ResBewertung δ50 = −6 im Projektnetzplan gew¨ source betrachten, kann der Index f¨ ur die Ressource k ∈ R in den folgenden Ausf¨ uhrungen entfallen. F¨ ur den zeitzul¨ assigen Schedule S = (0, 3, 5, 0, 4, 6) ergibt sich das in Abbildung 2.8 dargestellte Ressourcenprofil. 0

0

1 1 -1 -? 2 1 @ -2 2 1 @1

@

0 0 0 @

1 -6

@0

2

@

3

@ R 3 @ 1

4

0 @ R @ 5 0

Legende:

1

pi

3

i ri

- 4

δij

pj

- j

rj

Abb. 2.7. Netzplan mit einer erneuerbaren Ressource

Die Zielfunktionswerte f (S) f¨ ur Schedule S = (0, 3, 5, 0, 4, 6) und die eingef¨ uhrten Zielfunktionen ergeben sich nun wie folgt. F¨ ur die Zielfunktion der Projektdauerminimierung (PD) gilt f (S) = S5 = 6

124

2 Projektplanung unter Zeitrestriktionen r(S, t)

r

6

rq r

2

r

qr

rq

4 2

1

3 2

r 4

-t

6

Abb. 2.8. Ressourcenprofil f¨ ur Schedule S = (0, 3, 5, 0, 4, 6)

und f¨ ur die Zielfunktion der Minimierung der mittleren Durchlaufzeit (MFT ) erhalten wir 24 1 = 4. f (S) = (0 + 4 + 6 + 3 + 5 + 6) = 6 6 Die Zielfunktionswerte der u origen Para¨brigen Zielfunktionen mit den zugeh¨ metern sind in Tabelle 2.1 angegeben. Tabelle 2.1. Zielfunktionswerte f¨ ur Schedule S = (0, 3, 5, 0, 4, 6) Zielfunktion Parameter (WST ) (E + T ) (NPV ) (RI ) (RD) (RL)

f (S)

wi = 1 f¨ ur i = 0, . . . , 5 18 d0 = 0, d1 = 5, d2 = 5, d3 = 3, d4 = 5, d5 = 6 T E T ur i = 1, . . . , 5 2 cE 0 = c0 = 0, ci = ci = 1 f¨ F ur i = 0, . . . , 5; β = 0, 9 −4,51 ci = 1 f¨ 15 cP = 5 3 cD = 1, Y = 1 17

In der Praxis h¨ angt die verwendete Zielfunktion meist vom Planungshorizont des zugrunde liegenden Projektplanungsproblems ab (vgl. Abschnitt 1.3.3). Tabelle 2.2 zeigt eine gel¨ aufige Klassifizierung der Zielfunktionen in Abh¨ angigkeit vom Planungshorizont (lang-, mittel- und kurzfristig) auf. Tabelle 2.2. Ziele in Abh¨ angigkeit vom Planungshorizont langfristig

mittelfristig

Planungshorizont 1 – 5 Jahre 1 – 12 Monate Periodenl¨ ange 1 Woche – 1 Monat 1 Tag – 1 Woche Zielfunktionen (NPV ) (RI ), (RD), (RL)

kurzfristig 1 – 30 Tage 1 Stunde – 1 Schicht (PD), (MFT ), (WST ), (E + T )

Besitzt ein Projektnetzplan keinen Zyklus positiver L¨ ange, so existiert, wie bereits gesagt, immer eine zeitzul¨ assige L¨ osung f¨ ur Problem (2.1). Da es


125

sich bei den Zielfunktionen (PD), (MFT ), (WST ), (E + T ), (NPV ), (RD) und (RL) um stetige Funktionen handelt und der zeitzulässige Bereich ST abgeschlossen und beschr¨ ankt ist, existiert nach dem Satz von Weierstrass f¨ ur diese Zielfunktionen immer auch eine optimale Lösung auf ST ; vgl. hierzu bspw. (Zeidler, 2003, S. 251). Des Weiteren ist die Zielfunktion (RI ) stetig ur mindestens ein Paar i, j ∈ auf Rn+2 ≥0 bis auf alle Schedules S mit Si −Sj = pi f¨ ur alle S , die in einer V . An den Unstetigkeitsstellen gilt, dass f (S) ≤ f (S ) f¨ offenen ε-Umgebung von S liegen, d.h. die Funktion ist unterhalb-halbstetig. Betrachten wir dazu das Ressourcenprofil in Abbildung 2.9. Wird Vorgang 2 ullt. verz¨ ogert, so ist f¨ ur Schedule S = (0, 1, 4, 6) die Bedingung S1 −S2 = 3 erf¨ F¨ ur die Zielfunktion (RI ) ergibt sich an der Stelle S2 = 4 eine Unstetigkeit, ur alle S , die in einer offenen ε-Umgebung von S es gilt aber f (S) ≤ f (S ) f¨ liegen. r(S, t)

f (S2 )

6

r

2

r

1

r

qb 1

qb 1

2

2

r 3

6

bq -

4

qb r

2 5

-t 6

- S2 4

( ) ε-Umgebung

Abb. 2.9. Unterhalb-halbstetige Funktion (RI )

Allgemein sind unterhalb-halbstetige Funktionen wie folgt definiert. Definition 2.5 (Unterhalb-halbstetige Funktion). Eine Funktion f : n+2 Rn+2 → R wird unterhalb-halbstetig genannt, wenn f¨ ur alle S, S ∈ R≥0 ≥0 gilt, dass f (S) ≤ lim inf S →S f (S ). Genau wie f¨ ur stetige Funktionen gilt auch f¨ ur unterhalb-halbstetige Funktionen, dass sie auf einem abgeschlossenen und beschr¨ ankten Bereich ihr Minimum annehmen; vgl. hierzu bspw. (Heuser, 1998, S. 242). Korollar 2.6. F¨ ur Problem (2.1) existiert f¨ ur alle stetigen bzw. unterhalbosung. halbstetigen Zielfunktionen im Fall ST = ∅ eine optimale L¨ In den beiden folgenden Abschnitten geben wir an, wie sich Problem (2.1) f¨ ur die nichtlinearen Zielfunktionen (E + T ), (NPV ), (RI ), (RD) und (RL) als lineares Programm (LP) oder gemischt-ganzzahliges lineares Programm (MIP) formulieren und somit prinzipiell mit Hilfe geeigneter Standardsoftware (bspw. CPLEX oder Excel Solver) l¨ osen l¨ asst.3 3

Eine Einf¨ uhrung in die lineare Programmierung findet man z.B. in (Domschke und Drexl, 2005) oder (Neumann und Morlock, 2002).

126


2.1.2 Lineare Modelle F¨ ur die Zielfunktionen (PD), (MFT ) und (WST ) stellt Problem (2.1) ein lineares Optimierungsproblem dar. Ein optimaler Schedule kann f¨ ur diese Probleme bei ganzzahligen Eingabedaten in polynomialer Zeit bestimmt werden.4 In diesem Abschnitt zeigen wir, dass auch das Earliness-Tardiness-Problem und das Kapitalwertmaximierungsproblem in lineare Optimierungsprobleme (LP) transformiert werden k¨ onnen und damit ebenfalls effizient lösbar sind. Beim Earliness-Tardiness-Problem (Problem (2.1) mit Zielfunktion (E + T )) handelt es sich um ein nichtlineares Optimierungsproblem mit linearen Nebenbedingungen und nichtlinearer Zielfunktion. Die Earliness-TardinessZielfunktion + T + cE f (S) = i (di − Si − pi ) + ci (Si + pi − di ) i∈V

kann durch die Einf¨ uhrung von Hilfsvariablen ei ≥ 0 f¨ ur die Verfr¨ uhung und li ≥ 0 f¨ ur die Versp¨ atung eines Vorgangs i ∈ V linearisiert werden. Unter Verwendung dieser Hilfsvariablen k¨ onnen wir das folgende lineare Programm formulieren T cE Minimiere i ei + ci li i∈V

u.d.N.

ei ≥ di − Si − pi li ≥ S i + pi − d i ei ≥ 0 li ≥ 0 Sj − Si ≥ δij S0 = 0.

(i ∈ V ) (i ∈ V ) (i ∈ V ) (i ∈ V ) (i, j ∈ E)

Die beschriebene Linearisierung f¨ uhrt zu einer Zunahme der Anzahl von Entscheidungsvariablen und Nebenbedingungen. Da f¨ ur jeden Vorgang i ∈ V uhrt wurden, erhöht sich die Anzahl der zus¨ atzliche Variablen ei und li eingef¨ Entscheidungsvariablen von |V | = n + 2 auf 3|V | = 3n + 6. Die Anzahl der Nebenbedingungen erh¨ oht sich um 4|V |. Das folgende Beispiel veranschaulicht die Linearisierung des Earliness-Tardiness-Problems anhand einer Probleminstanz. 4

Ein Optimierungsproblem heißt in der Komplexit¨ atstheorie in polynomialer Zeit ” l¨ osbar“, wenn ein L¨ osungsalgorithmus f¨ ur das betrachtete Problem existiert, f¨ ur den der zeitliche Aufwand zur L¨ osung des Problems durch ein Polynom in Abh¨ angigkeit von der Problemgr¨ oße nach oben beschr¨ ankt ist. Unter Optimierungsgesichtspunkten werden Probleme, die sich in polynomialer Zeit l¨ osen lassen, als einfache“ Probleme erachtet. F¨ ur eine Einf¨ uhrung in die Komplexit¨ atstheo” rie verweisen wir bspw. auf (Bachem, 1980). Eine umfassende Darstellung des Themas findet sich in (Garey und Johnson, 1979).


127

Beispiel 2.7. Wir betrachten den in Abbildung 2.10 dargestellten Projektnetzplan mit einer maximalen Projektdauer von d = 6. Die Knoten des Netzalligkeitsterminen di der einzelnen plans sind mit den Dauern pi und den F¨ Vorg¨ ange i ∈ V bewertet. 1 1 4 4 @ 1 @

0 0 0

-6

0 R 2 @ 6

Legende: pj pi δij j i di dj

Abb. 2.10. Netzplan

F¨ ur die Vorgänge i = 1, 2 sollen die vorgegebenen F¨ alligkeitstermine di weder unter- noch u uhungs- und Versp¨ atungskosten ¨berschritten werden. Die Verfr¨ T E T ur i = 1, 2. Mit Hilfe dieser Parameseien cE 0 = c0 := 0 und ci = ci := 1 f¨ ter lässt sich die Probleminstanz aus Abbildung 2.10 wie folgt als EarlinessTardiness-Problem formulieren Minimiere f (S) = (3 − S1 )+ + (S1 − 3)+ + (6 − S2 )+ + (S2 − 6)+ u.d.N. S1 − S0 ≥ 4 S2 − S1 ≥ 1 S0 − S2 ≥ −6 S0 = 0. ur i = 0, 1, 2 ergibt sich daraus Durch Einf¨ uhrung der Hilfsvariablen ei und li f¨ das folgende LP Minimiere f (S) = e1 + l1 + e2 + l2 u.d.N. e1 ≥ 3 − S1 e2 ≥ 6 − S2 l1 ≥ S 1 − 3 l2 ≥ S 2 − 6 S1 − S0 ≥ 4 S2 − S1 ≥ 1 S0 − S2 ≥ −6 S0 = 0 (i = 0, 1, 2) ei ≥ 0 (i = 0, 1, 2). li ≥ 0 Anstelle von 3 Entscheidungsvariablen ben¨ otigen wir f¨ ur die LP-Formulierung 9 Entscheidungsvariablen und anstelle von 4 Nebenbedingungen ergeben sich 14 Nebenbedingungen, wobei wir die beiden redundanten Restriktionen e0 ≥ assigt haben. Der optimale Zielfunktionswert 0 − S0 und l0 ≥ S0 − 0 vernachl¨ wird f¨ ur e0 ≥ 0, e1 = 0, e2 = 0, l0 ≥ 0, l1 = 1, l2 = 0 bzw. S = (0, 4, 6) angenommen.

128


Beim Problem der Kapitalwertmaximierung mit der Zielfunktion (NPV ) ⎫ Si Maximiere f (S) = i∈V cF ⎬ i β u.d.N. Sj − Si ≥ δij (i, j ∈ E) (2.2) ⎭ S0 = 0 handelt es sich ebenfalls um ein Optimierungsproblem mit nichtlinearer Zielfunktion und linearen Nebenbedingungen. F¨ ur den Diskontfaktor β Si = 1 wird in der Literatur h¨ aufig auch die Darstellung e−αSi verwendet. Bei (1+r)Si gegebenem Kalkulationszinsfuß r ≥ 0 kann α durch α = ln(1 + r) bestimmt werden. Problem (2.2) l¨ asst sich in ein a ¨quivalentes lineares Programm transformieren, indem wir yi := e−αSi und Kij := eαδij setzen. Dabei ist yi = e−αSi i) aquivalent zu Si = − ln(y ¨ α . Aus unserer Vereinbarung, dass das Projekt immer zum Zeitpunkt 0 gestartet wird, folgt S0 = 0 ⇔ −

ln(y0 ) = 0 ⇔ y0 = 1. α

Da die nat¨ urliche Logarithmusfunktion monoton wachsend ist, können die Zeitbeziehungen wie folgt transformiert werden: Sj − S i ⇔

ln(y ) − αj

≥ δij +

ln(yi ) α

≥ δij

⇔ ln(yi ) − ln(yj ) ≥ αδij = ln(Kij ) ⇔ ln( yyji )

≥ ln(Kij )

⇔

≥ Kij

yi yj

⇔0

≥ yj Kij − yi .

Insgesamt erhalten wir das lineare Programm5 Maximiere cF i yi i∈V

u.d.N.

5

yj Kij − yi ≤ 0 y0 = 1.

(i, j ∈ E)

Anders als bei Earliness-Tardiness-Problemen f¨ uhrt die Linearisierung bei der Kapitalwertmaximierung nicht zu zus¨ atzlichen Entscheidungsvariablen und Nebenbedingungen. Aber auch wenn die urspr¨ unglichen Zielfunktionskoeffizienten ande δij alle ganzzahlig sind, ergibt sich durch die SubstitucF i und die Zeitabst¨ tion eine Koeffizientenmatrix mit Eintr¨ agen, die weder ganzzahlig noch rational sind, so dass das entsprechende LP in der Regel nicht mehr in polynomialer Zeit l¨ osbar ist.


129

2.1.3 Zeitindexbasierte Modelle Projektplanungsprobleme mit den Zielfunktionen (RI ), (RD) und (RL) lassen sich nicht als lineare Programme formulieren. Mit Hilfe einer geeigneten Diskretisierung der Zeit lassen sie sich aber zumindest als gemischt-ganzzahlige lineare Programme (MIP) beschreiben (Pritsker et al., 1969). Dazu nehmen wir an, dass der Planungszeitraum [0, d] in d Zeitintervalle (Perioden) ange i ∈ V nur [0, 1[, [1, 2[, . . . , [d − 2, d − 1[, [d − 1, d] zerlegt wird und die Vorg¨ zu Beginn eines dieser Zeitintervalle, d.h. zu den (diskreten) Startzeitpunkten onnen. Diese Annahme t = 0, 1, . . . , d − 1, sowie zum Zeitpunkt t = d starten k¨ ist i.d.R. nicht einschr¨ ankend, da unter der Prämisse, dass die Vorgangsdauern und Zeitabst¨ ande des zugrunde liegenden Netzplans ganzzahlig sind, f¨ ur das zugrunde liegende Problem stets eine optimale L¨ osung mit ganzzahligen ur alle i ∈ V existiert. Startzeitpunkten Si ∈ {0, 1, . . . , d} f¨ Bezeichne Wi = [ES i , LS i ] das Zeitfenster, in dem Vorgang i ∈ V unter Beachtung der zugrunde liegenden Zeitbeziehungen starten kann, dann entspricht W i = {ES i , ES i + 1, . . . , LS i } ⊆ {0, 1, . . . , d} der Menge der zugehörigen diskreten Startzeitpunkte. Anstelle der Entscheidungsvariablen Si können wir dann eine Menge von bin¨ aren Entscheidungsvariablen xit (t ∈ W i ) f¨ ur jeden Vorgang i ∈ V verwenden. xit sei genau dann 1, wenn Vorgang i ∈ V zum Zeitpunkt t ∈ W i startet, d.h. 1 falls t = Si xit = (2.3) 0 sonst.

ur den Da ein Projekt stets zum Zeitpunkt 0 startet, d.h. S0 = 0, ergibt sich f¨ Projektstart x00 = 1. Der Vektor x = (x00 , x1ES 1 , . . . , x1LS 1 , x2ES 2 , . . . , arvariablen zusammen. xn+1,LSn+1 )T fasst alle auftretenden Bin¨ Mit den Nebenbedingungen xit = 1 (i ∈ V ) (2.4) t∈W i

stellen wir sicher, dass jeder Vorgang eines Projektes genau einmal gestartet wird. Um die Einhaltung der vorgegebenen Zeitbeziehungen im Projekt zu gewährleisten, f¨ uhren wir zun¨ achst den Ausdruck t∈W i txit ein. Dieser entspricht f¨ ur einen Vorgang i ∈ V genau dann Si , wenn i zum Zeitpunkt ochstabst¨ ande ergeben sich t = Si startet. Zur Einhaltung der Mindest- und H¨ somit die Nebenbedingungen txit ≥ δij (i, j ∈ E). (2.5) txjt − t∈W j

t∈W i

Betrachten wir das Ressourceninvestmentproblem mit Zielfunktion cP f (S) = k max rk (S, t) , k∈R

t∈[0,d]

130


bei dem f¨ ur jede Ressource k ∈ R die maximale Ressourceninanspruchnahme u ur jede Ein¨ber die Zeit zu minimieren ist und Bereitstellungskosten cP k f¨ heit einer Ressource k zu ber¨ ucksichtigen sind. Zunächst gilt es, den Term arvariablen xit (i ∈ V, t ∈ W i ) ausrk (S, t) = i∈A(S,t) rik mit Hilfe der Bin¨ zudr¨ ucken. Ein Vorgang i ∈ V ist genau dann zum Zeitpunkt t in Ausf¨ uhrung, falls er nicht nach t und h¨ ochstens pi − 1 Zeiteinheiten vor t startet, wobei die Subtraktion von 1 der Freigabe der betrachteten Ressource am Ende des Vorgangs Rechnung agt. Ist ein Vorgang i zum Zeitpunkt t in Ausf¨ uhrung, t tr¨ ullt sein. F¨ ur gegebenes x entspricht dann muss also τ =t−pi +1 xiτ = 1 erf¨

t

rik

xiτ

τ =t−pi +1

i∈V

gerade der gesamten Inanspruchnahme der Ressource k zum Zeitpunkt t. Da ein Vorgang i ∈ V nur zu einem Zeitpunkt t ∈ W i = {ES i , ES i + 1, . . . , LS i } starten kann, ist der obige Ausdruck ¨ aquivalent zu

min{t,LS i }

rik

i∈V

xiτ .

τ =max{ES i ,t−pi +1}

Wir f¨ uhren nun f¨ ur jede Ressource k ∈ R eine Hilfsvariable zk ≥ 0 ein, die mindestens der maximalen Ressourceninanspruchnahme von k zu einem Zeitpunkt t entspricht, d.h. die Ungleichung zk ≥

i∈V

min{t,LS i }

rik

xiτ ,

(2.6)


ullt sein. Das kleinste zk , muss f¨ ur alle t ∈ {0, 1, . . . , d − 1} und k ∈ R erf¨ f¨ ur das (2.6) gerade noch erf¨ ullt ist, entspricht dann der maximalen Ressourceninanspruchnahme von k ∈ R. Somit kann die folgende zeitindexbasierte Formulierung des Ressourceninvestmentproblems angegeben werden Minimiere

cP k zk

k∈R

u.d.N.

zk ≥ t∈W i

min{t,LS i }

rik

i∈V

t∈W j

x00 = 1 xit ∈ {0, 1}

(t ∈ {0, 1, . . . , d − 1}, k ∈ R)

(i ∈ V )

xit = 1 txjt −

xiτ


txit ≥ δij

(i, j ∈ E)

t∈W i

(i ∈ V, t ∈ W i ).


131

Es sei angemerkt, dass die Nebenbedingung x00 = 1 redundant ist, da ES 0 = LS 0 = 0 und somit W 0 = {0}. Das folgende Beispiel veranschaulicht die Formulierung des Ressourceninvestmentproblems mit zeitindexbasierten Entscheidungsvariablen. Beispiel 2.8. Betrachten wir den in Abbildung 2.11 dargestellten Projektnetzplan N mit einer erneuerbaren Ressource und der maximalen Projektdauer von d = 6. Wegen |R| = 1 kann der Ressourcenindex k entfallen. 1 1 4 2 @ 1 @

0 0 @ 0 2@

-6 2 R 2 @ 1

Legende: pj pi δij j i rj ri

0

R @ 3

2

0

Abb. 2.11. Netzplan N

Wir unterteilen den Planungszeitraum [0, 6] in die diskreten Zeitpunkte t = 0, . . . , 6. Mit Hilfe der Metra-Potential-Methode aus Abschnitt 1.4.3 erhalten wir die in Tabelle 2.3 angegebenen fr¨ uhesten und sp¨ atesten Startzeitpunkte der Vorgänge i ∈ V . Tabelle 2.3. ES i und LS i f¨ ur alle Vorg¨ ange i ∈ V i

0

1

2

3

ES i LS i

0 0

4 5

2 4

5 6

Aufgrund der durch Netzplan N implizierten Zeitbeziehungen muss Vorgang 1 innerhalb des Intervalls W1 = [4, 5] starten. Die Menge der diskreten ur die Startzeitpunkte von Vorgang 1 ergeben sich somit zu W 1 = {4, 5}. F¨ Vorgänge 2 und 3 gilt entsprechend W 2 = {2, 3, 4} und W 3 = {5, 6}. Weiterhin definieren wir f¨ ur jeden Vorgang i ∈ V eine Menge von Entscheidungsvariablen xit mit t ∈ W i und eine Hilfsvariable z ≥ 0, die der maximalen Ressourceninanspruchnahme zu einem Zeitpunkt t ∈ {0, . . . , 6} entspricht. ur Mit Bereitstellungskosten cP ergibt sich die folgende MIP-Formulierung f¨ die beschriebene Instanz des Ressourceninvestmentproblems

Minimiere cP z u.d.N. z ≥ x22 z ≥ x22 + x23 z ≥ 2x14 + x23 + x24

(t = 2) (t = 3) (t = 4)

132


z ≥ 2x15 + x24 (t = 5) (i = 0) x00 = 1 (i = 1) x14 + x15 = 1 (i = 2) x22 + x23 + x24 = 1 (i = 3) x35 + x36 = 1 (i, j = 0, 1 ) 4 x14 + 5 x15 − 0 x00 ≥ 4 (i, j = 0, 2 ) 2 x22 + 3 x23 + 4 x24 − 0 x00 ≥ 2 (i, j = 1, 3 ) 5 x35 + 6 x36 − 4 x14 − 5 x15 ≥ 1 5 x35 + 6 x36 − 2 x22 − 3 x23 − 4 x24 ≥ 2 (i, j = 2, 3 ) (i, j = 3, 0 ) 0 x00 − 5 x35 − 6 x36 ≥ −6 z≥0 (i = 1, 2, 3; t ∈ W i ) . xit ∈ {0, 1} Wenden wir uns nun dem Ressourcenabweichungsproblem mit Zielfunktion [rk (S, t) − Yk ]+ dt. cD f (S) = k k∈R

t∈[0,d]

zu, bei dem f¨ ur jede Ressource k ∈ R Kosten cD ucksichtigt werden, die bei k ber¨ ¨ Uberschreitung des vorgegebenen Ressourcenniveaus Yk anfallen. Zunächst gilt es, den Term rk (S, t)−Yk = i∈A(S,t) rik −Yk mit Hilfe der Binärvariablen ucken. Wir erhalten xit (i ∈ V, t ∈ W i ) auszudr¨

rik − Yk =

rik

xiτ − Yk .

τ =t−pi +1

i∈V

i∈A(S,t)

t

ur alle Ressourcen k ∈ R und alle Nun f¨ uhren wir Hilfsvariablen zkt ≥ 0 f¨ Zeitpunkte t ∈ {0, . . . , d − 1} ein, wobei zkt der u ¨ber das Ressourcenniveau Yk hinausgehenden Ressourceninanspruchnahme von Ressource k zum Zeitpunkt t entspricht. Ber¨ ucksichtigen wir, dass ein Vorgang i ∈ V nur zu einem ussen f¨ ur die Zeitpunkt t ∈ W i = {ES i , ES i + 1, . . . , LS i } starten kann, m¨ Variablen zkt die Ungleichungen

zkt ≥

i∈V

min{t,LS i }

rik

xiτ − Yk

(2.7)


erf¨ ullt sein. F¨ ur das Ressourcenabweichungsproblem mit Zielfunktion (RD) erhalten wir somit das folgende zeitindexbasierte Modell cD Min. k zkt k∈R t∈{0,1,...,d−1}

u.d.N. zkt ≥

i∈V

min{t,LS i }

rik


xiτ − Yk (t ∈ {0, . . . , d − 1}, k ∈ R)


t∈W i t∈W j

(i ∈ V )

xit = 1 txjt −

zkt ≥ 0 xit ∈ {0, 1}

133

txit ≥ δij

t∈W i

(i, j ∈ E) (t ∈ {0, . . . , d − 1}, k ∈ R) (i ∈ V, t ∈ W i ).

F¨ ur Projektplanungsprobleme mit den Zielfunktionen (RI ) und (RD) l¨ asst sich auf Grundlage der vorgestellten MIP-Formulierungen mit Hilfe von Standardsoftware zur L¨ osung gemischt-ganzzahliger Programme prinzipiell eine optimale Lösung angeben. Praktisch wird man auf diese Weise i.d.R. jedoch nur kleine bis mittelgroße Probleminstanzen erfolgreich l¨ osen k¨ onnen. F¨ ur Ressourcennivellierungsprobleme l¨ asst sich ebenfalls eine MIP-Formulierung mit binären Hilfsvariablen zktq angeben. Die Hilfsvariablen nehmen genau dann 2 ur q alle Quadratzahlen den Wert 1 an, falls r k (S, t) = q ist. Dabei kommen f¨ 2 in Frage. Da die Anzahl an Entscheidungsva1, 4, 9, . . . kleiner als i∈V rik riablen schon f¨ ur kleine Instanzen sehr groß ist, ist ein solches Vorgehen zur Lösungsfindung in der Regel nicht effizient. 2.1.4 Zeitzul¨ assiger Bereich Der zeitzul¨ assige Bereich ST von Problem (2.1) ist durch Zeitrestriktionen der Form (2.8) 1 · Sj − 1 · Si ≥ δij (i, j ∈ E) sowie durch S0 = 0 spezifiziert und stellt ein konvexes Polytop dar. Da die Koeffizienten der Entscheidungsvariablen in den Nebenbedingungen (2.8) alle arer Richtung 1 oder −1 sind, verlaufen die Begrenzungslinien von ST in bin¨ z ∈ {0, 1}n+2 parallel zu den Koordinatenachsen oder zu den Winkelhalbierenden (vgl. z.B. Abb. 2.13). Ferner besitzt ST als eindeutigen Minimalpunkt den ES -Schedule und als eindeutigen Maximalpunkt den LS -Schedule. Ein uglich jeder KomPunkt S min eines Polytops heißt Minimalpunkt, falls er bez¨ ur alle i ∈ V und alle Punkte ponente minimal ist, d.h. es gilt Simin ≤ Si f¨ S des Polytops. Analog heißt ein Punkt S max eines Polytops Maximalpunkt, ur alle i ∈ V und alle Punkte S des Polytops gilt. Ein Exfalls Simax ≥ Si f¨ tremalpunkt bzw. eine Ecke S eines Polytops ist ein Punkt, der sich nicht als Konvexkombination zweier von S verschiedener Punkte des Polytops darstellen lässt, d.h. es gibt keine zwei Punkte, so dass S auf der Verbindungslinie n+2 l¨ asst sich f¨ ur der beiden Punkte liegt. Der zeitzul¨ assige Bereich ST ⊆ R≥0 n ≥ 2 in der Regel nicht vollst¨ andig visualisieren. Besitzt ein Projekt allerdings genau zwei Vorg¨ ange i und j, die nicht zeitlich fixiert sind, d.h. die Vorgänge haben eine positive Gesamtpufferzeit, so k¨ onnen wir den Bereich ST als so genannten Si -Sj -Schnitt darstellen. Dabei projizieren wir ST auf die entsprechende Si -Sj -Ebene.

134


Beispiel 2.9. Wir betrachten den in Abbildung 2.12 dargestellten Projektnetzplan mit drei realen Vorg¨ angen. Die Einhaltung einer maximalen Prouckw¨ artspfeil 4, 0 mit der Bewertung jektdauer d = 6 wird durch den R¨ δ40 = −6 sichergestellt. 0

0

1 1 -2 -? 2 1 @ -2

@1 @

0 0

HH

0 @ R @ - 4 *

1 -6

HH4 2 1 HH H j H 3

Legende: pj pi δij j i

Abb. 2.12. Projektnetzplan N mit drei realen Vorg¨ angen

F¨ ur das zugrunde liegende Projekt erhalten wir die in Tabelle 2.4 angegebenen fr¨ uhesten und sp¨ atesten Startzeitpunkte sowie die Gesamtpufferzeiten der Vorgänge i ∈ V . Da die Vorg¨ ange 0, 3 und 4 eine Gesamtpufferzeit von 0 besitzen, sind sie kritisch und m¨ ussen zum Zeitpunkt Sj = ES j starten. asst sich Der durch Projektnetzplan N spezifizierte zeitzul¨ assige Bereich ST l¨ folglich als S1 -S2 -Schnitt visualisieren. Tabelle 2.4. ES i , LS i und TF i f¨ ur alle Vorg¨ ange i = 0, . . . , 4 i

0

1

2

3

4

ES i LS i TF i

0 0 0

0 5 5

0 5 5

4 4 0

6 6 0

Sobald ein Vorgang eingeplant wird, ¨ andert sich i.d.R das Zeitfenster [ESi , LSi ], innerhalb dessen ein noch nicht eingeplanter Vorgang i starten kann, da die Zeitbeziehungen zwischen den Vorg¨ angen ber¨ ucksichtigt werden m¨ ussen (vgl. Abschnitt 1.4.5). Planen wir Vorgang 1 zum Zeitpunkt 0 ein, so kann Vorgang 2 nach wie vor fr¨ uhestens zum Zeitpunkt 0 starten. Aufgrund ur Vorgang 2 ein sp¨ atester der Zeitbeziehung S1 − S2 ≥ −2 ergibt sich aber f¨ Startzeitpunkt von 2. Wird Vorgang 1 zum Zeitpunkt 1 eingeplant, so ergibt sich f¨ ur Vorgang 2 das m¨ ogliche Einplanungs-Zeitfenster [0, 3]. F¨ ur S1 = 5 erhalten wir S2 ∈ [3, 5]. Insgesamt ergibt sich der in Abbildung 2.13 dargestellte assigen Bereichs ST . Die Extremalpunkte (Ecken) des S1 -S2 -Schnitt des zeitzul¨


135

S1 -S2 -Schnitts sind S 1 = (0, 0, 0, 4, 6), S 2 = (0, 2, 0, 4, 6), S 3 = (0, 0, 2, 4, 6), S 4 = (0, 5, 5, 4, 6), S 5 = (0, 5, 3, 4, 6), S 6 = (0, 3, 5, 4, 6). S2

6

S6

r

5

S 4 = LS

r

r S5 S3 r

r 1

S = ES

- S1

r S

2

5

Abb. 2.13. S1 -S2 -Schnitt des zeitzul¨ assigen Bereichs

Aus der Theorie der Linearen Optimierung ist bekannt, dass in jedem Extremalpunkt (Ecke) des zeitzul¨ assigen Bereichs ST mindestens n + 1 linear unabhängige Nebenbedingungen Sj − Si ≥ δij bindend sind, d.h. sie sind mit Gleichheit erf¨ ullt (Neumann und Morlock, 2002, Kapitel 1). Beispielsweise sind im Extremalpunkt S 6 in Abbildung 2.13 die Zeitbeziehungen S0 − S4 ≥ −6, S1 − S2 ≥ −2, S4 − S2 ≥ 1 und S4 − S3 ≥ 2 bindend. Definition 2.10 (Ger¨ ust, Outtree). Sei D = V, E ein Digraph mit n + 2 Knoten. Ein schwach zusammenh¨ angender Teilgraph6 des Digraphen D mit n + 2 Knoten und n + 1 Kanten heißt Ger¨ ust von D. Ein Ger¨ ust, bei dem jeder Knoten von Knoten 0 aus erreichbar ist, bezeichnen wir als Outtree mit Wurzelknoten 0. Abbildung 2.14 zeigt einen Digraphen sowie ein zugeh¨ origes Ger¨ ust und einen zugehörigen Outtree. Der folgende Satz besagt, dass sich die Extremalpunkte des zeitzul¨ assigen Bereichs eines Projektnetzplans als Ger¨ uste des zugrunde liegenden Netzplans darstellen lassen. Satz 2.11. Jede Ecke des zeitzul¨ assigen Bereichs ST kann durch mindestens ein Ger¨ ust des zugeh¨ origen Netzplans N repr¨ asentiert werden, wobei jeder 6

In einem schwach zusammenh¨ angenden Teilgraph sind alle Knoten durch eine ungerichtete Pfeilfolge miteinander verbunden.

136


3 2 Q QQ s 3 0 Q 3 QQ s 1

2 Q 3 QQ s 3 3 1

0

3 2

0 Q

3 3 QQ s 1

ust und Outtree Abb. 2.14. Digraph, Ger¨

Pfeil i, j des Ger¨ ustes eine bindende Zeitbeziehung Sj −Si = δij repr¨ asentiert. Ferner entspricht jedem Ger¨ ust des Netzplans N h¨ ochstens ein Extremalpunkt von ST . Zur Generierung eines Ger¨ ustes f¨ ur eine gegebene Ecke S des zeitzul¨ assigen Bereichs ST bestimmen wir sukzessive f¨ ur jeden Knoten i ∈ V \ {0} eine bindende Nebenbedingung Sj − Si = δij bzw. Si − Sj = δji zu einem Knoten j, f¨ ur den bereits eine bindende Nebenbedingung bestimmt wurde. Ausgangspunkt ist hierbei der Knoten 0, f¨ ur den die Nebenbedingung S0 = 0 immer bindend ist. Algorithmus 2.12 stellt dar, wie f¨ ur einen gegebenen Extremalpunkt S ein zugeh¨ origes Ger¨ ust G = V, EG mit der Pfeilmenge EG erzeugt werden kann. Dabei gibt mi = 1 an, dass Knoten i bereits betrachtet wurde. Algorithmus 2.12 (Generierung eines Ger¨ ustes f¨ ur eine Ecke S). ur alle i ∈ V \ {0}. Setze m0 := 1 und mi := 0 f¨ EG := ∅ und Q := {0} (Q wird als Schlange verwaltet). Solange Q = ∅ bzw. mindestens ein i ∈ V mit mi = 0 existiert: Entferne i vom Kopf der Schlange Q. An Knoten i wird nun, falls m¨ oglich, ein weiterer Knoten angeh¨ angt. 1. F¨ ur alle i, j ∈ E: Falls mj = 0 und Sj − Si = δij : uge j am Ende von Q ein. Setze EG := EG ∪ {i, j }, mi := 1, und f¨ 2. F¨ ur alle h, i ∈ E : Falls mh = 0 und Si − Sh = δhi : uge h am Ende von Q ein. Setze EG := EG ∪ {h, i }, mh := 1, und f¨ Anmerkung 2.13. Bei der Generierung eines Ger¨ ustes f¨ ur den ES -Schedule entfällt die 2. Schleife in Algorithmus 2.12, da der ES -Schedule als Outtree in N dargestellt werden kann. Um die Beziehung zwischen den Ecken des zeitzul¨ assigen Bereichs ST und den Ger¨ usten des zugeh¨ origen Projektnetzplans N zu illustrieren, betrachten wir das folgende Beispiel. Beispiel 2.14. Gegeben seien der in Abbildung 2.15 dargestellte Projektnetzassiplan mit drei Vorg¨ angen und der zugeh¨ orige S1 -S2 -Schnitt des zeitzul¨ gen Bereichs ST mit den Extremalpunkten S 1 = (0, 1, 4), S 2 = (0, 1, 6), S 3 = (0, 4, 6) und S 4 = (0, 2, 4).


137

S2

6

1 0 0

2 1

@ @2 @ 0 @ 4 R @ - 2

4

6S 2

S1

S 3r

r r

r

S4

2

-6

- S1 2

4

Abb. 2.15. Projektnetzplan und S1 − S2 -Schnitt des zeitzul¨ assigen Bereichs ST

Wir bestimmen mit Hilfe von Algorithmus 2.12 das zu S 1 geh¨ orige Ger¨ ust. In der Initialisierung setzen wir m0 := 1, m1 := 0, m2 := 0, EG := ∅ und Q := {0}. Dann entnehmen wir Vorgang 0 vom Kopf der Schlange Q. Da Pfeil 0, 1 angen wir Knoten im Netzplan enthalten ist, m1 = 0 und S1 − S0 = 1 gilt, h¨ 1 an Knoten 0 an, d.h. wir setzen EG := {0, 1 }, m1 := 1 und Q := {1}. ullt, Weiterhin sind f¨ ur 0, 2 ∈ E die Gleichungen m2 = 0 und S2 − S0 = 4 erf¨ ur alle deshalb setzen wir EG := {0, 1 , 0, 2 }, m2 := 1 und Q := {1, 2}. Da f¨ ur Vorgänge i ∈ V nun mi = 1 gilt, terminiert der Algorithmus. Somit sind f¨ angigen Nebenbedingungen S11 − S01 ≥ 1 Schedule S 1 die beiden linear unabh¨ ust G1 enth¨ alt und S21 − S01 ≥ 4 bindend, und das korrespondierende Ger¨ die Pfeilmenge EG1 = {0, 1 , 0, 2 }. Wird Algorithmus 2.12 angewendet, origen Ger¨ uste zu generieren, dann erhalten wir um die zu S 2 , S 3 und S 4 geh¨ ust G2 mit der Pfeilmenge EG2 = {0, 1 , 2, 0 }, f¨ ur S 3 das f¨ ur S 2 das Ger¨ 3 4 ur S ergibt sich Ger¨ ust G mit der Pfeilmenge EG3 = {1, 2 , 2, 0 } und f¨ EG4 = {0, 2 , 1, 2 }. origen ExUm f¨ ur ein gegebenes Ger¨ ust G mit Pfeilmenge EG den zugeh¨ tremalpunkt S zu bestimmen, l¨ osen wir das lineare Gleichungssystem Sj − Si = δij

(i, j ∈ EG )

S0 = 0 . F¨ ur das dem Netzplan aus Abbildung 2.15 zugrunde liegende Ger¨ ust G3 mit Pfeilmenge EG3 = {1, 2 , 2, 0 } erhalten wir bspw. das lineare Gleichungssystem S2 − S 1 = 2 S0 − S2 = −6 S0 = 0 mit der eindeutigen L¨ osung S 3 = (0, 4, 6).

138


Es sei angemerkt, dass nicht jedes Ger¨ ust des Netzplans N einen Extremalpunkt des zeitzul¨ assigen Bereichs ST repräsentiert. Beispielsweise entspricht das Ger¨ ust G mit der Pfeilmenge EG = {0, 1 , 1, 2 } dem Schedule assig, da Vorgang 3 fr¨ uhestens 4 Zeiteinheiten S = (0, 1, 3). S ist nicht zeitzul¨ nach dem Projektbeginn starten darf. In Abbildung 2.15 entspricht Schedule S dem Schnittpunkt der beiden Geraden S1 − S0 = 1 und S2 − S1 = 2. 2.1.5 Zielfunktionen und ausgezeichnete Punkte Wie in Abschnitt 2.1.1 geschildert, existiert f¨ ur Problem (2.1) mit stetiger bzw. unterhalb-halbstetiger Zielfunktion f (S) stets eine optimale Lösung. Je nach betrachteter Zielfunktion k¨ onnen wir uns bei der Suche nach einem solchen optimalen Schedule auf eine Menge ausgezeichneter Punkte beschränken. Bei den ausgezeichneten Punkten handelt es sich um zeitzulässige Schedules, die potentielle Kandidaten f¨ ur eine optimale Lösung darstellen. Dabei hängt die Menge der ausgezeichneten Punkte von speziellen Struktureigenschaften der betrachteten Zielfunktionen ab, die wir im Folgenden untersuchen. Häufig haben verschiedene Zielfunktionen gleiche Struktureigenschaften, so dass zur L¨ osung von Projektplanungsproblemen mit Zielfunktionen, die identische Struktureigenschaften aufweisen, ein und dasselbe Lösungsverfahren angewendet werden kann. Bei den Zielfunktionen Projektdauer (PD) und mittlere Durchlaufzeit (MFT ) handelt es sich um regul¨ are Funktionen, d.h. f ist monoton wachsend in den Startzeitpunkten der Vorg¨ ange. F¨ ur zwei Schedules S, S ∈ Rn+2 ≥0 mit S ≤ S (d.h. Si ≤ Si f¨ ur alle i ∈ V ) gilt somit f (S) ≤ f (S ). Da der zeitzul¨ assige Bereich ST ein konvexes Polytop mit genau einem Minimalpunkt (dem ES -Schedule) darstellt, ist f¨ ur Problem (2.1) mit regulärer Zielfunktion der ES -Schedule optimal. Die Menge der ausgezeichneten Punkte f¨ ur Projektplanungsprobleme mit den Zielfunktionen (PD), (MFT ) oder anderer regul¨ arer Funktionen besteht daher aus dem ES -Schedule. Die Zielfunktion (WST ) der Summe gewichteter Startzeitpunkte ist linear. Somit stellt Problem (2.1) ein lineares Programm dar, f¨ ur das immer einer der Extremalpunkte des zul¨ assigen Bereichs optimal ist. Die Menge der ausgezeichneten Punkte f¨ ur Problem (2.1) mit Zielfunktion (WST ) entspricht somit allen Extremalpunkten (Ecken) von ST . Die Zielfunktion des Earliness-Tardiness-Problems (E + T ) ist konvex, d.h. jede Sekante liegt oberhalb des Graphen von f und es gilt f (λS + (1 − λ)S ) ≤ ur alle S, S ∈ Rn+2 λf (S) + (1 − λ)f (S ) f¨ ≥0 und λ ∈]0, 1[ (vgl. Abb. 2.16). F¨ ur konvexe Zielfunktionen ist in der Regel kein Punkt auf dem Rand des ur Minimierungsprobleme mit zeitzul¨ assigen Bereichs ST optimal. Da aber f¨ konvexer Zielfunktion und konvexem zul¨ assigen Bereich jedes lokale Optimum auch global optimal ist, l¨ asst sich die Suche nach einem optimalen Schedule beschr¨ anken auf lokale Minimalstellen S der Funktion f , d.h. auf Punkte S ur alle S in einer offenen ε-Umgebung von S gilt. f¨ ur die f (S) ≤ f (S ) f¨ E ur alle i ∈ V , so handelt es sich bei (E + T ) um eine reguläre Ist ci = 0 f¨


139

f (S)

6

f (S ) f (S)

-S S

S

Abb. 2.16. Konvexe Funktion

Funktion und der ES-Schedule ist optimal. Gilt cTi = 0 f¨ ur alle i ∈ V , so ist Zielfunktion (E + T ) multipliziert mit −1 regul¨ ar, d.h. der LS-Schedule ist optimal. Eine optimale L¨ osung f¨ ur das Earliness-Tardiness-Problem mit T ur mindestens ein i ∈ V entspricht einer lokalen Minimalstelle S, cE i , ci > 0 f¨ bei der jeder Vorgang i entweder zu di −pi oder zu ES i bzw. LS i startet, wobei die ES - und LS -Werte planungsabh¨ angig gem¨ aß Schedule S zu verstehen sind. Die Zielfunktion (NPV ) des Kapitalwertmaximierungsproblems ist bin¨ ar monoton, d.h. sie ist monoton auf jeder Halbgeraden {S ∈ Rn+2 ≥0 | S = are S + λz, λ ∈ R} mit bin¨ arer Richtung z ∈ {0, 1}n+2 . Seien z eine bin¨ ange i mit zi = 0 und V = V \ V Richtung, V ⊆ V die Menge aller Vorg¨ die Menge aller Vorg¨ ange i mit zi = 1. Dann gilt f¨ ur die Zielfunktion f der Kapitalwertmaximierung Si +λzi cF f (S + λz) = i β i∈V

=

i∈V

=

i∈V

Si cF + i β

i∈V

Si cF i β

+ βλ

Si +λ cF i β

i∈V

Si cF . i β

Si ≥ 0 ist f also monoton wachsend und f¨ ur i∈V cF ≤0 F¨ ur i∈V i β monoton fallend in bin¨ arer Richtung z. Somit ist f bin¨ armonoton und da arer Richtung verlaufen, stellen ferner die Begrenzungslinien von ST in bin¨ ebenso wie bei linearen Zielfunktionen die Extremalpunkte von ST ausgezeichnete Punkte f¨ ur Problem (2.1) mit Zielfunktion (NPV ) dar. Dies ist intuitiv einsichtig, da wir in Abschnitt 2.1.2 bereits gezeigt haben, dass sich das Kapitalwertmaximierungsproblem in ein ¨ aquivalentes lineares Programm gleicher Dimension transformieren l¨ asst. Um ausgezeichnete Punkte f¨ ur Projektplanungsprobleme mit den Zielfunktionen (RI ), (RD) und (RL) angeben zu k¨ onnen, sind einige einleitende Erläuterungen notwendig. Wir f¨ uhren zun¨ achst den Begriff einer strengen Ordnung auf der Knotenmenge V ein.

Si cF i β

140


Definition 2.15 (Strenge Ordnung). Eine Relation auf der Menge V ist eine Menge von Paaren (i, j) ∈ V × V . Anstelle von (i, j) ∈ schreiben wir auch i ≺ j (wobei ≺“ als vor“ gelesen wird) und i ≺ j f¨ ur (i, j) ∈ . Eine ” ” strenge Ordnung auf der Knotenmenge V ist eine asymmetrische, transitive Relation ≺ in V , d.h. a) f¨ ur keine zwei Elemente i, j ∈ V gilt i ≺ j und j ≺ i (Asymmetrie), b) wenn f¨ ur h, i, j ∈ V die Bedingungen h ≺ i und i ≺ j erf¨ ullt sind, dann gilt auch h ≺ j (Transitivit¨ at). Strenge Ordnung O ⊆ V × V hat die folgende anschauliche Interpretation. Enth¨ alt Ordnung O das Element (i, j), so wird eine Vorrangbeziehung zwischen Vorgang i und Vorgang j induziert. Eine Vorrangbeziehung zwischen i und j besteht, wenn der Startzeitpunkt von j größer oder gleich dem Endzeitpunkt von i ist, d.h. Sj − Si ≥ pi . Definition 2.16 (Ordnungspolytop). Sei O ⊆ V ×V eine strenge Ordnung auf der Knotenmenge V und sei ST (O) := {S ∈ ST | Sj − Si ≥ pi f¨ ur alle (i, j) ∈ O} die Menge aller zeitzul¨ assigen Schedules, die die durch O induzierten Vorrangbeziehungen einhalten. Dann stellt die Teilmenge ST (O) von ST ein konvexes Polytop dar, das wir als Ordnungspolytop von O bezeichnen. Die Ordnung O wird als zeitzul¨ assig bezeichnet, wenn ST (O) = ∅. Beispiel 2.17. Betrachten wir den MPM-Netzplan und den S1 -S2 -Schnitt des zugeh¨ origen zeitzul¨ assigen Bereichs ST in Abbildung 2.17. S2

6

1 1 -2 -? 2 1 @ -2

@1 @ 0 0 1 R @ -4 0 H * -6 HH 4 2 HH 1 H j 0

Sq6

5

0

S4 q

Sq7

q S5

S3 q S8 q

3

S1

q

- S1

q

S2

5

Abb. 2.17. Projektnetzplan und S1 -S2 -Schnitt des Bereichs ST

Ordnung O = {(1, 2)} besagt, dass Vorgang 2 starten kann, sobald Vorgang uhrungsdauer p1 = 1 1 beendet ist, d.h. S2 − S1 ≥ p1 . Da Vorgang 1 die Ausf¨ ur die besitzt, beinhaltet das Ordnungspolytop ST (O) alle Schedules S ∈ ST , f¨ gilt, dass Vorgang 2 mindestens 1 Zeiteinheit nach Vorgang 1 startet. Startet


141

Vorgang 1 bspw. zum Zeitpunkt 0, dann kann Vorgang 2 zu einem beliebigen Zeitpunkt t ∈ [1, 2] starten. Somit erhalten wir f¨ ur die Ordnung O = {(1, 2)} das durch die konvexe H¨ ulle der Punkte S 3 , S 6 , S 7 , S 8 spezifizierte Ordnungspolytop, d.h. ST (O) beinhaltet alle Schedules, die sich als Konvexkombiur nation der Punkte S 3 , S 6 , S 7 , S 8 darstellen lassen, und wir schreiben daf¨ ur die Ordnung O = {(2, 3)} ST (O) = conv {S 3 , S 6 , S 7 , S 8 } (vgl. Abb. 2.17). F¨ erhalten wir analog das Ordnungspolytop ST (O) = conv {S 1 , S 2 , S 3 , S 4 , S 5 }. Im Folgenden f¨ uhren wir das Konzept des so genannten Ordnungsnetzplans N (O) einer strengen Ordnung O ein. Dabei ist N (O) der Netzplan, der aus dem Projektnetzplan N resultiert, indem wir f¨ ur jedes Paar (i, j) ∈ O ugen, d.h. Vorgang j kann einen Pfeil i, j mit der Bewertung δij = pi hinzuf¨ fr¨ uhestens nach dem Ende von Vorgang i starten. Besitzt Projektnetzplan N bereits einen Pfeil i, j mit der Bewertung δij , dann ersetzen wir seine Pfeilbewertung durch max{δij , pi }. Die Menge der zeitzulässigen Schedules des Ordnungsnetzplans N (O) entspricht gerade dem Ordnungspolytop ST (O) von O. Eine strenge Ordnung O ist demnach genau dann zeitzulässig, wenn der zugeh¨ orige Ordnungsnetzplan N (O) keine Zyklen positiver Länge beinhaltet und somit ST (O) = ∅ gilt. F¨ ur jeden zeitzul¨ assigen Schedule S ∈ ST existiert eine zugehörige strenge Ordnung O(S) := {(i, j) ∈ V × V | i = j, Sj − Si ≥ pi }, die gerade die durch den Schedule S implizierten Vorrangbeziehungen besitzt (wir sagen auch die von Schedule S induzierte Ordnung).7 Aus Definition 2.16 folgt sofort, dass ur alle i ∈ S ∈ ST (O(S)) gilt. Die kanonischen Vorrangbeziehungen (0, i) f¨ V \ {0} sowie (i, n + 1) f¨ ur alle i ∈ V \ {n + 1} f¨ uhren wir im Folgenden bei der Darstellung einer Schedule induzierten Ordnung O(S) nicht explizit an, da diese f¨ ur einen wohldefinierten MPM-Netzplan stets erf¨ ullt sind. Das folgende Beispiel verdeutlicht den Zusammenhang zwischen einem Schedule S, der durch S induzierten Ordnung O(S) und dem Ordnungspolytop ST (O(S)) von O(S), welches auch Schedulepolytop genannt wird. Beispiel 2.18. Betrachten wir den MPM-Netzplan und den S1 -S2 -Schnitt des ur die eingezeichzugeh¨ origen zeitzul¨ assigen Bereichs ST in Abbildung 2.18. F¨ neten Schedules S i (i = 1, . . . , 17) sollen jeweils die zugehörige Ordnung O(S i ) und das entsprechende Schedulepolytop ST (O(S i )) angegeben werden. Der zeitzul¨ assige Schedule S 1 = (0, 0, 0, 4, 6) impliziert die zugehörige 1 Ordnung O(S ) = {(1, 3), (2, 3)}, d.h. Vorgang 3 beginnt nach der Beendigung der Vorg¨ ange 1 und 2. Das zur Ordnung O(S 1 ) gehörige konvexe Schedulepolytop besitzt die Extremalpunkte S 1 , S 2 , S 3 , S 4 , S 12 , S 14 , d.h. ST (O(S 1 )) = conv {S 1 , S 2 , S 3 , S 4 , S 12 , S 14 }. Schedule S 2 = (0, 2, 0, 4, 6) besitzt die zugeh¨ orige Ordnung O(S 2 ) = {(1, 3), (2, 1), (2, 3)}. Gemäß dieser 7

O(S) repr¨ asentiert f¨ ur pi > 0, i = 1, . . . , n eine strenge Ordnung. Im Folgenden gehen wir davon aus, dass nur Vorg¨ ange i = {0, n + 1} mit pi > 0 bei der Generierung von O(S) ber¨ ucksichtigt werden, Vorg¨ ange mit pi = 0 wie z.B. Meilensteine sind zwar bei der Bestimmung der planungsabh¨ angigen ES - und LS -Werte relevant, spielen aber f¨ ur die Ressourcenprofile eines Schedules keine Rolle.

142

2 Projektplanung unter Zeitrestriktionen S2

6 0

S4 q

@1

0 0

@ 0 R @ -4 * 2 1

HH

-6

4 HH

Sq7

Sq9

q S 16

1 1 -2 -? 2 1 @ -2

0

Sq6

5

HH 1 j3

S3 q

q S

12

13

q

qS Sq

q S5

q S 11 q S 14

S8 q S1

q S 15 17

q

- S1

q

S 10 S 2

5


Ordnung beginnt Vorgang 3 nach Beendigung der Vorg¨ ange 1 und 2 und orige Vorgang 1 beginnt nach dem Ende von Vorgang 2. Das zu O(S 2 ) geh¨ Schedulepolytop ist ST (O(S 2 )) = conv {S 2 , S 10 , S 11 , S 14 }. Tabelle 2.5 listet zusammenfassend die in Abbildung 2.18 eingezeichneten Schedules, die zugeh¨ origen Ordnungen O(S i ) und die entsprechenden Schedi ulepolytope ST (O(S )) auf. Tabelle 2.5. S i , O(S i ) und ST (O(S i )) f¨ ur alle i = 1, . . . , 17 S 1

S S2 S3 S4 S5 S6 S7 S8 S9 S 10 S 11 S 12 S 13 S 14 S 15 S 16 S 17

O(S)

ST (O(S))

{(1, 3),(2, 3)} {(1 ,3), (2, 1), (2, {(1, 2), (1, 3), (2, {(1, 2), (1, 3), (2, {(2, 1), (2, 3), (3, {(1, 2), (1, 3), (3, {(1, 2), (3, 2)} {(1, 2), (1, 3), (2, {(3, 1), (3, 2)} {(1 ,3), (2, 1), (2, {(1 ,3), (2, 1), (2, {(1, 3), (2, 3)} {(1, 2), (1, 3), (2, {(1 ,3), (2, 1), (2, {(2, 1), (3, 1)} {(1, 2), (1, 3)} {(2, 1), (2, 3)}

conv {S 1 , S 2 , S 3 , S 4 , S 12 , S 14 } conv {S 2 , S 10 , S 11 , S 14 } conv {S 3 , S 4 , S 8 , S 13 } conv {S 3 , S 4 , S 8 , S 13 } {S 5 } {S 6 } conv {S 6 , S 7 } conv {S 3 , S 4 , S 8 , S 13 } {S 9 } conv {S 2 , S 10 , S 11 , S 14 } conv {S 2 , S 10 , S 11 , S 14 } conv {S 1 , S 2 , S 3 , S 4 , S 12 , S 14 } conv {S 3 , S 4 , S 8 , S 13 } conv {S 2 , S 10 , S 11 , S 14 } conv {S 5 , S 15 } conv {S 3 , S 6 , S 8 , S 16 } conv {S 2 , S 5 , S 10 , S 17 }

3)} 3)} 3)} 1)} 2)} 3)} 3)} 3)} 3)} 3)}


143

Schedulepolytop ST (O(S)) enth¨ alt alle Schedules S , die mindestens die durch S implizierten Vorrangbeziehungen einhalten. Ferner kann ein Schedule S ∈ ST (O(S)) aber noch weitere Vorrangbeziehungen implizieren. Betrachten wir z.B. S 16 in Abbildung 2.18 mit O(S 16 ) = {(1, 2), (1, 3)} und alt ST (O(S 16 )) Schedule S 3 mit ST (O(S 16 )) = conv{S 3 , S 6 , S 8 , S 16 }, so enth¨ 3 O(S ) = {(1, 2), (1, 3), (2, 3)}. = In einer so genannten Isoordnungsmenge ST (O(S)) hingegen sind nur Schedules enthalten, die dieselbe Ordnung wie S induzieren. Sei S ein zeitzul¨ assiger Schedule, dann nennen wir die Menge aller Schedules S aus dem Schedulepolytop von O(S) mit der Eigenschaft, dass O(S ) = O(S) ist, die Isoordnungsmenge von S. Die Isoordnungsmenge ST (O(S)) := {S ∈ ST (O(S)) | O(S ) = O(S)} =

von Schedule S enth¨ alt somit alle Schedules S ∈ ST , die die gleiche Ordnung wie S induzieren. Zum Verst¨ andnis betrachten wir Abbildung 2.19, in der ein Projektnetzplan und die Ressourcenprofile der beiden Schedules ur die Vorgänge S 1 = (0, 0, 4, 5, 8) und S 2 = (0, 0, 4, 2, 8) dargestellt sind. F¨ i ∈ {0, 1, 2, 4} gilt ESi = LSi ; nur Vorgang 3 ist nicht zeitlich fixiert. Da die Schedules S = (0, 0, 4, t, 8), t ∈ ]3, 7[, die Eigenschaft besitzen, dass O(S ) = O(S 1 ) gilt, ist die Isoordnungsmenge von S 1 = (0, 0, 4, 5, 8) gleich = ur S 2 = (0, 0, 4, 2, 8) ergibt sich die ST (O(S 1 )) = {(0, 0, 4, t, 8) | t ∈ ]3, 7[ }. F¨ = 2 Isoordnungsmenge ST (O(S )) = {(0, 0, 4, t, 8)| t ∈ [1, 3] }. Wie wir sehen, sind Isoordnungsmengen i.d.R. nicht abgeschlossen, ihr Abschluss stellt aber ein konvexes Polytop dar. 3 4 2 1@ 4

1 1 2 0

@ 0 @ R @4 * 1 0 1 H HH j3

0 0H 0 HH1

-8

Legende:

pi i ri

δij -

pj j rj

1 r(S 2 , t)

1

r(S , t) 2

6 r rq

1

1

r rq

r 2

t 4

r qr rq 3 r 2

t 6

qr r

-t 8

2

6 r qr

1

1

r

r rq rq 3 r

r rq

2

4

qr r

2 6

-t 8

Abb. 2.19. Projektnetzplan und Ressourcenprofile von S 1 und S 2

Auf Grundlage der vorhergehenden Ausf¨ uhrungen ist es nun möglich, ausgezeichnete Punkte f¨ ur die Zielfunktionen (RI ), (RD) und (RL) anzugeben.

144


Wie bereits erl¨ autert, ist die Zielfunktion (RI ) unterhalb-halbstetig. Weiterhin k¨ onnen wir zeigen, dass (RI ) konstant auf der Isoordnungsmenge jedes zeitzul¨ assigen Schedules S ist. Seien S , S ∈ ST= (O(S)) zwei Schedules aus der Isoordnungsmenge von S, und nehmen wir ferner an, dass rk (S , t ) = maxt∈[0,d] rk (S , t) ist. Da S und S die gleiche Ordnung implizieren, gibt es mindestens einen Zeitpunkt t mit A(S , t ) = A(S , t ), d.h. bei der Projektausf¨ uhrung gem¨ aß Schedule S u ¨berlappen sich zum Zeitpunkt t die gleichen Vorg¨ ange wie zum Zeitpunkt t bei der Ausf¨ uhrung gemäß S (siehe hierzu auch Abb. 2.19, Vorgang 3). Somit gilt, dass der Zielfunktionswert auf der Isoordnungsmenge konstant ist. Eine stetige oder unterhalb-halbstetige Funktion f : Rn+2 ≥0 → R, die auf der Isoordnungsmenge jedes zeitzul¨ assigen Schedules regulär (konstant) ist, wird lokal regul¨ ar genannt. Somit geh¨ ort (RI ) zu den lokal regulären Funktionen, f¨ ur die immer ein Minimalpunkt eines Schedulepolytops ST (O(S)), S ∈ ST optimal ist. Stellt der Minimalpunkt einer Isoordnungsmenge auch den Minimalpunkt des zugeh¨ origen Schedulepolytops dar (d.h. er ist Element der Isoordnungsmenge), so haben wir einen Kandidaten f¨ ur die optimale Lösung gefunden, dies ergibt sich direkt aus der Regularität von f auf der Isoordnungsmenge. Geh¨ ort der Minimalpunkt selbst nicht zur Isoordnungsmenge, = wie bspw. S 4 nicht zu ST (O(S 18 )) = conv {S 4 , S 6 , S 13 , S 16 } \ conv {S 4 , S 13 } geh¨ ort, so gilt wegen der Unterhalb-Halbstetigkeit von f , dass f (S 4 ) ≤ = = f (S) mit S ∈ ST (O(S 18 )). Da f auf der Isoordnungsmenge ST (O(S 4 )) = 3 4 8 13 ar ist, gilt ferner f¨ ur den Minimalpunkt S 8 conv {S , S , S , S } wieder regul¨ = = 4 8 4 von ST (O(S )): f (S ) ≤ f (S ) ≤ f (S) f¨ ur alle S ∈ ST (O(S 18 )). Es sei ange8 merkt, dass S dem Minimalpunkt der beiden Schedulepolytope ST (O(S 4 )) und ST (O(S 18 )) entspricht (vgl. Abb. 2.20). S2

6 0

0

HH

S 18q

1 1 -2 -? 2 1 @ -2

0 0

4 HH

Sq6

5

-6

@1 @ 0 1 R @ -4 * 2

HH 1 j3

S4 q S3 q

Sq7

q S 16

q

S 13

S8 q S1

- S1

q 5


2.2 Exakte L¨ osungsverfahren

145

F¨ ur Zielfunktion (RI ) kommen also die Minimalpunkte der Schedulepolyosungen in Frage und bilden die Elemente der tope ST (O(S)) als potentielle L¨ Menge der ausgezeichneten Punkte. Bei den Zielfunktionen (RD) und (RL) handelt es sich um stetige Funktionen. Zudem sind (RD) und (RL) konkav auf der Isoordnungsmenge jedes zeitzul¨ assigen Schedules S. Bei konkaven Funktionen liegt jede Sekante unterhalb des Graphen von f , so dass die Funktion f auf einem abgeschlossenen Intervall [a, b] ihr Minimum auf einem der beiden Endpunkte a oder b annimmt (vgl. Abb. 2.21), d.h. aufgrund der Stetigkeit entspricht eine Minimalstelle von f immer einer Ecke des Abschlusses der entsprechenden Isoordnungsmenge. f (S)

6 f (b)

f (a)

-S S

a

b

S

Abb. 2.21. Konkave Funktion

Eine unterhalb-halbstetige (stetige) Funktion f : Rn+2 ≥0 → R, die auf der Isoordnungsmenge jedes zeitzul¨ assigen Schedules konkav ist, wird lokal konkav genannt. Somit geh¨ oren (RD) und (RL) zu den lokal konkaven Funktionen, f¨ ur die immer ein Extremalpunkt eines Schedulepolytops optimal ist. Da jeder Extremalpunkt des Abschlusses einer Isoordnungsmenge auch Extremalpunkt eines Schedulepolytops ist, folgt dies sofort aus der Stetigkeit und Konkavit¨ at von f . Die Menge der ausgezeichneten Punkte eines Projektplanungsproblems mit Zielfunktion (RD) oder (RL) entspricht daher den Extremalpunkten aller Schedulepolytope ST (O(S)), S ∈ ST . Die verschiedenen Zielfunktionen und ihre ausgezeichneten Punkte sind zusammenfassend in Tabelle 2.6 angegeben.

2.2 Exakte L¨ osungsverfahren Wir stellen nun exakte Verfahren zur L¨ osung von Projektplanungsproblemen unter Zeitrestriktionen mit den in Abschnitt 2.1.1 aufgef¨ uhrten Zielfunktionen vor. Die exakten Verfahren bestimmen unter den in Abschnitt 2.1.5 ein-

146

2 Projektplanung unter Zeitrestriktionen Tabelle 2.6. Zielfunktionen und ausgezeichnete Punkte Zielfunktion

ausgezeichnete Punkte von ST

(PD), (MFT ) (E + T ) (WST ), (NPV ) (RI ) (RD), (RL)

Minimalpunkt von ST lokale Minimalstellen S ∗ der Funktion f Extremalpunkte von ST Minimalpunkte von ST (O(S)) Extremalpunkte von ST (O(S))

gef¨ uhrten ausgezeichneten Punkten der jeweiligen Zielfunktion eine optimale Lösung. 2.2.1 Minimierung der Projektdauer Bei den Zielfunktionen der Minimierung der Projektdauer (PD) und der Minimierung der mittleren Durchlaufzeit (MFT ) handelt es sich, wie in Abschnitt 2.1.5 beschrieben, um regul¨ are Funktionen. Daher muss zur Bestimmung einer optimalen L¨ osung f¨ ur das entsprechende Optimierungsproblem der Minimalpunkt des zeitzul¨ assigen Bereichs ST bestimmt werden. Der Minimalpunkt uhesten Startzeitpunkte von ST entspricht dem Vektor ES = (ES i )i∈V der fr¨ ur alle i ∈ V . Die Bestimmung der Längen längster Wege d0i mit ES i = d0i f¨ von 0 nach i kann mit dem Label-Correcting-Algorithmus (vgl. Algorithmus 1.14 in Abschnitt 1.4.3) oder dem Tripel-Algorithmus (vgl. Algorithmus 1.19 in Abschnitt 1.4.3) erfolgen. Beispiel 2.19. Betrachten wir den in Abbildung 2.22 dargestellten Projektnetzplan mit drei realen Vorg¨ angen und einer maximalen Projektdauer von d = 7. Mit Hilfe des Label-Correcting-Algorithmus soll nun eine optimale Lösung f¨ ur die Projektdauerminimierung und die Minimierung der mittleren Durchlaufzeit bestimmt werden. 0

0 0 0

HH

2 1 -2 -? 2 1 @ -2

@2 @

0 @ R @ - 4 *

1 -7

HH3 3 1 HH H j H 3

Legende: pj pi δij j i

Abb. 2.22. Projektnetzplan mit drei realen Vorg¨ angen


147

Im Initialisierungsschritt setzen wir d00 := 0, p00 := 0 und Q := {0} ur die Vorgänge i = 1, 2, 3, 4. Zu Beginn sowie d0i := −∞ und p0i := −1 f¨ des ersten Hauptschrittes entfernen wir Vorgang 0 vom Kopf der Schlange Q. F¨ ur die Menge der unmittelbaren Nachfolger von Vorgang 0 ergibt sich Succ(0) = {1, 2, 3}. Aktualisieren wir die Längen längster Wege dieser ur Vorg¨ ange, so erhalten wir d01 := 0, d02 := 0, d03 := 3 und setzen p0i := 0 f¨ i = 1, 2, 3 sowie Q := {1, 2, 3}. Als N¨ achstes entfernen wir Vorgang i = 1 vom Kopf von Q und fahren auf gleiche Art und Weise fort. Die Ergebnisse der einzelnen Iterationen sind in Tabelle 2.7 angegeben. Tabelle 2.7. Ermittlung l¨ angster Wege von Knoten 0 zu allen anderen Knoten Iteration Q= Vorgang i

0 1 2 3 4

0 1 2 3 4 5 {0} {1, 2, 3} {2, 3, 4} {3, 4} {4} {} d0i p0i d0i p0i d0i p0i d0i p0i d0i p0i d0i p0i

0 −∞ −∞ −∞ −∞

0 0 0 0 0 −1 0 0 −1 3 0 −1 −1 −∞ −1

0 0 0 3 1

0 0 0 0 1

0 0 0 3 2

0 0 0 0 2

0 0 0 3 6

0 0 0 0 3

0 0 0 3 6

0 0 0 0 3

Der Minimalpunkt von ST entspricht also dem Vektor ES = (0, 0, 0, 3, 6). Damit beträgt die minimale Projektdauer 6 Zeiteinheiten und die minimale mittlere Durchlaufzeit 13 5 = 2,6 Zeiteinheiten. 2.2.2 Minimierung der Summe gewichteter Startzeitpunkte Bei der Zielfunktion der Minimierung der Summe gewichteter Startzeitpunkte handelt es sich um eine lineare Funktion. Ein Projektplanungsproblem (2.1) mit linearer Zielfunktion stellt ein lineares Programm dar, f¨ ur das immer ein Extremalpunkt des zeitzul¨ assigen Bereichs optimal ist. Eine optimale Lösung kann daher mit Hilfe eines beliebigen Verfahrens der linearen Programmierung, z.B. dem Simplex-Verfahren, ermittelt werden. Wesentlich effizienter ist es aber in diesem speziellen Fall, das zu (2.1) duale Problem zu lösen, welches einem kostenminimalen Flussproblem entspricht.8 Dualisieren wir Problem (2.1) mit Zielfunktion (WST ), d.h. Minimiere f (S) = i∈V wi Si u.d.N. Sj − Si ≥ δij (i, j ∈ E) S0 = 0 (i ∈ V ), Si ≥ 0 so erhalten wir das lineare Programm 8

Eine Einf¨ uhrung in die Dualit¨ atstheorie findet man z.B. in (Domschke und Drexl, 2005) oder (Neumann und Morlock, 2002).

148


Maximiere u.d.N.

⎫ δij · xij + 0 · z ⎪ ⎪ ⎪ i,j∈E ⎪ ⎪ ⎪ ⎪ x0j − xh0 = w0 z+ ⎪ ⎬ j∈Succ(0) h∈Pred(0) xhi − xij = wi (i ∈ V \ {0}) ⎪ ⎪ ⎪ h,i∈E i,j∈E ⎪ ⎪ ⎪ (i, j ∈ E) ⎪ xij ≥ 0 ⎪ ⎭ z ∈ R.

(2.9)

wobei Pred (i) wieder die Menge der Vorg¨ anger und Succ(i) die Menge der Nachfolger von Knoten i im Projektnetzplan bezeichnet. Die Dualvariable z ist nicht vorzeichenbeschr¨ ankt und der zugeh¨ origeZielfunktionskoeffizient ist 0, daher k¨ onnen wir z beliebig w¨ ahlen, z.B. z := i∈V wi . Multiplizieren wir weiter die Zielfunktion mit −1 ergibt sich das zu (2.9) äquivalente Minimierungsproblem ⎫ −δij · xij Minimiere ⎪ ⎪ ⎪ ⎬ i,j∈E u.d.N. xhi − xij = wi (i ∈ V ) (2.10) ⎪ h,i∈E i,j∈E ⎪ ⎪ (i, j ∈ E), ⎭ xij ≥ 0 mit w0 = − i∈V \{0} wi . Problem (2.10) entspricht einem kostenminimalen ur alle Flussproblem mit einer unteren Schranke (Minimalkapazität) λij = 0 f¨ , i, j ∈ E. Außerdem gilt aufgrund der geschickten Wahl von w x 0 , dass ij w = 0. Die Variable x gibt an, wie viele Flusseinheiten von Knoten i i ij i∈V zu Knoten j transportiert werden. In der Literatur wird gemeinhin angenommen, dass f¨ ur jede Flussvariable xij , i, j ∈ E, neben einer unteren Schranke λij auch eine obere Schranke κij vorgegeben ist. Im vorliegenden Fall gilt ur alle i, j ∈ E. Das Gewicht wi bezeichnet f¨ ur jeden Knodann κij = ∞ f¨ ten i ∈ V den Bedarf an Flusseinheiten. Entsprechend bezeichnen wir einen Knoten i mit wi > 0 als Nachfrageknoten, einen Knoten i mit wi < 0 als Angebotsknoten und einen Knoten mit wi = 0 als Umladeknoten. Gesucht ist ein Fluss mit minimalen Kosten, der den Flussbedingungen gen¨ ugt, d.h. dass f¨ ur alle Knoten i ∈ V die Summe der in Knoten i einm¨ undenden Flusseinheiten abz¨ uglich der aus Knoten i ausm¨ undenden Flusseinheiten gerade wi entspricht. Zun¨ achst konstruieren wir das dem Flussproblem (2.10) zugrunde liegenF , λij , κij . Knoten- und Pfeilmenge des de Flussnetzwerk N F = V F , E F , δij F ungliFlussnetzwerks N entsprechen der Knoten- und Pfeilmenge des urspr¨ ur die Pfeile i, j ∈ E F ergeben sich chen Projektnetzplans N = V, E, δij . F¨ F := −δij sowie die die Bewertungen δij Kapazitäten λij := 0 und κij := ∞. Knoten 0 erh¨ alt das Gewicht w0 := − i∈V \{0} wi während alle anderen Knoten ihr Gewicht beibehalten. Beispiel 2.20. Betrachten wir den Projektnetzplan N in Abbildung 2.23 mit drei realen Vorgängen und einer maximalen Projektdauer von d = 4. Die Knoten i des Netzplans sind mit Gewichten wi bewertet.


4 1

1 0 0

@ @2 @ 2 R @ * 4 3

−4

HH

149

−1 - −3 2

0 HH HH −1 j H 3

Legende: wj wi δij j i

Abb. 2.23. Projektnetzplan N mit drei realen Vorg¨ angen

Das Flussnetzwerk N F ergibt sich aus dem Projektnetzplan N , indem wir F δij := −δij zuordnen und das Geden Pfeilen i, j ∈ E F die Bewertungen wicht des Knotens 0 auf w0 := − i∈V \{0} wi = −2 setzen. Das resultierende Flussnetzwerk N F ist in Abbildung 2.24 dargestellt.

−1

4 1

−2 0

1 - −3 2

HH

4

@ @−2 @ 2 R @ * 4 −3

0 HH

HH −1 j H 3

Legende: wj wi F δij j i

F Abb. 2.24. Flussnetzwerk N F = V F , E F , δij , λij , κij

Aus dem folgenden Satz vom komplement¨ aren Schlupf folgt, dass aus einer osung optimalen Lösung (xij )i,j∈E des Flussproblems (2.10) eine optimale L¨ f¨ ur Problem (2.1) mit Zielfunktion (WST ) konstruiert werden kann, indem ur alle i, j ∈ E mit xij > 0 wir das lineare Gleichungssystem Sj − Si = δij f¨ lösen; vgl. (Domschke und Drexl, 2005, S. 34). Satz 2.21 (Satz vom komplement¨ aren Schlupf ). Gegeben seien zwei zueinander duale lineare Programme. Ist f¨ ur eine optimale L¨ osung des einen Problems eine der Nebenbedingungen nicht bindend, d.h. sie hat Schlupf, dann ist die mit dieser Nebenbedingung korrespondierende Variable des anderen Problems in dessen optimaler L¨ osung gleich 0. Ist andererseits in einer optimalen Lösung des einen Problems eine der Entscheidungsvariablen positiv, so ist die mit dieser Variablen korrespondierende Nebenbedingung des anderen Problems in dessen optimaler L¨ osung bindend, d.h. sie hat keinen Schlupf. Wie wir noch sehen werden, stellt f¨ ur das in Beispiel 2.20 vorgestellte Prour alle blem der Fluss x01 = 4, x24 = 3, x34 = 1, x40 = 2 und xij = 0 f¨

150


u ¨brigen Variablen einen optimalen Fluss dar. Aus Satz 2.21 können wir nun folgern, dass in einer optimalen L¨ osung von Problem (2.1) die Nebenbedingungen S0 − S4 ≥ −4, S1 − S0 ≥ 1, S4 − S2 ≥ 2 und S4 − S3 ≥ 3 bindend, d.h. mit Gleichheit erf¨ ullt sind. Die L¨ osung S = (0, 1, 2, 1, 4) des entsprechenden linearen Gleichungssystems S0 − S4 = −4 S1 − S0 = 1 S4 − S2 = 2 S4 − S3 = 3 S0 = 0 entspricht daher einer optimalen L¨ osung f¨ ur die Minimierung der Summe gewichteter Startzeitpunkte. Eine optimale L¨ osung f¨ ur Flussproblem (2.10) kann ermittelt werden, indem wir einen zul¨ assigen Ausgangsfluss sukzessive verbessern. Zur Bestimmung eines zul¨ assigen Ausgangsflusses x f¨ ur das Flussnetzwerk N F ergänzen wir die Knotenmenge V F um einen Umladeknoten n + 2 mit dem Gewicht ugen wir f¨ ur jeden Nachfrageknoten l einen Pfeil n + 2, l wn+2 := 0. Dann f¨ und f¨ ur jeden Angebotsknoten h einen Pfeil h, n + 2 mit den Bewertungen δn+2,l := i,j∈E |δij | bzw. δh,n+2 := i,j∈E |δij | ein. Der Transport einer Flusseinheit auf diesen Pfeilen ist also teurer als auf beliebigen Wegen im Flussnetzwerk, die Knoten n + 2 nicht enthalten. Das entsprechend erweiterte ˆ F , δˆF , λij , κij . Ein zulässiger ˆ F = Vˆ F , E Flussnetzwerk bezeichnen wir mit N ij Ausgangsfluss x im erweiterten Flussnetzwerk ergibt sich nun ganz kanonisch, ur alle Pfeile i, n+2 und xn+2,i := wi f¨ ur alle Pfeile indem wir xi,n+2 := −wi f¨ n+2, i setzen. Die u brigen Pfeile erhalten einen Fluss von 0. Zur sukzessiven ¨ Verbesserung dieses Ausgangsflusses ben¨ otigen wir das zu einem gegebenen I , λij , κij , das wie folgt Fluss x geh¨ orige Inkrementnetzwerk N I = V I , E I , δij definiert ist. Die Knotenmenge des Inkrementnetzwerks ist V I := Vˆ F . Die ˆF Pfeilmenge des Inkrementnetzwerks entspricht zunächst der Pfeilmenge E des erweiterten Flussnetzwerks mit der Minimalkapazität von λij = 0 und ˆF , ur einen Pfeil i, j ∈ E der Maximalkapazit¨ at von κij = ∞. Gilt xij > 0 f¨ I uckwärtsdann erg¨ anzen wir das Inkrementnetzwerk N außerdem um einen R¨ F und den unteren bzw. oberen Kapazitäten pfeil j, i mit der Bewertung −δîj at des aktuellen Flusses x kann nun λji = 0 bzw. κji = xij . Die Optimalit¨ mit Hilfe des folgenden aus der Graphentheorie bekannten Satzes u uft ¨berpr¨ werden; vgl. z.B. (Neumann und Morlock, 2002, Abschnitt 2.6.6). Satz 2.22. Eine zul¨ assige L¨ osung (Fluss) f¨ ur das Flussproblem (2.10) ist genau dann optimal, falls das entsprechende Inkrementnetzwerk keinen Zyklus negativer L¨ ange besitzt. Beinhaltet das Inkrementnetzwerk N I einen Zyklus negativer Länge, so kann der aktuelle Fluss verbessert werden. Dazu bestimmen wir einen solchen


151

Zyklus, sagen wir Zyklus C, und ermitteln die minimale Maximalkapazität aller in C enthaltenen Pfeile, d.h. κ∗ij = mini,j∈C {κij }.9 Seien E + := {i, j ∈ ˆ F ∧j, i ∈ N ˆ F }. Dann wird ˆ F } und E − := {i, j ∈ C | i, j ∈ N C | i, j ∈ N F ˆ nun im erweiterten Flussnetzwerk N auf allen Pfeilen i, j ∈ E + der Fluss oht und auf allen Pfeilen i, j ∈ E − um κ∗ij Einheixij um κ∗ij Einheiten erh¨ ten verringert. Ausgehend von der so erhaltenen neuen Lösung x wird abermals das zugeh¨ orige Inkrementnetzwerk konstruiert und ein Zyklus negativer Länge gesucht. Diese Schritte werden solange wiederholt, bis das Inkrementnetzwerk f¨ ur den aktuellen Fluss schließlich keinen Zyklus negativer Länge mehr enth¨ alt. Der aktuelle Fluss ist dann optimal. Ein zugehöriger optimaler Schedule f¨ ur das zugrunde liegende Projektplanungsproblem kann dann, wie bereits gesagt, mit dem Satz vom komplementären Schlupf bestimmt werden. Beispiel 2.23. Betrachten wir wieder den Projektnetzplan N in Abbildung ur das 2.23 und das zugeh¨ orige Flussnetzwerk N F in Abbildung 2.24. Um f¨ F F , λij , κij einen zulässigen Ausgangsfluss zu Flussnetzwerk N = V F , E F , δij bestimmen, f¨ ugen wir den Umladeknoten 5 mit dem Gewicht w5 = 0 ein. Weiter ist f¨ ur jeden Nachfrageknoten l = 1, 4 ein Pfeil 5, l und f¨ ur jeden Angebotsknoten h = 0, 2, 3 ein Pfeil h, 5 mit der Bewertung δ5l = 11 bzw. δh5 = 11 in das Flussnetzwerk aufzunehmen. Das erweiterte Flussnetzwerk ist mit einem zulässigen Ausgangsfluss x05 := 2, x25 := 3, x35 := 1, x51 := 4, ur alle u x54 := 2 und xij = 0 f¨ ¨brigen Variablen in Abbildung 2.25 dargestellt. 0 4 1

−3

- 2

J ]J J

3

0

J0 J4 J 2 −2 ?

J 0

2 2

JJ

^ J

5 0 Q 3 4 Q 6 Q 0 0 1 Q Q −1 Q Q s 3 Q 0

Legende: wj wi xij - j i

ˆF Abb. 2.25. Ausgangsfluss im erweiterten Flussnetzwerk N

ˆ F geh¨ Das zum Ausgangsfluss in N orende Inkrementnetzwerk N I erhalten F ˆ wir, indem wir f¨ ur alle i, j ∈ E mit xij > 0 das erweiterte Flussnetzwerk F ˆ F um einen R¨ N uckw¨ artspfeil j, i mit der Bewertung −δîj erg¨ anzen (vgl. Abb. 2.26). ange. Die Das Inkrementnetzwerk N I besitzt mehrere Zyklen negativer L¨ agt bspw. δ50 + δ01 + δ15 = Länge von Zyklus C 1 = {5, 0 , 0, 1 , 1, 5 } betr¨ 9

Um die Notation zu vereinfachen, stellen wir einen Zyklus 1, 2, 3, 1 in diesem Abschnitt als Pfeilfolge {1, 2, 2, 3, 3, 1} dar.

152


4 4 1 J J ]J

−3

2 J

−11 −11 −1 J

J−2

J 11J J 2 −2 ?

JJ 0

11 ^ J

11 11 JJ

^ J 5 0 3 4 Q −11 −11 Q 6 Q −11 11 Q 0 Q −1 −3 Q ? Q s Q 3 1

Legende: wj wi I δij j i

Abb. 2.26. Inkrementnetzwerk N I

−23. Wir konstruieren die Mengen E + := {0, 1 } und E − := {5, 0 , 1, 5 }. Die minimale Maximalkapazit¨ at auf Zyklus C 1 ist min{2, ∞, 4} = 2. Daˆ F auf dem Pfeil 0, 1 den her erhöhen wir im erweiterten Flussnetzwerk N Fluss xij um 2 Einheiten, auf den Pfeilen {5, 0 , 1, 5 } verringern wir den Fluss xij um 2 Einheiten. Es ergibt sich x05 = 0, x01 = 2 und x51 = 2. Das zu diesem Fluss konstruierte Inkrementnetzwerk besitzt den Zyklus ur den die kumulierten Kosten −24 betragen. C 2 = {5, 2 , 2, 4 , 4, 5 }, f¨ Es ergeben sich die Mengen E + := {2, 4 } und E − := {5, 2 , 4, 5 }. Die minimale Maximalkapazit¨ at auf Zyklus C 2 ist min{3, ∞, 2} = 2; somit wird F ˆ auf dem Pfeil 2, 4 um 2 Einheiten erh¨ oht und auf den Pfeider Fluss in N len {5, 2 , 4, 5 } um 2 Einheiten verringert. Es folgt x25 = 1, x24 = 2 und origen Inkrementnetzwerk ergeben sich f¨ ur den Zyklus C 3 = x54 = 0. Im zugeh¨ {5, 3 , 3, 4 , 4, 0 , 0, 1 , 1, 5 } Gesamtkosten von −22 und eine minimale Maximalkapazität von min{1, ∞, ∞, ∞, 2} = 1. Wir konstruieren die Mengen ohen wir den Fluss E + := {3, 4 , 4, 0 , 0, 1 } und E − := {5, 3 , 1, 5 }. Erh¨ ˆ F auf den Pfeilen {3, 4 , 4, 0 , 0, 1 } um eine Einheit und verringern in N wir den Fluss auf den Pfeilen {5, 3 , 1, 5 } um eine Einheit, dann ergibt sich origen Inkrementx35 = 0, x34 = 1, x40 = 1, x01 = 3 und x51 = 1. Im zugeh¨ netzwerk existiert nur noch der Zyklus C 4 = {5, 2 , 2, 4 , 4, 0 , 0, 1 , 1, 5 } mit negativen kumulierten Kosten in H¨ ohe von −21 und einer minimalen ˆ F auf Maximalkapazit¨ at von min{1, ∞, ∞, ∞, 1} = 1. Wird der Fluss in N den Pfeilen {2, 4 , 4, 0 , 0, 1 } um eine Einheit erh¨ oht und auf den Pfeilen {5, 2 , 1, 5 } um eine Einheit verringert, so ergibt sich der in Abbildung 2.27 ur alle dargestellte Fluss: x01 = 4, x24 = 3, x34 = 1 und x40 = 2 sowie xij = 0 f¨ u alt keinen Zy¨brigen Variablen. Das entsprechende Inkrementnetzwerk enth¨ klus negativer Länge. Somit ist der gefundene Fluss optimal. Der zugeh¨ orige Schedule kann nun mit dem Satz vom komplement¨ aren Schlupf bestimmt werden. Wir erhalten mit S = (0, 1, 2, 1, 4) die optimale L¨ osung f¨ ur das Problem der Minimierung der Summe gewichteter Startzeitpunkte.


153

2 4 1

−3

- 2

J ] J

J

0

4

J3 J0

J 2 −2 ?

J 0 0 0

JJ

^ J

5 0 Q 3 4 Q 6 Q 0 1 0 Q Q −1 Q Q s 3 Q 0

Legende: wj wi xij j i

ˆF Abb. 2.27. Optimaler Fluss im erweiterten Flussnetzwerk N

2.2.3 Maximierung des Kapitalwertes Wie bereits in Abschnitt 2.1.4 beschrieben, l¨ asst sich das Problem der Kapitalwertmaximierung in ein lineares Programm transformieren. Zur Bestimmung einer optimalen L¨ osung kann folglich das Simplex-Verfahren verwendet werden. Eine weitaus effizientere Methode zur Bestimmung eines Schedules mit maximalem Kapitalwert ist jedoch das im Folgenden beschriebene Anstiegsverfahren. Aus didaktischen Gr¨ unden betrachten wir im Folgenden anstelle der zu minimierenden Zielfunktion (NPV ) die a ¨quivalente zu maximieren−αSi e . Ausgehend von einem Extremalpunkt de Zielfunktion f (S) = i∈V cF i oglichst S ∈ ST bestimmen wir in jeder Iteration des Anstiegsverfahrens eine m¨ steile zul¨ assige Anstiegsrichtung z. Sei φi := ∂f (S)/∂Si die partielle Ableianderung des Kapitung der Zielfunktion f nach Si im Punkt S, die die Ver¨ talwertes angibt, den eine marginale Erh¨ ohung des Startzeitpunktes Si von Vorgang i bewirkt. Dann w¨ ahlen wir eine zul¨ assige Richtung z, f¨ ur die die so genannte Richtungsableitung z T ∇f (S) := i∈V zi φi maximal ist (steilste Anstiegsrichtung). Weiterhin bestimmen wir eine Schrittweite λ, die angibt, wie weit wir uns in Richtung z bewegen k¨ onnen, bevor eine der vorgegebenen Zeitbeziehungen verletzt oder die Richtungsableitung negativ wird (letzteres passiert nicht, wenn wir in eine bin¨ are Richtung gehen). Ausgehend von einem Extremalpunkt S bewegen wir uns so zu einem zeitzul¨ assigen Schedule oherem Kapitalwert. S := S + λz mit h¨ Betrachten wir zun¨ achst die Bestimmung einer zul¨ assigen steilsten Anstiegsrichtung z f¨ ur einen beliebigen Extremalpunkt S ∈ ST . In jedem Extreangige Nebenbedingunmalpunkt S ∈ ST sind mindestens n + 1 linear unabh¨ gen bindend. Daher l¨ asst sich S als Ger¨ ust G = V, EG des Projektnetzplans N darstellen, wobei jeder Pfeil i, j ∈ EG zu einer bindenden Nebenbedinort (vgl. Abschnitt 2.1.4). W¨ ahlen wir zur Normierung gung Sj − Si = δij geh¨ des Richtungsvektors z die Maximumsnorm, d.h. ||z||∞ = maxi∈V |zi |, dann kann die Bestimmung einer zul¨ assigen steilsten Anstiegsrichtung in S mit

154


dem zugeh¨ origen Ger¨ ust G als lineares Programm in den Veränderlichen zi wie folgt formuliert werden Maximiere z T ∇f (S) := u.d.N. zj − zi ≥ 0 z0 = 0 −1 ≤ zi ≤ 1

i∈V

−αSi −αcF zi i e

(i, j ∈ EG ) (i ∈ V ) .

⎫ ⎪ ⎪ ⎬ ⎪ ⎪ ⎭

(2.11)

Die Nebenbedingungen zj − zi ≥ 0, i, j ∈ EG , stellen sicher, dass bei einer Verz¨ ogerung des Startzeitpunktes von Vorgang i um zi > 0 Zeiteinheiten auch alle Nachfolger j von i im Ger¨ ust G um zj ≥ zi Zeiteinheiten verzögert werden, da alle Pfeile im zugrunde liegenden Ger¨ ust bindende Zeitbeziehungen repr¨ asentieren. Bei einer Verz¨ ogerung des Startzeitpunktes von Vorgang j um uher gestartet, zj < 0 Zeiteinheiten, d.h. Vorgang j wird zj Zeiteinheiten fr¨ m¨ ussen aufgrund der bindenden Zeitbeziehungen alle Vorgänger i von j im uher starten. Die Bedingung z0 = 0 Ger¨ ust G um zi ≤ zj Zeiteinheiten fr¨ besagt, dass der Projektstart weder vorgezogen noch verzögert werden darf. Die beiden Nebenbedingungen sorgen somit daf¨ ur, dass es sich bei z um eine zul¨ assige Richtung handelt, durch die Zielfunktion wird gewährleistet, dass wir eine steilste Anstiegsreichtung erhalten. Es l¨ asst sich zeigen, dass die Koeffizientenmatrix von Problem (2.11) total unimodular ist, d.h. die Determinante jeder quadratischen Teilmatrix nimmt nur die Werte 0, 1 bzw. −1 an. Aufgrund dieser Eigenschaft der Koeffizientenmatrix und der gew¨ ahlten Normierung existiert f¨ ur Problem (2.11) immer eine optimale L¨ osung z ∈ {−1, 0, 1}n+2 . Schwindt und Zimmermann (1998) zeigen ferner, dass ausgehend vom ES-Schedule immer eine zulässiur unser Anstiegsverfahren exisge steilste Anstiegsrichtung z ∈ {0, 1}n+2 f¨ tiert. Sei S 1 , . . . , S r eine endliche Folge von Schedules mit S 1 = ES und ur q = 1, . . . , r − 1, wobei λq ∈ R≥0 ist, und z q = 0 S q+1 = S q + λq z q f¨ f¨ ur alle q = 1, . . . , r eine steilste Anstiegsrichtung f¨ ur Schedule S q repräsenr ur Schedtiert. Dann gilt f¨ ur jede optimale L¨ osung z des Problems (2.11) f¨ ule S r , dass z r ≥ 0, d.h. in jedem Schritt kann z ∈ {0, 1}n+2 gewählt werden. Die Folge der mit Hilfe des steilsten Anstiegsverfahrens generierten Schedules S 1 , . . . , S r ist somit komponentenweise monoton wachsend, d.h. S 1 ≤ S 2 ≤ · · · ≤ S r−1 ≤ S r . ur SchedDie Bestimmung einer steilsten Anstiegsrichtung z ∈ {0, 1}n+2 f¨ ule S mit zugeh¨ origem Ger¨ ust G basiert auf dem folgenden Lemma. Lemma 2.24. Sei i die Anzahl der Pfeile auf einem Semiweg (ungerichtete Pfeilfolge) von Knoten 0 zu Knoten i im Ger¨ ust G des Projektnetzplans N . Die Vorg¨ ange i des Ger¨ ustes mit maximalem i stellen dann entweder Quellen mit genau einem Nachfolger oder Senken mit genau einem Vorgänger dar. ur In Abbildung 2.28 ist ein Ger¨ ust mit den zugehörigen Zahlungen cF i f¨ alle Vorg¨ ange i ∈ V angegeben. F¨ ur i = 3, 4 ist i = 2 maximal, wobei Vorgang 3 eine Senke mit genau einem Vorg¨ anger und Vorgang 4 eine Quelle mit


155

genau einem Nachfolger darstellt. Wir skizzieren nun anhand dieses Beispiels, wie man eine steilste Anstiegsrichtung bestimmt, bevor wir im Anschluss eine allgemeine Beschreibung des Vorgehens zur Bestimmung einer steilsten Anstiegsrichtung geben.

0 0 @ 0

5 1 1

@ 5 R @ 2 1

-10

- 3 2

-10 4 2

Legende:

cF i i

i

cF j

- j

j

Abb. 2.28. Ger¨ ust mit 3 = 4 = 2 −αS3 Da die partielle Ableitung φ3 = −αcF der Zielfunktion f nach S3 im 3e Punkt S f¨ ur beliebige α > 0 positiv ist, f¨ uhrt eine Erh¨ ohung von S3 auch zu ur den einer Erhöhung des Projektkapitalwertes. Wir setzen daher z3 := 1. F¨ ogerung des Vorgänger von Vorgang 3, Vorgang 1, ist φ1 < 0, d.h. eine Verz¨ Vorgangs f¨ uhrt zu einer Verminderung des Kapitalwertes. Aus diesem Grund ur Vorgang 4 ist die partielle Ableitung φ4 positiv und setzen wir z1 := 0. F¨ eine Verzögerung von Vorgang 4 f¨ uhrt zu einer Erh¨ ohung des Kapitalwertes. Vorgang 4 hat im Ger¨ ust G jedoch Knoten 2 als Nachfolger, d.h. es existiert eine bindende Zeitbeziehung zwischen den Vorg¨ angen 4 und 2. Wollen wir Vorgang 4 verzögern, so m¨ ussen wir Vorgang 2 gemeinsam mit Vorgang 4 verzögern, um die im zugrunde liegenden Netzplan gegebenen Zeitbeziehungen einzuhalten. Wir betrachten daher die Summe der partiellen Ableitungen der ogerung von beiden Vorgänge. Ist φ2 + φ4 > 0, d.h. die gemeinsame Verz¨ Vorgang 2 und 4 f¨ uhrt zu einer Erh¨ ohung des Kapitalwertes, so setzen wir ange 2 und 4 z2 := z4 := 1. Andernfalls gilt z2 := z4 := 0, d.h. die Vorg¨ werden nicht verz¨ ogert. Da wir annehmen, dass Vorgang 0 zum Zeitpunkt aß z0 := 0. S0 = 0 startet, gilt naturgem¨ Zur Bestimmung einer steilsten zul¨ assigen Anstiegsrichtung gehen wir nun im Einzelnen wie folgt vor. Seien S ein Extremalpunkt des zeitzul¨ assigen Beoriges Ger¨ ust. Ausgehend von den Vorg¨ angen i mit reichs ST und G ein zugeh¨ uste, deren Verz¨ ogerung maximaler Pfeilanzahl i bestimmen wir dann Teilger¨ zu einer Erhöhung des Projektkapitalwertes f¨ uhren. F¨ ur die Vorg¨ ange i eines solchen Teilger¨ ustes setzen wir zi := 1. ur alle i ∈ V \{0} und sortieren Wir bestimmen dazu zun¨ achst die Werte i f¨ sie nach nichtwachsenden Werten. Anschließend ermitteln wir die partiellen Ableitungen φi = ∂f (S)/∂Si von f nach Si im Punkt S. Wir entnehmen jeweils den Knoten i mit maximalem i und untersuchen, ob es sich um eine Quelle oder eine Senke im zugrunde liegenden Ger¨ ust G handelt. Ist Vorgang i eine Senke, dann ist zu pr¨ ufen, ob die Verz¨ ogerung von Vorgang i zu einer Erhöhung des Zielfunktionswertes f¨ uhrt. Dies ist f¨ ur φi > 0 der Fall und

156


wir setzen zi := 1. F¨ uhrt allerdings die Verzögerung des Vorgangs i nicht zu einer Erh¨ ohung des Kapitalwertes, d.h. φi ≤ 0, dann verschmelzen“ wir ” Vorgang i mit seinem eindeutigen Vorg¨ anger j, in dem wir φj := φj + φi 10 setzen. φj gibt dann die Ver¨ anderung des Kapitalwertes an, wenn wir das Teilger¨ ust bestehend aus den Knoten i und j verzögern. Da Knoten i mit seinem Vorg¨ anger j verschmolzen wurde, braucht Knoten i im Folgenden nicht weiter betrachtet zu werden. Handelt es sich bei Vorgang i um eine Quelle in G, so kann Vorgang i nur gemeinsam mit seinem eindeutig direkten Nachfolger j in G in einer binären ogert werden, da zwischen i und j eine bindende Richtung zi ∈ {0, 1} verz¨ ur eine Zeitbeziehung existiert. Gehen wir vom ES-Schedule aus, so ist φi f¨ Quelle i außerdem immer positiv. Wir verschmelzen daher Quelle i stets mit ihrem Nachfolger j, setzen φj := φj + φi und brauchen Knoten i im Weiteren nicht mehr zu ber¨ ucksichtigen. Diese Schritte werden solange ausgef¨ uhrt, bis alle Vorgänge i ∈ V \ {0} betrachtet wurden. Ist die Verz¨ ogerung eines Teilger¨ ustes vorteilhaft, d.h. die ust repräsentierenden Kno(kumulierte) partielle Ableitung φj des ein Teilger¨ tens j ist positiv, so werden alle zu diesem Teilger¨ ust gehörenden Vorgänge verz¨ ogert. Bezeichne C(j) die Menge der mit Vorgang j verschmolzenen ur alle i ∈ C(j). F¨ ur die mit Knoten Vorg¨ ange, dann setzen wir also zi := 1 f¨ 0 verschmolzenen Vorg¨ ange i ∈ C(0) gilt zi := 0. Algorithmus 2.25 fasst die beschriebene Vorgehensweise zusammen. Algorithmus 2.25 (Bestimmung einer steilsten Anstiegsrichtung z f¨ ur Schedule S). −αSi und C(i) := {i} f¨ ur alle i ∈ V . Setze zi := 0, φi := ∂f (S)/∂Si = −α · cF i e Bestimme ein zu S geh¨ origes Ger¨ ust G und setze V := V \ {0}. Bestimme i f¨ ur alle i ∈ V . Solange V = ∅: Entnimm einen Vorgang i mit gr¨ oßtem i aus V . Falls i eine Quelle im aktuellen Ger¨ ust G darstellt, d.h. i besitzt keinen Vorg¨ anger, aber genau einen Nachfolger j: Verschmelze Knoten i mit Knoten j und setze φj := φj +φi und C(j) := C(j) ∪ C(i). Falls i eine Senke im aktuellen Ger¨ ust G darstellt, d.h. i besitzt keinen Nachfolger, aber genau einen Vorg¨ anger j: ur alle h ∈ C(i). Falls φi > 0: Setze zh := 1 f¨ Andernfalls verschmelze Knoten i mit Knoten j und setze φj := φj + φi und C(j) := C(j) ∪ C(i).

10

Senke i mit maximalem i besitzt nach Lemma 2.24 immer genau einen Vorg¨ anger.


157

Mit Hilfe von Algorithmus 2.25 bestimmen wir zum einen eine binäre steilste uste mit der KnoAnstiegsrichtung z ∈ {0, 1}n+2 und zum anderen Teilger¨ tenmenge C(j), j ∈ V , die gemeinsam verschoben werden können. Hierbei ist zu beachten, dass die Verz¨ ogerung jedes einzelnen Teilger¨ ustes (d.h. die Verz¨ ogerung jedes Vorgangs dieses Teilger¨ ustes um denselben Betrag) eine Verschiebung in eine bin¨ are Richtung darstellt und somit f¨ ur sich eine Verbesserung des Zielfunktionswertes bewirkt. Nachdem eine steilste Anstiegsrichtung z ∈ {0, 1}n+2 bestimmt wurde, m¨ ussen wir eine Schrittweite λ bestimmen, die angibt, wie weit wir uns in Richtung z bewegen. Da die Zielfunktion (NPV ) binärmonoton und die bestimmte steilste Anstiegsrichtung z ∈ {0, 1}n+2 ist, können wir die Schrittweite so groß wie m¨ oglich w¨ ahlen, ohne dass eine der Nebenbedingungen Sj − Si ≥ δij , i, j ∈ E, verletzt wird. Der Durchstoßpunkt S = S + λz liegt also immer auf dem Rand des zeitzul¨ assigen Bereichs (vgl. Abb. 2.29). Die optimale Schrittweite λ ergibt sich dabei gemäß λ :=

min

i∈V :zi =1

min {Sj − Si − δij },

j∈V :zj =0

(2.12)

mit f (S + λz) = maxλ∈R≥0 {f (S + λz) | S + λz ∈ ST }. Im Allgemeinen stellt der Durchstoßpunkt S = S + λz keinen Extremalpunkt des zeitzulässigen Bereichs ST dar (vgl. Abb. 2.29). S2

6

S = S + λz

3

r

2

z 1

r

- S1

S 1 2 3 4 5 Abb. 2.29. Vorgehensweise des Anstiegsverfahrens

Verzögern wir alle Vorg¨ ange i ∈ V mit zi = 1 um λ dann wird i.d.R. zunächst eine Zeitbeziehung Sj − Si ≥ δij mit zi = 1 und zj = 0 bindend, d.h. eines der verz¨ ogerten Teilger¨ uste dockt“ an das Teilger¨ ust der stehen” ogern der verbleibenden gebliebenen Vorgänge j mit zj = 0 an. Weiteres Verz¨ Teilger¨ uste bewirkt, aufgrund der bin¨ armonotonen Eigenschaft der Zielfunktion (NPV ) und da die steilste Anstiegsrichtung z bin¨ ar ist, eine weitere Erh¨ ohung des Kapitalwertes. Deshalb f¨ uhren wir ausgehend von Schedule S zur Beschleunigung des Verfahrens einen so genannten Eckenanstieg durch.

158


Dabei wird nacheinander f¨ ur alle Teilger¨ uste eine bindende Zeitbeziehung eingef¨ ugt. Auf diese Weise erhalten wir ein neues Ger¨ ust und somit eine neue Ecke des zeitzul¨ assigen Bereichs (vgl. Abb. 2.30). S2

6 3

r

z

-r S E = S + λz + λ z

2

z 1

r S

- S1 1

2

3

4

5

Abb. 2.30. Eckenanstieg

Zur Bestimmung der maximalen Schrittweite in den einzelnen Schritten des Eckenanstiegs gehen wir wie folgt vor. Seien G das zu Schedule S ogert werden, d.h. gehörende Ger¨ ust und V s die Menge aller Knoten, die verz¨ s ur alle i ∈ V \ V s initialisieren wir SiE := Si . V := {i ∈ V | zi = 1}. F¨ Wir entfernen zun¨ achst alle Pfeile i, j ∈ EG mit i ∈ C(j) und j ∈ C(i) aus G, d.h. wir entfernen die Pfeile aus G, an denen die zu verschiebenden Teilger¨ uste abgerissen“ werden. Danach bestimmen wir eine Schrittweite λ ” ur gemäß (2.12) und den zugeh¨ origen Pfeil h, l mit λ = Sl − Sh − δhl . F¨ das entsprechende Teilger¨ ust bzw. die Knotenmenge C(j), die den Knoten h enthält, erhöhen wir die Startzeitpunkte um λ Zeiteinheiten, d.h. wir setzen ustes C(j) aus der Menge SiE := Si +λ. Danach werden die Knoten des Teilger¨ ust G hinzugef¨ ugt. Diese Schritte V s eliminiert und der Pfeil h, l dem Ger¨ werden solange wiederholt, bis die Menge V s leer ist. Algorithmus 2.26 fasst die einzelnen Schritte zur Durchf¨ uhrung eines Eckenanstiegs zusammen. Algorithmus 2.26 (Eckenanstieg). Setze V s := {i ∈ V | zi = 1}. F¨ ur alle i ∈ V \ V s : Setze SiE = Si . / C(i) und i ∈ / C(j) : Setze EG := EG \ {i, j }. F¨ ur alle i, j ∈ EG mit j ∈ s Solange V = ∅. Ermittle h, l ∈ E mit h ∈ V s und l ∈ V \V s , so dass λ := SlE −Sh −δhl = min (SjE − Si − δij ). min i∈V :zi =1

j∈V :zj =0

Ermittle die Knotenmenge C(j) mit h ∈ C(j). F¨ ur alle i ∈ C(j): Setze SiE := Si + λ und zi := 0.


159

V s := V s \ C(j). EG := EG ∪ {h, l }. R¨ uckgabe S E . Das Verfahren des steilsten Anstiegs zur L¨ osung von Kapitalwertmaximierungsproblemen unter Zeitrestriktionen ist zusammenfassend in Algorithmus 2.27 beschrieben und wird anhand von Beispiel 2.28 veranschaulicht. Algorithmus 2.27 (Verfahren des steilsten Anstiegs). Ermittle den Schedule der fr¨ uhesten Startzeitpunkte ES und zugehöriges Ger¨ ust G = V, EG des Netzwerkes N . Setze S := ES . Wiederhole: Ermittle eine steilste Anstiegsrichtung z in S mit Algorithmus 2.25. Falls z = 0 : Bestimme eine Ecke S E mit Algorithmus 2.26. Setze S := S E . Solange bis z = 0. R¨ uckgabe S Beispiel 2.28. Wir betrachten den Projektnetzplan in Abbildung 2.31 mit vier realen Vorg¨ angen und einer maximalen Projektdauer von d = 10. Zur Maximierung des Projektkapitalwertes wenden wir Algorithmus 2.27 an, wobei wir α = 0,01 w¨ ahlen. −10 2 2 3 2 Q 1 3 −3 1 −3 Q2 2 Q

0 0 ? Q s 5 Q 4 0 3 Q 8 2 0 Q 0 2 1 Q ? Q s Q 3 -1 - 4 1 4 −5

Legende: pi i

δij

pj

- j

cF i

cF j

Abb. 2.31. Projektnetzplan mit vier realen Vorg¨ angen

Wir erhalten den Vektor der fr¨ uhesten Startzeitpunkte gem¨ aß ES = (0, 1, 4, 8, 7, 9). Ein zugeh¨ origes Ger¨ ust (Outtree) ist in Abbildung 2.32 angegeben. Zu Beginn des Verfahrens zur Bestimmung einer steilsten Anstiegsrichtung ur alle i ∈ V sowie V := V \ {0}. Weiter setzen wir zi := 0 und C(i) := {i} f¨ −0,01·Si berechnen wir f¨ ur alle i ∈ V die partiellen Ableitungen φi = −0,01·cF i ·e

160

2 Projektplanung unter Zeitrestriktionen 2 3 1 1 −3

0 0 Q 8 Q 0 Q

1

Q s 3 Q 4

3

2

- 2 2

0 5 3 2 0

2 -1 4 −5

Abb. 2.32. Ger¨ ust zum ES -Schedule Tabelle 2.8. Partielle Ableitungen von f nach Si im Punkt S i∈V

0

1

2

3

4

5

φi

0

0,030

−0,019

−0,037

0,047

0

von f nach Si im Punkt S (vgl. Tab. 2.8). Im ersten Hauptschritt entnehmen wir Knoten 5 mit 5 = 3 aus der Menge V . Knoten 5 besitzt keinen Nachfolger, aber genau einen Vorg¨ anger (Knoten 4) und stellt damit eine Senke in dem zum ES -Schedule geh¨ origen Ger¨ ust dar. Da φ5 = 0 gilt, wird Knoten 5 nicht verzögert, sondern wir verschmelzen Vorgang 5 mit Vorgang 4 und ur die Vorg¨ ange 2 und setzen φ4 := φ4 + φ5 = 0,047 sowie C(4) := {4, 5}. F¨ achst w¨ ahlen wir Knoten (Senke) 2 aus V . Da f¨ ur 4 gilt 2 = 4 = 2. Zun¨ ullt ist, verschmelzen wir Knoten 2 mit Vorgang 2 die Bedingung φ2 < 0 erf¨ achsKnoten 1. Es ergibt sich φ1 := φ1 + φ2 = 0,011 und C(1) := {1, 2}. Als N¨ ur tes entfernen wir Vorgang 4 aus V , der ebenfalls eine Senke darstellt. F¨ ange C(4) = {4, 5} bilden ein Teilger¨ ust, Knoten 4 gilt φ4 > 0, d.h. die Vorg¨ ur die Vorg¨ ange 1 und 3 das zu verz¨ ogern ist, und wir setzen z4 := z5 := 1. F¨ gilt 1 = 3 = 1. Vorgang 1 stellt eine Senke dar und wird aus V eliminiert. Wegen φ1 = 0,011 > 0 setzen wir z1 := 1 und z2 := 1. Knoten 3 ist wiederum eine Senke und wird aus V entfernt. Da φ3 negativ ist, verschmelzen wir Vorgang 3 mit Vorgang 0. Es ergibt sich φ0 := φ0 + φ3 = −0,037 und C(0) := {0, 3}. Da nun die Menge V leer ist, terminiert der Algorithmus. Als zulässige steilste Anstiegsrichtung erhalten wir z = (0, 1, 1, 0, 1, 1)T . Wir f¨ uhren nun einen Eckenanstieg durch. Die Menge der Vorg¨ ange, die verzögert werden, ist V s = {1, 2, 4, 5}. Wir setzen S0E := 0 und S3E := 8. Zunächst sind die Pfeile 0, 1 und 3, 4 aus dem Ger¨ ust G zu entfernen, da 0 ∈ C(1) und 1 ∈ C(0) sowie 3 ∈ C(4) und 4 ∈ C(3). Dann ist Schrittweite λ gemäß (2.12) zu bestimmen. In der ersten Iteration ergibt sich f¨ ur h ∈ {1, 2, 4, 5} und l ∈ {0, 3} eine Schrittweite von λ := min{S0E − S5 − δ50 = 0−9+10 = 1, S3E −S1 −δ13 = 8−1−4 = 3, S3E −S4 −δ43 = 8−7−1 = 0} = 0. Die Vorgänge aus C(4) werden also um 0 Zeiteinheiten verz¨ ogert, d.h. wir setzen ugen den Pfeil 4, 3 zu EG hinzu. Danach setzen S4E := 7, S5E := 9 und wir f¨ ange 4 und 5 aus V s . In der zweiten wir z4 = z5 := 0 und eliminieren die Vorg¨ Iteration ergibt sich mit h ∈ {1, 2} und l ∈ {0, 3, 4, 5} eine Schrittweite von λ := min{S3E −S1 −δ13 = 8−1−4 = 3, S5E −S2 −δ25 = 9−4−2 = 3} = 3. Die


161

Vorg¨ ange aus C(1) sind um 3 Zeiteinheiten zu verzögern. Wir setzen S1E := 4, E ugen den Pfeil 2, 5 zu EG hinzu und entnehmen S2 := 7, z1 = z3 := 0 und f¨ die Vorg¨ ange 1 und 2 der Menge V s . Nun ist V s = ∅ und wir haben die Ecke orige Ger¨ ust ist in Abbildung S E = (0, 4, 7, 8, 7, 9) erreicht. Das zu S E geh¨ 2.33 dargestellt. 2 1 −3

0 0 Q Q8 0 Q

3

2

- 2 Q

Q2 Q

2

1

Q s 3 Q 4

1

0

Q s 5 Q 3 2 0

2 4 −5

Abb. 2.33. Ger¨ ust zu S E = (0, 4, 7, 8, 7, 9)

In der zweiten Iteration wird in analoger Weise f¨ ur S := S E fortgefahren. ur alle i ∈ V und bestimmen Zunächst setzen wir zi := 0 sowie C(i) := {i} f¨ die partiellen Ableitungen von f nach Si im Punkt S (vgl. Tab. 2.9). Tabelle 2.9. Partielle Ableitungen von f nach Si im Punkt S i∈V

0

1

2

3

4

5

φi

0

0,029

−0,019

−0,037

0,047

0

Die einzelnen Schritte zur Bestimmung einer steilsten Anstiegsrichtung sind in Tabelle 2.10 zusammengefasst. Tabelle 2.10. Bestimmung einer steilsten Anstiegsrichtung i ∈ V i Quelle/Senke 1

5

Quelle

2

4

Quelle

5 4

3 2

Senke Quelle

3

1

Senke

φi

Aktion

φ1 = 0,029 Verschmelzung mit Knoten 2, φ2 := 0,010, C(2) := {1, 2} φ2 = 0,010 Verschmelzung mit Knoten 5, φ5 := 0,010, C(5) := {1, 2, 5} φ5 = 0,010 z1 := 1, z2 := 1, z5 := 1 φ4 = 0,047 Verschmelzung mit Knoten 3, φ3 := 0,010, C(3) := {3, 4} φ3 = 0,010 z3 := 1, z4 := 1

Danach f¨ uhren wir einen Eckenanstieg durch (vgl. Tab. 2.11). Es ergibt sich die Anstiegsrichtung z = (0, 1, 1, 1, 1, 1)T und wir erreichen die Ecke S E = orige Ger¨ ust ist in Abbildung 2.34 angegeben. (0, 5, 8, 9, 8, 10). Das zu S E geh¨

162

2 Projektplanung unter Zeitrestriktionen Tabelle 2.11. Bestimmung der maximalen Schrittweite V

s

λ Aktion

{1, 2, 3, 4, 5} 1 Teilger¨ ust {1, 2, 5} ∈ C(5) um 1 Zeiteinheit verz¨ ogern {3, 4} 1 Teilger¨ ust {3, 4} ∈ C(3) um 1 Zeiteinheit verz¨ ogern

−10

0 ? 0 0

2 1 −3 1 3 4

3

2

- 2 Q 2

Q2 Q

2 4 −5

1

0

Q s 5 Q 3 2 0

Legende: pi i

δij

cF i

Abb. 2.34. Ger¨ ust zu S

E

pj

- j

cF j

= (0, 5, 8, 9, 8, 10)

In der dritten Iteration terminiert das Verfahren, da wir als steilste Anstiegsrichtung z = 0 erhalten. Die einzelnen Schritte zur Bestimmung von z sind in Tabelle 2.12 angegeben. Die optimale L¨ osung f¨ ur das Kapitalwertmaximierungsproblem lautet S = (0, 5, 8, 9, 8, 10). Tabelle 2.12. Bestimmung einer steilsten Anstiegsrichtung i ∈ V i Quelle/Senke 1

3

Quelle

3

3

Senke

2

2

Quelle

4

2

Quelle

5

1

Quelle

φi

Aktion

φ1 = 0,029

Verschmelzung mit Knoten 2, φ2 := 0,011, C(2) := {1, 2} φ3 = −0,037 Verschmelzung mit Knoten 4, φ4 := 0,009, C(4) := {3, 4} φ2 = 0,011 Verschmelzung mit Knoten 5, φ5 := 0,011, C(5) := {1, 2, 5} φ4 = 0,009 Verschmelzung mit Knoten 5, φ5 := 0,020, C(5) := {1, 2, 3, 4, 5} φ5 = 0,020 Verschmelzung mit Knoten 0, φ0 := 0,020, C(0) := {0, 1, 2, 3, 4, 5}

Das in diesem Abschnitt vorgestellte steilste Anstiegsverfahren kann ebenfalls zur Lösung von Earliness-Tardiness-Problemen angewendet werden. Im Gegensatz zu einem Problem der Kapitalwertmaximierung wird bei einem Earliness-Tardiness-Problem ein Schedule i.d.R. nicht durch ein Ger¨ ust, sondern durch einen Wald (Menge von Teilger¨ usten) bindender Zeitbeziehungen repräsentiert. Dies resultiert daraus, dass f¨ ur Earliness-Tardiness-Probleme bei der Terminierung eines Vorgangs i nicht nur der planungsabh¨ angige ES i


163

bzw. LS i in Frage kommt, sondern zus¨ atzlich Zeitpunkte di − pi , da die partielle Ableitung φi in diesem Punkt das Vorzeichen wechselt. Vorgänge i ∈ V , uste, die einen solchen Vorgang die zu di − pi eingeplant werden, oder Teilger¨ enthalten, k¨ onnen im Raum stehen“, d.h. f¨ ur diese Vorgänge bzw. Teilger¨ uste ” m¨ ussen keine Zeitbeziehungen zu Knoten außerhalb des Teilger¨ ustes bindend sein (vgl. Abschnitt 2.1.5). 2.2.4 Ressourceninvestment-, Ressourcenabweichungs- und Ressourcennivellierungsprobleme Bei der Zielfunktion des Ressourceninvestmentproblems (RI ) handelt es sich um eine lokal regul¨ are Funktion. F¨ ur ein Projektplanungsproblem (2.1) mit lokal regul¨ arer Zielfunktion kommen, wie in Abschnitt 2.1.5 erläutert, die Minimalpunkte aller Schedulepolytope ST (O(S)), S ∈ ST , als Lösungskandidaten in Frage. Die Zielfunktionen des Ressourcenabweichungsproblems (RD) und des Ressourcennivellierungsproblems (RL) sind lokal konkav (vgl. Abschnitt 2.1.5). Daher stellen die Extremalpunkte aller Schedulepolytope ST (O(S)) Kandidaten f¨ ur eine optimale L¨ osung des entsprechenden Optimierungsproblems dar. Um ein Ressourceninvestment-, Ressourcenabweichungs- bzw. Ressourcennivellierungsproblem zu l¨ osen, machen wir uns das folgende Lemma zu Nutze, das sich unmittelbar aus Satz 2.11 ergibt. Lemma 2.29. Jeder Minimalpunkt eines Schedulepolytops ST (O(S)) kann durch mindestens einen Outtree des Netzplans N (O(S)) repräsentiert werden. Analog dazu kann jede Ecke eines Schedulepolytops ST (O(S)) durch mindestens ein Ger¨ uste des Netzplans N (O(S)) repräsentiert werden. Jeder Pfeil des entsprechenden Outtrees bzw. Ger¨ ustes stellt dabei eine bindende Zeitbeziehung Sj − Si = δij mit i, j ∈ E oder eine bindende Vorrangbeziehung Sj − Si = pi mit (i, j) ∈ O(S) dar. Die Minimal- bzw. Extremalpunkte aller Schedulepolytope ST (O(S)), onnen mit Hilfe eines so genannten ger¨ ustbasierten EnumeraS ∈ ST , k¨ tionsschemas bestimmt werden. Im Verlauf dieses Verfahrens werden die Ger¨ uste der Ordnungsnetzpl¨ ane N (O(S)) schrittweise aufgebaut. Da Vorgang 0 aufgrund der Nebenbedingung S0 = 0 zeitlich fixiert ist, beginnen wir das ger¨ ustbasierte Enumerationsschema mit dem Teilger¨ ust, das nur aus dem Knoten i = 0 besteht. Anschließend wird in jedem Schritt ein weiterer Knoten j u ust angef¨ ugt. Dazu ¨ber einen Pfeil i, j oder j, i an das aktuelle Teilger¨ pr¨ ufen wir f¨ ur jeden Knoten i des aktuellen Teilger¨ ustes, ob eine der folgenden Beziehungen (i) Si + δij = ES j (ii) Si − δji = LS j (iii) ES j ≤ Si + pi ≤ LS j (iv) ES j ≤ Si − pj ≤ LS j

164


zu einem Knoten j besteht, der nicht Knoten des Teilger¨ ustes ist. Ist Bedingung (i) erf¨ ullt, so kann eine bindende Zeitbeziehung der Form Sj − Si = δij zu Knoten j etabliert werden und wir f¨ ugen dem Ger¨ ust den Pfeil i, j mit Bewertung δij hinzu. Der Startzeitpunkt von Vorgang j ergibt sich zu Sj = ES j = Si + δij ; vgl. Abb. 2.35 (i). Gilt Bedingung (ii), dann kann eine ugt werden. bindende Zeitbeziehung der Form Si −Sj = δji zu Knoten j eingef¨ Wir erhalten den Startzeitpunkt von Vorgang j gemäß Sj = LS j = Si − δji ; vgl. Abb. 2.35 (ii). Ist eine der Bedingungen (iii) oder (iv) erf¨ ullt, so kann eine Vorrangbeziehung der Form Sj − Si = pi bzw. Si − Sj = pj zu Knoten j etabliert werden. Der Startzeitpunkt von Vorgang j ergibt sich dann zu Sj = Si + pi bzw. Sj = Si − pj ; vgl. Abb. 2.35 (iii) und (iv). (ii)

(i) Si i

δij

Sj = Si − δji

Sj = Si + δij

- j

i

pi

Si

- i

(iv)

(iii) Si

δji

j

Sj = Si − pj

Sj = Si + pi

- j

j

pj

Si

- i

Abb. 2.35. Bindende Zeit- und Vorrangbeziehungen

Nachdem auf diese Weise ein Knoten an das aktuelle Teilger¨ ust angef¨ ugt wurde, a angigen fr¨ uhesten und sp¨ ates¨ndern sich in der Regel die planungsabh¨ ten Startzeitpunkte der noch nicht im Teilger¨ ust enthaltenen Knoten. F¨ ur diese Vorg¨ ange m¨ ussen wir daher zun¨ achst einen so genannten ES-LS-Update durchf¨ uhren, d.h. wir aktualisieren f¨ ur alle nicht im aktuellen Teilger¨ ust enthaltenen Vorgänge j die ES - und LS -Werte gem¨ aß der Vorschriften ES j := max{d0j , max(Si + dij )} bzw. i∈VG

LS j := min{−dj0 , min (Si − dji )}. i∈VG

ust G enthalHierbei bezeichnet VG ⊆ V die Menge aller im aktuellen Teilger¨ tenen Knoten. Im Folgenden behandeln wir ein kleines Beispiel zum ES-LSUpdate. Beispiel 2.30. Betrachten wir den MPM-Netzplan in Abbildung 2.36 mit vier realen Vorg¨ angen. Der zugeh¨ orige Vektor der fr¨ uhesten Startzeitpunkte lautet ES = (0, 0, 1, 0, 1, 5) und f¨ ur die sp¨ atesten Startzeitpunkte gilt LS = (0, 3, 4, 4, 5, 8). Die Startzeitpunkte der Vorg¨ ange 0, 2, 3 und 5 seien nun zu orige Teilger¨ ust ist S0 := 0, S2 := 4, S3 := 0 und S5 := 8 festgelegt. Das zugeh¨ in Abbildung 2.36 angegeben. F¨ ur die noch nicht im Teilger¨ ust enthaltenen Knoten 1 und 4 muss nun ein ES-LS-Update durchgef¨ uhrt werden.


2 2

1 1 -2 2 1 −3 @ 4 0 0 0

-8

@

@ 0

2 4 1 @ R3 -4 @

−2

@ 0 @ R @5 3

165

0 0

@

@ 4 @ 0 @ -8 R5 @

@ 4 0 @ R3 @

Abb. 2.36. Projektnetzplan und Teilger¨ ust mit Knotenmenge VG = {0, 2, 3, 5}

F¨ ur Vorgang 1 a uheste Startzeitpunkt zu ¨ndert sich der fr¨ ES 1 := max{d01 , max(S0 + d01 , S2 + d21 )} = max{0, max(0 + 0, 4 − 3)} = 1, während der späteste Startzeitpunkt von Vorgang 1 unver¨ andert LS 1 = 3 bleibt. F¨ ur den Vorgang 4 ¨ andert sich der sp¨ ateste Startzeitpunkt zu LS 4 := min{−d40 , min(S3 − d43 , S5 − d45 )} = min{5, min(0 + 2, 8 − 3)} = 2. und der fr¨ uheste Startzeitpunkt von Vorgang 4 ist unver¨ andert ES 4 = 1. Bevor wir den Algorithmus zur Bestimmung aller Minimal- bzw. Extremalpunkte der Schedulepolytope ST (O(S)), S ∈ ST vorstellen, gehen wir auf Möglichkeiten ein, die Bildung redundanter Ger¨ uste im Algorithmus zu reduzieren. Eine Möglichkeit ist, die Wahl des n¨ achsten an das aktuelle Teilger¨ ust anzubindenden Knotens zu beschr¨ anken. Sind beispielsweise zwei Teilger¨ uste mit Pfeilmengen {0, 2 } und {0, 1 } vorhanden, so darf die erste Pfeilmenge nur dann um den Pfeil 0, 1 erweitert werden, wenn die zweite Pfeilmenge nicht um den Pfeil 0, 2 erweitert wird. Wir vereinbaren daher, dass an einen Knoten i, an den bereits Knoten angebunden wurden, nur solche Knoten neu angebunden werden d¨ urfen, deren Vorgangsnummer gr¨ oßer ist als die Vorgangsnummern aller bislang an i angebundenen Knoten. Dabei ist zu beachten, dass der Knoten, an den i angebunden wurde und der deshalb auf dem eindeutigen Semiweg von 0 nach i liegt, nicht ber¨ ucksichtigt wird. Dies gewährleistet, dass wir trotz beliebiger Nummerierung der Knoten ein vollständiges Ger¨ ust generieren k¨ onnen. Betrachten wir dazu das Ger¨ ust in Abbildung 2.37. Knoten 5 besitzt zwar eine gr¨ oßere Vorgangsnummer als die Knoten 2 und 3, da 5 aber auf einem Semiweg von Knoten 0 zu Knoten 1 liegt, muss er beim Anbinden der Knoten 2 und 3 an 1 vernachl¨ assigt werden. Im Einzelnen l¨ asst sich das ger¨ ustbasierte Enumerationsschema wie folgt beschreiben. Seien Γ die Menge bereits generierter Ger¨ uste und Ω die Menge generierter und noch zu erweiternder Teilger¨ uste VG , EG , wobei VG die ustes darstellt. Im InitialiKnotenmenge und EG die Pfeilmenge eines Teilger¨ sierungsschritt setzen wir VG := {0}, EG := ∅ sowie Ω := {VG , EG }, Γ := ∅

166


0

2 5

* 1 3 - 1 H 2

2

HH j 3 H

Abb. 2.37. Teilger¨ ust

und bestimmen die L¨ angen l¨ angster Wege dij . In jeder Iteration w¨ ahlen wir ufen, ob bereits ein vollst¨ andiges dann ein Teilger¨ ust VG , EG ∈ Ω und pr¨ Ger¨ ust bestimmt wurde, d.h. ob VG alle Knoten des zugrunde liegenden Projektnetzplans beinhaltet. Ist dies nicht der Fall, wird versucht, das Teilger¨ ust zu erweitern. Dazu bestimmen wir zun¨ achst, wie in Abschnitt 2.1.4 beschrieben, die Startzeitpunkte aller Vorg¨ ange in VG sowie die ES - und LS-Werte ur jeden Knoten i ∈ VG ermitteln wir alle Knoten aller Vorgänge aus V \ VG . F¨ ust VG angebunden werden k¨ onnen. j ∈ V \ VG , die an das aktuelle Teilger¨ Um, wie oben beschrieben, die Bildung redundanter Ger¨ ust zu vermeiden, vereinbaren wir, dass nur solche Knoten j an einen im Teilger¨ ust enthaltenen Knoten i angebunden werden, die gr¨ oßer sind als der gr¨ oßte u ¨ber einen Pfeil h, i ∈ EG bzw. i, h ∈ EG an i bereits angebundene Knoten h, wobei h, i bzw. i, h nicht auf einem Semiweg von 0 nach i liegt. Danach pr¨ ufen wir f¨ ur alle diese j mit Hilfe der Bedingungen (i)–(iv), ob eine bindende Zeit- bzw. uhrt Vorrangbeziehung zwischen Knoten i ∈ VG und Knoten j ∈ V \ VG eingef¨ werden kann. Ist eine der Bedingungen (i)–(iv) erf¨ ullt, dann wird das aktuelle Teilger¨ ust VG , EG um den Knoten j erweitert und das so entstandene Teilger¨ ust (VG , EG ) in die Menge Ω aufgenommen. Die Knotenmenge VG ergibt sich dabei aus VG ∪ {j} und die Pfeilmenge EG aus EG vereinigt mit dem zur jeweiligen bindenden Zeit- bzw. Vorrangbeziehung geh¨ origen Pfeil. Das Verfahren terminiert, wenn die Menge Ω leer ist. Algorithmus 2.31 (Ger¨ ustbasiertes Enumerationsschema f¨ ur Problem (2.1) mit Zielfunktion (RD) bzw. (RL)). Initialisierung: Setze VG := {0}, EG := ∅, Ω := {VG , EG }, Γ := ∅. ur alle i, j ∈ V . Bestimme die Längen l¨ angster Wege dij f¨ Hauptschritt: Solange Ω = ∅: Entferne ein Paar VG , EG aus Ω. Falls VG = V : Setze Γ := Γ ∪ {VG , EG }. Andernfalls : ur alle i ∈ VG . Bestimme die Startzeitpunkte Si f¨ Bestimme ES j := max{d0j , maxi∈VG (Si + dij )} und LS j := min{−dj0 , ur alle j ∈ V \ VG . mini∈VG (Si − dji )} f¨


167

F¨ ur alle i ∈ VG : F¨ ur alle j ∈ V \ VG f¨ ur die gilt: es existiert kein Vorgang h mit i, h ∈ EG oder h, i ∈ EG mit h > j, der nicht auf einem Semiweg von 0 nach i liegt: (i) Falls i, j ∈ E und Si + δij = ESj : ust hinzu, d.h. F¨ uge i, j mit der Bewertung δij dem Ger¨ VG := VG ∪ {j}, EG := EG ∪ {i, j }, Ω := Ω ∪ {VG , EG }. (ii) Falls j, i ∈ E und Si − δji = LSj : ust hinzu, d.h. F¨ uge j, i mit der Bewertung δji dem Ger¨ VG := VG ∪ {j}, EG := EG ∪ {j, i }, Ω := Ω ∪ {VG , EG }. (iii) Falls ES j ≤ Si + pi ≤ LS j : ust hinzu, d.h. F¨ uge i, j mit der Bewertung pi dem Ger¨ VG := VG ∪ {j}, EG := EG ∪ {i, j }, Ω := Ω ∪ {VG , EG }. (iv) Falls ES j ≤ Si − pj ≤ LS j : ust hinzu, d.h. F¨ uge j, i mit der Bewertung pj dem Ger¨ VG := VG ∪ {j}, EG := EG ∪ {j, i }, Ω := Ω ∪ {VG , EG }. R¨ uckgabe Γ . Algorithmus 2.31 generiert alle Ger¨ uste der Netzpläne N (O(S)), S ∈ ST , und somit mindestens ein Ger¨ ust f¨ ur jeden Extremalpunkt eines Schedulepour ein Projektplanungsproblem (2.1) mit Zielfunktion (RI ) lytops ST (O(S)). F¨ ist aber nur die Bestimmung von Outtrees der Ordnungsnetzpläne N (O(S)) erforderlich, d.h. von Minimalpunkten der Schedulepolytope ST (O(S)). Um dies zu erreichen, sind die Bedingungen (ii) und (iv) in Algorithmus 2.31 zu streichen. Beispiel 2.32. Wir betrachten den Projektnetzplan in Abbildung 2.38 mit zwei realen Vorgängen. Der zugeh¨ orige S1 -S2 -Schnitt des zeitzulässigen Bereichs ST ist ebenfalls in Abbildung 2.38 angegeben. Im Initialisierungsschritt des ger¨ ustbasierten Enumerationsschemas setzen wir VG := {0}, EG := ∅, Ω := {0, ∅ } und Γ := ∅. Danach bestimmen wir ur alle i, j ∈ V (vgl. Tab. 2.13). die L¨ angen l¨ angster Wege dij f¨ Tabelle 2.13. L¨ angen l¨ angster Wege dij f¨ ur alle i, j ∈ V dij 0 1 2 0 1 0 0 1 −3 0 −1 2 −3 −2 0 3 −4 −3 −4

3 4 1 1 0

Im ersten Hauptschritt entnehmen wir Ω das Teilger¨ ust 0, ∅ . F¨ ur den uhesten und sp¨ atesten Startzeitpunkt von Vorgang 0 gilt S0 := 0 und die fr¨

168

2 Projektplanung unter Zeitrestriktionen S2

1

6

0 1 1 −1 ? 1 - 2 J

−2

1

0

0

4

−4

J1 J 0 JJ ^? 3

3

3

S

2

S2

r

S5

r

r

S6

r

r

S4

1

- S1

r

S1

2

Abb. 2.38. Projektnetzplan und S1 − S2 -Schnitt des zeitzul¨ assigen Bereichs ST

Startzeitpunkte der Vorg¨ ange j ∈ V \ VG ergeben sich zu ES 1 := 1, LS 1 := 3, ES 2 := 0, LS 2 := 3, ES 3 := 4 und LS 3 := 4. Nun ist anhand der Bedingungen (i)–(iv) zu pr¨ ufen, welche bindenden Zeit- bzw. Vorrangbeziehungen zwischen dem Knoten 0 und einem Knoten j ∈ {1, 2, 3} etabliert werden k¨ onnen. Da ullt ist (Bef¨ ur den Pfeil 0, 1 ∈ E die Bedingung S0 + 1 = 1 = ES 1 erf¨ dingung (i)), kann Knoten 1 durch eine bindende Zeitbeziehung der Form ust 0, ∅ angeh¨ angt werden. Es ergibt sich das S1 − S0 = δ01 an das Teilger¨ Teilger¨ ust {0, 1}, {0, 1 } , das Ω hinzugef¨ ugt wird. F¨ ur die Knoten 0 und 2 sind die Bedingungen (i) und (iii) erf¨ ullt, d.h. das Teilger¨ ust 0, ∅ kann zum einen durch eine bindende Zeitbeziehung und zum anderen durch eine bindende Vorrangbeziehung zu Knoten 2 erweitert werden. Da aber p0 = δ02 gilt, sind die beiden resultierenden Teilger¨ uste gleich, und wir nehmen das Teilger¨ ust {0, 2}, {0, 2 } in die Menge Ω auf. F¨ ur die Knoten 0 und 3 ist die Bedingung (i) und die Bedingung (ii) erf¨ ullt. Somit k¨ onnen bindende Zeitbeziehungen der Form S3 − S0 = δ03 und S0 − S3 = δ30 etabliert werden. Die Menge Ω ist um die beiden Teilger¨ uste {0, 3}, {0, 3 } und {0, 3}, {3, 0 } zu erweitern. Am Ende des ersten Hauptschrittes ergibt sich die Menge Ω zu Ω = {{0, 1}, {0, 1 } , {0, 2}, {0, 2 } , {0, 3}, {0, 3 } , {0, 3}, {3, 0 } }. Im zweiten Hauptschritt entnehmen wir Ω das Teilger¨ ust {0, 1}, {0, 1 } . Die Startzeitpunkte der Vorg¨ ange 0 und 1 ergeben sich zu S0 := 0, S1 := 1. Wir bestimmen ES 2 := 0, LS 2 := 3, ES 3 := 4 und LS 3 := 4. Ausgehend von Knoten 0 sind wie im ersten Hauptschritt f¨ ur Knoten 2 die Bedingungen (i) und (iii) erf¨ ullt. Des Weiteren gelten f¨ ur die Knoten 0 und 3 die Bedingungen (i) und (ii). Somit f¨ ugen wir die Teilger¨ uste {0, 1, 2}, {0, 1 , 0, 2 } , {0, 1, 3}, {0, 1 , 0, 3 } und {0, 1, 3}, {0, 1 , 3, 0 } der Menge Ω hinzu. Weiterhin sind f¨ ur die Knoten 1 und 2 alle Bedingungen (i)–(iv) erf¨ ullt. Da p1 = δ12 und p2 = δ21 gilt, werden alle vier bindenden Zeit- und Vorrangbeziehungen zu Knoten 2 eingef¨ ugt. Es resultieren die Teilger¨ uste {0, 1, 2}, {0, 1 , 1, 2 } , {0, 1, 2}, {0, 1 , 1, 2 } , {0, 1, 2}, {0, 1 , 2, 1 } , {0, 1, 2}, {0, 1 , 2, 1 } , die in der Menge Ω gespeichert werden.


169

Im dritten Hauptschritt entnehmen wir das Teilger¨ ust {0, 1, 2}, {0, 1 , 0, 2 } aus der Menge Ω und bestimmen die Startzeitpunkte der Vorgänge 0, 1 und 2. Es ergibt sich S0 := 0, S1 := 1 sowie S2 := 0. Dann aktualisieur die Knoten 0 und 3 sind die Bedinren wir ES 3 := 4 und LS 3 := 4. F¨ gungen (i) und (iii) erf¨ ullt. Daher f¨ ugen wir die nun vollständigen Ger¨ uste {0, 1, 2, 3}, {0, 1 , 0, 2 , 0, 3 } , {0, 1, 2, 3}, {0, 1 , 0, 2 , 3, 0 } den Mengen Ω und Γ hinzu. In den n¨ achsten Schritten wird auf gleiche Art und Weise fortgefahren, bis Ω = ∅ gilt. Insgesamt werden 20 unterschiedliche Ger¨ uste generiert. Die 10 Ger¨ uste, die den Pfeil 0, 3 enthalten, sind in Abbildung 2.39 veranschaulicht, sie entsprechen jeweils einem Extremalpunkt S 1 , . . . , S 6 eines Schedulepolyuste unterscheiden sich von denen in Abtops ST (O(S)). Die anderen 10 Ger¨ bildung 2.39 lediglich darin, dass sie anstelle des Pfeils 0, 3 den Pfeil 3, 0 besitzen. 0 zu S 1 :

1

1 ?

1 1

0

0

zu S 1 :

2

0

-3

4

1

1 −1 1 1 -2

0

0

0

-3

4

0 1 1 ? 1 2 1

zu S 1 : 0 0 zu S 2 :

4

1

1 1

0

0

zu S 1 : 0

-3

1- 1 2 4

0

0

zu S 3 : 0

-3

1 1 1 1

1 2 0

-3

4

1 1 1 2 −2 1

0

0

0

-3

4

1 zu S 3 :

1 1 1 2 −2 J 1 1

J 0 ^ J3

0

0

zu S 4 :

1 −1 1 1 -2

0 0

-? 3 0

4 1

zu S 5 : 0 0

1 1

1- 1 2 4

J1 J 0 ^3 J -

zu S 6 : 0 0

1 2

1 1 4

J1 J 0 ^? J 3

Abb. 2.39. Ger¨ uste f¨ ur den Projektnetzplan aus Abbildung 2.38

170


Im Prinzip können wir mit Algorithmus 2.31 eine optimale Lösung f¨ ur ein Ressourceninvestment-, Ressourcenabweichungs- oder Ressourcennivellierungsproblem bestimmen, indem wir f¨ ur jedes generierte Ger¨ ust den Zielfunktionswert berechnen und dann das gem¨ aß der Zielfunktion beste Ger¨ ust ausw¨ ahlen. Da die Anzahl m¨ oglicher Ger¨ uste aber schon f¨ ur kleine Probleminstanzen sehr groß sein kann, ist dies in der Regel nicht sinnvoll. Normalerweise existieren f¨ ur einen Extremalpunkt eines Ordnungspolyuste tops mehrere zugeh¨ orige Ger¨ uste (vgl. z.B. die vier zu S 1 gehörenden Ger¨ in Abb. 2.39). Daher l¨ asst sich eine deutliche Beschleunigung von Algorithmus 2.31 erzielen, wenn wir anstelle der Teilger¨ uste die entsprechenden Teilschedules betrachten. Diese ergeben sich aus den Startzeitpunkten der im jeweiligen Teilger¨ ust enthaltenen Vorg¨ ange. Im Folgenden bezeichnen wir mit C := VG die Menge der bereits an ein Teilger¨ ust angegebundenen Knoten, d.h. die Menge der bereits eingeplanten Knoten. Einen Vektor von Startzeitpunkten S C = (SiC )i∈C mit SiC ∈ R≥0 und S0C = 0 nennen wir Teilschedule. Um zu gew¨ ahrleisten, dass wir nicht alle, sondern nur erfolgversprechen” de“ Teilschedules zu vollst¨ andigen Schedules ergänzen, indem wir die Startzeitpunkte von Vorg¨ angen i ∈ V \ C festsetzen, betten wir das ger¨ ustbasierte Enumerationsschema in ein Branch-and-Bound-Verfahren (im Folgenden auch als ger¨ ustbasierter Enumerationsansatz bezeichnet) ein. Branch-andBound-Verfahren geh¨ oren zu den Enumerationsbaum-Verfahren und besitzen als Hauptkomponenten eine Branching-Strategie, um den Lösungsbereich in immer kleinere Teilbereiche aufzuspalten, und eine Schrankenfunktion, die es erlaubt, verschiedene Teilbereiche von der weiteren Suche auszuschließen. Die Branching-Strategie unseres Branch-and-Bound-Verfahrens beruht auf dem ger¨ ustbasierten Enumerationsschema, wobei wir, wie bereits gesagt, anstelle von Teilger¨ usten Teilschedules betrachten, die sukzessive zu Schedules ergänzt werden. Wir legen ausgehend von der Wurzel des Enumerationsbaums, bei der Vorgang 0 zu S0 := 0 eingeplant ist, bzw. dem Teilschedule (C, S C ) = ({0}, (0)) schrittweise Startzeitpunkte von Vorg¨ angen fest, indem wir auf jeder Ebene des Enumerationsbaumes mit Hilfe der Bedingungen (i)–(iv) pr¨ ufen, ob eine bindende Zeit- oder Vorrangbeziehung zu einem Vorgang j etabliert werden kann, der noch nicht eingeplant wurde. Ist eine der Bedingungen (i)–(iv) erf¨ ullt, dann wird der aktuelle Teilschedule durch den Startzeitpunkt Sj von Vorgang j erweitert. Durch das Festlegen von Startzeitpunkten f¨ ur die einzelnen Vorg¨ ange wird der zeitzul¨ assige Bereich des zugrunde liegenden Projektplanungsproblems immer weiter eingeschr¨ ankt. Legen wir etwa den Startzeitpunkt von Vorgang 1 fest, so ist der entsprechende Teilbereich, d.h. der zeitzul¨ assige Bereich des aktuellen Enumerationsknotens, durch die Menge {S ∈ ST | S1 = S1 } festgelegt. Sind alle Startzeitpunkte fixiert, so besteht der aktuelle Teilbereich nur noch aus dem generierten Schedule selbst. F¨ ur jeden Enumerationsknoten (C, S C ) berechnen wir eine untere Schranke f¨ ur den optimalen Zielfunktionswert des entsprechenden Teilbereichs {S ∈ ur alle i ∈ C}. Da die Zielfunktionen (RI ), (RD) und (RL) ST | Si = Si f¨ monoton wachsend bzgl. der Ressourcenprofile sind, d.h. der Zielfunktionswert


171

ist gr¨ oßer oder bleibt gleich, falls sich rk (S, t) f¨ ur ein t ∈ [0, d] vergrößert,11 stellt LB0 = f (S C ) die am einfachsten zu berechnende untere Schranke f¨ ur den Teilschedule asentiert den Zielfunktionswert aller bereits eingeplanten S C dar. LB0 repr¨ Vorg¨ ange. Beispielsweise erhalten wir f¨ ur einen Teilschedule S C = (0, 1) mit C = {0, 1} und den Ressourceninanspruchnahmen r01 = 0, r02 = 0, r11 = 3 0, p1 = 1 f¨ ur die und r12 = 2 an den Ressourcen 1 und 2 sowie den Dauern p0 = Zielfunktion eines Ressourceninvestmentproblems f (S) = k∈R maxt∈[0,d] rk (S C , t) die untere Schranke LB0 = 3 + 2 = 5. Um im Enumerationsbaum m¨ oglichst schnell eine zeitzulässige Lösung zu finden, verwenden wir als Suchstrategie eine Tiefensuche. Dazu wählen wir unter allen Söhnen des aktuell betrachteten Knotens im Enumerationsbaum denjenigen Knoten zur weiteren Bearbeitung aus, der die kleinste untere Schranke LB0 aufweist. Sobald eine erste zeitzulässige Lösung S ∗ gefunden ur eiwurde, stellt deren Zielfunktionswert f (S ∗ ) eine obere Schranke UB f¨ ne optimale L¨ osung des zugrunde liegenden Problems dar. Mit ihrer Hilfe können alle Knoten zusammen mit ihren Nachfolgern ausgelotet werden, die eine untere Schranke besitzen, welche gr¨ oßer ist als UB . Jedes mal wenn eine bessere L¨ osung gefunden wurde, wird UB entsprechend aktualisiert. Existiert unter den Söhnen eines aktuell betrachteten Knotens keine zeitzulässige Lösung oder ist die untere Schranke LB0 gr¨ oßer als der beste Zielfunktionsuhren wir einen Backtracking-Schritt aus. Das bedeutet, dass wert f (S ∗ ), so f¨ wir im Enumerationsbaum wieder zum Vaterknoten des aktuell betrachteten Knotens zur¨ uckspringen und im Folgenden dessen noch nicht untersuchte Söhne betrachten. Eine Tiefensuche kann implementiert werden, indem die Menge der noch zu erweiternden Teilschedules als Stapel, d.h. als LIFO-Liste (last-in first-out), verwaltet wird, und die generierten Enumerationsknoten gem¨ aß nicht anwachsender unterer Schrankenwerte LB0 auf den Stapel gelegt werden. F¨ ur das Ausloten von Enumerationsknoten verwenden wir eine workloadbasierte (auf dem Arbeitseinsatz basierte) untere Schranke LBA. Diese erhalten wir aus der unteren Schranke LB0 , indem der Workload (Arbeitseinsatz) der noch nicht eingeplanten Vorg¨ ange in zwei Schritten zusätzlich ber¨ ucksichtigt wird. Im ersten Schritt betrachten wir eine Menge C ⊆ V \ C noch nicht eingeplanter Vorg¨ ange, deren Zeitfenster [ES , LC [ sich nicht u ¨berlappen. Da diese Vorg¨ ange i ∈ C nicht simultan in Ausf¨ uhrung sein können, planen wir jeden von ihnen unabh¨ angig von den anderen Vorg¨ angen aus C˜ bestmöglich ein. Falls keine Vorg¨ ange existierten, deren Zeitfenster [ES , LC [ sich nicht u ¨berlappen, w¨ ahlen wir einen Vorgang i ∈ V \ C, setzen C := {i} und planen i bestmöglich 11

Entsprechende Funktionen werden in der Literatur auch r-monoton genannt (Zimmermann, 2001).

172


ein. Der Zielfunktionswert des entstandenen Teilschedules S C∪C stellt dann wieder eine untere Schranke f¨ ur den optimalen Zielfunktionswert dar. die Menge der noch nicht betrachSei im zweiten Schritt Cˆ = V \ {C ∪ C} teten Vorg¨ ange. Dann entspricht ˆ := pi rik wk (C) i∈Cˆ

dem Workload der noch nicht betrachteten Vorgänge an Ressource k ∈ R. ˆ ber¨ ucksichtigen wir, indem wir die Vorgänge j ∈ Cˆ in unDen Workload wk (C) terbrechbare Teilvorg¨ ange mit einer Dauer und einer Ressourceninanspruchnahme von 1 zerlegen. Diese Teilvorg¨ ange werden dann f¨ ur jede Ressource k ∈ R zu Zeitpunkten eingeplant, an denen die Ressourceninanspruchnahme der bereits eingeplanten Vorg¨ ange minimal ist. Wir vernachlässigen also die Zeitbeziehungen, nehmen an, die Vorg¨ ange w¨ aren unterbrechbar und planen die unterbrechbaren Vorg¨ ange so gut wie m¨ oglich im Planungszeitraum [0, d] zu Zeitpunkten {0, . . . , d − 1} ein. Das beschriebene Vorgehen setzt voraus, dass die Pfeilbewertungen des Netzplans, die Vorgangsdauern und die Ressourceninanspruchnahmen der Vorg¨ ange ganzzahlig sind. Betrachten wir beispielsweise das Ressourcenprofil rk (S C∪C , t) in Abbildung 2.40 mit d = 14. Der Workload der Vorgänge aus der Menge Cˆ sei ˆ = 12. Dann ergibt sich die durch die gepunkteten Quadrate angedeuwk (C) tete Auff¨ ullung“ des Ressourcenprofils. ” rk (S C∪C , t) 5

Legende:

6

r

r

rb

rb rk (S C∪C , t) ˆ wk (C)

4

r

3 2

r

r

rb

rb

rb r

rb

r

rb

1

r

rb 2

r 4

6

rb

r

rb

r

8

10

12

14

-t

Abb. 2.40. Ressourcenprofil rk (S C∪C , t)

Sei rka (S C∪C , ·), k ∈ R das Ressourcenprofil, das aus dem Ressourcenprofil ˆ entrk (S C∪C , ·) durch Hinzuf¨ ugen des Workloads (Arbeitseinsatzes) wk (C) steht. Da, wie bereits gesagt, f¨ ur die Zielfunktionen (RI ), (RD) und (RL) der Zielfunktionswert mit der Ressourceninanspruchnahme in den einzelnen Peur alle S ∈ ST , k ∈ R und t = [0, d]. rioden wächst, gilt rka (S C∪C , t) ≤ rk (S, t) f¨ Folglich stellt a C∪C , t) cP LBA := k max rk (S k∈R

t∈[0,d]


173

eine untere Schranke f¨ ur das Ressourceninvestmentproblem, D [rka (S C∪C , t) − Yk ]+ dt LBA := ck t∈[0,d]

k∈R

eine untere Schranke f¨ ur das Ressourcenabweichungsproblem und (rka )2 (S C∪C , t) dt LBA := k∈R

t∈[0,d]

eine untere Schranke f¨ ur das Ressourcennivellierungsproblem dar. Algorithmus 2.33 beschreibt das Branch-and-Bound-Verfahren zur Lösung von Ressourcenabweichungs- und Ressourcennivellierungsproblemen. Seien Ψ die Menge aller bislang generierten Teilschedules und Ω ein Stapel, der die noch zu erweiternden Teilschedules (C, S C ) enthält. Die Menge Ψ dient dazu bereits betrachtete oder in Ω aufgenommene Ger¨ uste zu erkennen, so dass sie von der weiteren Betrachtung ausgeschlossen werden können. Im Initialisieuhesrungsschritt setzen wir C := {0} und S C := (0). Weiterhin werden die fr¨ ten und sp¨ atesten Startzeitpunkte bestimmt. Gilt ESi = LSi zu Beginn des Verfahrens oder im weiteren Verfahrensverlauf f¨ ur einen Vorgang i, so wird Vorgang i zum Zeitpunkt Si := ESi eingeplant und C und S C werden entsprechend aktualisiert. Als erste beste“ L¨ osung wählen wir S ∗ := ES und initia” lisieren die obere Schranke UB := f (ES ). Danach setzen wir Ω := {(C, S C )} und Ψ := {(C, S C )}. In jeder Iteration entnehmen wir den jeweils obersten Teilschedule (C, S C ) des Stapels Ω, d.h. als Suchstrategie wird eine Tiefensuche durchgef¨ uhrt. Gilt f¨ ur den aktuellen Teilschedule C = V , dann ist zu pr¨ ufen, ob die gefundene L¨ osung S besser als die beste bisher gefundene Lösung S ∗ ist. Ist f (S C ) < UB erf¨ ullt, so setzen wir S ∗ := S und verringern die obere V , dann u ufen wir, ob LBA(S C ) Schranke auf UB := f (S ∗ ). Gilt C = ¨berpr¨ kleiner ist als die obere Schranke UB . In diesem Fall, erweitern wir den aktuelle Teilschedule gem¨ aß der vier F¨ alle (i)–(iv). Dabei speichern wir f¨ ur alle Vorg¨ ange j ∈ V \ C in einer Menge Tj jeweils alle möglichen Startzeitpunkte, zu denen Vorgang j an das betrachtete Ger¨ ust angebunden werden kann. Die neu entstandenen Teilschedules (C , S C ) werden, wenn sie noch nicht in der Menge Ψ enthalten sind und ihre untere Schranke LB0 (S C ) kleiner als UB ist, den Mengen Λ und Ψ hinzugef¨ ugt. Danach werden die Teilschedules (C, S C ) der Menge Λ entnommen und dem Stapel Ω gemäß nicht wachsender ugt. Das oberste Element mit kleinstem SchranWerte von LB0 (S C ) hinzugef¨ kenwert wird dann als N¨ achstes gew¨ ahlt. Es werden solange Teilschedules aus Ω entnommen, bis Ω = ∅ gilt. Algorithmus 2.33 (Branch-and-Bound-Verfahren f¨ ur Problem (2.1) mit Zielfunktion (RD) bzw. (RL)). Setze C := {0}, S C := (0). ur alle i, j ∈ V . Bestimme die L¨ angen l¨ angster Wege dij f¨

174


Setze ES i := d0i und LS i := −di0 f¨ ur alle i ∈ V \ {0}. Falls ES i = LS i f¨ ur ein i ∈ V : Setze Si := ES i , C = C ∪ {i}. ∗ Setze S := ES und UB := f (S ∗ ). Initialisiere den Stapel Ω := {(C, S C )} und die Menge Ψ := {(C, S C )}. Solange Ω = ∅: Entnimm das oberste Paar (C, S C ) vom Stapel Ω. Falls C = V : Falls f (S C ) < UB : Setze S ∗ := S C und UB := f (S ∗ ). Andernfalls : Falls LBA(S C ) < UB : Initialisiere die Menge Λ := ∅. F¨ ur alle j ∈ V \ C: Setze Tj := ∅. Setze ES j := max{ES j , maxi∈C (Si + dij )} und LS j := min{LS j , mini∈C (Si − dji )}. F¨ ur alle i ∈ C: (i) Falls i, j ∈ E und Si +δij = ESj : Setze Tj := Tj ∪{Si +δij }. (ii) Falls j, i ∈ E und Si − δji = LSj : Setze Tj := Tj ∪ {Si − δji }. (iii) Falls ES j ≤ Si + pi ≤ LS j : Setze Tj := Tj ∪ {Si + pi }. (iv) Falls ES j ≤ Si − pj ≤ LS j : Setze Tj := Tj ∪ {Si − pj }. F¨ ur alle t ∈ Tj : Setze Sj := t, C := C ∪ {j}. F¨ ur alle h ∈ V \ C : Falls max(ES h , Sj + djh ) = min(LS h , Sj − dhj ) : Setze Sh := max(ES h , Sj + djh ) und C = C ∪ {h}.

Falls (C , S C ) ∈ / Ψ und LB0 (S C ) < UB : Setze Λ := Λ ∪ {(C , S C )} und Ψ := Ψ ∪ {(C , S C )}. uge sie dem Stapel Entnimm die Teilschedules (C, S C ) aus Λ und f¨ Ω gemäß nicht wachsender Werte von LB0 (S C ) hinzu. R¨ uckgabe S ∗ . Die Verwaltung der Menge Ψ aller bereits generierten Teilschedules ist i.d.R. sehr aufw¨ andig. Um die Bildung von redundanten Teilschedules schon bei der Konstruktion der Teilschedules zu verhindern, existieren verschiedene Techniken, die z.B. in (N¨ ubel, 1999) beschrieben sind. Zur Lösung von Ressourceninvestmentproblemen k¨ onnen wieder die Bedingungen (ii) und (iv) in Algorithmus 2.33 eliminiert werden. Das folgende Beispiel veranschaulicht die ersten beiden Iterationen des Branch-and-Bound-Verfahrens zur Lösung eines Ressourceninvestmentproblems.


175

Beispiel 2.34. Wir betrachten den Projektnetzplan in Abbildung 2.41 mit sechs realen Vorgängen, zwei erneuerbaren Ressourcen und einer maximalen Projektdauer von d = 16. Im Folgenden geben wir die ersten beiden Iterationen von Algorithmus 2.33 zur L¨ osung eines Ressourceninvestmentproblems = 1 f¨ ur k = 1, 2 an. mit den Bereitstellungskosten cP k -16 2 1 -3 4 1 1,2 @ 2,2 @ 4 0 -2 -2 @ -3 1 ? 6 0? @ 0 2 7 3 -? R 7 @ 5 2 0 @ @ 0,0 1,4 1,2 0,0 6 1 @2 @ 2 -6 Legende: @ @ pj pi 1 2 @ @ δij R - 6 R 3 -8 @ @ j i -4 r r , r j1 , rj2 i1 i2 2,1 2,2

Abb. 2.41. Projektnetzplan mit zwei erneuerbaren Ressourcen

F¨ ur die Vorgänge i ∈ V erhalten wir die in Tabelle 2.14 aufgef¨ uhrten fr¨ uhesten und sp¨ atesten Startzeitpunkte. Tabelle 2.14. ES i und LS i f¨ ur alle Vorg¨ ange i ∈ V i ES i LS i

0

1

0 0 0 10

2

3

4

5

6

7

3 2 1 10 5 12 7 13 12 14 15 16

Wir setzen S ∗ := (0, 0, 3, 2, 1, 10, 5, 12). F¨ ur S ∗ ergeben sich die in Abbildung 2.42 dargestellten Ressourcenprofile und eine obere Schranke gemäß UB := f (S ∗ ) = k∈R maxt∈[0,d] rkt = 3 + 4 = 7. Weiter initialisieren wir C := {0}, S C := (0), den Stapel Ω := {(C, S C )} und die Menge Ψ := {(C, S C )}. In der ersten Iteration entnehmen wir den Teilschedule ({0}, (0)) dem Stapel Ω. Dann berechnen wir die workloadbasierte ur S C = (0) mit C = {0}. Da sich f¨ ur die Vorgänge untere Schranke LBA(S C ) f¨ 1 und 7 die Zeitfenster [ES , LC[ nicht u ¨berlappen, planen wir Vorgang 1 und Vorgang 7 bestmöglich ein, d.h. beispielsweise zu S1 = 0 und S7 = 12. Die Menge der noch nicht betrachteten Vorg¨ ange ist nun Cˆ = {2, . . . , 6}. F¨ ur den ˆ := 15 und w2 (C) ˆ := 25. Dieser ˆ Workload der Vorg¨ ange aus C ergibt sich w1 (C) Workload wird ber¨ ucksichtigt, indem wir die Vorgänge j ∈ Cˆ in unterbrechbare Teilvorgänge mit einer Dauer und einer Ressourceninanspruchnahme von

176


r2 (ES , t)

r1 (ES , t) 4 2

6

4

q

qa q aq q qa 4 3 6 1 q qa 3 q qa q 2 4 2

4

6

2

aq q qa q qa 5 q 8

10

-t 12

6

q

q qa

qa

4 3 q aq q qa 6 q q qa 2 1 4 3 2

4

6

qa

5

q qa q 8

10

-t 12

Abb. 2.42. Ressourcenprofile zum ES -Schedule

1 zerlegen und diese zu Zeitpunkten einplanen, an denen die Ressourceninanspruchnahme der bereits eingeplanten Vorg¨ ange minimal ist. Somit ergibt sich f¨ ur die workloadbasierte untere Schranke max rkw (t) = 2 + 2 = 4. LBA(S C ) := k∈R

t∈[0,d]

Da LBA(S C ) < UB ist, fahren wir fort und initialisieren die Menge Λ := ∅. Die Aktualisierung der ES - und LS -Werte f¨ uhrt zu keinen Veränderungen. Anhand der Bedingungen (i) und (iii) ist nun zu pr¨ ufen (Zielfunktion (RI )), ob zwischen einem Knoten j ∈ {1, . . . , 7} und Knoten 0 eine bindende Zeitbzw. Vorrangbeziehung etabliert werden kann. F¨ ur die Knoten 0 und 1 gelten die Bedingungen 0, 1 ∈ E und S0 +0 = 0 = ES 1 sowie ES 1 ≤ S0 +p0 ≤ LS 1 ; Bedingungen (i) und (iii), daher ergibt sich die Menge aller möglichen Einplanungszeitpunkte von 1 zu T1 = {0}. Wir erweitern den aktuellen Teilschedule ur den Teilschedum den Knoten 1 und erhalten S C = (0, 0) mit C = {0, 1}. F¨ ule S C = (0, 0) ergibt sich die untere Schranke LB0 (S C ) := f (S C ) = 2 + 2 = 4. ullt ist und wir Teilschedule S C nicht bereits schon Da LB0 (S C ) < UB erf¨ einmal generiert haben, f¨ ugen wir den Teilschedule ({0, 1}, (0, 0)) den Mengen Λ und Ψ hinzu. F¨ ur die Knoten 0 und 2 ist die Bedingung (i) erf¨ ullt, denn es gilt 0, 2 ∈ E und S0 + 3 = ES 2 . Wir speichern den Zeitpunkt t = 3 in der Menge T2 und erweitern dann den aktuellen Teilschedule um Knoten 2. Dabei erhalten wir ur Teilschedule S C = (0, 3) erhalten wir die S C = (0, 3) mit C = {0, 2}. F¨ untere Schranke LB0 (S C ) = 1 + 2 = 3. ugen wir Teilschedule ({0, 2}, (0, 3)) den Mengen Λ Da LB0 (S C ) < UB gilt, f¨ und Ψ hinzu. F¨ ur die Knoten 0 und 3 ist ebenfalls die Bedingung (i) erf¨ ullt und wir setzen T3 = {2}. Es ergibt sich der Teilschedule S C = (0, 2) mit C = {0, 3}. Wir erhalten die untere Schranke LB0 f¨ ur Teilschedule S C = (0, 2) zu LB0 (S C ) = 2 + 2 = 4.


177

Es gilt LB0 (S C ) < UB und daher speichern wir Teilschedule ({0, 3}, (0, 2)) in den Mengen Λ und Ψ . F¨ ur die anderen Knoten 4–7 ist weder Bedingung (i) noch (iii) erf¨ ullt. Nun werden alle Teilschedules aus der Menge Λ entfernt und dem Stapel Ω gem¨ aß nicht wachsender Werte von LB0 hinzugef¨ ugt. Somit erhalten wir Ω := {({0, 2}, (0, 3)), ({0, 1}, (0, 0)), ({0, 3}, (0, 2))}. In der zweiten Iteration entnehmen wir Teilschedule ({0, 2}, (0, 3)) dem Stapel Ω. Zun¨ achst ist die workloadbasierte untere Schranke LBA(S C ) des ur die Teilschedules S C = (0, 3) mit C = {0, 2} zu berechnen. Da sich f¨ Vorg¨ ange 1 und 7 die Zeitfenster [ES , LC [ nicht u ¨berlappen, planen wir sie zu S1 = 0 und S7 = 12 ein. Somit besteht die Menge der noch nicht betrachteten Vorg¨ ange aus Cˆ = {3, . . . , 6}. F¨ ur den Workload dieser Vorgänge ergibt sich ˆ ˆ := 13 und wir erhalten die workloadbasierte untere w1 (C) := 9 und w2 (C) Schranke max rkw (t) = 2 + 2 = 4. LBA(S C ) := k∈R

t∈[0,d]

Da LBA(S C ) < UB gilt, wird versucht, den Teilschedule ({0, 2}, (0, 3)) zu erweitern. Wir initialisieren die Menge Λ = ∅. Die Aktualisierung der ES ¨ und LS -Werte f¨ uhrt zu den folgenden Anderungen: LS 1 = 6, LS 3 = 9 und ufen, ob LS 6 = 13. Es ist nun anhand der Bedingungen (i) und (iii) zu pr¨ zwischen einem Knoten j ∈ {1, 3, . . . , 7} und Knoten 0 oder 2 eine bindende Zeit- oder Vorrangbeziehung etabliert werden kann. F¨ ur die Vorgänge 0 und 1 treffen die Bedingungen (i) und (iii) zu und wir setzen T1 = {0}. Die untere Schranke f¨ ur den entstandenen Teilschedule S C = (0, 0, 3) mit C = {0, 1, 2} ergibt sich zu LB0 (S C ) = 2 + 2 = 4. Da die Bedingung LB0 (S C ) < UB erf¨ ullt ist, f¨ ugen wir den Teilschedule ({0, 1, 2}, (0, 0, 3)) den Menge Λ und Ψ hinzu. F¨ ur die Knoten 0 und 3 ist Bedingung (i) und f¨ ur die Knoten 2 und 3 ist Bedingung (iii) erf¨ ullt. Wir erhalten T3 = {2, 9} und erweitern den aktuellen Teilschedule um Knoten 3. Es ergeben sich die Teilschedules S C = (0, 3, 2), C = {0, 2, 3} und S C = (0, 3, 9), C = {0, 2, 3}. Die unteren Schranken berechnen sich zu LB0 (S C ) = 3 + 4 = 7 LB0 (S C ) = 2 + 2 = 4

(S C = (0, 3, 2)) (S C = (0, 3, 9)).

Da LB0 (S C ) < UB nur f¨ ur den Teilschedule ({0, 2, 3}), (0, 3, 2)) gilt, f¨ ugen wir nur diesen Teilschedule den Mengen Λ und Ψ hinzu. F¨ ur die Knoten 2 und 4 ist sowohl die Bedingung (i) als auch die Bedingung (iii) erf¨ ullt. Damit ergibt sich T4 = {1, 9}. Die unteren Schranken der zugeh¨ origen Teilschedules lassen sich wie folgt berechnen LB0 (S C ) = 1 + 2 = 3 LB0 (S C ) = 1 + 2 = 3

(S C = (0, 3, 1)) (S C = (0, 3, 9)).

178


Da die untere Schranke beider Teilschedules kleiner als UB ist, werden beide Teilschedules in den Mengen Λ und Ψ gespeichert. Nun betrachten wir die Knoten 2 und 5, f¨ ur diese trifft die Bedingung (i) zu. Wir erhalten T5 = {10} und erweitern den aktuellen Teilschedule um Knoten 5. Die untere Schranke des entsprechenden Teilschedules ergibt sich zu LB0 (S C ) = 1 + 4 = 5 . Da LB0 (S C ) < UB gilt, f¨ ugen wir Teilschedule ({0, 2, 5}, (0, 3, 10)) den Menge Λ und Ψ hinzu. F¨ ur die Knoten 2 und 6 sind ebenfalls Bedingungen (i) und (iii) erf¨ ullt und es ergibt sich die Menge T6 = {5, 9}. Durch Erweiterung des aktuellen Teilschedules erhalten wir S C = (0, 3, 5) mit C = {0, 2, 6} und S C = (0, 3, 9) mit C = {0, 2, 6}. Die unteren Schranken berechnen sich zu LB0 (S C ) = 3 + 3 = 6 LB0 (S C ) = 2 + 2 = 4

(S C = (0, 3, 5)) (S C = (0, 3, 9)).

Da beide untere Schranken kleiner als UB sind, werden die Teilschedules den Mengen Λ und Ψ hinzugef¨ ugt. Nun werden alle generierten Teilschedules aus der Menge Λ entfernt und dem Stapel Ω gem¨ aß nicht wachsender Werte von LB0 hinzugef¨ ugt. Es ergibt sich Ω := {({0, 2, 4}, (0, 3, 1)), ({0, 2, 4}, (0, 3, 9)), ({0, 1, 2}, (0, 0, 3)), ({0, 2, 3}, (0, 3, 9)), ({0, 2, 6}, (0, 3, 9)), ({0, 2, 5}, (0, 3, 10)), ({0, 2, 6}, (0, 3, 5)), ({0, 1}, (0, 0)), ({0, 3}, (0, 2))}. Der in den beiden ersten Iterationen entstandene Enumerationsbaum ist in Abbildung 2.43 dargestellt. In der n¨ achsten Iteration ist mit dem Knoten 4 fortzufahren. (0) {0}

0

H

C Legende: SC

i

HH

HH HH

(0, 2)

(0, 3)

(0, 0)

{0, 2}

{0, 1}

{0, 3}

1

2

3

PP H @HPP @HHPPP HH PP @ @ PP H

(0, 3, 1)

(0, 3, 9)

(0, 0, 3) (0, 3, 9) (0, 3, 9) (0, 3, 10) (0, 3, 5)

{0, 2, 4}

{0, 2, 4}

{0, 1, 2}

{0, 2, 3}

{0, 2, 6}

{0, 2, 5}

{0, 2, 6}

4

5

6

7

8

9

10

Abb. 2.43. Enumerationsbaum f¨ ur das Beispiel 2.34

2.3 Heuristisches L¨ osungsverfahren

179

Anhand von Beispiel 2.34 erkennt man, dass die Anwendung des Branchand-Bound-Verfahrens sehr aufw¨ andig ist. Eine optimale Lösung wird f¨ ur Ressourceninvestmentprobleme mit mehr als 50 Vorgängen und f¨ ur Ressourcenabweichungs- sowie Ressourcennivellierungsprobleme mit mehr als 30 Vorgängen in der Regel nicht in akzeptabler Zeit gefunden. Deshalb verwendet man zur Bestimmung einer akzeptablen N¨ aherungsl¨ osung f¨ ur Projektplanungsprobleme (2.1) mit Zielfunktion (RI ), (RD) oder (RL) zumeist eine Heuristik. Im n¨ achsten Kapitel gehen wir n¨ aher auf ein solches heuristisches Lösungsverfahren f¨ ur Ressourceninvestment-, Ressourcenabweichungs- und Ressourcennivellierungsprobleme ein.

2.3 Heuristisches L¨ osungsverfahren In diesem Abschnitt f¨ uhren wir ein Priorit¨ atsregelverfahren zur Bestimmung einer N¨ aherungslösung f¨ ur Projektplanungsprobleme (2.1) ein. Das Verfahren wird bei Ressourceninvestment-, Ressourcenabweichungs- und Ressourcennivellierungsproblemen angewendet, da die Ermittlung einer exakten Lösung f¨ ur diese Probleme sehr aufw¨ andig ist. Eine Anwendung des Prioritätsregelverfahrens f¨ ur Projektplanungsprobleme (2.1) mit den Zielfunktionen (PD), (MFT ), (WST ), (E + T ) und (NPV ) ist prinzipiell möglich, aber in der Regel nicht sinnvoll, da f¨ ur diese Probleme leistungsf¨ ahige exakte Verfahren existieren (vgl. Abschnitt 2.2). Das Priorit¨ atsregelverfahren generiert durch die sukzessive Einplanung von Vorg¨ angen eine N¨ aherungsl¨ osung und wird daher auch als Konstruktionsverfahren bezeichnet. Seien C die Menge der bereits eingeplanten Vorgänge und orige Teilschedule. Dann l¨ asst sich das prinzipielle Vorgehen des S C der zugeh¨ Priorit¨ atsregelverfahrens wie folgt beschreiben: Ausgehend vom Teilschedule S C = (0) mit C = {0} und S0 = 0 erweitern wir den aktuellen Teilschedule in jedem Schritt um mindestens einen Vorgang j, indem wir den Startzeitpunkt Sj festlegen. Dies wird solange wiederholt, bis allen Vorgängen des Projektes ein Startzeitpunkt zugewiesen wurde. Sei C := V \C die Menge der noch nicht eingeplanten Vorgänge. Wie bereits in Abschnitt 2.2.4 gesehen, ¨ andern sich beim Einplanen einzelner Vorgänge in der Regel die fr¨ uhesten und sp¨ atesten Startzeitpunkte der u ¨brigen Vorgänge aß j ∈ C gem¨ ES j (S C ) := max{d0j , max(SiC + dij )}

(2.13)

LS j (S C ) := min{−dj0 , min(SiC − dji )}.

(2.14)

i∈C

i∈C

Vorgang j kann somit nur innerhalb des Zeitfensters Wj (S C ) = [ES j (S C ), LS j (S C )] eingeplant werden. Beim Einplanen von Vorgang j w¨ ahlen wir f¨ ur den Startzeitpunkt Sj einen uglich der zugrunde liegenden Zielfunktion am Zeitpunkt t ∈ Wj (S C ), der bez¨

180


g¨ unstigsten erscheint, d.h. bei dem sich der Zielfunktionswert durch die Einplanung von Vorgang j zum Zeitpunkt Sj := t am wenigsten verschlechtert. Die Bewertung eines m¨ oglichen Startzeitpunktes t erfolgt dabei aufgrund der Differenz der Zielfunktionswerte der Teilschedules S C∪{j} und S C , was voraussetzt, dass f¨ ur einen beliebigen Teilschedule S C ein zugehöriger ZielfunktionsC ur alle (summen-)separierbaren wert f (S ) bestimmt werden kann. Dies ist f¨ Zielfunktionen der Form f (S) = i∈V fi (Si ), wie z.B. (PD), (MFT ), (WST ), (E + T ) und (NPV ), bzw. f¨ ur alle ressourcenverbrauchsabhängigen Zielfunktionen der Form f (S) = f (rk (S, ·)k∈R ), wie z.B. (RI ), (RD) und (RL), die prinzipiell f¨ ur jedes Ressourcenprofil bzw. jede Menge von Ressourcenprofi¨ len ausgewertet werden k¨ onnen, der Fall. Betrachten wir die Anderung des Zielfunktionswertes, die sich bei der Einplanung eines einzelnen Vorgangs j ergibt. Definition 2.35 (Erweiterungskosten). Seien S C ein Teilschedule und f eine separierbare oder eine ressourcenverbrauchsabhängige Zielfunktion. Weiter seien j ein noch nicht eingeplanter Vorgang, Sj ∈ Wj (S C ) und S C∪{j} ein C∪{j} C∪{j} = SiC f¨ ur alle i ∈ C und Sj = Sj gilt. Dann Teilschedule, f¨ ur den Si bezeichnen wir mit f a (S C , j, Sj ) := f (S C∪{j} ) − f (S C ) die Erweiterungskosten (additional cost), die entstehen, wenn wir den Teilschedule S C um Vorgang j mit Startzeitpunkt Sj erweitern. Beispiel 2.36. Betrachten wir den MPM-Netzplan in Abbildung 2.44 mit f¨ unf Vorg¨ angen und einer erneuerbaren Ressource, d.h. der Index k kann entfallen. Seien C = {0, 1, 2, 4} die Menge der bereits eingeplanten Vorgänge und S C = (0, 1, 4, 8) der entsprechende Teilschedule. Vorgang 3 kann innerhalb des ur Zeitfensters W3 (S C ) = [2, 7] eingeplant werden. Im Folgenden wollen wir f¨ die Zielfunktionen (RI ), (RD) und (RL) die Erweiterungskosten bestimmen, die sich ergeben, wenn wir Vorgang 3 zum Zeitpunkt S3 = 4 einplanen (vgl. Abb. 2.44). 1 1 1 2 0 0H 0 HH2

3 -4 2 1@ 4 -10

@ 0 @ R @4 * 0 1

1 H H j H 3 1

r(t) 2 1

6 3

1

2 2

4

6

-t 8

Abb. 2.44. Projektnetzplan mit einer erneuerbaren Ressource


181

F¨ ur die Zielfunktion des Ressourceninvestmentproblems (RI ) erhalten wir f a (S C , 3, 4) = cP max rk (S C∪{3} , t) − cP max rk (S C , t) t∈[0,d]

t∈[0,d]

= (2 − 2) cP = 0, f¨ ur die Zielfunktion (RD) mit Y = 1 erhalten wir [rk (S C∪{3} , t) − 1]+ dt f a (S C , 3, 4) = cD t∈[0,d] [rk (S C , t) − 1]+ dt = (2 − 1) cD = cD −cD t∈[0,d]

und f¨ ur die Ressourcennivellierungszielfunktion (RL) ergibt sich 2 C∪{3} a C rk2 (S C , t) = 11 − 8 = 3. rk (S , t) − f (S , 3, 4) = t∈[0,d]

t∈[0,d]

Wie bereits erl¨ autert, plant unser Konstruktionsverfahren einen Vorgang nach dem anderen ein, wobei der als n¨ achstes einzuplanende Vorgang j immer zu einem Zeitpunkt t ∈ Wj (S C ) eingeplant wird, an dem die Erweiterungskosten f a (S C , j, t) minimal sind. Da die Anzahl der Zeitpunkte t ∈ Wj (S C ) in der Regel u ahlbar ist, definieren wir f¨ ur die verschiedenen Zielfunktio¨berabz¨ nen jeweils eine Menge von Entscheidungszeitpunkten Dj (S C ), die mindestens alt. einen Minimalpunkt von f a (S C , j, ·) auf Wj (S C ) enth¨ Die Zielfunktion des Ressourceninvestmentproblems (RI ) geh¨ ort, wie bereits in Abschnitt 2.1.5 gezeigt, zu den lokal regul¨ aren Funktionen. F¨ ur die Zielfunktion (RI ) sind die Erweiterungskosten f a (S C , j, Sj ) konstant (nicht ur die die entsprefallend) auf jedem Intervall von Startzeitpunkten [t, t [, f¨ chenden Teilschedules S C∪{j} die gleiche Ordnung induzieren (vgl. Abb. 2.45). r(S C , t) 4

6

-

j

3 2 1

i

h t

-t t

Abb. 2.45. Ressourcenprofil des Teilschedules S C

Bei der Einplanung eines Vorgangs j ∈ C kommen daher neben dem ES j (S C ) noch Zeitpunkte in Frage, an denen mindestens ein bereits eingeplanter Vorgang endet. Sei

CT (S C ) := {t ∈ [0, d] | es existiert i ∈ C : t = SiC + pi }

182


die Menge aller Zeitpunkte, zu denen gem¨ aß S C mindestens ein Vorgang endet (completion times). Dann erhalten wir f¨ ur die Zielfunktion (RI ) die folgende Menge von Entscheidungszeitpunkten Dj (S C ) := {ES j (S C )} ∪ (Wj (S C ) ∩ CT (S C )). Beispiel 2.37. Wir betrachten das in Abbildung 2.46 dargestellte Ressourcenprofil. Die Menge der bereits eingeplanten Vorgänge sei C = {0, 1, 2, 3} mit achstes zu betrachtende Vorgang 4 mit p4 = 3 kann S C = (0, 0, 3, 3). Der als N¨ innerhalb des Zeitfensters W4 (S C ) = [1, 4] eingeplant werden. Die Erweiterungskosten der Funktion (RI ) sind auf dem Intervall [1, 2[ konstant, es gilt ur t ∈ [1, 2[. Die durch die Teilschedules S C∪{4} mit S4 ∈ [1, 2[ f a (S C , 4, t) = 1 f¨ implizierte strenge Ordnung (Menge von Vorrangbeziehugen) ist O(S C ) = {(1, 2), (1, 3)} (vgl. Abb. 2.46a). Weiterhin sind die Erweiterungskosten auf dem Intervall [2, 4[ konstant. Wir erhalten f a (S C , 4, t1 ) = 1 mit t1 ∈ [2, 4[ und die durch die Teilschedules S C∪{4} mit S4 ∈ [2, 4[ implizierte strenge Ordnung ur den Zeitpunkt t = 4 ist O(S C ) = {(1, 2), (1, 3), (1, 4)} (vgl. Abb. 2.46b). F¨ ergibt sich f a (S C , 4, 4) = 0 und die durch S C∪{4} = (0, 0, 3, 3, 4) implizierte strenge Ordnung ist O(S C ) = {(1, 2), (1, 3), (1, 4), (3, 4)} (vgl. Abb. 2.46c). r(S C , t) 2 1

r(S C , t)

a)

6

4 3

4 1

4

2

2

W4 (S C )

6

1

-t

b) 4 3 4 4 2

1 2

r(S C , t) 2 1

4

-t 6

c)

6 1 2

3 4 2

4

4

6

-t 8

Abb. 2.46. Ressourcenprofile des Teilschedules S C

Bei den Zielfunktionen (RD) und (RL) handelt es sich um lokal konkave Funktionen (vgl. Abschnitt 2.1.5). F¨ ur diese Funktionen sind die Erweiterungskosten f a (S C , j, Sj ) konkav auf jedem Intervall von Startzeitpunkten, f¨ ur die die entsprechenden Teilschedules S C∪{j} die gleiche Ordnung induzieren. Da sich diese Ordnung ¨ andert, falls sich der Startzeitpunkt von Vorgang j hinter den Endzeitpunkt eines Vorgang i ∈ C verschiebt (Vorrangbeziehung (i, j) kommt hinzu) oder wenn sich der Endzeitpunkt von Vorgang j hinter den Startzeitpunkt von Vorgang l ∈ C verschiebt (Vorrangbeziehung (j, l) f¨ allt weg), m¨ ussen wir bei der Einplanung von Vorgang j ∈ V \ C neben dem ES j (S C ) und dem LS j (S C ) alle Zeitpunkte t betrachten, an denen ein Vor-


183

gang i ∈ C endet und alle Zeitpunkte t , f¨ ur die zum Zeitpunkt t + pj ein Vorgang l ∈ C startet (vgl. Abb. 2.47). r(S C , t) 3

6 j

2 1

-

l

i

t

-t

t + pj

Abb. 2.47. Ressourcenprofil des Teilschedules S C

Sei

ST (S C ) := {t ∈ [0, d] | es existiert i ∈ C : t = SiC }

die Menge aller Zeitpunkte, zu denen gem¨ aß S C mindestens ein Vorgang startet (start times). Dann erhalten wir f¨ ur die Zielfunktionen (RD) und (RL) die folgende Menge von Entscheidungszeitpunkten Dj (S C ) := {ES j (S C ), LS j (S C )} ∪ (Wj (S C ) ∩ CT (S C )) ∪ {t ∈ Wj (S C )|t + pj ∈ ST (S C )}. Beispiel 2.38. Betrachten wir das in Abbildung 2.48 dargestellte Ressourcenprofil. Die Menge der bereits eingeplanten Vorg¨ ange ist C = {0, 1, 2, 3} achstes ist der Vorgang 4 mit p4 = 3 im Intervall mit S C = (0, 0, 2, 6). Als N¨ W4 (S C ) = [1, 4] einzuplanen. Planen wir Vorgang 4 zum Zeitpunkt ES 4 = 1 orige Ordnung O(S C∪{4} ) = {(1, 2), (1, 3), (2, 3), ein, so ist die zu S C∪{4} geh¨ (4, 3)}. Diese Ordnung ¨ andert sich, wenn Vorrangbeziehungen hinzu kommen oder wegfallen. In unserem Beispiel ist das zu den Zeitpunkten t = 2, t = 3 + ε mit 0 < ε 1 und t = 4 der Fall. Auf den resultierenden Intervallen [1, 2[, [2, 3[, [3, 4[ und [4, 8[ verlaufen die Erweiterungskosten konkav und da die Zielfunktionen (RD) und (RL) stetig sind, nehmen die Erweiterungskosten jeweils auf einem der beiden Randpunkte ihr Minimum an (vgl. Abb. 2.48a bis d). Die Menge von Entscheidungszeitpunkten ist daher D4 (S C ) = {1, 2, 3, 4}. Betrachten wir nun die Vorgehensweise des Konstruktionsverfahrens im Einzelnen. In jedem Schritt weisen wir einem Vorgang j einen Startzeitoßte Minimialstelle der Erweiterungspunkt Sj+ ∈ Dj (S C ) zu, wobei Sj+ die gr¨ kosten f a (S C , j, ·) auf Dj (S C ) darstellt. Auf diese Weise wird zum Beispiel f¨ ur ein Ressourceninvestmentproblem sukzessive ein Outtree eines Ordnungsnetzplans N (O(S)) erzeugt, d.h. ein Minimalpunkt eines Schedulepolytops ur Probleme mit den Zielfunktionen (RD) oder (RL) ST (O(S)), S ∈ ST . F¨ wird sukzessive ein Ger¨ ust, d.h. ein Extremalpunkt eines Schedulepolytops konstruiert. aß einer Den nächsten einzuplanenden Vorgang j ∈ C bestimmen wir gem¨ Priorit¨ atsregel. Dabei bestimmen wir zun¨ achst f¨ ur alle Vorg¨ ange j ∈ C den

184

2 Projektplanung unter Zeitrestriktionen r(S C , t) 2

r(S C , t)

a)

6

2

4

1

3

2

1

-t

b)

6

1

4 2

1 2

W4 (S C ) r(S C , t) 2 1

r(S C , t)

c)

6

2

4 2

3

4

2

1

4

6

-t

1

3

4 4

6

-t 8

d)

6

4

2

8

3

4

2

1

4

6

-t 8

Abb. 2.48. Ressourcenprofile des Teilschedules S C

entsprechenden Priorit¨ atsregelwert und w¨ ahlen dann unter den Vorgängen mit maximalem Priorit¨ atsregelwert denjenigen mit kleinster Vorgangsnummer aus. Die Wahl der Priorit¨ atsregel h¨ angt von der zugrunde liegenden Zielfunktion ab. In der Literatur werden viele verschiedene Prioritätsregeln angef¨ uhrt. Priorit¨ atsregeln, die f¨ ur die Zielfunktionen (RI ), (RD) und (RL) gute“ Lösungen liefern, sind: ” GRD-Regel (Greatest Resource Demand): W¨ ahle Vorgang j mit dem größten rhk }. Ressourcenbedarf, d.h. j := min{i ∈ C | max ph h∈C

k∈R

GRDT -Regel (GRD per Time unit): W¨ ahle Vorgang j mit dem größten Resrhk }. sourcenbedarf pro Zeiteinheit, d.h. j := min{i ∈ C | max h∈C k∈R

LST -Regel (Latest Start Time): W¨ ahle Vorgang j mit dem aktuell kleinsten spätesten Startzeitpunkt, d.h. j := min{i ∈ C | min LS h (S C )}. h∈C

MST -Regel (Minimum Slack Time): W¨ ahle Vorgang j mit der aktuell kleinsten Gesamtpufferzeit, d.h. j := min{i ∈ C | min TF h (S C )}. h∈C

Allgemein unterscheidet man zwischen statischen und dynamischen Priorit¨ atsregeln. Bei den statischen Prioritätsregeln (GRD und GRDT ) werden die Prioritätsregelwerte nur einmal zu Beginn des Verfahrens berechnet. Bei dynamischen Prioritätsregeln werden die Priorit¨ atsregelwerte jedesmal wenn ein Vorgang eingeplant wurde, aktualisiert. Die LST -Regel und die MST -Regel können statisch oder dynamisch verwendet werden, wobei die dynamischen Versionen mit LSTd bzw. MSTd bezeichnet werden. Bei der Auswahl von atsregel auch eine KombiVorgang j ∈ C kann anstelle einer einzigen Priorit¨ nation von Prioritätsregeln angewendet werden. Die Priorit¨ atsregelkombination MST-GRD bedeutet beispielsweise, dass zuerst alle Vorg¨ ange j ∈ C mit kleinster Gesamtpufferzeit ausgewählt werden und dann unter diesen derjenige mit dem größten Ressourcenbedarf. Da es in der Regel keine Priorit¨ atsregel bzw. Prioritätsregelkombination gibt, die alle anderen dominiert, wendet man


185

Priorit¨ atsregelverfahren h¨ aufig nicht nur einmal (Single Pass), sondern mehrmals mit unterschiedlichen Priorit¨ atsregelkombinationen an (Multi Pass) und wählt dann die beste L¨ osung aus. Ist der als n¨ achstes einzuplanende Vorgang j ∈ C bestimmt, berechnen wir in Abh¨ angigkeit der Zielfunktion die Menge der Entscheidungszeitpunkalt mindestens eine Minimalstelle Sj+ te Dj (S C ) von Vorgang j. Dj (S C ) enth¨ der Erweiterungskosten f a (S C , j, ·) auf Wj (S C ) = [ES j (S C ), LS j (S C )]. Wir bestimmen aus Gr¨ unden der Eindeutigkeit die größte Minimalstelle Sj+ von f a (S C , j, ·) und setzen Sj := Sj+ . Ferner entfernen wir j aus der Menge C der noch nicht eingeplanten Vorg¨ ange und f¨ ugen j in die Menge C der bereits eingeplanten Vorg¨ ange ein. Danach m¨ ussen die ES - und LS -Werte f¨ ur alle Vorgänge aß (2.13) und (2.14) aktualisiert werden. In dieser Art und Weise i ∈ C gem¨ fahren wir fort, bis allen Vorg¨ angen i ∈ V ein Startzeitpunkt zugewiesen ist. Algorithmus 2.39 fasst die einzelnen Schritte des Prioritätsregelverfahrens zur Bestimmung einer N¨ aherungsl¨ osung f¨ ur Projektplanungsprobleme (2.1) mit Zielfunktion (RI ), (RD) und (RL) zusammen. Algorithmus 2.39 (Priorit¨ atsregelverfahren f¨ ur Problem (2.1) mit Zielfunktion (RI ), (RD) bzw. (RL)). Initialisierung: Setze S0 := 0, C := {0} und C := V \ {0}. ur alle i, j ∈ V . Bestimme die L¨ angen l¨ angster Wege dij f¨ Setze ES i := d0i und LS i := −di0 f¨ ur alle i ∈ V \ {0}. F¨ ur alle i ∈ C mit LS i = ES i : Setze Si := ES i , C := C ∪ {i} und C := C \ {i}. Hauptschritt: Solange C = ∅: ochster Priorit¨ at. W¨ ahle Vorgang j ∈ C mit h¨ C angigkeit von der Zielfunktion. Bestimme Dj (S ) in Abh¨ Bestimme die gr¨ oßte Minimalstelle Sj+ von f a (S C , j, ·) auf Dj (S C ).

Setze Sj := Sj+ , C := C ∪ {j} und C := C \ {j}. F¨ ur alle i ∈ C: Setze ES i := max(d0i , Sj + dji ) und LS i := min(−di0 , Sj − dij ). F¨ ur alle i ∈ C mit LS i = ES i : Setze Si := ES i , C := C ∪ {i} und C := C \ {i} R¨ uckgabe S.

Beispiel 2.40. Wir betrachten den in Abbildung 2.49 dargestellten Projektnetzplan mit sechs realen Vorg¨ angen, einer erneuerbaren Ressource und einer maximalen Projektdauer von d = 9. Zur Minimierung der Zielfunktion (RL) wenden wir Algorithmus 2.39 mit der Priorit¨ atsregel GRD an.

186


−9 1 3 2 6 1

0 0 ?

1

4

- 2

0

0 @ 0

@ 4 @

@ 0 R @ 2 7

3 5

1 6 3

2

2 @ R 1 @ 2

@

2

3

2

@ 0 @ @

4

- 6

2

-

2 −3

0


3 4 2

Abb. 2.49. Projektnetzplan mit sechs realen Vorg¨ angen

Tabelle 2.15 zeigt die fr¨ uhesten und sp¨ atesten Startzeitpunkte sowie die Ressourcenbedarfe der Vorg¨ ange i ∈ V . Tabelle 2.15. ES i , LS i und ri pi f¨ ur i = 0, . . . , 7 i

0

1

2

3

4

5

6

7

ES i LS i ri pi

0 0 0

0 2 4

0 2 8

1 3 2

2 4 6

5 7 2

3 5 4

7 9 0

Im Initialisierungsschritt planen wir Vorgang 0 zum Zeitpunkt 0 ein, d.h. wir setzen S0 := 0, C := {0} und S C := (0). Der Vorgang mit dem gr¨ oßten Ressourcenbedarf ist Vorgang 2. Da außer Vorgang 0 noch kein Vorgang eingeplant wurde, erhalten wir als Menge der Entscheidungszeitpunkte f¨ ur Vorgang 2 den fr¨ uhsten und sp¨ atesten Startzeitpunkt von 2, d.h. ur die Zeitpunkte t = 0 und t = 2 D2 (S C ) = {0, 2}. Die Erweiterungskosten f¨ sind f a (S C , 2, 0) = f a (S C , 2, 2) = 16 − 0 = 16. Folglich planen wir Vorgang oßten Minimalstelle von f a . Da Vorgang 2 zu sei2 zu S2 = 2 ein, der gr¨ nem spätesten Startzeitpunkt eingeplant wurde, aktualisieren wir die fr¨ uhesten Startzeitpunkte der Vorg¨ ange 3, 6 und 7, indem wir ES 3 := 3, ES 6 := 5 ur die Vorg¨ ange i = 3, 6, 7 nun ES i = LS i und ES 7 := 9 setzen. Damit gilt f¨ und wir setzen S3 := 3, S6 := 5, S7 := 9 (vgl. Abb. 2.50a). Im zweiten Hauptschritt w¨ ahlen wir Vorgang 4 als nächsten einzuplanenden Vorgang. Die Menge der Entscheidungszeitpunkte von Vorgang 4 besteht ur die Erweiterungskosten gilt f a (S C , 4, 2) = 80 − 36 = aus D4 (S C ) = {2, 4}. F¨ a C 44 und f (S , 4, 4) = 72−36 = 36. Wir planen Vorgang 4 somit zu S4 = 4 ein. Nun sind die fr¨ uhesten Startzeitpunkte der Vorgänge 1 und 5 zu aktualisieren, ur Vorgang 5 gilt ES 5 = LS 5 dabei erhalten wir ES 1 := 1 und ES 5 := 7. F¨ und wir setzen S5 := 7 (vgl. Abb. 2.50b).


187

Im letzten Schritt w¨ ahlen wir Vorgang 1 als nächsten einzuplanenden Vorgang. Die Menge der Entscheidungszeitpunkte von Vorgang 1 ist D1 (S C ) = {1, 2}. F¨ ur die Erweiterungskosten gilt f a (S C , 1, 1) = 94 − 78 = 16 und a C f (S , 1, 2) = 110 − 78 = 32. Vorgang 1 wird daher zu S1 = 1 eingeplant. In Abbildung 2.50c ist das entstandene Ressourcenprofil mit Zielfunktionswert 94 veranschaulicht.

r(S, t)

r(S, t)

a) Schritt 1

6

6 q qa

4

2

q

b) Schritt 2

q aq 3 q qa q aq 6 q 2 qa 2

4

q

6

2

qa 2

8

r(S, t)

2

2

aq -t

6

6

4

q aq qa 4 q aq 3 4 6 q qa 4 q q

4

4

5 6

6

qa -t

8

b) Schritt 3

q aq qa 4 q aq 1 3 4 6 q qa 4 q q

q qa

2

1 2

4

5 6

6

qa -t

8

Abb. 2.50. Ressourcenprofile der einzelnen Schedules

Bei den Zielfunktionen (RI ), (RD) und (RL) hängen die Erweiterungskosten f a (S C , j, t) vom aktuellen Ressourcenverbrauch ab. Dies bedeutet, dass andern können, wenn wir vor der Einsich die Erweiterungskosten f a (S C , j, t) ¨ planung von Vorgang j einen anderen Vorgang h ∈ C einplanen. Im Folgenden zeigen wir, wie man schon vor der Einplanung eines Vorgangs h ∈ C einen Teil seines Ressourcenbedarfs bei der Bestimmung der Erweiterungskosten f¨ ur Vorgang j ber¨ ucksichtigen kann. Hierzu f¨ uhren wir den Begriff des Basisintervalls eines Vorgangs ein, das angibt, zu welchen Zeitpunkten sich ein noch nicht eingeplanter Vorgang in Ausf¨ uhrung befindet, und zwar unabhängig davon, welche Startzeitpunkte wir ihm und den u ¨brigen noch nicht eingeplanten Vorgängen zuweisen. uheste Zeitpunkt, zu dem Vorgang i enden Seien EC i = ES i + pi der fr¨ ateste Startzeitpunkt von Vorgang i unter Ber¨ ucksichkann, und LS i der sp¨ tigung der maximalen Projektdauer d. Vorgang i muss dann unabhängig von uhrt seinem Startzeitpunkt Si ∈ [ES i , LS i ] im Zeitintervall [LS i , EC i [ ausgef¨ werden. Das Intervall [LS i , EC i [ wird daher als Basisintervall von Vorgang i bezeichnet. Gilt f¨ ur einen Vorgang i ∈ V beispielsweise pi = 9, ES i = 2 und

188


LS i = 4, dann muss Vorgang i im Basisintervall [4, 11[ ausgef¨ uhrt werden unabh¨ angig davon, zu welchen Zeitpunkten er und die u ¨brigen Vorgänge h ∈ V eingeplant werden (vgl. Abb. 2.51). Basisintervall von Vorgang i

i i

-t 0

1

2

3

ESi

4

5

6

7

8

9

LSi

10

11

12

ECi

13

LCi

Abb. 2.51. Basisintervall von Vorgang i

Ist TF i = 0 f¨ ur einen Vorgang i ∈ V und damit Si = ES i = LS i , so nennen wir Vorgang i fixiert. Ist f¨ ur einen Vorgang j ∈ V die Ungleichung ullt, so nennen wir den Vorgang teilfixiert. Ein teilfixierter 0 < TF j < pj erf¨ Vorgang i wird unabh¨ angig von seinem Startzeitpunkt immer im Basisintervall uhrt. Da das zugrunde liegende Projekt zum Zeitpunkt 0 [LS i , EC i [ ausgef¨ angt die Menge der fixierten und teilfixierten Vorg¨ ange von startet (S0 = 0), h¨ der maximalen Projektdauer d ab. Mit wachsendem d wird die Anzahl der teilfixierten Vorgänge kleiner. angige In Abhängigkeit von Teilschedule S C ergibt sich das planungsabh¨ Basisintervall von Vorgang h ∈ C zu [LS i (S C ), EC i (S C )[. Setzen wir ES i = ur alle eingeplanten Vorg¨ ange i ∈ C (deren Startzeitpunkt somit LS i = Si f¨ schon fixiert ist), so stellt Ab (S C , t) := {j ∈ V | LS j (S C ) ≤ t < EC j (S C )} ange dar, die sich zum Zeitpunkt t in mit t ∈ [0, d] die Menge der Vorg¨ Ausf¨ uhrung befinden, und zwar unabh¨ angig davon zu welchem Zeitpunkt die ange mit noch nicht eingeplanten Vorg¨ ange h ∈ C eingeplant werden. Vorg¨ Dauer 0 finden dabei keine Ber¨ ucksichtigung, da sich die Ressourcenprofile durch ihre Einplanung nicht ¨ andern. F¨ ur einen Teilschedule S C ergibt sich otigt wird, unter die Menge an Ressource k, die zum Zeitpunkt t ∈ [0, d] ben¨ Ber¨ ucksichtigung aller fixierten und teilfixierten Vorg¨ ange zu rik . rkb (S C , t) := i∈Ab (S C ,t)

Die Erweiterungskosten f¨ ur die Zielfunktionen (RI ), (RD) und (RL) lassen sich unter Ber¨ ucksichtigung fixierter und teilfixierter Vorg¨ ange modifizieren. ur das ResUnter Einbeziehung des Ressourcenprofils rkb (S C , ·) ergeben sich f¨ sourceninvestmentproblem die modifizierten Erweiterungskosten f b


f b (Sj , j, t) =

cP k

k∈R

189

max rkb (S C∪{j} , t) − max rkb (S C , t) ,

t∈[0,d]

t∈[0,d]

f¨ ur das Ressourcenabweichungsproblem b C∪{j} + b C + [r dt (S , t) − Y ] − [r (S , t) − Y ] cD f b (Sj , j, t) = k k k k k k∈R

t∈[0,d]

und f¨ ur das Ressourcennivellierungsproblem (rkb )2 (S C∪{j} , t) − (rkb )2 (S C , t) dt . f b (Sj , j, t) = k∈R t∈[0,d]

Um die Effizienz unseres Priorit¨ atsregelverfahrens (vgl. Algorithmus 2.39) basierend auf dem unvermeidbaren Ressourcenverbrauch fixierter und teilfixierter Vorg¨ ange zu steigern, ersetzen wir f a durch f b . Im Folgenden erläutern wir die Vorgehensweise des modifizierten Prioritätsregelverfahrens an einem Beispiel. Beispiel 2.41. Betrachten wir wieder den in Abbildung 2.49 dargestellten Projektnetzplan und nehmen an, dass die Zielfunktion (RL) zu minimieren sei. Wir bestimmen eine N¨ aherungsl¨ osung f¨ ur das zugrunde liegende Problem mit Algorithmus 2.39 und der Priorit¨ atsregel GRD, wobei wir zur Bestimuhesten und mung der Erweiterungskosten die Funktion f b verwenden. Die fr¨ spätesten Startzeitpunkte sowie die Ressourcenbedarfe der Vorgänge i ∈ V sind in Tabelle 2.15 dargestellt. ur Im Initialisierungsschritt setzen wir C := {0}, S0 := 0 und S C := (0). F¨ ur alle Vorg¨ ange i ∈ V \ {0} betr¨ agt die Gesamtpufferzeit TF i = 2 und f¨ die Vorg¨ ange i = 2, 4, 6 gilt TF i < pi . Die Vorgänge 2, 4 und 6 sind somit teilfixiert. Das Ressourcenprofil ist in Abbildung 2.52a dargestellt. Der Vorgang mit dem gr¨ oßtem Ressourcenbedarf ist Vorgang 2, er ist als Erstes einzuplanen. Wir erhalten als Menge der Entscheidungszeitpunkte von Vorgang 2 den fr¨ uhesten und sp¨ atesten Startzeitpunkt von Vorgang 2, d.h. D2 (S C ) = {0, 2}. Die Erweiterungskosten f b zu den Zeitpunkten 0 und 2 sind f b (S C , 2, 0) = 22 − 14 = 8 und f b (S C , 2, 2) = 34 − 14 = 20. Somit planen wir Vorgang 2 zu S2 = 0 ein. Die Aktualisierung der ES - und LS¨ Werte der noch nicht eingeplanten Vorg¨ ange f¨ uhrt zu keinen Anderungen. Das Ressourcenprofil ist in Abbildung 2.52b dargestellt, wobei der fixierte Vorgang 2 mit durchgezogener Linie eingezeichnet wurde. Als N¨ achstes w¨ ahlen wir Vorgang 4 und erhalten f¨ ur die Menge der Entscheidungszeitpunkte D4 (S C ) = {2, 4}. Die Erweiterungskosten zu den Zeitpunkten 2 und 4 sind f b (S C , 4, 2) = 46 − 22 = 24 und f b (S C , 4, 4) = 38 − 22 = 16. Wir planen Vorgang 4 zu S4 = 4 ein. Da wir Vorgang 4 zu seinem spätesten Startzeitpunkt eingeplant haben, aktualisieren wir die fr¨ uhesten Startzeitpunkte der Vorg¨ ange 1, 5 und 7 auf ES 1 := 1, ES 5 := 7 und ES 7 := 9. Damit

190


gilt f¨ ur die Vorg¨ ange 5 und 7 ES 5 = LS 5 und ES 7 = LS 7 ; sie sind somit fiur Vorgang 1 gilt TF 1 = 1 < p1 = 2, xiert. Wir setzen S5 := 7 sowie S7 := 9. F¨ daher ist Vorgang 1 nun teilfixiert. Abbildung 2.52c zeigt das entsprechende Ressourcenprofil. rb (S C , t)

rb (S C , t)

a) Initialisierung

6

6 2

2

2 2

4

6

4

rb (S C , t)

6

8

rb (S C , t)

6

2

4

2 2

4

8

2

6 5

4 4

6

8

-t 10

4

6q

2

q qa

-t 8

10

6 4

2

rb (S C , t)

6

2

6

d) Schritt 3

2

10

6

2

4

1

-t

e) Schritt 4

1

6

2

5 6

4

2

10

6

1

rb (S C , t)

2

-t

c) Schritt 2

6

4

b) Schritt 1

4

5 6

-t

8

10

f) Schritt 5

qa 3

1

q aq q aq 6 q 4

2 2

4

6

6 5 8

qa -t 10

Abb. 2.52. Ressourcenprofile der einzelnen Schritte

Im dritten Hauptschritt wählen wir den Vorgang 1 als n¨ achsten einzuplanenden Vorgang. Die Menge der Entscheidungszeitpunkte von Vorgang 1 ist ur die Erweiterungskosten zu den Zeitpunkten 1 und 2 D1 (S C ) = {1, 2}. F¨ ahlen erhalten wir f b (S C , 1, 1) = 64 − 54 = 12 und f b (S C , 1, 2) = 12. Wir w¨ die größte Minimalstelle und planen Vorgang 1 zu S1 := 2 ein. Eine Aktualisierung der ES - und LS-Werte ist nicht erforderlich. Das Ressourcenprofil ist in Abbildung 2.52d dargestellt. Im vierten Schritt wählen wir den Vorgang 6 als n¨ achsten einzuplanenden Vorgang. Wir erhalten als Menge von Entscheidungszeitpunkten D6 (S C ) = {3, 4, 5}. Es ergeben sich die Erweiterungskosten f b (S C , 6, 3) = 78 − 64 = 14, f b (S C , 6, 4) = 72 − 64 = 8 und f b (S C , 6, 5) = 70 − 64 = 6. Wir planen Vorgang 6 zu S6 = 5 ein. Das Ressourcenprofil ist in Abbildung 2.52e dargestellt. Im letzten Schritt wählen wir den Vorgang 3. F¨ ur die Menge von Entscheidungszeitpunkten gilt D3 (S C ) = {1, 3}, und es ergeben sich die Erweiterungskosten f b (S C , 3, 1) = 82 − 70 = 12 und f b (S C , 3, 3) = 90 − 70 = 20. Somit

2.4 Kundenauftragsfertigung

191

planen wir Vorgang 3 zu S3 = 1 ein. Das entstandene Ressourcenprofil mit Zielfunktionswert 82 ist in Abbildung 2.52f veranschaulicht.

2.4 Kundenauftragsfertigung In diesem Abschnitt stellen wir die Terminierung von Fertigungsaufträgen bei der Kundenauftragsfertigung als Anwendungsbeispiel f¨ ur die Projektplanung unter Zeitrestriktionen vor. Typischerweise ist die Kundenauftragsfertigung in der Einzel- und Kleinserienfertigung anzutreffen. Ein Kundenauftrag, der u.U. mehrere Endprodukte umfasst, bzw. der zur Erledigung des Kundenauftrags durchzuf¨ uhrende Produktionsprozess lässt sich als Projekt auffassen. Alle ben¨ otigten Vor-, Zwischen- und Endprodukte werden aufgrund von vorliegenden Kundenauftr¨ agen gefertigt. F¨ ur jeden Kundenauftrag liegen die Mengen der gew¨ unschten Endprodukte (Prim¨ arbedarfe) und zugehörige Liefertermine vor. F¨ ur jeden Produktionsprozess bzw. f¨ ur jedes Zwischen- und Endprodukt ist ein so genannter Arbeitsplan gegeben, der die einzelnen Arbeitsg¨ ange (Vorgänge) zur Herstellung des betrachteten Produktes sowie die Reihenfolge enthält, in der die Arbeitsg¨ ange durchzuf¨ uhren sind. Dabei werden ein oder mehrere aufeinander folgende Arbeitsgänge auf einer bestimmten Maschine ausgef¨ uhrt. Im Rahmen der Kundenauftragsfertigung sind die Startzeitpunkte der einzelnen Arbeitsg¨ ange so zu bestimmen, dass die einzelnen Produkte zu den gew¨ unschten Lieferterminen fertiggestellt werden können. In der Praxis ist man h¨ aufig bestrebt, einen Kundenauftrag so schnell wie möglich zu bearbeiten, damit fr¨ uhzeitig freie Produktionskapazitäten f¨ ur zuk¨ unftige Kundenauftr¨ age zur Verf¨ ugung stehen. Wir beschreiben im Folgenden die Fertigung eines Kundenauftrags im Rahmen einer offenen Fertigung als Projektplanungsproblem. Dabei bezeichnen wir die Fertigung des periodenbezogenen Gesamtbedarfs (Bruttobedarf) f¨ ur ein Produkt als Job. Die Bearbeitung eines Jobs auf einer Maschine wird als Operation bezeichnet. In der Praxis wird meist gefordert, dass eine Operation in ihrer Durchf¨ uhrung nicht unterbrochen werden darf, um eine gleichmäßige Auslastung der Betriebsmittel zu erreichen. Im Folgenden werde jede (nicht unterbrechbare) Operation, die einem oder mehreren Arbeitsgängen entspricht, durch einen Projektvorgang repr¨ asentiert. In der offenen Fertigung k¨ onnen aufeinanderfolgende Operationen zeitlich u ¨berlappen. Hierbei wird ein Produkt bereits zu einer gem¨ aß des zugrunde liegenden Arbeitsplans nächsten Maschine weitergeleitet, w¨ ahrend die Bearbeitung auf der ersten Maschine noch l¨ auft. Die Weitergabe erfolgt dann in Transportlosen, die kleiner als das jeweilige Fertigungslos sind. Die offene Fertigung stellt eine wichtige Maßnahme zur Verk¨ urzung von Durchlaufzeiten in der Produktion dar. Da die Gesamtdauer der Bearbeitung aller Kundenaufträge minimiert werden soll, w¨ ahlen wir die Minimierung der Projektdauer als Zielfunktion. Als Restriktionen sind die Befriedigung des Prim¨ arbedarfs an allen Endprodukten, die Einhaltung einer durch den Arbeitsplan vorgegebenen Bearbeitungsrei-

192


henfolge der Arbeitsg¨ ange bzw. Operationen zur Herstellung eines Produktes und die Einhaltung der Lieferzeiten f¨ ur die vorliegenden Kundenbestellungen zu ber¨ ucksichtigen. Die Einhaltung einer vorgeschriebenen Lieferzeit f¨ ur ein Produkt kann durch Einf¨ uhrung eines H¨ ochstabstandes zwischen dem Projektstart und der letzten Operation des Projektes gewährleistet werden. Zur Gew¨ ahrleistung der vorgegebenen Bearbeitungsreihenfolge der Operationen eines Jobs f¨ ugen wir zeitliche Mindestabst¨ ande ein, die sich wie folgt ergeben. Bezeichne Oi eine Operation, die der Bearbeitung eines Jobs auf der Maschine ustzeit f¨ ur Operation Oi auf Maschine Mi entspricht. Weiterhin sei ϑi die R¨ Mi und τi die Bearbeitungszeit pro Einheit des betrachteten Produktes auf uhrungszeit bzw. die Dauer der Operation Mi . Dann ist pi = ϑi + τi x die Ausf¨ Oi , wobei x den Bruttobedarf des jeweiligen Produktes darstellt. Betrachten wir den Fall, dass ein Produkt zun¨ achst auf Maschine Mi bearbeitet und danach direkt an Maschine Mj zur Weiterbearbeitung u ¨bergeben werden soll. Ist die Transportlosgr¨ oße z des Produktes kleiner als der Bruttobedarf x, dann uhrt werden, bevor die Bearkönnen einige Einheiten von Mi nach Mj u ¨berf¨ beitung des gesamten Bruttobedarfs an Mi abgeschlossen ist. Betrachten wir hierzu das folgende Beispiel. Beispiel 2.42. Gegeben sei ein (Zwischen-)Produkt mit einem Bruttobedarf von x = 3 und einer Transportlosgr¨ oße von z = 1. Abbildung 2.53 zeigt den Fall, dass die Bearbeitungszeit pro Produkteinheit auf Maschine Mi größer ist ussen wir einen Mindestabstand als auf Maschine Mj , d.h. τi > τj . Dann m¨ uhren, Tijmin zwischen dem Start der Operation Oi und der Operation Oj einf¨ um zu gew¨ ahrleisten, dass Oj nicht unterbrochen wird. ϑj

τj

Mj Tijmin -

x=3 z=1

Mi ϑi

τi

-t

Abb. 2.53. Bearbeitung auf Mi und Mj mit Mindestabstand

Sei die Bearbeitungszeit des (Zwischen-)Produktes auf Mi kleiner oder gleich der Bearbeitungszeit auf Mj , d.h. es gilt τi ≤ τj . Abbildung 2.54 veranschaulicht diese Situation, wobei o.B.d.A. angenommen wird, dass die R¨ ustzeit auf Maschine Mi sehr viel kleiner ist als auf Maschine Mj , d.h. es gilt ϑi ϑj . max zwischen dem Start der In diesem Fall m¨ ussen wir einen H¨ ochstabstand Tji ugen, um eine m¨ oglichst z¨ ugige, unterbrechungsOperationen Oj und Oi einf¨ freie Bearbeitung der Operationen Oi und Oj zu erreichen. Sei x der Bruttobedarf und z die Transportlosgr¨ oße eines Produktes, wobei wir annehmen, dass x/z ganzzahlig ist. Dann garantiert die Einf¨ uhrung eines

2.4 Kundenauftragsfertigung ϑj

τj

Mj Mi

max Tji

193

x=3 z=1

ϑi

τi

-t

Abb. 2.54. Bearbeitung auf Mi und Mj mit H¨ ochstabstand

Pfeils i, j mit der Bewertung ϑi + xτi − ϑj − (x − z)τj , f¨ ur τi > τj δij := ϑi + zτi − ϑj , f¨ u r τi ≤ τj

(2.15)

zwischen dem Start von zwei aufeinanderfolgenden Operationen Oi und Oj , uhrt werden kann. F¨ ur δij ≥ 0 entspricht dass Oj ohne Unterbrechung ausgef¨ der Pfeil i, j einem Mindestabstand Tijmin := δij zwischen dem Start von Oi max und Oj . Ist δij < 0, dann entspricht i, j einem H¨ ochstabstand Tji := −δij zwischen dem Start von Oj und Oi . Existiert eine Transportzeit tij f¨ ur den Transfer des Transportloses von Maschine Mi nach Maschine Mj , so addieren wir tij zu δij hinzu. Anstatt wie eben beschrieben zwei Operationen desselben Jobs zu u onnen auch die letzte Operation Oi eines Produktes h ¨berlappen, k¨ und die erste Operation Oj eines anderen Produktes l u ¨berlappen, falls das (Zwischen-)Produkt h in das Produkt l eingeht. Bei der eben beschriebenen Vorgehensweise zur Erzeugung zeitlicher Mindest- und Höchstabst¨ ande zwischen zwei Operationen sind wir davon ausgegangen, dass genau eine Einheit des aus Operation Oi resultierenden Zwischenproduktes f¨ ur die Herstellung einer Einheit des aus Operation Oj resultierenden (Zwischen-)Produktes ben¨ otigt wird. Tats¨ achlich herrschen in Unternehmen wesentlich komplexere Produktstrukturen vor. Die Produktstruktur eines Unternehmens gibt die strukturellen und mengenm¨ aßigen Zusammenhänge zwischen den Produkten wieder und l¨ asst sich durch einen so genannten Gozintographen abbilden. Ein Gozintograph ist ein Digraph, dessen Knoten die Produkte darstellen, wobei zwischen End- und Zwischenprodukten sowie Rohmaterialien unterschieden wird. Endprodukte werden durch Senken, und Rohmaterialen, die extern bezogen werden, durch Quellen im Gozintographen repräsentiert. Existiert ein Pfeil h, l von Knoten h zu Knoten l mit otigt, um eine dem Gewicht ahl , dann werden ahl Einheiten von Produkt h ben¨ Einheit von Produkt l herzustellen. Man bezeichnet ahl daher als Inputkoeffizient. Wir unterscheiden an dieser Stelle der Einfachheit halber zwischen zwei grundlegenden Produktstrukturen. Bei einer linearen Produktstruktur besitzt jedes Produkt genau einen direkten Vorg¨ anger und genau einen direkten Nachfolger im Gozintographen (vgl. Abb. 2.55a). Bei einer konvergenten Produktstruktur besitzt jedes Produkt genau einen Nachfolger im Gozintographen, d.h. der Gozintograph stellt einen Intree dar (vgl. Abb. 2.55b). Der

194


Fall, dass eine divergente Produktstruktur vorliegt, d.h. der Gozintograph ist ein Outtree, wird in (Neumann und Schwindt, 1997) behandelt. l

6 ahl

h

a) Lineare Produktstruktur

l

7 S o ail ahl S S h

i

b) Konvergente Produktstruktur

Abb. 2.55. Produktstrukturen

Existiert bei einer linearen oder konvergenten Produktstruktur ein Pfeil h, l von Knoten h zu Knoten l im Gozintographen, dann können die letzte Operation Oi des (Zwischen-) Produktes h und die erste Operation Oj des Produktes l u ¨berlappen. Operation Oi wird auf der Maschine Mi und Operation Oj auf der Maschine Mj ausgef¨ uhrt. Falls ahl Einheiten von (Zwischen-) Produkt h f¨ ur eine Einheit des Produktes l benötigt werden, dann ergibt sich hl gem¨ aß der Zeitabstand δij hl := δij

ur ahl τi > τj ϑi + ahl xl τi − ϑj − (xl − zh /ahl )τj , f¨ ϑ i + zh τi − ϑ j , f¨ ur ahl τi ≤ τj .

(2.16)

In Gleichung (2.16) repr¨ asentiert xl den Bruttobedarf von Produkt l und zh die Transportlosgr¨ oße von Produkt h. Ist ahl = 1, so entspricht (2.16) gerade (2.15). Zum Abschluss beschreiben wir die Konstruktion des Projektnetzplans f¨ ur das beschriebene Problem der Kundenauftragsfertigung. Wir nehmen an, dass die Produktstruktur durch einen Gozintographen gegeben ist. Jeder Knoten des Gozintographen wird durch eine Sequenz von Operationen ersetzt, die den jeweiligen Job abbilden. Auf diese Weise entspricht ein Job dem Weg von seinem ersten Operations-Knoten zu seinem letzten Operations-Knoten im resultierenden Netzwerk. Die Bewertungen der Pfeile entsprechen den oben eingef¨ uhrten Mindest- und H¨ ochstabst¨ anden. Beispiel 2.43. Betrachten wir den in Abbildung 2.56 dargestellten Gozintographen einer Produktstruktur. Wir nehmen an, dass Zwischenprodukt A aus der Sequenz der Operationen A1 , A2 und Zwischenprodukt C aus der Sequenz ahrend Zwischenprodukt B nur auf einer Maschine geC1 , C2 , C3 besteht, w¨ fertigt wird. Endprodukt I bestehe aus der Sequenz I1 , I2 und Endprodukt II werde nur auf einer Maschine gefertigt. Die Arbeitspläne f¨ ur die einzelnen Produkte sind ebenfalls in Abbildung 2.56 angegeben, wobei die Dauer der Operationen jeweils f¨ ur das gesamte Fertigungslos angegeben ist, d.h. wir f¨ uhren in unserem Beispiel der Einfachheit halber zeitliche Mindestabstände

2.4 Kundenauftragsfertigung

195

der Form Tijmin = pi zwischen den Startzeitpunkten zweier aufeinanderfolgender Operationen Oi und Oj eines Jobs ein.

- I Q 3 Q Q Q s - II B 3 C A

A1 : 2 ZE A2 : 3 ZE B: 4 ZE C1 : 2 ZE C2 : 1 ZE C3 : 3 ZE

I1 : 1 ZE I2 : 2 ZE II : 3 ZE

Abb. 2.56. Gozintograph und Arbeitspl¨ ane

Wir erhalten ein Netzwerk N , das in Abbildung 2.57 innerhalb des gestrichelten Rechtecks dargestellt ist. Die Mindestabstände Tijmin zwischen den Vorg¨ angen i und j entsprechen der Dauer der zugehörigen Operation Oi . Nun ist eine neue Quelle α und eine neue Senke ω einzuf¨ uhren, wobei α den Start und ω das Ende des Projektes repr¨ asentieren. Ausgehend von der Quelle α f¨ ugen wir Pfeile zu den Quellen des Netzwerks N mit der Bewertung 0 ein. Weiterhin sind Pfeile hinzuzuf¨ ugen, die von allen Senken s des Netzwerks N zu der Senke ω verlaufen und deren Bewertung gleich der Dauer der zu s geh¨ origen Operation ist. Die zus¨ atzlichen Pfeile sind in Abbildung 2.57 fett ausgezeichnet.

2 − dI

* A1

0 ? 0 α HH HH 6 0 H H j C1 H

1 I2 H HH 2 Q Q HH 4Q 3 H Q j ω H - BP * PP Q Q 4 PP Q PPQ 3 PP s Q q 1 2 - II C3 C2 2 A2

3 I1

3

N

3 − dII Abb. 2.57. Projektnetzplan N von Beispiel 2.43

Wir nehmen außerdem an, dass f¨ ur einige Endprodukte h eine Lieferzeit dh festgelegt ist. Sei Oj die letzte Operation von Produkt h mit der Dauer pj . max := dh − pj zwischen dem Projektstart und Dann ist ein Höchstabstand Tα,j

196


dem Start von Operation Oj gegeben. Seien in Beispiel 2.43 die Lieferzeiten dI ur die Endprodukte I und II gegeben, dann sind zwei R¨ uckwärtspfeile und dII f¨ einzuf¨ uhren, zum einen I2 , α und zum anderen II , α (vgl. Abb. 2.57). Die L¨ ange eines l¨ angsten Weges von α nach ω in N entspricht nun gerade der k¨ urzestm¨ oglichen Bearbeitungszeit des betrachteten Kundenauftrages, und die zugeh¨ origen Startzeitpunkte der einzelnen Operationen entsprechen den fr¨ uhesten Startzeitpunkten der entsprechenden Vorgänge in N .

Weiterfu ¨ hrende Literatur Brucker et al. (1999) Demeulemeester (1995) Demeulemeester und Herroelen (2002) De Reyck (1998) Herroelen et al. (1997) Kimms (2001) Kolisch (2001) Kolisch und Padman (2001) Mayer (1998) Moder et al. (1983)

M¨ ohring (1984) Neumann und Schwindt (1997) Neumann und Zimmermann (1999) Neumann und Zimmermann (2000) Neumann et al. (2003) N¨ ubel (1999) ¨ Ozdamar und Ulusoy (1995) Vanhoucke et al. (2001) Weglarz (1999) Zimmermann (2001)

3 Projektplanung unter Zeit- und Ressourcenrestriktionen

Die in Kapitel 2 getroffene Annahme, dass der gesamte Ressourcenbedarf aller simultan ausf¨ uhrbaren Vorg¨ ange geringer ist als die vorhandene Ressourcenkapazit¨ at, stellt im Allgemeinen eine starke Vereinfachung der betrieblichen Realit¨ at dar. F¨ ur praktische Anwendungen werden daher effiziente Methoden ben¨ otigt, um den Einsatz knapper Ressourcen bei der Planung und Durchf¨ uhrung von Projekten zu ber¨ ucksichtigen. Aus diesem Grund behandeln wir im Folgenden die Projektplanung unter Zeit- und Ressourcenrestriktionen, deren Aufgabe es ist, eine Menge von i.d.R. Zeit und Ressourcen beanspruchenden Vorg¨ angen so zu terminieren, dass ein vorgegebenes Ziel bestm¨ oglich erf¨ ullt wird, die Zeitbeziehungen zwischen den Vorgängen eingehalten und zu keinem Zeitpunkt die vorgegebenen Ressourcenkapazitäten u ¨berschritten werden. In Abschnitt 3.1 geben wir zun¨ achst eine mathematische Formulierung des Projektplanungsproblems unter Zeit- und Ressourcenrestriktionen an, wobei wir uns auf die Betrachtung erneuerbarer Ressourcen beschränken. Im darauffolgenden Abschnitt 3.1.1 erl¨ autern wir, wie das ressourcenbeschränkte Projektplanungsproblem unter Zuhilfenahme einer zeitindexbasierten Formulierung in ein gemischt-ganzzahliges lineares Programm (MIP) u uhrt ¨berf¨ werden kann. Anschließend beschreiben wir in Abschnitt 3.1.2 den zulässigen Bereich des Projektplanungsproblems unter Zeit- und Ressourcenrestriktionen und geben f¨ ur die in Abschnitt 2.1.1 behandelten Zielfunktionen ausgezeichnete Punkte des zul¨ assigen Bereichs an, die potentielle Kandidaten f¨ ur eine optimale L¨ osung darstellen (vgl. Abschnitt 3.1.3). Zur Minimierung der Projektdauer eines ressourcenbeschränkten Projektplanungsproblems stellen wir in Abschnitt 3.2 ein Branch-and-BoundVerfahren vor und gehen auf geeignete Branching-Strategien, untere Schranken, Preprocessing-Techniken und Auslotregeln ein. Zur Lösung des Projektplanungsproblems unter Zeit- und Ressourcenrestriktionen mit Zielfunktionen (MFT ), (WST ), (E + T ) und (NPV ) muss das Branch-and-BoundVerfahren, wie in Abschnitt 3.3 beschrieben, lediglich geeignet modifiziert werden. Basierend auf dem ger¨ ustbasierten Enumerationsschema aus Abschnitt

198


2.2.4 beschreiben wir in Abschnitt 3.3.2 außerdem ein Enumerationsverfahren f¨ ur die Zielfunktionen (RI ), (RD) und (RL). Da die Bestimmung einer optimalen L¨ osung schon f¨ ur die Zielfunktion (PD) und f¨ ur Probleminstanzen mit 50 Vorg¨ angen sehr aufw¨ andig ist, diskutieren wir in Abschnitt 3.4 ein heuristisches Verfahren zur Ermittlung von i.d.R. guten Näherungslösungen f¨ ur Instanzen mit bis zu 1000 Vorg¨ angen. Im Anschluss beschreiben wir heuristische L¨ osungsverfahren f¨ ur weitere Zielfunktionen (vgl. Abschnitt 3.5). In Abschnitt 3.6 behandeln wir schließlich ein Anwendungsbeispiel f¨ ur die Projektplanung unter Zeit- und Ressourcenrestriktionen.

3.1 Problemformulierung Wie in Abschnitt 2.1 sei R die Menge aller f¨ ur die Projektdurchf¨ uhrung relevanten erneuerbaren Ressourcen. Ein Vorgang i ∈ V nimmt während seiner Ausf¨ uhrung die Ressource k ∈ R mit rik ∈ Z≥0 Einheiten in Anspruch. Zu jedem Zeitpunkt stehen Rk ∈ Z≥0 Einheiten der Ressource k ∈ R zur Verf¨ ugung. Eine solche konstante Ressourcenkapazität Rk einer Ressource k ∈ R erscheint im Ressourcenprofil von k als waagerechte Linie. In der Praxis ist jedoch nicht immer gew¨ ahrleistet, dass die Ressourcenkapazität Rk , k ∈ R, konstant verl¨ auft, da die Verf¨ ugbarkeit einer Ressource häufig von dem jeweils betrachteten Zeitpunkt abh¨ angt. Schwankt die Kapazität einer Ressource, so ergibt sich f¨ ur die Ressourceninanspruchnahme u ¨ber die Zeit eine rechtsseitig uhrungen zur stetige Treppenfunktion Rk : [0, d] → Z≥0 (vgl. hierzu die Ausf¨ Ressourceninanspruchnahme von Vorg¨ angen in Kapitel 2). Im Folgenden gehen wir stets davon aus, dass die Ressourcenkapazität ur alle k ∈ R konstant ist. Ein schwankendes Ressourcenprofil wird daRk f¨ durch modelliert, das wir k¨ unstliche Vorg¨ ange (Dummyvorg¨ ange) einf¨ ugen, die die Schwankungen ausgleichen. Jeder Dummyvorgang wird dabei durch einen zeitlichen Mindest- und einen zeitlichen Höchstabstand zum Vorgang 0 fixiert. Beispiel 3.1. In einer Firma arbeiten f¨ unf Mitarbeiter von 9 bis 17 Uhr. Da wir nur eine erneuerbare Ressource betrachten, kann der Ressourcenindex k entfallen. Wir nehmen an, dass von 12 bis 13 Uhr nur zwei und von 13 bis 14 Uhr nur drei von insgesamt f¨ unf Mitarbeiter anwesend sind. Daher f¨ ugen wir, wie in Abbildung 3.1 dargestellt, zwei Dummyvorgänge mit der Dauer p1 = p2 = 1 ein, um die Schwankungen der Ressourcenkapazität abzubilden. Dummyvorgang 1 startet zu S1 = 12 Uhr und besitzt die Ressourceninanspruchnahme von r1 = 3 und Dummyvorgang 2 startet zu S2 = 13 Uhr und besitzt die Ressourceninanspruchnahme von r2 = 2. Sind beim Einplanen eines Vorgangs i ∈ V neben Zeitbeziehungen zusätzlich beschr¨ ankte Kapazit¨ aten Rk f¨ ur die Ressourcen k ∈ R zu beachten, dann d¨ urfen die sich zum Zeitpunkt t in Ausf¨ uhrung befindlichen Vorgänge zusammen nicht mehr als Rk Einheiten einer Ressource k ∈ R in Anspruch nehmen.


199

r(S, t)

r 6

qr

4

r

2

r 1 r

qr

2

R

qr -t

10

12

14

16

Abb. 3.1. Ressourcenkapazit¨ at

Wir erhalten f¨ ur jede Ressource k ∈ R die Ressourcenrestriktionen rk (S, t) := rik ≤ Rk f¨ ur alle t ∈ [0, d],

(3.1)

i∈A(S,t)

wobei A(S, t) f¨ ur gegebenen Schedule S wieder die Menge der sich zum Zeitpunkt t in Ausf¨ uhrung befindlichen Vorg¨ ange bezeichnet (vgl. Abschnitt 2.1). oht, Da sich die kumulierte Ressourceninanspruchnahme rk (S, t) nur dann erh¨ wenn mit der Ausf¨ uhrung eines Vorgangs begonnen wird, ist (3.1) ¨ aquivalent zu ur alle t ∈ ST (S), (3.2) rk (S, t) ≤ Rk f¨ wobei ST (S) die Menge aller Zeitpunkte darstellt, zu denen gem¨ aß S mindestens ein Vorgang startet. Definition 3.2 (Zul¨ assiger Schedule). Einen Schedule, der f¨ ur alle t ∈ ullt, bezeichnen wir als ST (S) die Ressourcenrestriktionen rk (S, t) ≤ Rk erf¨ ressourcenzul¨ assig. Ein zeitund ressourcenzul¨ assiger Schedule wird zul¨ assig genannt. Sei S ein zeit-, aber nicht ressourcenzul¨ assiger Schedule. Dann gibt es ur den ein so genannter Ressourcenmindestens einen Zeitpunkt t ∈ [0, d], f¨ ur mindestens ein k ∈ R gilt. Der konflikt vorliegt, d.h. zu dem rk (S, t) > Rk f¨ Ressourcenkonflikt wird dabei durch die simultane Ausf¨ uhrung der Vorg¨ ange i ∈ A(S, t) verursacht.1 Betrachten wir dazu ein Beispiel. Beispiel 3.3. Gegeben sei der in Abbildung 3.2 dargestellte Projektnetzplan mit einer erneuerbaren Ressource und einer maximalen Projektdauer von d = 10. Da nur eine Ressource betrachtet wird, entf¨ allt der Index k. Die Ressourcenkapazit¨ at sei R = 3. Schedule S = (0, 0, 0, 3, 2, 7) ist zeitzul¨ assig, denn die Zeitbeziehungen ¨ ur alle i, j ∈ E erf¨ ullt. Zur Uberpr¨ ufung der RessourcenSj − Si ≥ δij sind f¨ zulässigkeit betrachten wir das Ressourcenprofil r(S, ·) von S in Abbildung 3.3. Im Zeitintervall [3, 5[ liegt ein Ressourcenkonflikt vor, da r(S, t) > 3 f¨ ur alle t ∈ [3, 5[ gilt. Somit ist der Schedule S nicht ressourcenzul¨ assig. 1

Die Menge A(S, t) enth¨ alt, wie bereits in Kapitel 2 erl¨ autert, nur Vorg¨ ange i ∈ V mit pi > 0.

200


-10

0

6 1 2

2 0

0 ? 0 0 @

2 3 @ 2 6 @4

-

@

@

@

@0 @

1

1

5

0

2

2@

@ R 2 @

0 @ R @

-2

1

Legende: pi

R @ 2 ? - 4

δij

pj

- j

i rj ri 1 1 Abb. 3.2. Projektnetzplan mit einer erneuerbaren Ressource r(S, t)

4

r 2 2

r

6

qr 4

qr

r

r

qr

qr 4

r

qr

3

r

qr

1

r 2

4

-t

6

Abb. 3.3. Ressourcenprofil f¨ ur Schedule S

Definition 3.4 (Verbotene Menge). Eine Menge F ⊆ V wird verbotene Menge (forbidden set) genannt, falls mindestens eine Ressource k ∈ R existiert, so dass i∈F rik > Rk ist. Die Menge aller verbotenen Mengen bezeichnen wir mit F. Ferner nennen wir eine verbotene Menge, die keine echte verbotene Teilmenge besitzt, eine minimale verbotene Menge F min . Liegt f¨ ur Schedule S zum Zeitpunkt t ein Ressourcenkonflikt vor, so stellt die Menge der zum Zeitpunkt t aktiven Vorg¨ ange A(S, t) eine verbotene Menge dar. Definitionsgem¨ aß enth¨ alt jede verbotene Menge mindestens eine minimale verbotene Teilmenge. Zur Illustration betrachten wir abermals Beispiel 3.3. Der kleinste Zeitpunkt, an dem ein Ressourcenkonflikt vorliegt, ist t = 3. Die aktive Menge zu diesem Zeitpunkt besteht aus den Vorgängen 1, 3 und 4, daher stellt A(S, 3) = {1, 3, 4} eine verbotene Menge F dar. Die Menge {1, 3, 4} ist allerdings ur {1, 3} ⊂ {1, 3, 4} gilt keine minimale verbotene Menge, denn f¨ ebenfalls i∈{1,3} ri = 2 + 2 = 4 > R = 3. Die Menge {1, 3} stellt eine minimale verbotene Menge F min dar, da beide einelementigen Teilmengen {1} und {3} keine verbotenen Mengen sind.


201

Nachfolgend geben wir eine mathematische Formulierung des Projektplanungsproblems unter Zeit- und Ressourcenrestriktionen f¨ ur eine Zielfunktion f (S) an. Dabei nehmen wir wie in Kapitel 2 an, dass die Pfeilmenge E einen Pfeil n + 1, 0 mit der Bewertung δn+1,0 = −d enthält, der die Einhaltung einer vorgegebenen maximalen Projektdauer d gewährleistet. ⎫ Minimiere f (S) ⎪ ⎪ ⎬ u.d.N. Sj − Si ≥ δij (i, j ∈ E) (3.3) S0 = 0 ⎪ ⎪ ⎭ rk (S, t) ≤ Rk (k ∈ R, t ∈ ST (S)). Wie in Abschnitt 2.1 nehmen wir o.B.d.A. an, dass die Zielfunktion f (S) zu minimieren ist. Die Nebenbedingungen gewährleisten, dass alle vorgegebenen Mindest- und H¨ ochstabst¨ ande eingehalten werden, das Projekt zum Zeitpunkt 0 startet und die Ressourcenkapazitäten nicht u ¨berschritten werden. Mit S bezeichnen wir die Menge aller zulässigen Schedules, d.h. den zul¨ assigen Bereich des Projektplanungsproblems (3.3). Da die Ressourcenrestriktionen nichtlinear sind und, wie wir noch sehen werden, der zulässige Bereich S weder konvex noch zusammenh¨ angend ist, ist Problem (3.3) auch f¨ ur einfache Zielfunktionen, wie z.B. die Projektdauer, in der Regel ein schweres“ ” Optimierungsproblem. 3.1.1 Zeitindexbasierte Modelle Aufgrund der nichtlinearen Ressourcenrestriktionen stellt Projektplanungsproblem (3.3) mit beliebiger Zielfunktion kein lineares Programm mehr dar. Mit Hilfe einer zeitindexbasierten Formulierung können wir Problem (3.3) f¨ ur die Zielfunktionen (PD), (MFT ), (WST ), (E + T ) und (NPV ) jedoch als gemischt-ganzzahliges lineares Programm (MIP) formulieren. Analog zu Abschnitt 2.1.3 diskretisieren wir dabei den Planungszeitraum [0, d] und bezeichnen mit W i = {ES i , ES i +1, . . . , LS i } die Menge der diskreten Startzeitpunkte von Vorgang i ∈ V . Anstelle der Entscheidungsvariablen Si betrachten wir f¨ ur jeden Vorgang i ∈ V eine Menge von binären Entscheidungsvariablen xit mit t ∈ W i , d.h. 1 falls t = Si xit = 0 sonst.

F¨ ur die Minimierung der Projektdauer ergibt sich das folgende zeitindexbasierte gemischt-ganzzahlige lineare Programm txn+1,t (3.4) Min. t∈W n+1

u.d.N.

xit = 1

t∈W i

t∈W j

txjt −

t∈W i

txit ≥ δij

(i ∈ V )

(3.5)

(i, j ∈ E)

(3.6)

202


i∈V

min{t,LS i }

rik

xiτ ≤ Rk (t ∈ {0, . . . , d−1}, k ∈ R) (3.7)


xit ∈ {0, 1}

(i ∈ V, t ∈ W i ).

(3.8)

Analog zu Abschnitt 2.1.3 gew¨ ahrleisten Nebenbedingungen (3.5), dass jeder Vorgang eines Projektes genau einmal gestartet wird. Die Bedingungen (3.6) stellen sicher, dass die vorgegebenen Mindest- und Höchstabstände eingehalten werden. Ferner wird mit Hilfe der Nebenbedingungen (3.7) gewährleistet, dass die gesamte Ressourceninanspruchnahme aller zum Zeitpunkt t in Ausf¨ uhrung befindlichen Vorg¨ ange die vorgegebenen Ressourcenkapazitäten nicht u ¨bersteigt. F¨ ur Projektplanungsprobleme (3.3) mit Zielfunktion (MFT ), (WST ), (E + T ) oder (NPV ) ergeben sich in der zeitindexbasierten Formulierung die gleichen Restriktionen (3.5) – (3.8). Lediglich die Zielfunktion muss f¨ ur diese ur Probleme mit Hilfe der Bin¨ arvariablen xit wie folgt neu formuliert werden. F¨ die Zielfunktion der Minimierung der mittleren Durchlaufzeit (MFT ) erhalten wir 1 (t + pi ) xit , n+2 i∈V t∈W i

f¨ ur die Zielfunktion der Minimierung der Summe gewichteter Startzeitpunkte (WST ) gilt wi · txit , i∈V t∈W i

und f¨ ur die Zielfunktion der Kapitalwertmaximierung (NPV ) t cF − i β xit . i∈V t∈W i

Die Zielfunktion (E + T ) des Earliness-Tardiness Problems lautet + T + cE xit . i (di − t − pi ) + ci (t + pi − di ) i∈V t∈W i

Um ein Projektplanungsproblem (3.3) mit Zielfunktion (RI ), (RD) oder (RL) mit Hilfe einer zeitindexbasierten Formulierung zu beschreiben, verweisen wir auf Abschnitt 2.1.3, wobei jeweils Restriktionen (3.7) in die entsprechende MIP-Formulierung aufzunehmen sind. 3.1.2 Zul¨ assiger Bereich Der zul¨ assige Bereich S ⊆ Rn+2 von Problem (3.3) ist durch die Zeitrestrikur alle i, j ∈ E, durch S0 = 0 sowie durch die Restionen Sj − Si ≥ δij f¨ ur alle t ∈ [0, d] und k ∈ R spezifiziert. S sourcenrestriktionen rk (S, t) ≤ Rk f¨


203

l¨ asst sich ebenso wie der zeitzul¨ assige Bereich ST f¨ ur n ≥ 2 in der Regel nicht vollst¨ andig visualisieren. Besitzt ein Projekt allerdings nur zwei Vorgänge i und j, die nicht zeitlich fixiert sind (Gesamtpufferzeit größer 0), so können wir den Bereich S als Si -Sj -Schnitt darstellen. Dazu projizieren wir S ⊆ Rn+2 auf die entsprechende Si -Sj -Ebene. Beispiel 3.5. Gegeben sei der Projektnetzplan in Abbildung 3.4 mit einer erneuerbaren Ressource und einer maximalen Projektdauer von d = 4. Die Ressourcenkapazit¨ at sei R = 1.

−4

1 3 1 Q 1 0 Q 1 6 0 0 Q ? Q s Q −2 −2 3 0 Q 3 Q 0 0 1 ? 1 0QQ s 2 Q 1



F¨ ur die Vorg¨ ange i = 1, 2 ergeben sich die fr¨ uhesten Startzeitpunkte zu atesten Startzeitpunkte zu LS i = 3. Planen wir Vorgang 1 ES i = 0 und die sp¨ ur den Startzeitpunkt von Vorzum Zeitpunkt 0 ein (S1 = 0), so ergibt sich f¨ gang 2 entsprechend der Zeitbeziehungen zu Vorgang 1 das planungsabh¨ angige Zeitfenster [0,2]. Da Vorgang 2 im Zeitfenster [0,1[ aufgrund der Ressourcenrestriktionen nicht eingeplant werden kann, verringert sich das Startzeitfenster (Menge der zulässigen Einplanungszeitpunkte) auf [1,2]. Wird Vorgang 1 zum Zeitpunkt 2 eingeplant, so kann Vorgang 2 aufgrund der Zeit- und Ressourcenrestriktionen innerhalb des Zeitfensters [0, 1] oder zum Zeitpunkt 3 eingeplant assigen Bereichs S darwerden. In Abbildung 3.5 ist der S1 -S2 -Schnitt des zul¨ gestellt. Wie wir in Abbildung 3.5 sehen, ist der zul¨ assige Bereich S in der Regel weder konvex noch zusammenh¨ angend. Er l¨ asst sich aber als Vereinigung konvexer Polytope, so genannter Ordnungspolytope, darstellen (vgl. Abschnitt 2.1.5). In Abbildung 3.5 besteht S aus der Vereinigung der beiden Polytope conv {S 1 , . . . , S 4 } und conv {S 5 , . . . , S 8 }. Polytop conv {S 1 , . . . , S 4 } entspricht gerade dem Ordnungspolytop ST (O) der Ordnung O = {(1, 2)} und Polytop conv {S 5 , . . . , S 8 } dem Ordnungspolytop der Ordnung O = {(2, 1)}. Wie in Beispiel 3.5 kann der zul¨ assige Bereich S generell durch Ordnungsur alle (i, j) ∈ O} zul¨ assiger, polytope ST (O) := {S ∈ ST |Sj − Si ≥ pi f¨ strenger Ordnungen O u ¨berdeckt werden. Ordnungen mit ∅ = ST (O) ⊆ S nennen wir zul¨ assige Ordnungen, da durch die zugeh¨ origen Restriktionen ur (i, j) ∈ O gew¨ ahrleistet wird, dass keine Ressourcenkonflikte Sj − Si ≥ pi f¨

204

3 Projektplanung unter Zeit- und Ressourcenrestriktionen S2

6 3

S3

S4

r

r

S2 r

rS7

S1 r

rS8 r

- S1

r

S6

S5

3

Abb. 3.5. S1 -S2 -Schnitt des zul¨ assigen Bereichs S

auftreten können. Eine zeitzul¨ assige Ordnung O (der Netzplan N (O) enth¨ alt keinen Zyklus positiver L¨ ange) ist genau dann zul¨ assig, falls N (O) f¨ ur jede (minimale) verbotene Menge F ∈ F einen Weg von i ∈ F nach j ∈ F mit einer assigen Schedule S ∈ S Länge von mindestens pi besitzt. Die von einem zul¨ induzierte Ordnung O(S) ist naturgem¨ aß zul¨ assig. Wie in (Neumann et al., 2003, Abschnitt 2.3.1) gezeigt, entspricht der zul¨ assige Bereich S der Vereinigung aller Ordnungspolytope von inklusionsminimalen, zul¨ assigen Ordnungen. Eine zul¨ assige strenge Ordnung O auf der Knotenmenge V wird inklusionsminimal genannt, wenn keine zul¨ assige strenge Ordnung O auf V existiert mit O ⊂ O. Das folgende Beispiel veranschaulicht den strukturellen Unterschied zwischen dem zul¨ assigen Bereich S und dem zeitzul¨ assigen Bereich ST . Beispiel 3.6. Wir betrachten den in Abbildung 3.6 dargestellten Projektnetzplan mit drei realen Vorg¨ angen und einer erneuerbaren Ressource. Die Ressourcenkapazit¨ at sei R = 2. Die Einhaltung der maximalen Projektdauuckw¨ artspfeil 4, 0 mit der Bewertung δ40 = −6 er d = 6 wird durch den R¨ sichergestellt. 0

0

1 1 -2 -? 2 1 @ -2 2 1 @1

0 0 HH 0 H 4

H

@

0 @ R @ - 4 * 0

1

-6 2

1 HH H j H 3


1 Abb. 3.6. Projektnetzplan N mit drei realen Vorg¨ angen


205

Die Vorg¨ ange 0, 3 und 4 besitzen eine Gesamtpufferzeit von 0 und sind somit zeitlich fixiert. Die Bereiche ST und S lassen sich folglich als S1 -S2 Schnitt visualisieren. Es ergibt sich, wie bereits in Beispiel 2.9 beschrieben, der in Abbildung 3.7 dargestellte zeitzul¨ assige Bereich ST . S2

6

Sq6

5

Sq 4

q S5 S3 q

q

S1

q

S2

- S1

Abb. 3.7. S1 -S2 -Schnitt des Bereiche ST

Bei der Darstellung des zul¨ assigen Bereichs S sind zus¨ atzlich die Ressourcenrestriktionen zu beachten, die verhindern, dass sich mehr Vorg¨ ange simultan in Ausf¨ uhrung befinden als es die Ressourcenkapazit¨ at zul¨ asst. Da sich der zulässige Bereich S als Vereinigung aller Ordnungspolytope von inklusionsminimalen, zul¨ assigen Ordnungen beschreiben l¨ asst, bestimmen wir zun¨ achst die Menge der inklusionsminimalen, zul¨ assigen Ordnungen. Vororen gang 2 besitzt eine Ressourceninanspruchnahme von r2 = 2, daher geh¨ zu den inklusionsminimalen, zul¨ assigen Ordnungen alle Ordnungen, die die Vorgänge 1 und 2 sowie 2 und 3 entzerren, d.h. die daf¨ ur sorgen, dass die jeweiligen Vorgänge nicht mehr simultan ausgef¨ uhrt werden k¨ onnen; vgl. dazu auch das Ressourcenprofil in Abb. 3.8. Da eine maximale Projektange dauer von d = 6 vorgeschrieben ist, kann ferner nur einer der Vorg¨ 1 oder 2 nach Vorgang 3 ausgef¨ uhrt werden, d.h. zum Zeitpunkt 5 starten. Insgesamt ergeben sich drei inklusionsminimale zul¨ assige Ordnungen: O1 = {(1, 2), (1, 3), (2, 3)}, O2 = {(1, 2), (3, 2)} und O3 = {(2, 1), (2, 3)}. Die Ordnung O = {(1, 2), (1, 3), (3, 2)} ist zul¨ assig, aber nicht inklusionsminimal, da O2 ⊂ O gilt. Das Ordnungspolytop ST (O1 ) entspricht gerade dem Polytop conv {S 3 , S 7 , S 8 , S 9 }, ST (O2 ) entspricht conv {S 6 , S 10 } und ST (O3 ) dem assige Bereich S ergibt sich somit als Polytop conv {S 2 , S 5 , S 11 , S 12 }. Der zul¨ Vereinigung der drei Ordnungspolytope ST (O1 ), ST (O2 ) und ST (O3 ) und ist in Abbildung 3.8 dargestellt.

206


6

Sq6

5

Sq 10

r(S, t)

6 3

r

2 1

r

qr

qr 2 1

Sq 9

Sq 8

q

q

Sq 11 q 5 S

S3 q

r r

qr

2

4

qr 3

S7 q

r

-t 6

S 12 S 2

- S1

Abb. 3.8. Ressourcenprofil und S1 -S2 -Schnitt des Bereichs S

3.1.3 Zielfunktionen und ausgezeichnete Punkte Da f¨ ur Problem (3.3) der L¨ osungsbereich beschr¨ ankt und abgeschlossen ist, existiert f¨ ur stetige bzw. unterhalb-halbstetige Zielfunktionen f (S) stets eine optimale Lösung. Bei der Suche nach einem optimalen Schedule f¨ ur ein Projektplanungsproblem mit Zeit- und Ressourcenrestriktionen k¨ onnen wir uns wie in Abschnitt 2.1.5 auf eine Menge ausgezeichneter Punkte beschr¨ anken. Die Menge der ausgezeichneten Punkte h¨ angt dabei von den speziellen Struktureigenschaften der betrachteten Zielfunktionen ab, die wir im Folgenden untersuchen. Bei den Zielfunktionen Projektdauer (PD) und mittlere Durchlaufzeit (MFT ) handelt es sich um regul¨ are Funktionen, d.h. sie sind monoton wachsend in den Startzeitpunkten der einzelnen Vorg¨ ange. Da der zul¨ assige Bereich S, wie in Beispiel 3.6 gezeigt, in der Regel weder konvex noch zusammenhängend ist, besitzt S h¨ aufig mehrere Minimalpunkte, von denen f¨ ur reguläre Zielfunktionen mindestens einer optimal ist. Die Menge der ausgezeichneten Punkte besteht bei einem Projektplanungsproblem (3.3) mit regul¨ arer Zielfunktion folglich aus den Minimalpunkten des zul¨ assigen Bereichs S. Betrachten wir dazu Abbildung 3.8; der Bereich S besitzt die Minimalpunkte S 7 und S 12 . Die Zielfunktion (WST ) der Summe gewichteter Startzeitpunkte ist linear, somit kommen alle Extremalpunkte des zul¨ assigen Bereichs S als optimale Lösung in Frage. F¨ ur das Projektplanungsproblem aus Beispiel 3.6 ist die Menge der Extremalpunkte {S 2 , S 3 , S 5 , S 6 , S 7 , S 10 , S 11 , S 12 }. Bei der Zielfunktion des Earliness-Tardiness-Problems (E + T ) handelt es sich um eine konvexe Funktion. F¨ ur konvexe Zielfunktionen ist in der Regel kein Punkt auf dem Rand des zul¨ assigen Bereichs S optimal. Da f¨ ur Minimierungsprobleme mit konvexer Zielfunktion jedes lokale Optimum auch global optimal ist, lässt sich die Suche nach einem optimalen Schedule auf die Suche nach einem lokalen Optimum beschr¨ anken. Sei M ∗ die Menge aller lokalen Mi-


207

nimalstellen von f auf S, dann entspricht M ∗ der Menge der ausgezeichneten Punkte f¨ ur ein Projektplanungsproblem unter Zeit- und Ressourcenrestriktionen mit der Zielfunktion (E + T ). Bin¨ armonotone Funktionen, wie beispielsweise die Zielfunktion (NPV ) des Kapitalwertmaximierungsproblems, sind auf jeder Halbgeraden binärer Richtung monoton wachsend oder fallend. Da die Begrenzungslinien von S in bin¨ arer Richtung verlaufen, aber die Begrenzungslinien der konvexen H¨ ulle des zul¨ assigen Bereichs nicht notwendigerweise binär sein m¨ ussen, beinhaltet die Menge der ausgezeichneten Punkte f¨ ur ein Problem (3.3) mit binärmonotoner Zielfunktion neben den Extremalpunkten auch alle lokalen Extremalpunkte von S. Hierbei bezeichnen wir einen Schedule S ∈ S als lokalen Extremalpunkt, falls er nicht auf einer ganz in S liegenden Verbindungslinie zwischen zwei Punkten aus S liegt. In Abbildung 3.9 entsprechen die ur das ProjektplanungsSchedules S, S und S lokalen Extremalpunkten. F¨ problem aus Beispiel 3.6 ergibt sich die Menge der ausgezeichneten Punkte (lokale Extremalpunkte) f¨ ur eine bin¨ armonotone Zielfunktion zu {S 2 , S 3 , S 5 , S 6 , 7 8 9 10 11 12 S , S , S , S , S , S }. S2

6A 4

2

S Aq

A

A A

SAq

A

2

A A S Aq A

- S1 4

6

Abb. 3.9. Zul¨ assiger Bereich S und lokale Extremalpunkte

Die Zielfunktion des Ressourceninvestmentproblems (RI ) geh¨ ort zu den lokal regul¨ aren Funktionen, d.h. sie sind stetig oder unterhalb-halbstetig und auf der Isoordnungsmenge jedes zul¨ assigen Schedules regul¨ ar (konstant). Die Menge der ausgezeichneten Punkte f¨ ur ein Projektplanungsproblem (3.3) mit Zielfunktion (RI ) besteht, analog zu Abschnitt 2.1.5, aus den Minimalpunkten der Schedulepolytope ST (O(S)), S ∈ S. Bei den Zielfunktionen von Ressourcenabweichungs- (RD) und Ressourcennivellierungsproblemen (RL) handelt es sich um lokal konkave Funktionen, d.h. sie sind stetig oder unterhalb-halbstetig und auf der Isoordnungsmenge jedes zulässigen Schedules konkav. F¨ ur ein Problem (3.3) mit Zielfunktion (RD) bzw. (RL) besteht die Menge der ausgezeichneten Punkte aus den Extremalpunkten der Schedulepolytope ST (O(S)), S ∈ S.

208


In Tabelle 3.1 sind zusammenfassend alle eingef¨ uhrten Zielfunktionen mit ihren ausgezeichneten Punkten angegeben. Tabelle 3.1. Zielfunktionen und ausgezeichnete Punkte von S Zielfunktion

ausgezeichnete Punkte von S

(PD), (MFT ) (WST ) (E + T ) (NPV ) (RI ) (RD), (RL)

Minimalpunkte von S Extremalpunkte von S lokale Minimalstellen S ∗ der Funktion f lokale Extremalpunkte von S Minimalpunkte von ST (O(S)), S ∈ S Extremalpunkte von ST (O(S)), S ∈ S

In den Abschnitten 3.2 und 3.3 werden Verfahren zur Bestimmung einer optimalen L¨ osung f¨ ur Projektplanungsprobleme unter Zeit- und Ressourcenrestriktionen vorgestellt. F¨ ur Probleme mit den Zielfunktionen (PD), (MFT ), (WST ), (E + T ) und (NPV ) kann ein relaxationsbasierter Enumerationsansatz angewendet werden, der als Branch-and-Bound-Verfahren implementiert wird. In jedem Schritt des Branch-and-Bound-Verfahrens wird die entsprechende Ressourcenrelaxation gel¨ ost, d.h. das zugrunde liegende Problem ohne Ber¨ ucksichtigung der Ressourcenrestriktionen. Ist die erhaltene Lösung zul¨ assig, so ist sie auch optimal. Ansonsten werden Ressourcenkonflikte identifiziert und durch das Einf¨ ugen zus¨ atzlicher Zeitbeziehungen sukzessive entzerrt. F¨ ur Probleme mit den Zielfunktionen (RI ), (RD) und (RL) ist die L¨ osung der entsprechenden Ressourcenrelaxation sehr viel aufwändiger. Deshalb verwenden wir zur L¨ osung dieser Probleme eine Erweiterung des in Abschnitt 2.2.4 vorgestellten ger¨ ustbasierten Enumerationsansatzes, der als Lösung einen optimalen Minimal- bzw. Extremalpunkt eines Schedulepolytops bestimmt.

3.2 Exaktes L¨ osungsverfahren fu ¨ r die Minimierung der Projektdauer In diesem Kapitel stellen wir einen relaxationsbasierten Enumerationsansatz f¨ ur Projektplanungsprobleme (3.3) mit dem Ziel der Projektdauerminimierung vor, der als Branch-and-Bound-Verfahren mit relaxationsbasiertem Enumerationsschema implementiert wird (vgl. Abschnitt 3.2.1). Ausgangspunkt bildet der ES -Schedule als L¨ osung der Ressourcenrelaxation des betrachteten Projektdauerminimierungsproblems. Ist dieser nicht nur zeit-, sondern auch ressourcenzul¨ assig, so handelt es sich beim ES -Schedule um eine optimale Lösung. Andernfalls existiert mindestens ein Zeitpunkt t ∈ [0, d], an dem ein Ressourcenkonflikt vorliegt. Die Menge der Vorgänge, die sich zum Zeitpunkt des Ressourcenkonfliktes in Ausf¨ uhrung befindet, stellt eine verbotene Menge dar. Durch Hinzunahme von Vorrangbeziehungen der Form Sj − Si ≥ pi

3.2 Exaktes L¨ osungsverfahren f¨ ur die Minimierung der Projektdauer

209

entzerren wir sukzessive die bestehenden Ressourcenkonflikte. Hierdurch wird der aktuelle L¨ osungsraum in immer kleinere Bereiche aufgeteilt (Branching). Sind alle Ressourcenkonflikte beseitigt, so haben wir ein Blatt des Enumerationsbaumes erreicht und der zugeh¨ orige Schedule S ist zulässig. F¨ ur jeden Enumerationsknoten berechnen wir untere Schranken f¨ ur den optimalen Zielfunktionswert des entsprechenden Bereichs. Wir behandeln untere Schranken in Abschnitt 3.2.3. Um im Enumerationsbaum möglichst schnell in die Tiefe vorzudringen und auf diese Weise schnell eine zulässige Lösung zu erlangen, verwenden wir wie in Abschnitt 2.2.4 eine Tiefensuche. Dabei wird unter den Knoten der aktuellen Ebene des Enumerationsbaumes an einem Knoten mit kleinster unterer Schranke weiter verzweigt. Sobald eine erste zul¨ assige L¨ osung S ∗ gefunden wurde, stellt deren Zielfunktionswert ∗ ur eine optimale Lösung des zugrunde lief (S ) eine obere Schranke UB f¨ genden Problems dar. Mit ihrer Hilfe k¨ onnen alle Knoten zusammen mit ihren Nachfolgern ausgelotet werden, die eine untere Schranke besitzen, welche größer ist als UB . Jedes mal wenn eine neue beste Lösung gefunden wurde, wird UB entsprechend aktualisiert. Um die Anzahl der zu betrachtenden Enumerationsknoten zu reduzieren, kann vor Beginn des Branch-and-Bound-Verfahrens ein Preprocessing durchgef¨ uhrt werden. Dabei werden zus¨ atzliche Zeitbeziehungen zwischen den Vorg¨ angen bestimmt, die alle zul¨ assigen Schedules erf¨ ullen m¨ ussen. Durch Ber¨ ucksichtigung dieser zus¨ atzlichen Nebenbedingungen ist eine Beschleunigung des Verfahrens m¨ oglich. In Abschnitt 3.2.2 werden zwei PreprocessingTechniken vorgestellt. In Abschnitt 3.2.4 stellen wir drei Auslotregeln vor, die es erlauben, Enumerationsknoten von den weiteren Betrachtungen auszuschließen, die im Rahmen des Enumerationsschemas erzeugt werden. Durch Anwendung der so genannten Subset-Dominanzregel k¨ onnen schon bei der Generierung von Enumerationsknoten im Enumerationsbaum redundante Knoten erkannt und vollständig ausgelotet werden. 3.2.1 Relaxationsbasiertes Enumerationsschema Zu Beginn des relaxationsbasierten Enumerationsschemas (in der Wurzel des Enumerationsbaumes) wird eine optimale L¨ osung der Ressourcenrelaxation bestimmt, d.h. der ES -Schedule der zugrunde liegenden Probleminstanz. Ist der ES -Schedule zul¨ assig, so ist die optimale Lösung des zugrunde liegenden Problems gefunden. Andernfalls muss es mindestens einen Zeitpunkt t ∈ [0, d] geben, an dem ein Ressourcenkonflikt vorliegt. Betrachten wir dazu das in Abbildung 3.10a dargestellte Ressourcenprofil mit einer maximalen Projektur die beiden dauer von d = 4 und einer Ressourcenkapazität von R = 1. F¨ Vorg¨ ange i = 1, 2 gilt ES i = 1, LS i = 3 und pi = 1. Das gestrichelte Quadrat in Abbildung 3.10b entspricht dem zeitzul¨ assigen Bereich ST der Ressourcenrelaxation. Starten die Vorg¨ ange 1 und 2 zu ihren ES -Werten, so liegt im

210


Zeitintervall [1, 2[ ein Ressourcenkonflikt vor. Um den bestehenden Ressourcenkonflikt zu entzerren bzw. die verbotene Menge F = A(S, t) aufzulösen, f¨ ugen wir zus¨ atzliche zeitliche Nebenbedingungen (Vorrangbeziehungen) ein. Durch das Einf¨ ugen einer Vorrangbeziehung S2 − S1 ≥ p1 wird gewährleistet, dass Vorgang 1 vor dem Start von Vorgang 2 beendet sein muss (vgl. Abb. ur, dass 3.10c). Das Einf¨ ugen einer Vorrangbeziehung S1 − S2 ≥ p2 sorgt daf¨ Vorgang 2 vor dem Start von Vorgang 1 beendet sein muss (vgl. Abb. 3.10e). Der zeitzul¨ assige Bereich zerf¨ allt somit in die Teilbereiche, die in den Abbildungen 3.10d und 3.10f dargestellt sind, sowie in einen dritten Teilbereich, in dem keine zul¨ assige L¨ osung enthalten sein kann. r(S, t)

6 2

S2

a)

6

rq

r

2

q

q

2

rq

r

1

1

3

4

2

3

- S1

1

H HH HH j r(S, t)

r(S, t)

c) S2 − S1 ≥ p1

6

e) S1 − S2 ≥ p2

2

2

rq

r

1

r S2

6 2

q

-t

r 2

6

q

1

1

b)

q

q

qr

2

1

1

2

q

q

r

-t

r 3

rq

r

1

qr 1

4

1

2 2

f)

6

q

2 1

1

q

q

2

3

- S1

- S1 2

4

S2

d)

q

1

-t

r 3

1

3

Abb. 3.10. Branching

Im weiteren Verlauf des Enumerationsschemas m¨ ussen nun die beiden in den Abbildungen 3.10c und 3.10f dargestellten Bereiche weiter untersucht werden. Hierf¨ ur generieren wir zwei Sohnknoten f¨ ur die Wurzel unseres Enumerationsbaumes, die wir mit der Ordnung O = ∅ identifizieren. Der erste Sohnknoten entspricht der Ressourcenrelaxation der durch die Vorrangbeziehung S2 − S1 ≥ p1 erweiterten Probleminstanz und wird durch die zugehörige Ordnung O = {(1, 2)} repr¨ asentiert. Der in Abbildung 3.10c dargestellte Bereich entspricht gerade dem Ordnungspolytop dieser Ordnung und stellt die


211

Menge aller zeitzul¨ assigen L¨ osungen f¨ ur die Probleminstanz, die durch den Ordnungsnetzplan N (O) spezifiziert wird, dar. Den zweiten Sohnknoten identifizieren wir mit der Ordnung O = {(2, 1)}, das zugehörige Ordnungspolytop entspricht gerade dem in Abbildung 3.10f dargestellten Bereich. Im nächsten Schritt betrachten wir dann einen der beiden neu entstandenen Teilbereiche und bestimmen f¨ ur die Ressourcenrelaxation des zugehörigen Ordnungsnetzplans den ES -Schedule (Minimalpunkt des Ordnungspolytops). Ist der ES -Schedule ressourcenzul¨ assig, so braucht der Teilbereich nicht weiter betrachtet werden, da der ES -Schedule f¨ ur diesen Bereich eine optimale Lösung darstellt. Andernfalls verzweigen wir wie oben beschrieben erneut, in dem wir Vorrangbeziehungen einf¨ ugen, um einen bestehenden Ressourcenkonflikt zu entzerren. In der Literatur sind eine Reihe von M¨ oglichkeiten zu finden, (minimale) verbotene Mengen zu entzerren; vgl. hierzu bspw. (De Reyck und Herroelen, 1998), (Neumann et al., 2003) und (Schwindt, 1998b). Im Folgenden bestimmen wir f¨ ur einen nicht ressourcenzulässigen Schedule zunächst den kleinsten Zeitpunkt t ≥ 0, zu dem ein Ressourcenkonflikt besteht und f¨ ugen dann eine oder mehrere Vorrangbeziehungen ein, so dass die verbotene Menge F = A(S, t) entzerrt wird. Hierzu bestimmen wir zunächst so genannte minimale Verz¨ ogerungsalternativen Amin von F . Definition 3.7 (Verz¨ ogerungsalternative). Sei F eine verbotene Menge. Dann bezeichnen wir eine nichtleere Menge von Vorgängen A ⊆ F als Verz¨ ogerungsalternative von F , falls F \ A keine verbotene Menge mehr ist. Eine Verz¨ ogerungsalternative A ist eine minimale Verz¨ ogerungsalternative ur eine verbotene Menge F wenn Amin ⊆ A f¨ rik ≤ Rk f¨ ur alle k ∈ R und i∈F \A

rjk +

rik > Rk f¨ ur alle j ∈ A und ein k ∈ R

i∈F \A

erf¨ ullt ist. Mit A bezeichnen wir die Menge aller minimalen Verzögerungsalternativen von F . Wir beschreiben im Folgenden ein Verfahren zur Bestimmung der Menge A aller minimalen Verz¨ ogerungsalternativen einer verbotenen Menge F . Dazu machen wir uns klar, dass alle einelementigen Verzögerungsalternativen von F minimale Verz¨ ogerungsalternativen sind. Weiterhin stellen alle zweielementigen Verz¨ ogerungsalternativen, deren einelementige Teilmengen keine Verz¨ ogerungsalternativen sind, minimale Verzögerungsalternativen dar, usw. Um die Erzeugung redundanter b-elementiger Teilmengen zu vermeiden, f¨ ugen wir (b − 1)-elementigen Teilmengen B nur Vorg¨ ange i ∈ F mit i > max B hinzu.2 Algorithmus 3.8 fasst die einzelnen Schritte zur Bestimmung der Menge A einer verbotenen Menge F zusammen. 2

Hierbei bezeichnet max B das gr¨ oßte Element der Menge B, d.h. max B := maxj∈B j.

212


Algorithmus 3.8 (Bestimmung der Menge A f¨ ur F ). Initialisierung: Setze A := ∅ und A := ∅. F¨ ur alle i ∈ F : Falls Vorgang i eine Verz¨ ogerungsalternative von F ist: Setze A := A ∪ {{i}}. Andernfalls Setze A := A ∪ {{i}}. Hauptschritt: Solange A = ∅: F¨ ur alle A ∈ A: Setze A := A \ {A}. F¨ ur alle i ∈ F mit i > max A: Falls A ∪ {i} keine Verz¨ ogerungsalternative von F ist: Setze A := A ∪ {A ∪ {i}}. Andernfalls Falls kein A ∈ A mit A ⊂ A existiert: Setze A := A∪{A∪{i}}.

Es sei angemerkt, dass die Anzahl minimaler Verz¨ ogerungsalternativen einer verbotenen Menge F exponentiell in der Anzahl der Elemente von F sein kann. Das folgende Beispiel 3.9 verdeutlicht die Vorgehensweise bei der Bestimmung der Menge A. Beispiel 3.9. Betrachten wir das in Abbildung 3.11 dargestellte Ressourcenprofil mit vier realen Vorg¨ angen. Die Ressourcenkapazit¨ at sei R = 3. r(S, t)

6

r

rq 4

4

3 2

r 4

3

qr 2

2

1 1

rq

r

2

rq

r 3 3

-t 4


Zum Zeitpunkt t = 1 sind die Vorg¨ ange 1, 2, 3 und 4 gleichzeitig in Ausf¨ uhrung. Da f¨ ur die Ressourceninanspruchnahme zum Zeitpunkt t = 1 r(S, 1) = r1 + r2 + r3 + r4 = 5 > 3 gilt, stellt F = {1, 2, 3, 4} eine verbotene Menge dar. Mit Hilfe des Algorithmus 3.8 soll nun die Menge A aller minimalen Verzögerungsalternativen f¨ ur F bestimmt werden.


213

In der Initialisierung setzen wir zun¨ achst A := ∅ und A := ∅. Da {2} bereits eine Verz¨ ogerungsalternative f¨ ur F darstellt, f¨ ugen wir diese Menge der Menge A hinzu. F¨ ur die Menge A ergibt sich A = {{1}, {3}, {4}}. Im ersten Schritt entnehmen wir der Menge A das Element A = {1} und betrachten die Vorg¨ ange i = 2, 3, 4. F¨ ur Vorgang 2 stellt {1, 2} zwar eine Verzögerungsalternative dar, da aber A = {2} ⊂ {1, 2} schon in A enthalten ist, wird {1, 2} nicht der Menge A hinzugef¨ ugt. F¨ ur die Vorgänge 3, 4 stellen die Mengen {1, 3} und {1,4} Verz¨ ogerungsalternativen dar, und da f¨ ur diese Vorgänge kein A ∈ A mit A ⊂ A existiert, setzen wir A = A ∪ {{1, 3}} ∪ {{1, 4}}. Im n¨ achsten Hauptschritt entnehmen wir A = {3} der Menge A und betrachten den Vorgang i = 4. Da f¨ ur Vorgang 4 die Menge {3, 4} eine Verz¨ ogerungsalternative darstellt und kein A ∈ A mit A ⊂ A existiert, setzen wir A = A ∪ {{3, 4}}. Im letzten Schritt entnehmen wir A = {4} der Menge A. Da es kein i ∈ F mit i > max A gibt, ist nun die Menge A leer und der Algorithmus terminimiert. Die Menge der minimalen Verz¨ ogerungsalternativen von F ist A = {{2}, {1, 3}, {1, 4}, {3, 4}}.

Beinhaltet das zugrunde liegende Projekt nur Mindestabst¨ ande, dann gen¨ ugt es, einen bestehenden Ressourcenkonflikt zum Zeitpunkt t aufzul¨ osen, angen indem man Zeitbeziehungen der Form Sj − Si ≥ pi zwischen Vorg¨ j ∈ Amin und einem Vorgang i ∈ F \ Amin mit minimalem Endzeituhrt. F¨ ur den Fall, dass neben zeitlichen Mindest- auch zeitpunkt Ci einf¨ liche H¨ ochstabstände existieren, kann nicht ausgeschlossen werden, dass der gewählte Vorgang i zu einem sp¨ ateren Zeitpunkt noch verz¨ ogert werden muss ogert werden als n¨ otig. Beund dadurch die Vorg¨ ange j ∈ Amin weiter verz¨ trachten wir dazu Abbildung 3.12. Wird zwischen den Vorg¨ angen l1 , l2 eine uhrt, werden aufgrund des H¨ ochstabstanZeitbeziehung Sl1 − Sl2 ≥ pl2 eingef¨ zwischen i und l der Vorgang i sowie die Vorg¨ a nge j ∈ Amin des Tilmax 1 1 mit l1 verzögert. F¨ ur Probleme mit Mindest- und H¨ ochstabst¨ anden ist es daher grunds¨ atzlich notwendig, f¨ ur jede minimale Verz¨ ogerungsalternative Amin u uhrt zu der folgenden ¨ber jeden Vorgang i ∈ F \ Amin zu enumerieren. Dies f¨ Definition. r(S, t)

2

6

l2

h

min

A

i 2

l1 4

6

Tilmax =5 1 Abb. 3.12. Ressourcenprofil

-t 8

214


Definition 3.10 (Minimaler Verz¨ ogerungsmodus). Seien F ⊆ V eine verbotene Menge, Amin ⊆ F eine minimale Verzögerungsalternative der verbotenen Menge F und i ∈ F \ Amin . Dann bezeichnen wir mit (i, Amin ) einen minimalen Verz¨ ogerungsmodus von F mit schiebendem Vorgang i. Der folgende Satz besagt, dass es bei der Auflösung von Ressourcenkonflikten f¨ ur Problem (3.3) gen¨ ugt, u ¨ber alle Verzögerungsmodi zu enumerieren. Ein Beweis dieses Satzes findet sich in (Neumann et al., 2003), wo ferner gezeigt wird, dass Satz 3.11 unabh¨ angig von der zugrunde liegenden Zielfunktion gilt, d.h. insbesondere f¨ ur alle in Abschnitt 2.1.1 eingef¨ uhrten Zielfunktionen G¨ ultigkeit besitzt. Satz 3.11. Sei F eine verbotene Menge. F¨ ur jeden zulässigen Schedule S ∈ S existiert ein minimaler Verz¨ ogerungsmodus (i, Amin ) von F , der die Bedinur alle j ∈ Amin erf¨ ullt. gung Sj − Si ≥ pi f¨ Ein zeitzul¨ assiger Schedule S ist zul¨ assig, wenn die strenge Ordnung O(S) zul¨ assig ist, d.h. wenn alle (minimalen) verbotenen Mengen F ∈ F durch die strenge Ordnung O(S) entzerrt sind. Offensichtlich sind alle Mengen F durch die Ordnung O(S) entzerrt, wenn alle aktiven Mengen A(S, t) mit t ≥ 0 zul¨ assig sind. Satz 3.11 legt somit folgendes Vorgehen zur Bestimmung einer optimalen L¨ osung f¨ ur ein Projektdauerminimierungsproblem nahe: F¨ ur eine zeit- aber nicht ressourcenzul¨ assige L¨ osung S der Ressourcenrelaxation ist es hinreichend, alle verbotenen Mengen F = A(S, t) mit t ∈ {S0 , . . . , Sn+1 } ur j ∈ Amin und durch das Einf¨ ugen von Vorrangbeziehungen Sj − Si ≥ pi , f¨ assige Bereich zerfällt hierdurch i ∈ A(S, t) \ Amin zu entzerren. Der zeitzul¨ in Ordnungspolytope ST (O) i.d.R. inklusionsminimaler zulässiger Ordnungen O = {(i, j) | j ∈ Amin } und in einen Bereich, der keine zulässige Lösung enth¨ alt (vgl. Abb. 3.10). Das dem Enumerationsknoten O zugrunde liegende Problem ist durch den Ordnungsnetzplan N (O) spezifiziert und der zugehörige Teilbereich des zeitzul¨ assigen Bereichs ST ist durch das Ordnungspolytop ST (O) gegeben. Ist der Minimalpunkt eines Ordnungspolytops ST (O) zul¨ assig, so stellt er eine optimale L¨ osung f¨ ur das durch N (O) spezifizierte Projektplanungsproblem und eine zul¨ assige L¨ osung f¨ ur das Ausgangsproblem dar. Zul¨ assige Minimalpunkte der generierten Ordnungspolytope bilden somit Kandidaten f¨ ur eine optimale L¨ osung des zugrunde liegenden Projektdauerminimierungsproblems. Im Einzelnen l¨ asst sich das skizzierte Verfahren wie folgt beschreiben. Seien Ω die Menge der noch zu betrachtenden strengen Ordnungen O und Γ die Menge der generierten zul¨ assigen Schedules. Wir beginnen mit Ω = {∅} und Γ = ∅. In jeder Iteration entnehmen wir eine strenge Ordnung O aus der Menge Ω und bestimmen den Schedule S der fr¨ uhesten Startzeitpunkte des ugen wir ihn Ordnungspolytops ST (O) von O. Falls Schedule S zulässig ist, f¨ der Menge Γ hinzu. Andernfalls existiert ein Zeitpunkt t ≥ 0, an dem ein Ressourcenkonflikt vorliegt. In diesem Fall bestimmen wir alle minimalen Verzögeur die aktive Menge A(S, t). F¨ ur alle Verzögerungsmodi rungsmodi (i, Amin ) f¨


215

f¨ ugen wir dann Vorrangbeziehungen zwischen i und allen Vorgängen j ∈ Amin ein und erg¨ anzen alle dadurch transitiv ableitbaren Relationen, d.h. wir bilden die transitive H¨ ulle O := tr(O ∪ {(i, j) | j ∈ Amin }). Gilt O = {(j, l)} und betrachten wir den Verz¨ ogerungsmodus (i, {j}), so enthält die neue Ordnung O die beiden Relationen (i, j), (j, l) und wird durch (i, l) ergänzt. Ordnungen O entzerren die verbotene Menge A(S, t) zum Zeitpunkt t. Es werden solange strenge Ordnungen O aus Ω entnommen, bis Ω = ∅. Algorithmus 3.12 fasst das beschriebene Vorgehen zusammen. Algorithmus 3.12 (Relaxationsbasiertes Enumerationsschema). Initialisiere Ω := {∅} und Γ := ∅. Wiederhole Entferne eine Ordnung O aus der Menge Ω. Bestimme Schedule S := min ST (O). Falls S zul¨ assig ist: Setze Γ := Γ ∪ {S}. Andernfalls Bestimme den kleinsten Zeitpunkt t ≥ 0, an dem ein Ressourcenkonflikt vorliegt. Berechne die Menge A aller minimalen Verzögerungsalternativen f¨ ur die verbotene Menge F = A(S, t) mit Algorithmus 3.8. F¨ ur alle Amin ∈ A: F¨ ur alle i ∈ A(S, t) \ Amin : F¨ uge Vorrangbeziehungen zwischen i und allen Vorgängen j ∈ Amin ein, d.h. setzte O := tr(O ∪ {(i, j) | j ∈ Amin }). Falls ST (O ) = ∅: Setze Ω := Ω ∪ {O }. Solange Ω = ∅ R¨ uckgabe Γ W¨ ahlt man aus der Menge Γ den Schedule S ∗ mit kleinstem Sn+1 , so hat man eine optimale L¨ osung f¨ ur das zugrunde liegende Problem gefunden. Beispiel 3.13. Betrachten wir den in Abbildung 3.13 dargestellten Projektnetzplan mit einer erneuerbaren Ressource und einer maximalen Projektdauer at sei R = 3. von d = 10. Die Ressourcenkapazit¨ Im Folgenden wenden wir Algorithmus 3.12 zur Bestimmung der Menge Γ von Kandidaten f¨ ur eine optimale L¨ osung an. Zu Beginn des Algorithmus setzen wir Ω := {∅} und Γ := ∅. Im ersten Hauptschritt entfernen wir die Ordnung O = ∅ aus der Menge Ω und bestimmen den Vektor S der fr¨ uhesten Startzeitpunkte des Ordnungspolytops ST (∅). Es gilt S = (0, 0, 1, 3, 3, 5, 3, 6). Zum Zeitpunkt t = 1 liegt ein Ressourcenkonflikt vor. Die Menge A aller minimalen Verz¨ ogerungsalternativen der verbotenen Menge F = A(S, 1) ergibt sich zu A = {{1}, {2}}. Von den zugeh¨ origen minimalen Verzögerungsmodi

216


-10 0

1 2 1 2 1 @ -3 3 1 @ 1 1

2 2 0 ? 3 0 4 3 0 -4 -3 2 6 3 0 @ 0 @ 0 5@ 3 1 @ -2 R @ 5 6 0 1 2

@ 3

@ 0 R @ 7 0

Legende: pi i ri

δij

pj

- j

rj


(1, {2}) und (2, {1}) f¨ uhrt nur (1, {2}) zu einer Ordnung O mit nichtleerem orige Ordnungsnetzplan N (O ) beOrdnungspolytop ST (O ), d.h. der zugeh¨ sitzt keinen Zyklus positiver L¨ ange. Wir f¨ ugen die Ordnung O = {(1, 2)} der Menge Ω hinzu, so dass sich Ω = {{(1, 2)}} ergibt. Im zweiten Schritt entnehmen wir die Ordnung O = {(1, 2)} der Menge Ω. Der zugehörige ES -Schedule ist S = (0, 0, 2, 3, 3, 5, 3, 6). Der kleinste Zeitpunkt, an dem ein Ressourcenkonflikt vorliegt, ist nun t = 3. Zu t = 3 ist r(S, 3) = 6 > 3 f¨ ur die aktiven Vorg¨ ange A(S, 3) = {3, 4, 6}. Die Menge der minimalen Verzögerungsalternativen f¨ ur F = A(S, 3) ist A = {{3}, {4, 6}}. Von den zugeh¨ origen minimalen Verz¨ ogerungsmodi (3, {4, 6}), (4, {3}), und (6, {3}) f¨ uhrt nur (3, {4, 6}) zu einer Ordnung O mit ST (O ) = ∅. Daher f¨ ugen wir die zugeh¨ orige Ordnung O = {(1, 2), (3, 4), (3, 6)} der Menge Ω hinzu. Wir betrachten im dritten Schritt die Ordnung O = {(1, 2), (3, 4), (3, 6)} und bestimmen den Minimalpunkt S des Ordnungspolytops ST (O), es gilt S = (0, 0, 2, 3, 5, 5, 5, 8). Der kleinste Zeitpunkt an dem ein Ressourcenkonflikt vorliegt, ergibt sich zu t = 5. F¨ ur die Menge A aller minimalen Verz¨ ogerungsalternativen der verbotenen Menge F = A(S, 5) gilt A = {{4}, {5}}. Von den zugehörigen minimalen Verz¨ ogerungsmodi (5, {4}), (6, {4}), (4, {5}) und (6, {5}) f¨ uhrt nur (4, {5}) zu einer Ordnung O mit ST (O ) = ∅. Die entsprechende Ordnung O = tr(O ∪ (4, 5)) = {(1, 2), (3, 4), (3, 5), (3, 6), (4, 5)} wird der Menge Ω hinzugef¨ ugt. Im letzten Schritt entnehmen wir schließlich die Ordnung O = {(1, 2),(3, 4), (3, 5), (3, 6), (4, 5)} aus der Menge Ω. Der zugeh¨ orige ES -Schedule S = (0, 0, 2, 3, 5, 7, 5, 8) ist zul¨ assig, also wird er der Menge Γ hinzugef¨ ugt. Da nun Ω = ∅ ist, terminiert der Algorithmus. Die Menge Γ beinhaltet nur das Element S = (0, 0, 2, 3, 5, 7, 5, 8), das somit eine optimale L¨ osung f¨ ur das betrachtete Projektdauerminimierungsproblem darstellt. Abbildung 3.14 zeigt die Gantt-Charts der im Verfahrensverlauf betrachteten Schedules S. In Ab-


217

bildung 3.15 ist der Netzplan N (O) zur strengen Ordnung O = {(1, 2), (3, 4), (3, 5), (3, 6), (4, 5)} dargestellt. b) O = {(1, 2)}

a) O = ∅ r(S, t)

6

r rq

4 2

r

6 4

1

4

r rq

3

5

r rq

r

6 6

2

r qr

r(S, t)

rq

2

r rq

r

-t

r

5

1

qr 2

6 4

rq r rq 6

3

5

r

-t

5

10

10

d) O = {(1, 2), (3, 4), (3, 6)}

c) O = {(1, 2), (3, 4), (3, 5), (3, 6), (4, 5)}

r(S, t)

r(S, t)

6

6

4 2

6

r rq r

r

1

qr 2

4

rq 5 r rq 6

3

4 5

r qr 6r

2

r

-t

r

1

rq 2

rq

6 3

4

5

r

-t

5

10

10

Abb. 3.14. Gantt-Charts der Schedules S

-10 0

1 2 2 2 1 @ -3 3 1 @ 1 1

2 2 0 ? 3 2 4 3 0 -4 -3 3 2 0 @ 2 2 6 @ 0 H 3 H 5@ 1 H @ -2 H j H R @ 5 6 0 1 2

@ 3

@ 0 R 7 @ 0

Legende: pi i ri

δij

pj

- j

rj

Abb. 3.15. Netzplan N (O) f¨ ur O = {(1, 2), (3, 4), (3, 5), (3, 6), (4, 5)}

218


3.2.2 Preprocessing Preprocessing-Techniken beziehen sich auf eine Phase zwischen Formulierung und tats¨ achlicher L¨ osung eines Projektplanungsproblems, in der versucht wird, die Probleminstanz f¨ ur das eigentliche Lösungsverfahren vorzu” bereiten“. Bei unserem Preprocessing (Vorverarbeitung) werden Zeitbeziehungen bestimmt, die sich aus der gemeinsamen Betrachtung bestehender Zeitund Ressoucenrestriktionen ableiten lassen und die alle zulässigen Schedules erf¨ ullen m¨ ussen. Durch Hinzuf¨ ugen dieser zeitlichen Nebenbedingungen zur betrachteten Probleminstanz kann der zul¨ assige Bereich eingeschränkt werden. Ferner ist es bei ressourcenbeschr¨ ankten Projektplanungsproblemen mit knappen Ressourcen h¨ aufig m¨ oglich, schon im Vorfeld festzustellen, dass der zul¨ assige Bereich S einer Probleminstanz leer ist. In diesem Fall ist es nicht nötig, das eigentliche L¨ osungsverfahren zu starten. Der Vorteil des Preprocessings besteht somit in der Vorwegnahme von Entscheidungen, die sonst später während der Enumeration getroffen werden m¨ ussen. Im Folgenden wollen wir zwei Preprocessing-Techniken vorstellen, die auf der Entzerrung zweielementiger verbotener Mengen beruhen. Dies sind Mengen von zwei Vorgängen {i, j} ur mindestens ein k ∈ R. mit i = j und rik + rjk > Rk f¨ Sei F = {i, j} ⊆ V eine zweielementige verbotene Menge, deren Vorgänge i und j durch die bestehenden Zeitbeziehungen noch nicht entzerrt sind, d.h. es gilt dij < pi und dji < pj . Bei der Terminierung der Projektvorgänge könnten somit die Vorg¨ ange i und j simultan eingeplant werden, wodurch ein Ressourcenkonflikt entstehen w¨ urde. Im Folgenden wollen wir pr¨ ufen, unter welchen Umst¨ anden wir schon vorab sagen k¨ onnen, ob in einer zulässigen Lösung i vor j oder j vor i eingeplant werden muss. Betrachten wir hierzu das Ressourcenprofil in Abbildung 3.16 mit zwei realen Vorgängen, einer maximalen Projektdauer von d = 8 und einer Ressourcenkapazität von R = 2. r(S, t)

6

rq

r

-

2

2

r

rq

rq

r 1

2

r

rq

5

6

1 3

4

r

-t 7

8

Abb. 3.16. Ressourcenkonflikt

Ist f¨ ur das zugrunde liegende Problem eine Zeitbeziehung der Form S2 − uhrt S1 ≥ 1 gegeben, so folgt daraus, dass Vorgang 2 nicht vor Vorgang 1 ausgef¨ werden kann. Da beide Vorg¨ ange nicht simultan ausgef¨ uhrt werden d¨ urfen, m¨ ussen alle zul¨ assigen Schedules die Vorrangbeziehung S2 − S1 ≥ p1 = 4 erf¨ ullen. Diese Vorrangbeziehung kann daher bereits im Vorfeld eingef¨ ugt werden.


219

Allgemein kann man sagen, dass f¨ ur eine zweielementige verbotene Menge F = {i, j} eine Vorrangbeziehung der Form Sj − Si ≥ pi vor Beginn des L¨ osungsverfahrens eingef¨ ugt werden kann, wenn es aufgrund der Zeitbeziehungen nicht m¨ oglich ist, eine Vorrangbeziehung der Form Si − Sj ≥ pj einzuf¨ ugen. Die Bedingung Si − Sj ≥ pj kann nicht eingef¨ ugt werden, wenn dij > −pj bzw. − dij < pj

(3.9)

erf¨ ullt ist (vgl. Abbildung 3.17). pj j −dij

i

Sj

Si

Abb. 3.17. Vorgang j kann nicht vor dem Start von Vorgang i beendet werden

Falls f¨ ur zwei Vorg¨ ange i und j einer noch nicht entzerrten, zweielementigen verbotenen Menge gilt, dass Vorgang j nicht vor Vorgang i ausgef¨ uhrt werden kann, dann besagt der folgende Satz, dass j nach i eingeplant werden muss. Satz 3.14. Sei F = {i, j} ⊆ V eine zweielementige verbotene Menge mit ullt jeder zulässige Schedule dij < pi und dji < pj . Falls dij > −pj gilt, so erf¨ S ∈ S die Bedingung Sj − Si ≥ pi . Wenn aufgrund von Satz 3.14 dem Problem eine weitere Nebenbedingung Sj − Si ≥ pi hinzugef¨ ugt wird, m¨ ussen die L¨ angen längster Wege dhl f¨ ur alle h, l ∈ V gem¨ aß dhl := max(dhl , dhi + pi + djl ) aktualisiert werden. Ist f¨ ur eine verbotene Menge F = {i, j} sowohl −dij < ullt, so kann weder Vorgang j vor dem Start von pj als auch −dji < pi erf¨ Vorgang i noch Vorgang i vor dem Start von Vorgang j beendet werden. Folglich kann die betrachtete zweielementige verbotene Menge F = {i, j} nicht entzerrt werden, und der zul¨ assige Bereich S ist leer. Algorithmus 3.15 fasst die einzelnen Schritte des erl¨ auterten konjunktiven Zweier-Preprocessings zusammen, wobei mit F2 die Menge aller zweielementigen verbotenen Mengen bezeichnet wird. Algorithmus 3.15 (Konjunktives Zweier-Preprocessing). ur alle i, j ∈ V . Bestimme die L¨ angen l¨ angster Wege dij f¨ Bestimme die Menge F2 aller zweielementigen verbotenen Mengen.

220


F¨ ur alle {i, j} ∈ F2 mit dij < pi und dji < pj : Falls −dij < pj und −dji < pi : Abbruch! (der zul¨ assige Bereich ist leer, S = ∅) Falls −dij < pj : F¨ uge den Pfeil i, j mit δij = pi in den Projektnetzplan N ein. F¨ ur alle h, l ∈ V : dhl := max(dhl , dhi + pi + djl ). Falls −dji < pi : F¨ uge den Pfeil j, i mit δji = pj in den Projektnetzplan N ein. F¨ ur alle h, l ∈ V : dhl := max(dhl , dhj + pj + dil ). Werden mit Hilfe von Algorithmus 3.15 dem zugrunde liegenden Projekt Vorrangbeziehungen hinzugef¨ ugt, kann es nach Ablauf des Verfahrens vorkommen, dass weitere zweielementige verbotene Mengen entzerrt werden können, die zuvor nicht entzerrt werden konnten. Daher f¨ uhren wir den Algorithmus 3.15 mehrfach durch, bis keine weiteren Vorrangbeziehungen mehr eingef¨ ugt werden k¨ onnen. Insgesamt k¨ onnen durch das konjunktive Zweierugt werden, Preprocessing maximal 21 |V |(|V | − 1) Vorrangbeziehungen eingef¨ ohne dass ein Zyklus positiver L¨ ange entsteht. Da die Bestimmung aller zweielementigen verbotenen Mengen eine Zeitkomplexität von O (|R||V |2 ) besitzt, ist die Zeitkomplexit¨ at von Algorithmus 3.15 O (max{|R||V |2 , |V |4 }). Das folgende Beispiel zeigt den Verlauf des konjunktiven Zweier-Preprocessing. Beispiel 3.16. Betrachten wir den in Abbildung 3.18 dargestellten Projektnetzplan mit einer erneuerbaren Ressource und einer maximale Projektdauer at sei R = 3. Die Längen längster Wege dij von d = 11. Die Ressourcenkapazit¨ sind f¨ ur alle i, j ∈ V in Tabelle 3.2 dargestellt. Die Menge F2 aller zweielementigen verbotenen Mengen besteht aus den Elementen {i, j} mit ri + rj > 3. Somit ergibt sich F2 = {{1, 5}, {2, 5}, {3, 5}, {4, 6}, {5, 4}, {5, 6}}. −11

0

5 1 1 QQ

0 ? 0 @ 0

3

0

- 2

@ 0 @ @

1

5

- 4

5

Q 3 Q Q Q 2

−3

5

6 @ R 3 @ 1

3

2 1 Q s Q 5 3 3

@

@ 5 @ 1

@ 0 R @ 7 0

4 4 - 6 2

Abb. 3.18. Projektnetzplan

Legende: pj pi δij - j i rj ri


221

Tabelle 3.2. L¨ angen l¨ angster Wege dij f¨ ur alle i, j ∈ V dij 0 1 2 3 4 5 6 7

0 0 −1 −8 −4 −6 −10 −7 −11

1 0 0 −8 −4 −6 −10 −7 −11

2 2 1 0 2 −4 −3 −5 −9

3 0 −1 −8 0 −6 −10 −7 −11

4 5 6 7 5 5 3 10 5 4 2 10 −3 2 −5 3 1 5 3 7 0 −1 −3 5 −5 0 −7 1 −2 −2 0 4 −6 −6 −8 0

Im ersten Schritt betrachten wir die zweielementige verbotene Menge {1, 5} mit d15 = 4 < p1 = 5 und d51 = −10 < p5 = 1. Da die Bedingung ullt ist, kann Vorgang 5 nicht vor dem Start von −d15 = −4 < p5 = 1 erf¨ Vorgang 1 beendet werden. Vorgang 5 muss also nach dem Ende von Vorgang 1 ausgef¨ uhrt werden. Daher f¨ ugen wir einen Pfeil 1, 5 mit der Bewertung angen l¨ angster Weδ15 = 5 in den Projektnetzplan ein und aktualisieren die L¨ ge d15 := 5 und d12 := 2. Tabelle 3.3 veranschaulicht die einzelnen Schritte des Algorithmus 3.15. Die zweite Spalte gibt an, ob Vorgang j vor dem Start von Vorgang i beendet werden kann. Die dritte Spalte zeigt, ob Vorgang i vor dem Start von Vorgang j beendet werden kann und die letzte Spalte der ur Tabelle beinhaltet die Aktualisierungen der L¨ angen l¨ angster Wege dij . Da f¨ die verbotene Menge F = {4, 6} sowohl Vorgang 4 nicht vor Vorgang 6 als auch 6 nicht vor 4 ausgef¨ uhrt werden kann, ist der zul¨ assige Bereich S des betrachteten Projektplanungsproblems unter Zeit- und Ressourcenrestriktionen leer. Der Algorithmus bricht ab. Tabelle 3.3. Konjunktives Zweier-Preprocessing {i, j} −dij < pj

−dji < pi

Aktualisierung der dij

{1, 5} −d15 = −4 < p5 = 1 −d51 = 10 < p1 =5 d15 = 5, d12 = 2 {2, 5} −d25 = −2 < p5 = 1 −d52 = 3 < p2 =3

d25 = 3, d20 = −7 d21 = d23 = −7, d24 = −2, d26 = −4, d27 = 4

{3, 5} −d35 = −5 < p5 = 1 −d53 = 10 < p3 =6 d35 = 6, d02 = d32 = 3, d42 = −3 d62 = −4, d72 = −8, d05 = 6 d45 = 0, d65 = −1, d75 = −5 {4, 6} −d46 = 3 < p6 = 4

−d64 = 2 < p4 = 5 ⇒S=∅

Falls f¨ ur zwei Elemente i, j mit {i, j} ∈ F2 und dij < pi bzw. dji < pj Bedingung (3.9) weder f¨ ur i und j noch f¨ ur j und i erf¨ ullt ist, wissen wir

222


dennoch, dass bei einer zul¨ assigen L¨ osung entweder Vorgang i vor Vorgang j oder Vorgang j vor Vorgang i ausgef¨ uhrt werden muss. Gilt f¨ ur zwei Vorgänge h und l mit h, l ∈ {i, j}, dass die L¨ ange eines längsten Weges von h nach l sowohl nach Einf¨ ugen eines Pfeils i, j mit der Bewertung δij = pi als auch nach Einf¨ ugen eines Pfeils j, i mit der Bewertung δji = pj größer als dhl ist, so k¨ onnen wir schon im Vorfeld eine neue Zeitbeziehung zwischen den Vorg¨ angen h und l einf¨ ugen. Um dies zu verdeutlichen, betrachten wir ein Beispiel. Beispiel 3.17. Gegeben seien das Projektnetzwerk in Abbildung 3.19 mit vier realen Vorg¨ angen und einer erneuerbaren Ressource sowie eine Ressourcenkapazit¨ at von R = 3. −13 1 0 ? 0 1 0 3 0 S S 1

2

3

- 3 2

0 3 5 7 0 2

Legende: 1 pj pi 2 ? δij 1 - j 4 i rj ri 1 2 Abb. 3.19. Projektnetzwerk mit einer Ressource

S S 2? S w 2 1

F¨ ur die zweielementige verbotene Menge F = {2, 3} ist Bedingung (3.9) nicht erf¨ ullt, denn −d23 = 8 < p3 = 3 und −d32 = 9 < p2 = 2. In einer zulässigen Lösung muss allerdings entweder Vorgang 2 vor Vorgang 3 oder Vorgang 3 vor Vorgang 2 ausgef¨ uhrt werden. Die L¨ ange des l¨ angsten Weges ugen eines Pfeils zwischen den Vorg¨ angen 1 und 4 betr¨ agt d14 = 3. Durch Einf¨ ame es zu einer Erh¨ ohung von d14 auf 2, 3 mit der Bewertung δ23 = 2 k¨ ugung eines Pfeils 3, 2 mit der Bewertung δ32 = 3 w¨ urde d14 = 4. Die Einf¨ eine Erhöhung von d14 auf d14 = 6 hervorrufen. Daher kann eine neue Zeitbeziehung zwischen den Vorg¨ angen 1 und 4 eingef¨ ugt werden, die daf¨ ur sorgt, dass zwischen dem Start der Vorg¨ ange 1 und 4 mindestens 4 Zeiteinheiten liegen. Der Projektnetzplan wird also durch den Pfeil 1, 4 mit der Bewertung δ14 = 4 erweitert. Der folgende Algorithmus 3.18 beschreibt das erl¨ auterte Preprocessing, welches wir im Weiteren als disjunktives Zweier-Preprocessing bezeichnen. Algorithmus 3.18 (Disjunktives Zweier-Preprocessing). ur alle i, j ∈ V . Bestimme die Längen l¨ angster Wege dij f¨ Bestimme die Menge F2 aller zweielementigen verbotenen Mengen.


223

F¨ ur alle i, j ∈ V mit {i, j} ∈ F2 und dij < pi bzw. dji < pj , f¨ ur die Bedingung (3.9) nicht erf¨ ullt ist: F¨ ur alle h ∈ V \ {i, j}: F¨ ur alle l ∈ V \ {h, i, j}: Falls dhl < min(dhi + pi + djl , dhj + pj + dil ): Setze dhl := min(dhi + pi + djl , dhj + pj + dil ). F¨ uge einen Pfeil h, l mit δhl = dhl in das Projektnetzwerk ein. ur ein h ∈ V : Abbruch! (der zulässige Bereich ist leer, Falls dhh > 0 f¨ S = ∅) Werden mit Hilfe von Algorithmus 3.18 dem zugrunde liegenden Projekt neue Zeitbeziehungen hinzugef¨ ugt, kann es nach Ablauf des Algorithmus vorkommen, dass weitere Zeitbeziehungen eingef¨ ugt werden können, die zuvor nicht hinzu genommen werden konnten. Daher ist es häufig sinnvoll, dass disjunktive und das konjunktive Zweier-Preprocessing im Wechsel durchzuf¨ uhren, um weitere Zeitbeziehungen hinzuf¨ ugen zu können. Da aber auch Algorithmus 3.18 eine Zeitkomplexit¨ at von O (max{|R||V |2 , |V |4 }) besitzt, ist abzuw¨ agen, wie viele Durchl¨ aufe der beiden Algorithmen durchgef¨ uhrt werden sollten. Beispiel 3.19. Betrachten wir wieder die Probleminstanz aus Beispiel 3.17 mit einer Ressourcenkapazit¨ at von R = 3. Die Längen längster Wege sind in Tabelle 3.4 gegeben und f¨ ur die Menge F2 aller zweielementigen verbotenen Mengen ergibt sich F2 = {{1, 2}, {1, 3}, {1, 4}, {2, 3}}. Tabelle 3.4. L¨ angen l¨ angster Wege dij dij 0 1 2 3 4 5

0 0 −8 −10 −10 −11 −13

1 0 0 −10 −10 −11 −13

2 1 1 0 −9 −10 −12

3 2 2 −8 0 −9 −11

4 3 3 1 1 0 −10

5 5 5 3 3 2 0

Da die Mengen {1, 2}, {1, 3} und {1, 4} bereits entzerrt sind, betrachten wir die verbotene Menge {2, 3}. Die Ungleichung dhl < min(dhi + pi + djl , dhj + pj + dil )

(3.10)

gilt f¨ ur die verbotene Menge F = {2, 3} in Kombination mit den Vorg¨ angen h = 0 und l = 4, denn d04 = 3 < min(1 + 2 + 1, 2 + 3 + 1) = 4. Wir setzen ugen einen Pfeil 0, 4 mit der Bewertung δ04 = 4 in den daher d04 = 4 und f¨ Projektnetzplan ein. Des Weiteren ist (3.10) f¨ ur h = 0 und l = 5, h = 1 und

224


l = 0, 4, 5 und h = 5, l = 4 erf¨ ullt. Wir erhalten die neuen Längen längster Wege d05 = 6, d10 = −7, d14 = 4, d15 = 6 und d54 = −9. Die Pfeile 0, 5 , 1, 0 , 1, 4 , 1, 5 und 5, 4 mit den entsprechenden Bewertungen werden in den Netzplan eingef¨ ugt. Abbildung 3.20 zeigt den entstandenen Netzplan, wobei wir auf die Angabe redundanter Pfeile verzichtet haben. −13 1 0 ? 0 2 1 0 -7 3 @ 0 S

3

- 3 2

S @ 4 1 @ 1 2 1S S 2 ? 1 @ 2 ? S R @ 4 w 2 S 2

1

0 5 7 0


Abb. 3.20. Projektnetzplan nach dem disjunktiven Zweier-Preprocessing

3.2.3 Untere Schranken In Branch-and-Bound-Verfahren kommt dem Ausloten von Enumerationsknoten durch untere Schrankenwerte eine große Bedeutung zu. Stellt beispielsweise LB (lower bound) eine untere Schranke f¨ ur die minimale Projektdauer f¨ ur den Enumerationsknoten p dar, dann ist LB auch eine untere Schranke f¨ ur alle Knoten des Enumerationsbaumes, die Knoten p als Vorg¨ angerknoten besitzen. Ist die untere Schranke gr¨ oßer oder gleich der Projektdauer der besten bisher gefundenen zul¨ assigen L¨ osung, dann k¨ onnen der Enumerationsknoten p und damit auch alle seine Nachfolger ausgelotet werden. Die am einfachsten zu berechnende untere Schranke f¨ ur das Ausloten von Enumerationsknoten ist LB0 := ESn+1 , die der minimalen Projektdauer der Ressourcenrelaxation entspricht und automatisch bei der Berechnung des ES -Schedules bestimmt wird. Da diese untere Schranke in der Regel nicht sehr scharf (gut) ist, geben wir im Folgenden drei weitere untere Schranken f¨ ur das Ausloten von Enumerationsknoten an. Der Gesamtbedarf an Ressource k ∈ R, der f¨ ur die Ausf¨ uhrung der Vorgänge i ∈ V ben¨ otigt wird, ist durch den Term i∈V rik pi gegeben. Da ugung stehen, zu jedem Zeitpunkt nur Rk Einheiten von Ressource k zur Verf¨ ur die Zeit dar, die zur Ausf¨ uhrung stellt i∈V rik pi /Rk eine untere Schranke f¨ aller Vorg¨ ange ben¨ otigt wird. Unter der Annahme, dass alle Pfeilbewertungen δij ganzzahlig sind, existiert im Fall S= ∅ ein ganzzahliger optimaler Schedule.


225

Somit erhalten wir eine zweite untere Schranke f¨ ur die minimale Projektdauer durch ⎤ ⎡ rik pi i∈V ⎥. LBR := max ⎢ ⎥ k∈R ⎢ ⎢ Rk ⎥ Eine weitere untere Schranke f¨ ur die Projektdauerminimierung erhält man durch die sukzessive Zur¨ uckweisung hypothetischer oberer Schrankenwerte (Klein und Scholl, 1999). In der Literatur spricht man daher von einer destruktiven (zerstörenden) unteren Schranke LBD. Hierbei wird zunächst ein oberer Schrankenwert d festgelegt. Kann gezeigt werden, dass kein zulässiger Schedule S mit Sn+1 < d existiert, so stellt LBD = d + 1 eine erste untere Schranke dar. Durch sukzessives Erh¨ ohen von d, bis der aktuelle Wert nicht mehr zur¨ uckgewiesen werden kann, erh¨ alt man in der Regel eine gute untere Schranke. Zur Bestimmung der destruktiven unteren Schranke LBD benötigen wir eine untere Schranke LB start , beispielsweise LB start = max(LB0 , LBR), und eine obere Schranke UB start , z.B. UB start = d. Gilt LBstart > UB start , so existiert kein zul¨ assiger Schedule. In jeder Iteration des Algorithmus zur Berechnung von LBD wird eine hypothetische obere Schranke d bestimmt, die zwischen der aktuellen unteren und oberen Schranke liegt: LB + UB . (3.11) d := 2 Mit der oberen Schranke d aus (3.11) wird nun ein Preprocessing-Schritt durchgef¨ uhrt, wobei wir die Bewertung des Pfeils n+1, 0 auf δn+1,0 = −d setzen. Es kann wahlweise das konjunktive, disjunktive oder beide PreprocessingVerfahren ausgef¨ uhrt werden (vgl. Abschnitt 3.2.2). Bricht der Algorithmus des Preprocessing ab, weil ein Zyklus positiver Länge im Projektnetzplan entstanden ist, dann wird die obere Schranke d zur¨ uckgewiesen. Ist d = UB start , dann repr¨ asentiert LB := d + 1 eine untere Schranke. Wir wählen nun wieder eine obere Schranke d gem¨ aß (3.11) und untersuchen auf gleiche Art und Weise in den folgenden Schritten den Bereich [d + 1, UB ]. Wird die obere Schranke d zur¨ uckgewiesen, bis wir d = UB start erhalten und lehnen wir auch diese Schranke ab, so ist der zul¨ assige Bereich leer. Falls das Preprocessing die obere Schranke d nicht zur¨ uckweist, setzen wir UB := d − 1 als neue obere Schranke und LB := max(LB , ES n+1 ) als neue untere Schranke fest. ES n+1 stellt dabei die k¨ urzeste Projektdauer dar, die im letzten Preprocessing-Schritt berechnet wurde. In den folgenden Schritten wird dann der Bereich [LB , d − 1] weiter untersucht, indem d wieder gem¨ aß (3.11) gewählt wird. Der Algorithmus terminiert, sobald LB > UB erf¨ ullt ist. Algorithmus 3.20 (Destruktive untere Schranke LBD). Setze LB := LB start , UB := UB start . Solange LB ≤ UB :

226


Setze d := (LB + UB )/2 . F¨ uhre einen Preprocessing-Schritt im Netzplan N mit δn+1,0 = −d durch. Falls das Preprocessing die obere Schranke d zur¨ uckweist: assige Bereich ist leer, S = ∅) Falls d = UB start : Abbruch! (der zul¨ Andernfalls Setze LB := d + 1. Andernfalls Setze UB := d − 1 und LB := max(LB, ESn+1 ) mit ESn+1 aus Preprocessing. Setze LBD := LB. R¨ uckgabe LBD. Zur Verdeutlichung der Vorgehensweise bei der Bestimmung einer destruktiven unteren Schranke LBD f¨ ur die Projektdauerminimierung betrachten wir das folgende Beispiel. Beispiel 3.21. Gegeben sei das Projektplanungsproblem in Abbildung 3.21 mit einer erneuerbaren Ressource und sechs realen Vorgängen. Die Ressourcenkapazit¨ at sei R = 2. Wir bestimmen die destruktive untere Schranke LBD mit Algorithmus 3.20, wobei wir im Preprocessing-Schritt einen Durchlauf des konjunktiven Zweier-Preprocessings ausf¨ uhren. -16 2 1 -3 4 1 @ 1 1 @ 4 0 -2 -2 @ -3 1 ? 6 0? @ 0 2 7 3 -? R 7 @ 5 2 0 0 1 1 @ 0 @ 6 1 @2 @ 2 -6 @ @ 1 @ @ 2 R @ -8 R @ 3 - 6 Legende: -4 2 2

pi i ri

δij

pj

- j

rj

Abb. 3.21. Projektnetzplan mit einer erneuerbaren Ressourcen

Als Erstes bestimmen wir eine untere Schranke LB start . Dazu berechnen wir LB0 := ES7 = 12 sowie LBR := (0+1+6+4+2+1+2+0)/2 = 16/2 = 8 und setzen LB start := max(12, 8) = 12. Die obere Schranke UB start setzen wir auf UB start := d = 16. Da LB start < UB start gilt, legen wir im ersten Schritt die hypothetische obere Schranke d = (12 + 16)/2 = 14 fest und f¨ uhren dann mit δn+1,0 = −14 das konjunktive Zweier-Preprocessing durch. Die Ergebnisse sind in Tabelle 3.5 aufgef¨ uhrt.


227

Tabelle 3.5. Preprocessing-Schritt {i, j}

−dij < pj

−dji < pi

{1, 3} {1, 6} {2, 3} {2, 6} {3, 6} {4, 3} {4, 6} {5, 3} {5, 6}

−d13 −d16 −d23 −d26 −d36 −d43 −d46 −d53 −d56

−d31 −d61 −d32 −d62 −d63 −d34 −d64 −d35 −d65

= 5 < p3 = 2 = 1 < p6 = 1 = 2 < p3 = 2 = −2 < p6 = 1 = 0 < p6 = 1 = 5 < p3 = 2 = 1 < p6 = 1 = 7 < p3 = 2 = 3 < p6 = 1

zus¨ atzliche Pfeile

= 11 < p1 = 1 = 13 < p1 = 1 = 6 < p2 = 6 = 10 < p2 = 6 2, 6 mit δ26 = 6 3, 6 mit δ36 = 2 = 4 < p3 = 2 = 8 < p4 = 2 = 12 < p4 = 2 = −1 < p5 = 1 3, 5 mit δ35 = 2 = 2 < p5 = 1

Das Preprocessing bricht nicht vorzeitig ab, daher wird die obere Schranke d = 14 nicht zur¨ uckgewiesen. Wir setzen UB := 13 und da wir ES 7 = 12 im Preprocessing-Schritt bestimmt haben, ergibt sich LB := max(12, 12) = 12. Da LB ≤ UB gilt, fahren wir fort. Im zweiten Hauptschritt bestimmen wir die obere Schranke d = (12 + 13)/2 = 13 und f¨ uhren einen PreprocessingSchritt mit δn+1,0 = −13 durch. Die einzelnen Schritte des Preprocessing sind in Tabelle 3.6 angegeben. Tabelle 3.6. Preprocessing-Schritt {i, j}

−dij < pj

{1, 3} {1, 6} {2, 3} {2, 6} {3, 6} {4, 3} {4, 6} {5, 3} {5, 6}

−d13 −d16 −d23 −d26 −d36 −d43 −d46 −d53 −d56

= 5 < p3 = 2 = 1 < p6 = 1 = 2 < p3 = 2 = −2 < p6 = 1 = 0 < p6 = 1 = 4 < p3 = 2 = 0 < p6 = 1 = 6 < p3 = 2 = 2 < p6 = 1

−dji < pi

−d31 −d61 −d32 −d62 −d63 −d34 −d64 −d35 −d65

= 10 < p1 = 1 = 12 < p1 = 1 = 6 < p2 = 6 = 9 < p2 = 6 = 4 < p3 = 2 = 8 < p4 = 2 = 11 < p4 = 2 = −1 < p5 = 1 = 2 < p5 = 1


2, 6 mit δ26 = 6 3, 6 mit δ36 = 2 4, 6 mit δ46 = 2 3, 5 mit δ35 = 2

Wieder bricht das Preprocessing nicht vorzeitig ab, die obere Schranke d = 13 wird nicht zur¨ uckgewiesen. Wir setzen UB := 12 und LB := max(12, 12) = 12. Da LB ≤ UB gilt, fahren wir fort. Im dritten Hauptschritt bestimmen wir die hypothetische obere Schranke d = (12 + 12)/2 = 12 und f¨ uhren einen Preprocessing-Schritt mit δn+1,0 = −12 durch. Die Schritte des Preprocessing sind in Tabelle 3.7 angegeben.

228

3 Projektplanung unter Zeit- und Ressourcenrestriktionen Tabelle 3.7. Preprocessing-Schritt {i, j}

−dij < pj

−dji < pi


{1, 3} −d13 = 4 < p3 = 2

−d31 = 9 < p1 = 1

{1, 6} −d16 = 1 < p6 = 1

−d61 = 11 < p1 = 1

{2, 3} −d23 = 1 < p3 = 2

−d32 = 6 < p2 = 6

2, 3 mit δ23 = 6

{2, 6} −d26 = −2 < p6 = 1 −d62 = 8 < p2 = 6

2, 6 mit δ26 = 6

−d63 = 2 < p3 = 2

3, 6 mit δ36 = 2

{4, 3} −d43 = −1 < p3 = 2 −d34 = 8 < p4 = 2

4, 3 mit δ43 = 2

{4, 6} −d46 = −4 < p6 = 1 −d64 = 10 < p4 = 2

4, 6 mit δ46 = 2

{3, 6} −d36 = 0 < p6 = 1

{5, 3} −d53 = 1 < p3 = 2

−d35 = −1 < p5 = 1 Abbruch: S = ∅

Da mit Hilfe des Preprocessings gezeigt werden kann, dass f¨ ur δn+1,0 = −12 kein zulässiger Schedule existiert, kann Schranke d = 12 zur¨ uckgewiesen werden. Es gilt d = 12 = UB start = 16, deshalb setzen wir LB := 13. Da nun LB > UB gilt, terminiert der Algorithmus und liefert die untere Schranke LBD = 13 zur¨ uck. Bei großen Projekten beinhalten minimale verbotene Mengen häufig mehr als zwei Vorgänge, so dass die vorgestellten Preprocessing-Techniken den zulässigen Bereich des zugrunde liegenden Problems nur wenig einschränken. Die destruktive untere Schranke LBD besitzt in diesem Fall eine begrenzte Effektivität. Deshalb betrachten wir im Folgenden eine workloadbasierte untere Schranke LBW , die eine Verbesserung der unteren Schranke LBR darstellt. ussen alle Vorgänge h ∈ In einem beliebigen Intervall [a, d] mit a ≥ 0 m¨ ur die die V ausgef¨ uhrt werden, f¨ ur die a ≤ ES h gilt. Vorgänge j ∈ V , f¨ ullt ist, werden mindestens f¨ ur die Dauer Bedingung ES j < a ≤ EC j erf¨ uhrt. Vorgänge i ∈ V mit von EC j − a Zeiteinheiten im Intervall [a, d] ausgef¨ ochstens LC i − a Zeiteinheiten im Intervall EC i < a werden gar nicht oder h¨ uhrt. Dieser Sachverhalt ist in Abbildung 3.22 verdeutlicht. F¨ ur [a, d] ausgef¨ einen zeitzulässigen Schedule S mit Sn+1 ≤ d wird ein Vorgang i ∈ V im Intervall [a, d] somit mindestens pi (a, d) := max{0, min(pi , EC i − a)}

(3.12)

Zeiteinheiten ausgef¨ uhrt. h j

i

- t 0

EC i

a ES h

EC j

d

Abb. 3.22. Ausf¨ uhrungszeiten der Vorg¨ ange i, j, k im Intervall [a, d]


229

Der Workload (Arbeitseinsatz, der mindestens geleistet werden muss) f¨ ur Ressource k ∈ R im Intervall [a, d] kann somit durch (3.13) pi (a, d) · rik wk (a, d) := i∈V

angegeben werden. Zur Ausf¨ uhrung des Workloads wk (a, d) sind bei einer Ressourcenkapazit¨ at von Rk mindestens wk (a, d)/Rk Zeiteinheiten erforderlich. Setzen wir den Zeitpunkt a auf den fr¨ uhesten Startzeitpunkt ES i eines Vorgangs i ∈ V , dann repr¨ asentiert maxk∈R wk (ES i , d)/Rk die Zeitspanne, die ab dem Zeitpunkt ES i noch mindestens bis zum Eintritt des Projektendes nötig ist. Daher erhalten wir mit wk (ES i , d) (3.14) LBW := max ES i + max i∈V k∈R Rk

eine untere Schranke der Projektdauer, sofern S = ∅ ist. Wir illustrieren die Berechnung der workloadbasierten unteren Schranke LBW an einem Beispiel. Beispiel 3.22. Betrachten wir erneut den in Abbildung 3.21 angegebenen Netzplan mit einer erneuerbaren Ressource. Die Ressourcenkapazit¨ at sei R = 2. Der Vektor der fr¨ uhesten Startzeitpunkte ergibt sich zu ES = (0, 0, 3, 2, 1, 10, 5, 12). Nachfolgend sind die Berechnungen der workloadbasierten unteren Schranken f¨ ur die Vorg¨ ange i ∈ V aufgezeichnet. ES 0 + wk (ES 0 , d)/2 = ES 1 + wk (ES 1 , d)/2 = ES 2 + wk (ES 2 , d)/2 = ES 3 + wk (ES 3 , d)/2 = ES 4 + wk (ES 4 , d)/2 = ES 5 + wk (ES 5 , d)/2 = ES 6 + wk (ES 6 , d)/2 = ES 7 + wk (ES 7 , d)/2 =

0 + 16/2 = 0 + 16/2 = 3 + 11/2 = 2 + 14/2 = 1 + 15/2 = 10 + 1/2 = 5 + 7/2 = 12 + 0/2 =

0+8= 0+8= 3+6= 2+7= 1+8= 10 + 1 = 5+4= 12 + 0 =

8 8 9 9 9 11 9 12

F¨ ur die workloadbasierte untere Schranke ergibt sich somit LBW := max (8, 8, 9, 9, 9, 11, 9, 12) = 12. 3.2.4 Auslotregeln In diesem Abschnitt betrachten wir Auslotregeln, die es erlauben, Enumerationsknoten, die im Rahmen unseres Enumerationsschemas erzeugt werden, von den weiteren Betrachtungen auszuschließen. Zun¨ achst stellen wir drei Auslotregeln vor, die einen Teil der Enumerationsknoten ausschließen, die sich beim Enumerieren u ogerungsmodi ergeben, indem einzelne Vorg¨ ange ¨ber alle Verz¨ ange ausgeschlossen werden. Bei der Anweni ∈ F \ Amin als schiebende Vorg¨ dung des relaxationsbasierten Enumerationsschemas kann es ferner vorkommen, dass Enumerationsknoten erzeugt werden, deren zugeh¨ origes Ordnungspolytop Teil eines bereits untersuchten Ordnungspolytops ist. In diesem Fall

230


ist der entsprechende Knoten redundant und braucht nicht mehr untersucht zu werden. Daher behandeln wir die Subset-Dominanz-Regel, die schon bei der Generierung von Enumerationsknoten solche dominierten Knoten erkennt und auslotet. ogerungsalternative einer verbotenen Sei Amin ⊆ F eine minimale Verz¨ Menge F = A(S, t). Mit Hilfe der folgenden drei Auslotregeln werden diejeniange ausgeschlossen, deren Resgen Vorg¨ ange i ∈ F \Amin als schiebende Vorg¨ sourceninanspruchnahme 0 ist, die durch einen anderen Vorgang j ∈ F \ Amin dominiert werden oder f¨ ur die der resultierende zulässige Bereich offensichtlich leer ist. (1) Ressourcenregel : Ein Vorgang i ∈ F \ Amin wird nicht als schiebender Vorgang gewählt, wenn er die Ressource k, die den Konflikt verursacht, nicht in Anspruch nimmt. (2) RDM-Regel : (Redundant Delaying Mode) ur die dji + pi > pj gilt, so Existieren zwei Vorg¨ ange i, j ∈ F \ Amin , f¨ wird Vorgang i nicht als schiebender Vorgang betrachtet, da er nicht vor Vorgang j beendet werden kann. Falls f¨ ur zwei Vorgänge i, j ∈ F \ Amin die Endzeitpunkte genau gleich sind, d.h. es gilt dji + pi = pj , dann muss nur einer der beiden Vorg¨ ange betrachtet werden. (3) DDA-Regel : (Delayed Delaying Activity) Existiert f¨ ur einen Vorgang i ∈ F \Amin ein Vorgang j ∈ Amin mit dji ≥ 0, so wird i nicht als schiebender Vorgang gewählt, da durch das Einf¨ ugen unde (dii = eines Pfeiles i, j mit δij > 0 ein Zyklus positiver Länge entst¨ dij + dji > 0). Beispiel 3.23. Gegeben seien der Projektnetzplan in Abbildung 3.23 mit drei realen Vorg¨ angen, einer maximalen Projektdauer von d = 6 und eine Ressourcenkapazit¨ at von R = 2. Im Folgenden zeigen wir, welche Knoten aufgrund der vorgestellten Auslotregeln (2) und (3) im Rahmen der ersten Iteration des relaxationsbasierten Enumerationsschemas (vgl. Algorithmus 3.12) erst gar nicht generiert werden m¨ ussen. 2 1 2 Q Q3 1 0 Q 0 s Q −5 5 0 Q 1 3 0 Legende: Q 1 0 pj Q 1 pi 1 −1 s Q δij - j 4 3 i 1 r r j i 1 1 Abb. 3.23. Projektnetzplan N mit vier realen Vorg¨ angen 2 1 0 3 1

Zu Beginn des Algorithmus 3.12 setzen wir Ω := {∅} und Γ := ∅. Im ersten Hauptschritt entfernen wir die Ordnung O = ∅ aus der Menge Ω und bestim-


231

men den Vektor S der fr¨ uhesten Startzeitpunkte des Ordnungspolytops ST (∅). Es ergibt sich S = (0, 0, 1, 1, 0, 4). Zum Zeitpunkt t = 1 liegt ein Ressourcenkonflikt vor, da r(S, 1) = 3 > 2 gilt. Die Menge A aller minimalen Verzögerungsalternativen der verbotenen Menge F = A(S, 1) ist A = {{1}, {2}, {3}}. ur die Vorgänge 1, 2 ∈ A(S, 1) \ {3} Bei einer Wahl von Amin = {3} gilt f¨ die Bedingung d12 + p2 = 1 + 2 = 3 > 2. Vorgang 2 muss somit aufgrund der RDM-Regel nicht als schiebender Vorgang betrachtet werden. Betrachten ur 3 ∈ A(S, 1) \ {1} die Bedingung d13 = 0 ≥ 0. wir Amin = {1}, dann gilt f¨ Aufgrund der DDA-Regel muss der Verz¨ ogerungsmodus (3, {1}) somit nicht betrachtet werden. Es verbleiben nur die Verz¨ ogerungsmodi (1, {2}), (1, {3}) und (3, {2}). Die zugeh¨ origen Ordnungen {(1, 2)}, {(1, 3)} und {(3, 2)} werden der Menge Ω hinzugef¨ ugt. Eine weitere M¨ oglichkeit, die Gr¨ oße des Enumerationsbaumes zu reduzieren, stellt die Subset-Dominanz-Regel dar. Mit Hilfe dieser Regel können bei der Generierung von Enumerationsknoten dominierte Knoten erkannt und ausgelotet werden. Ist die zu einem Enumerationsknoten p zugehörige Ord nung Op eine Teilmenge der zu Knoten p gehörigen Ordnung Op , d.h. gilt p p p p ullt. Wurde ferner das durch O ⊆ O , dann ist ST (O ) ⊆ ST (O ) erf¨ Knoten p repr¨ asentierte Ordnungspolytop ST (Op ) schon vollständig untersucht, so kann Knoten p ausgelotet werden, da der entsprechende Bereich ST (Op ) ⊆ ST (Op ) schon untersucht wurde. Im Folgenden veranschaulichen wir die Subset-Dominanz-Regel an einem Beispiel. Beispiel 3.24. Gegeben sei der in Abbildung 3.24 dargestellte Projektnetzplan mit einer Ressource. Die Ressourcenkapazität sei R = 2. Wir wenden nun das relaxationsbasierte Enumerationsschema (vgl. Algorithmus 3.12) an und zeigen, welche Knoten aufgrund der Subset-Dominanz-Regel ausgelotet werden k¨ onnen. -6

0

1 1 1

0

2

- 2

1 @

@2 @ 0 1 4 @ - 5 - 3 R @ * 0 1 1 H HH 1 H j 4 H 2

0 ? 2 0 HH 0 H 0



Der zur Wurzel des Enumerationsbaumes korrespondierende ES -Schedule ist ES = (0, 0, 0, 2, 0, 6). Das zugeh¨ orige Ressourcenprofil ist in Abbildung 3.25

232


(Knoten 0) zu sehen. Planen wir die Vorg¨ ange i = 0, 1, ..., 5 gemäß des ES Schedules ein, so erhalten wir zum Zeitpunkt t = 0 den ersten Ressourcenkonflikt mit der zugeh¨ origen verbotenen Menge F = {1, 2, 4}. F besitzt unter anderem die minimale Verz¨ ogerungsalternative Amin = {4}. Hierzu korrespondieren die minimalen Verz¨ ogerungsmodi (1, {4}) und (2, {4}). F¨ ur die Ordnung O = {(1, 4)} ergibt sich der Vektor der fr¨ uhesten Startzeitpunkte zu S = (0, 0, 0, 2, 1, 6) (Knoten 1) und f¨ ur die Ordnung O = {(2, 4)} zu S = (0, 0, 0, 2, 2, 6) (Knoten 2). r(S, t)

6

4

Knoten 0 O0 = ∅

4

3 2

2

1

3

2

1 1

5

6

@

4

2

1

1

3

2

1

2

-t 3

4

5

@ R

r(S, t) 3

2

1

4

Knoten 1 O1 = {(1, 4)}

6

2

3

r(S, t) 3

-t

2

Knoten 2

6

O2 = {(2, 4)} 4

2 1

6

3

2

1

2

-t 3

4

@ R @

r(S, t)

3

3

1

r(S, t) Knoten 5 Knoten 4 5 4 O = {(1, 4), (2, 4)} 6 O = {(1, 2), (1, 4) 6 3 (4, 2)} 2 4 3 2 1 4 2 1 1 2 3 t

t

1

2

3

4

1

2

6

?

r(S, t)

2

5

3

4

2 1

Knoten 3 3 O = {(2, 4), (3, 4)} 6 2 1

4

3

2

1

2

3

-t 4

Abb. 3.25. Ressourcenprofile der Schedules S im Enumerationsbaum

Betrachten wir nun den Enumerationsknoten 2. Zum Zeitpunkt t = 2 liegt ein Ressourcenkonflikt vor. Von den zugehörigen Verz¨ ogerungsmodi (4, {3}) ur die und (3, {4}) f¨ uhrt nur (3, {4}) zu einer Ordnung O mit ST (O ) = ∅. F¨ Ordnung O = {(2, 4), (3, 4)} ergibt sich der Vektor der fr¨ uhesten Startzeitpunkte zu S = (0, 0, 0, 2, 3, 6) (Knoten 3). Da S zul¨ assig ist, sind wir nun an einem Blatt im Enumerationsbaum angekommen und fahren mit dem Enu-


233

merationsknoten 1 fort. Zum Zeitpunkt t = 1 liegt ein Ressourcenkonflikt vor. Die zugeh¨ origen Verz¨ ogerungsmodi (2, {4}) und (4, {2}) f¨ uhren (2, {4}) beide zu Ordnungen O mit ST (O ) = ∅. Bestimmen wir den Minimalpunkt S des Ordnungspolytops ST ({(2, 4)}), so erhalten wir S = (0, 0, 0, 2, 2, 6) (Knouhesten Startzeitpunkte ten 4). F¨ ur ST ({(4, 2)}) ergibt sich der Vektor der fr¨ zu S = (0, 0, 2, 2, 1, 6) (Knoten 5), der zul¨ assig ist. Knoten 4 lässt sich nun mit Hilfe der Subset-Dominanz-Regel ausloten, da die zu Knoten 2 gehörige Ordnung O2 = {(2, 4)} eine Teilmenge der zu Knoten 4 gehörigen Ordnung O4 = {(1, 4), (2, 4)} ist und Knoten 2 bereits vollständig untersucht wurde. Die Subset-Dominanz-Regel kann noch weiter verschärft werden, wenn zus¨ atzlich die L¨ angen l¨ angster Wege dij zwischen den Knoten in die Betrachtungen einbezogen werden, d.h. gilt dij ≥ pi im Netzplan N (O), so kann der Ordnung O die Relation (i, j) hinzugef¨ ugt werden. Weitere Ausf¨ uhrungen zur Subset-Dominanz-Regel finden sich in (Zimmermann, 2001). 3.2.5 Branch-and-Bound-Verfahren In diesem Abschnitt stellen wir einen relaxationsbasierten Enumerationsansatz (Branch-and-Bound-Verfahren) zur L¨ osung des ressourcenbeschränkten Projektdauerminimierungsproblems vor, das auf dem in Abschnitt 3.2.1 eingef¨ uhrten relaxationsbasierten Enumerationsschema beruht. Vor Beginn des eigentlichen Branch-and-Bound-Verfahrens f¨ uhren wir Preprocessing-Schritte durch, um zus¨ atzliche Zeitbeziehungen zwischen den Vorgängen zu bestimmen, die alle zul¨ assigen Schedules erf¨ ullen m¨ ussen (vgl. Abschnitt 3.2.2). Durch die Ber¨ ucksichtigung dieser zusätzlichen Nebenbedingungen ist in der Regel eine Beschleunigung des Branch-and-Bound-Verfahrens möglich oder es kann bereits im Vorfeld gezeigt werden, dass der zulässige Bereich S des zugrunde liegenden Problems leer ist. Die Branching-Strategie des Branch-and-Bound-Verfahrens, die den Enumerationsbaum induziert, beruht auf dem in Abschnitt 3.2.1 beschriebenen relaxationsbasierten Enumerationsschema. Ausgangspunkt bildet dabei der zur Wurzel des Enumerationsbaumes geh¨ orige ES -Schedule. Ist dieser zeitund ressourcenzul¨ assig, so ist bereits die optimale Lösung gefunden. Andernfalls muss es mindestens einen Zeitpunkt t ∈ [0, d] geben, an dem ein Ressourcenkonflikt vorliegt. Die Menge der Vorg¨ ange A(S, t), die sich zum Zeitpunkt des Ressourcenkonfliktes in Ausf¨ uhrung befindet, bildet dann eine verbotene Menge. Durch Enumeration u ¨ber alle minimalen Verzögerungsmodi der verbotenen Menge A(S, t) entstehen neue Sohnknoten“ im Enumerationsbaum. ” Ein Vorgang i ∈ A(S, t) \ Amin wird dabei nur dann als schiebender Vorgang ausgew¨ ahlt, wenn keine der drei in Abschnitt 3.2.4 beschriebenen Auslotregeln (Ressourcenregel, RDM-Regel, DDA-Regel) greift. Ferner verwerfen wir einen neuen Sohnknoten, wenn wir mit Hilfe der Subset-Dominanz-Regel erkennen, dass wir das zugeh¨ orige Ordnungspolytop bereits untersucht haben. Sind alle Ressourcenkonflikte durch die Hinzunahme von Vorrangbeziehungen

234


beseitigt, so sind wir an einem Blatt des Enumerationsbaumes angekommen und der zugeh¨ orige Schedule S ist zul¨ assig. F¨ ur jeden Enumerationknoten berechnen wir eine untere Schranke LB f¨ ur den optimalen Zielfunktionswert des entsprechenden Teilbereichs. Um im Enumerationsbaum m¨ oglichst schnell in die Tiefe vorzudringen, verwenden wir als Suchstrategie eine Tiefensuche. Dabei wird unter den Knoten der aktuellen Ebene des Enumerationsbaumes an dem Knoten weiter verzweigt, der die kleinste untere Schranke LB := max(LBR, LB0 ) aufweist. Sobald eine zul¨ assige L¨ osung gefunden wurde, k¨ onnen alle Knoten und deren Nachfolger ausgelotet werden, die eine untere Schranke besitzen, welche größer ist als der Zielfunktionswert der besten bisher gefundenen Lösung. Existiert unter den Söhnen eines aktuell betrachteten Knotens keine zulässige Lösung oder ist die uhren wir untere Schranke gr¨ oßer als der beste Zielfunktionswert f (S ∗ ), so f¨ einen Backtracking-Schritt aus. Beim Erzeugen der Enumerationsknoten verwenden wir zum Ausloten von Knoten neben den drei Auslotregeln und der Subset-Dominanz Regel die schnell berechenbare untere Schranke LB . Bevor von einem Enumerationsknoten weiter verzweigt wird, pr¨ ufen wir dann mit den schärferen unteren Schranken LBW und LBD, ob der jeweilige Knoten nicht doch ausgelotet werden kann. Algorithmus 3.25 zeigt die einzelnen Schritte des Branch-andBound-Verfahrens, wobei Ω ein Stapel der noch zu betrachtenden Enumerationsknoten ist und Λ eine Menge, die zur Sortierung der Söhne eines Enumerationsknotens dient. Ist die obere Schranke UB bei Beendigung des Algorithmus kleiner als d + 1 (Initialisierungswert), wurde ein optimaler Schedule S ∗ gefunden. Andernfalls ist S = ∅. Algorithmus 3.25 (Branch-and-Bound-Verfahren f¨ ur Problem (3.3) mit dem Ziel der Projektdauerminimierung). F¨ uhre Preprocessing durch. Falls S = ∅: Abbruch! Initialisiere den Stapel Ω := {∅} und die obere Schranke UB := d + 1. Solange Ω = ∅: Entnimm die erste Ordnung O vom Stapel Ω. Bestimme Schedule S := min ST (O). Falls S zul¨ assig: ∗ . Falls Sn+1 < UB : Setze S ∗ := S und UB := Sn+1 Andernfalls Berechne LBW mit ES = S und LBD f¨ ur den Netzplan N (O). Falls max(LBW , LBD) < UB : Bestimme den kleinsten Zeitpunkt t ≥ 0, an dem ein Ressourcenkonflikt vorliegt. Berechne die Menge A aller minimalen Verzögerungsalternativen f¨ ur die verbotene Menge F = A(S, t).


235

Initialisiere die Menge Λ := ∅. F¨ ur alle Amin ∈ A: F¨ ur alle i ∈ A(S, t)\Amin , die nicht durch eine der Auslotregeln (1) – (3) ausgeschlossen werden: F¨ uge Vorrangbeziehungen zwischen i und allen Vorgängen j ∈ Amin ein, d.h. setzte O := tr(O ∪ {(i, j) | j ∈ Amin }). Falls ST (O ) = ∅ und ST (O ) nicht Teilmenge eines bereits untersuchten Bereichs ist: Bestimme Schedule S = min ST (O ). ) < UB : Falls LB := max(LBR, Sn+1 Setze Λ := Λ ∪ {O }. Entnimm Ordnungen O der Menge Λ und f¨ uge sie dem Stapel Ω gemäß nicht wachsender Werte von LB hinzu. assige Bereich ist leer, S = ∅) Falls UB = d + 1: Abbruch! (der zul¨ ∗ Andernfalls R¨ uckgabe S . Das nachfolgende Beispiel verdeutlicht die Vorgehensweise des Branch-andBound-Verfahrens. Beispiel 3.26. Gegeben seien der Netzplan in Abbildung 3.26 mit einer erneuerbaren Ressource und eine Ressourcenkapazität von R = 2. Im Folgenden f¨ uhren wir das Branch-and-Bound-Verfahren zur Lösung des Projektdauerminimierungsproblems durch. Dabei verzichten wir der Einfachheit halber auf die Anwendung der Subset-Dominanz-Regel und die Bestimmung der destruktiven unteren Schranke LBD. -16 1 -3 1 1 0 -2 -3 6 0? 7 3 -? 2 0 1 @ 0 @ 6 @2 @ 2 -6 @ @ @ @ 2 R @ -8 R 3 @ -4 2

2 4 @ 1 @ 4 -2 @ 1 ? @ 0 2 R @ 7 5 0 1 1 1 6 2

pi

Legende:

i ri

δij

pj

- j

rj


Vor Beginn des eigentlichen Branch-and-Bound-Verfahrens f¨ uhren wir ein Preprocessing durch, wobei wir das konjunktive Zweier-Preprocessing einmal

236


anwenden. Es ergibt sich die Menge der zweielementigen verbotenen Mengen F2 = {{1, 3}, {1, 6}, {2, 3}, {2, 6}, {3, 6}, {4, 3}, {4, 6}, {5, 3}, {5, 6}}. Die einzelnen Schritte des Preprocessing sind in Tabelle 3.8 angegeben. Tabelle 3.8. Preprocessing-Schritt {i, j}

−dij < pj

−dji < pi

{1, 3} {1, 6} {2, 3} {2, 6} {3, 6} {4, 3} {4, 6} {5, 3} {5, 6}

−d13 −d16 −d23 −d26 −d36 −d43 −d46 −d53 −d56

−d31 −d61 −d32 −d62 −d63 −d34 −d64 −d35 −d65

= 5 < p3 = 2 = 1 < p6 = 1 = 2 < p3 = 2 = −2 < p6 = 1 = 0 < p6 = 1 = 7 < p3 = 2 = 3 < p6 = 1 = 9 < p3 = 2 = 5 < p6 = 1


= 13 < p1 = 1 = 15 < p1 = 1 = 6 < p2 = 6 = 10 < p2 = 6 2, 6 mit δ26 = 6 3, 6 mit δ36 = 2 = 4 < p3 = 2 = 8 < p4 = 2 = 12 < p4 = 2 = −1 < p5 = 1 3, 5 mit δ35 = 2 = 2 < p5 = 1

Wir initialisieren den Stapel Ω = {∅} und die obere Schranke UB = 17. Da die untere Schranke LBR nicht vom aktuellen Schedule abhängt, kann sie vor Beginn der Iterationen berechnet werden. Es ergibt sich LBR = (0 + 1 + 6 + 4 + 2 + 1 + 2 + 0)/2 = 16/2 = 8. In der ersten Iteration entfernen wir die Ordnung O = ∅ vom Stapel Ω und bestimmen den ES-Schedule des Ordnungspolytops ST (∅). Es ergibt sich S = (0, 0, 3, 5, 1, 10, 9, 12). Da S nicht zulässig ist, bestimmen wir die workloadbasierte untere Schranke LBW mit ES = S. F¨ ur die einzelnen Vorgänge i ∈ V ergeben sich die folgenden workloadbasierten unteren Schranken S0 + wk (S0 , d)/2 = S1 + wk (S1 , d)/2 = S2 + wk (S2 , d)/2 = S3 + wk (S3 , d)/2 = S4 + wk (S4 , d)/2 = S5 + wk (S5 , d)/2 = S6 + wk (S6 , d)/2 = S7 + wk (S7 , d)/2 =

0 + 16/2 = 0 + 16/2 = 3 + 13/2 = 5 + 11/2 = 1 + 15/2 = 10 + 1/2 = 9 + 3/2 = 12 + 0/2 =

0+8= 0+8= 3+7= 5+6= 1+8= 10 + 1 = 9+2= 12 + 0 =

8 8 10 11 9 11 11 12 .

Wir erhalten die untere Schranke LBW = 12. Da LBW < UB = 17 erf¨ ullt ist, fahren wir fort und bestimmen den kleinsten Zeitpunkt, an dem ein Ressourcenkonflikt vorliegt. Zum Zeitpunkt t = 5 ist die aktive Menge A(S, 5) = {2, 3} verboten. Die Menge A aller minimalen Verzögerungsalternativen ergibt sich zu A = {{2}, {3}}. Von den zugehörigen Verzögerungsmodi (3, {2}) und (2, {3}), f¨ uhrt nur (2, {3}) zu einer Ordnung O mit ST (O ) = ∅.


237

Nun bestimmen wir den Vektor der fr¨ uhesten Startzeitpunkte des Ordnungspolytops ST (O ) mit O = {(2, 3)}. Es ergibt sich S = (0, 0, 3, 9, 1, 11, 11, 13), = 13. Somit erhalten wir die untere d.h. f¨ ur die Projektdauer gilt Sn+1 ugen die OrdSchranke LB := max(LBR, Sn+1 ) = max(8, 13) = 13. Wir f¨ nung O = {(2, 3)} der Menge Λ hinzu. Damit sind alle Verzögerungsmodi betrachtet, die A(S, 5) entzerren, und wir f¨ ugen die Elemente von Λ nach nicht wachsenden LB -Werten dem Stapel Ω hinzu. In der zweiten Iteration entnehmen wir die Ordnung O = {(2, 3)} dem Stapel Ω. Der ES-Schedule des Ordnungspolytops ST (O) mit O = {(2, 3)} ergibt sich zu S := (0, 0, 3, 9, 1, 11, 11, 13). Da S nicht zulässig ist, bestimmen wir die workloadbasierte untere Schranke LBW mit ES = S. F¨ ur die einzelnen Vorg¨ ange ergeben sich die workloadbasierten unteren Schranken wie folgt S0 + wk (S0 , d)/2 = S1 + wk (S1 , d)/2 = S2 + wk (S2 , d)/2 = S3 + wk (S3 , d)/2 = S4 + wk (S4 , d)/2 = S5 + wk (S5 , d)/2 = S6 + wk (S6 , d)/2 = S7 + wk (S7 , d)/2 =

0 + 16/2 = 0 + 16/2 = 3 + 13/2 = 9 + 7/2 = 1 + 15/2 = 11 + 3/2 = 11 + 3/2 = 13 + 0/2 =

0+8= 8 0+8= 8 3 + 7 = 10 9 + 4 = 13 1+8= 9 11 + 2 = 13 11 + 2 = 13 13 + 0 = 13

Wir erhalten die untere Schranke LBW = 13. Da die Bedingung LBW < UB = 17 erf¨ ullt ist, fahren wir fort. Zun¨ achst bestimmen wir den kleinsten Zeitpunkt, an dem ein Ressourcenkonflikt vorliegt. Zum Zeitpunkt t = 11 ist die aktive Menge A(S, 11) = {5, 6} verboten und es gilt A = {{5}, {6}}. Beide Verz¨ ogerungsmodi (5, {6}) und (6, {5}) f¨ uhren zu Ordnungen O mit ogerungsmodus (5, {6}). F¨ ur den ST (O ) = ∅. Betrachten wir zuerst den Verz¨ Vektor der fr¨ uhesten Startzeitpunkte des Ordnungspolytops ST (O ) mit O = {(2, 3), (5, 6)} ergibt sich S = (0, 0, 3, 9, 1, 11, 12, 13). Somit erhalten wir die ) = max(8, 13) = 13. Die untere Schranke LB gem¨ aß LB := max(LBR, Sn+1 ugt. Gehen wir nun Ordnung O = {(2, 3), (5, 6)} wird der Menge Λ hinzugef¨ auf den Verzögerungsmodus (6, {5}) ein. F¨ ur den ES -Schedule des Ordnungspolytops ST (O ) mit O = {(2, 3), (6, 5)} gilt S = (0, 0, 3, 9, 1, 12, 11, 14). Die untere Schranke LB ist daher LB := max(8, 14) = 14. Die Ordnung ugt. Danach werden die OrdO = {(2, 3), (6, 5)} wird der Menge Λ hinzugef¨ aß nicht wachsender Werte von LB auf den Stapel Ω nungen O ∈ Λ gem¨ gelegt. Es ergibt sich Ω = {{(2, 3), (5, 6)}, {(2, 3), (6, 5)}}. In der n¨ achsten Iteration entfernen wir die Ordnung O = {(2, 3), (5, 6)} vom Stapel Ω. Der ES -Schedule des zugeh¨ origen Ordnungspolytops ist S := (0, 0, 3, 9, 1, 11, 12, 13). Da S zul¨ assig ist und Sn+1 = 13 < UB = 17, setzen wir S ∗ := S und UB := 13. Im letzten Schritt entnehmen wir schließlich die Ordnung O = {(2, 3), (6, 5)} dem Stapel Ω. Der ES -Schedule des zugeh¨ origen Ordnungspolytops ist S := (0, 0, 3, 9, 1, 12, 11, 14). Da S zul¨ assig ist, aber Sn+1 = 14 < UB = 13 gilt, wird der beste bislang gefundene Schedule S ∗

238


nicht ersetzt. Nun ist Ω = ∅. Das Verfahren terminiert und wir haben mit S ∗ = (0, 0, 3, 9, 1, 11, 12, 13) mit Zielfunktionswert f (S ∗ ) = 13 eine optimale Lösung des Projektdauerminimierungsproblems bestimmt. In Abbildung 3.27 ist der entstandene Enumerationsbaum dargestellt. 0

?

2, 3 1 5, 6 2 optimal mit ES 7 = 13

@ @ R @ 6, 5 3 zul¨ assig mit ES 7 = 14

Abb. 3.27. Enumerationsbaum

3.3 Exakte L¨ osungsverfahren fu ¨ r weitere Zielfunktionen Zur L¨ osung von Projektplanungsproblemen (3.3) mit Zielfunktion (MFT ), (WST ), (E + T ) bzw. (NPV ) kann der in Abschnitt 3.2.5 vorgestellte relaxationsbasierte Enumerationsansatz angepasst werden. Die f¨ ur die einzelnen Zielfunktionen notwendigen Modifikationen behandeln wir in Abschnitt 3.3.1. Projektplanungsprobleme (3.3) mit Zielfunktion (RI ), (RD) bzw. (RL) können mit Hilfe einer Erweiterung des ger¨ ustbasierten Enumerationsansatzes aus Abschnitt 2.2.4 gel¨ ost werden. In Abschnitt 3.3.2 gehen wir n¨ aher auf die hierzu notwendigen Modifikationen ein. Um den zulässigen Bereich S schon im Vorfeld einzuschr¨ anken oder um zu zeigen, dass ST = ∅ gilt, empfiehlt sich abermals die Anwendung von Preprocessing-Techniken. Die in Abschnitt 3.2.2 vorgestellten PreprocessingTechniken k¨ onnen ganz unabh¨ angig von der Zielfunktion f¨ ur ressourcenbeschränkte Projektplanungsprobleme angewendet werden. Daher werden wir diese nachfolgend nicht weiter thematisieren. 3.3.1 Relaxationsbasierter Enumerationsansatz Der in Abschnitt 3.2.5 eingef¨ uhrte relaxationsbasierte Enumerationsansatz kann prinzipiell f¨ ur Problem (3.3) mit regul¨ arer, linearer, konvexer oder binärmonotoner Zielfunktion angewendet werden. Voraussetzung f¨ ur eine sinnvolle Anwendung ist allerdings, dass sich die entsprechende Ressourcenrelaxation effizient l¨ osen l¨ asst, d.h. eine Minimalstelle S + der Funktion f muss

3.3 Exakte L¨ osungsverfahren f¨ ur weitere Zielfunktionen

239

auf dem zeitzul¨ assigen Bereich ST bzw. auf einem Ordnungspolytop ST (O) ¨ effizient bestimmt werden k¨ onnen. Anderungen des relaxationsbasierten Enumerationsansatzes betreffen die Initialisierung der oberen Schranke UB , die Bestimmung einer unteren Schranken LB0 f¨ ur den optimalen Zielfunktionswert des aktuellen Bereichs (Ordnungspolytops) und die Wahl der Auslotregeln. Als untere Schranke benutzen wir das Pendant zur unteren Schranke LB0 bei der Projektdauerminimierung, d.h. LB0 := f (S + ). Die unteren Schranken LBR, LBD und LBW können in der in Abschnitt 3.2.3 beschriebenen Form nicht genutzt werden. Sie werden daher im Folgenden nicht weiter betrachtet. Die Auslotregeln (1) und (3) aus Abschnitt 3.2.4 können u ¨bernommen werden. Auch die Anwendung der Subset-DominanzRegel ist m¨ oglich. F¨ ur regul¨ are Zielfunktionen (z.B. (MFT )), die monoton wachsend in den Startzeitpunkten der einzelnen Vorg¨ ange sind, erfolgt die Initialisierung der oberen Schranke f¨ ur den optimalen Zielfunktionswert durch UB := f (LS ) + 1. F¨ ur die Zielfunktion (WST ) ergibt sich eine obere Schranke f¨ ur den optimalen Zielfunktionswert, indem wir alle Vorg¨ ange mit positivem Gewicht, d.h. die Vorg¨ ange aus der Menge V + := {i ∈ V | wi > 0}, so spät wie möglich und alle Vorg¨ ange mit negativem Gewicht, d.h. die Vorgänge aus der Menge uh wie m¨ oglich einplanen, und zum zugehörigen V − := {h ∈ V | wi < 0}, so fr¨ Zielfunktionswert einen positiven Wert addieren. Somit ergibt sich wi LS i + wj ES j + 1. UB := i∈V +

j∈V −

Analog planen wir f¨ ur die Zielfunktion (NPV ) alle Vorgänge die zu einer Einzahlung f¨ uhren, d.h. die Vorg¨ ange aus V + := {h ∈ V | cF h > 0}, so spät wie m¨ oglich und alle Vorg¨ ange die zu einer Auszahlung f¨ uhren, d.h. die uh wie möglich ein. Wir erhalten Vorg¨ ange aus V − := {h ∈ V | cF h < 0}, so fr¨ LS i ES j UB := cF + cF + 1. i β j β i∈V +

j∈V −

F¨ ur Zielfunktion (E + T ) w¨ ahlen wir als obere Schranke f¨ ur den optimalen Zielfunktionswert T max{cE UB := i di , ci (d − di )} + 1. i∈V

Insgesamt liest sich das modifizierte relaxationsbasierte Branch-and-Bound Verfahren wie folgt.

240


Algorithmus 3.27 (Branch-and-Bound-Verfahren f¨ ur Problem (3.3) mit Zielfunktion (MFT ), (WST ), (NPV ) bzw. (E + T )). F¨ uhre Preprocessing durch. Falls S = ∅: Abbruch! Initialisiere den Stapel Ω := {∅}. Initialisiere obere Schranke UB in Abh¨ angigkeit von der Zielfunktion f und setze S ∗ := (0, . . . , 0)T ∈ Rn+2 . Solange Ω = ∅: Entnimm die erste Ordnung O vom Stapel Ω. Bestimme eine Minimalstelle S + von Funktion f auf ST (O). Falls S + zul¨ assig ist: Falls f (S + ) < UB : Setze S ∗ := S + und UB := f (S + ). Andernfalls Falls LB0 = f (S + ) < UB : Bestimme den kleinsten Zeitpunkt t ≥ 0, an dem ein Ressourcenkonflikt vorliegt. Berechne die Menge A aller minimalen Verzögerungsalternativen f¨ ur die verbotene Menge F = A(S + , t). Initialisiere die Menge Λ := ∅. F¨ ur alle Amin ∈ A: F¨ ur alle i ∈ A(S + , t) \ Amin , die nicht durch eine der Auslotregeln (1) und (3) ausgeschlossen werden: F¨ uge Vorrangbeziehungen zwischen i und allen Vorgängen j ∈ Amin ein, d.h. setzte O := tr(O ∪ {(i, j) | j ∈ Amin }). Falls ST (O ) = ∅ und ST (O ) nicht Teilmenge eines bereits untersuchten Bereichs ist: Bestimme die Minimalstelle S+ von f auf ST (O ). Berechne die untere Schranke LB0 = f (S+ ). Falls LB0 < UB : Setze Λ := Λ ∪ {O }. Entnimm Ordnungen O der Menge Λ und f¨ uge sie dem Stapel Ω gem¨ aß nicht wachsender Werte von LB0 hinzu. R¨ uckgabe S ∗ . uck gibt, bedeutet dies, Falls Algorithms 3.27 den Schedule S ∗ = 0 zur¨ dass keine zul¨ assige L¨ osung gefunden wurde und somit der zulässige Bereich des zugrunde liegenden Problems leer ist. Im Folgenden veranschaulichen wir die Vorgehensweise des Branch-and-Bound-Verfahrens an einem Beispiel. Beispiel 3.28. Betrachten wir den in Abbildung 3.28 dargestellten Projektnetzplan mit einer erneuerbaren Ressource und einer maximalen Projektdauer at von R = 2 gegeben. Die einvon d = 5. Ferner sei eine Ressourcenkapazit¨


241

zelnen Vorg¨ ange des Projektes seien mit Gewichten w0 = 0, w1 = 3, w2 = −2, w3 = −1, w4 = 1 und w5 = 2 bewertet. 1 2 1 2 Q 1 -3 0 3 Q1 2 1 Q

0 0 Q 1 0 Q

0 5 3 0

s Q

-5

Q 1 s Q 3 1

4 1 0 - 4 1

Legende: pj pi δij - j i rj ri

Abb. 3.28. Projektnetzplan N mit vier realen Vorg¨ angen

Wir wenden im Folgenden Algorithmus 3.27 ohne Preprocessing und Auslotregeln f¨ ur obige Probleminstanz mit Zielfunktion (WST ) an. Die Zielfunkur die entsprechention f (S) = i∈V wi Si ist eine lineare Funktion, so dass f¨ de Ressourcenrelaxation die Ecken des zeitzul¨ assigen Bereichs als optimale ¨ Lösungen in Frage kommen. Der Ubersichtlichkeit halber l¨ osen wir die Ressourcenrelaxation aber nicht mit dem in Abschnitt 2.2.2 eingef¨ uhrten Verfahren, sondern betrachten jeweils alle Eckpunkte des jeweiligen Ordnungspolytops und wählen die Ecke mit dem kleinsten Zielfunktionswert. Zu Beginn setzen wir Ω := {∅}. Um die obere Schranke UB f¨ ur die Zielfunktion (WST ) zu bestimmen, bilden wir zun¨ achst die Mengen V + := {i ∈ V | wi > 0} = {1, 4, 5} und V − := {h ∈ V | wi < 0} = {2, 3}. at wie m¨ oglich und die Vorg¨ ange Die Vorgänge aus V + werden nun so sp¨ uh wie m¨ oglich eingeplant. Somit ergibt sich UB := aus der Menge V − so fr¨ 3 · 3 + 1 · 1 + 2 · 5 + (−2 · 1 − 1 · 1) + 1 = 20 − 3 + 1 = 18. Im ersten Hauptschritt entnehmen wir die Ordnung O = ∅ dem Stapel Ω und bestimmen die Minimalstelle S + von (WST ) auf dem Ordnungspolytop assigen Bereich ST des Projektes. Da ST (∅). Dazu betrachten wir den zeitzul¨ die Vorgänge 3 und 4 zeitlich fixiert sind, stellen wir ST als S1 -S2 -Schnitt dar; vgl. Abbildung 3.29. Von den Ecken S 1 , . . . , S 4 besitzt S 2 = (0, 0, 3, 1, 1, 5) den kleinsten Zielfunktionswert mit f (S 2 ) = 4, d.h. S + = (0, 0, 3, 1, 1, 5). Da ur S + liegt zum Zeitpunkt t = 1 ein f (S 2 ) = 4 < UB = 18 fahren wir fort. F¨ Ressourcenkonflikt vor. Die Menge A aller minimalen Verz¨ ogerungsalternativen der verbotenen Menge F = A(S + , 1) ergibt sich zu A = {{1}, {3}, {4}}. Von den zugehörigen minimalen Verz¨ ogerungsmodi (3, {1}) (4, {1}) (1, {3}) (4, {3}) (1, {4}) (3, {4}) f¨ uhren nur (3, {1}) und (4, {1}) zu Ordnungen O mit ST (O ) = ∅. Bestimmen wir nun die Minimalstelle S+ von (WST ) auf dem Ordnungsorigen S1 -S2 -Schnitt polytop ST ({(3, 1)}). Dazu betrachten wir den zugeh¨ von ST ({(3, 1)}) in Abbildung 3.29. Von den Ecken S 4 , S 5 und S 6 besitzt S 6 = (0, 2, 4, 1, 1, 5) den kleinsten Zielfunktionswert mit f (S 6 ) = 8. Aus diesem Grund setzen wir S+ = (0, 2, 4, 1, 1, 5). Da f (S+ ) = 8 < UB = 18 gilt,

242


S2

6

Sq 3

6

Sq 4

Sq 4

S6 q S5 q

S2 q

S1 q

- S1

- S1

Abb. 3.29. S1 -S2 -Schnitte der Bereiche ST ({∅}) und ST ({(3, 1)}) bzw. ST ({(4, 1)})

f¨ ugen wir die Ordnung O = {(3, 1)} der Menge Λ hinzu. Nun bestimmen wir die Minimalstelle S+ von (WST ) auf dem Ordnungspolytop ST ({(4, 1)}). Der zeitzulässige Bereich des Ordnungspolytops ST ({(4, 1)}) ist gleich dem zeitzulässigen Bereich des Ordnungspolytops ST ({(3, 1)}). Daher ergibt sich S+ wieder zu S+ = (0, 2, 4, 1, 1, 5) und wir speichern O = {(4, 1)} in der Menge aß nicht wachsender Λ. Danach werden die Ordnungen O dem Stapel Ω gem¨ Werte von LB0 hinzugef¨ ugt, es ergibt sich Ω = {(3, 1), (4, 1)}. In der zweiten Iteration entnehmen wir die Ordnung O = {(3, 1)} dem Stapel Ω. Die Minimalstelle S+ von (WST ) auf ST ({(3, 1)}) ist S + = assig ist und f (S + ) = 8 < UB = 18, setzen wir (0, 2, 4, 1, 1, 5). Da S + zul¨ ∗ + S := S und UB := 8. In der letzten Iteration entnehmen wir schließlich die Ordnung O = {(4, 1)} dem Stapel Ω. Die Minimalstelle S+ von (WST ) assig ist, aber auf ST ({(4, 1)}) ist ebenfalls S + = (0, 2, 4, 1, 1, 5). Da S + zul¨ f (S + ) < UB = 8 gilt, terminiert der Algorithmus. Abbildung 3.30 zeigt die Gantt-Charts der Schedules S + , die im Laufe des Verfahrens betrachtet werden.

r(S + , t)

r(S + , t)

r(S + , t)

4 r rq r qr 3 2 1 r rq r 2

4

6

6

6 r rq 2

c) O = {(4, 1)}

b) O = {(3, 1)}

a) O = ∅

2

-t 6

r qr r qr 4r rq 2 r qr 3 1 -t 2

4

2

r qr r qr 4r rq 2 r qr 3 1 -t

6

Abb. 3.30. Gantt-Charts der Schedules S

2 +

4

6


243

3.3.2 Ger¨ ustbasierter Enumerationsansatz F¨ ur Projektplanungsprobleme (3.3) mit lokal regulärer oder lokal konkaver Zielfunktion ist schon die L¨ osung der Ressourcenrelaxation sehr aufwändig. Daher verwenden wir wie in Abschnitt 2.2.4 einen ger¨ ustbasierten Enumerationsansatz zur L¨ osung dieser Probleme, wobei wir wie in Algorithmus 2.33 anstelle von Teilger¨ usten Teilschedules betrachten, die sukzessive zu Schedules erg¨ anzt werden. Ausgehend von Teilschedule (C, S C ) mit C = {0} und S C = (0) legen wir schrittweise Startzeitpunkte von Vorgängen fest, indem wir auf jeder Ebene des Enumerationsbaumes mit Hilfe der folgenden Bedingungen (i)–(iv) pr¨ ufen, ob eine bindende Zeit- oder Vorrangbeziehung von einem Vorgang i ∈ C zu einem Vorgang j etabliert werden kann, der noch nicht eingeplant wurde. Dabei muss Vorgang j ressourcenzul¨ assig eingeplant werden können, ur alle d.h. es existiert ein Zeitpunkt t ∈ Wj (S C ) mit rk (S C , τ ) + rjk ≤ Rk f¨ ur den Fall ohne Ressourcenrestriktionen sind τ ∈ [t, t + pj [ und k ∈ R. Wie f¨ insgesamt vier Bedingungen zu pr¨ ufen: (i) Si + δij = ES j , ur rk (S C , τ ) + rjk ≤ Rk f¨ (ii) Si − δji = LS j rk (S C , τ ) + rjk ≤ Rk f¨ ur (iii) ES j ≤ Si + pi ≤ LS j rk (S C , τ ) + rjk ≤ Rk f¨ ur (iv) ES j ≤ Si − pj ≤ LS j rk (S C , τ ) + rjk ≤ Rk f¨ ur

alle τ ∈ [ES j , ES j + pj [, k ∈ R alle τ ∈ [LS j , LS j + pj [, k ∈ R alle τ ∈ [Si + pi , Si + pi + pj [, k ∈ R alle τ ∈ [Si − pj , Si [, k ∈ R.

Ist Bedingung (i) erf¨ ullt, so kann eine bindende Zeitbeziehung der Form Sj − ur den Startzeitpunkt von Vorgang j Si = δij zu Knoten j etabliert werden. F¨ ergibt sich Sj = ES j = Si + δij . Gilt Bedingung (ii), dann kann eine bindende ugt werden. Der Zeitbeziehung der Form Si − Sj = δji zu Knoten j eingef¨ Startzeitpunkt von Vorgang j ergibt sich gemäß Sj = LS j = Si − δji . Ist eine der Bedingungen (iii) oder (iv) erf¨ ullt, so kann eine Vorrangbeziehung der Form Sj − Si = pi bzw. Si − Sj = pj zu Knoten j etabliert werden. Der Startzeitpunkt von Vorgang j ergibt sich dann zu Sj = Si + pi bzw. S j = S i − pj . ¨ Anderungen des ger¨ ustbasierten Enumerationsansatzes betreffen weiterhin die Bestimmung einer oberen Schranke f¨ ur den optimalen Zielfunktionswert des zugrunde liegenden Problems und die Bestimmung unterer Schranken f¨ ur den optimalen Zielfunktionswert des aktuellen Teilbereichs. Als untere Schranken benutzen wir LB0 := f (S C ) und die in Abschnitt 2.2.4 spezifizierte workloadbasierte untere Schranke LBA. F¨ ur die Zielfunktion (RI ) erfolgt die Initialisierung der oberen Schranke f¨ ur den optimalen Zielfunktionswert durch cP UB := rik + 1. k k∈R

i∈V

244


F¨ ur die Zielfunktionen (RD) und (RL) bestimmen wir zunächst die maximale Vorgangsdauer pmax := maxi∈V pi des zugrunde liegenden Projektes. Mit ur den optimalen ZielfunktiHilfe von pmax ergibt sich eine obere Schranke f¨ onswert eines Problems (3.3) mit Zielfunktion (RD) zu UB := rik − Yk pmax + 1 k∈R

i∈V

und f¨ ur die Zielfunktion (RL) zu UB :=

k∈R

2 rik

pmax + 1.

i∈V

Im Einzelnen l¨ asst sich das Branch-and-Bound-Verfahren f¨ ur Problem (3.3) mit Zielfunktion (RD) bzw. (RL) wie folgt beschreiben. Seien Ω der Stapel, auf den die noch zu erweiternden Teilschedules (C, S C ) gelegt werden, und Ψ die Menge aller bislang generierten Teilschedules. Im Initialisierungsuhesschritt setzen wir C := {0} und S C := (0). Weiterhin werden die fr¨ ten und sp¨ atesten Startzeitpunkte aller Vorg¨ ange bestimmt. Gilt zu Beginn des Verfahrens oder im weiteren Verfahrensverlauf f¨ ur einen Vorgang i, dass ES i = LS i ist, so wird Vorgang i zum Zeitpunkt Si := ES i eingeplant und C sowie S C werden entsprechend aktualisiert. Schließlich initialisieren wir eine obere Schranke UB in Abh¨ angigkeit von der Zielfunktion f und den Stapel Ω := {({0}, (0))} sowie die Menge Ψ := {({0}, (0))}. In jeder Iteration entufen, ob C bereits alle nehmen wir einen Teilschedule {(C, S C )} aus Ω und pr¨ Knoten des zugrunde liegenden Projektnetzplans beinhaltet. Gilt C = V und ist der Zielfunktionswert der gefundenen L¨ osung kleiner als die obere Schranke UB f¨ ur den optimalen Zielfunktionswert, so speichern wir den aktuellen Schedule in S ∗ und setzen UB := f (S ∗ ). Ist C = V , dann versuchen wir, aß der vier Fälle (i)–(iv) zu erweitern. Daden aktuellen Teilschedule S C gem¨ bei speichern wir f¨ ur alle Vorg¨ ange j ∈ V \ C in einer Menge Tj jeweils alle möglichen Startzeitpunkte, zu denen Vorgang j zeitund ressourcenzulässig an das betrachtete Ger¨ ust angebunden werden kann. Die neu entstandenen Teilschedules (C , S C ) werden, wenn ihre untere Schranke kleiner als UB ist, den Mengen Λ und Ψ hinzugef¨ ugt. Danach werden die Teilschedules (C, S C ) der Menge Λ entnommen und dem Stapel Ω gemäß nicht wachsender Werte ugt. Es werden solange Teilschedules aus Ω entnommen, von LB0 (S C ) hinzugef¨ bis Ω = ∅ gilt. Algorithmus 3.29 (Branch-and-Bound-Verfahren f¨ ur Problem (3.3) mit Zielfunktion (RD) bzw. (RL)). Setze C := {0}, S C := (0). ur alle i, j ∈ V . Bestimme die L¨ angen l¨ angster Wege dij f¨ ur alle i ∈ V \ {0}. Setze ES i := d0i und LS i := −di0 f¨


245

Falls ES i = LS i f¨ ur ein i ∈ V : Setze Si := ES i , C = C ∪ {i}. Bestimme die obere Schranke UB in Abh¨ angigkeit von der Zielfunktion f . C Initialisiere den Stapel Ω := {(C, S )} und die Menge Ψ := {(C, S C )}. Solange Ω = ∅: Entnimm das oberste Paar (C, S C ) vom Stapel Ω. Falls C = V : Falls f (S C ) < UB : Setze S ∗ := S C und UB := f (S ∗ ). Andernfalls : Falls LBA(S C ) < UB : F¨ ur alle j ∈ V \ C: Initialisiere die Menge Λ := ∅. Setze Tj := ∅. Setze ES j := max{ES j , maxi∈C (Si + dij )} und LS j := min{LS j , mini∈C (Si − dji )}. F¨ ur alle i ∈ C: ur (i) Falls i, j ∈ E, Si + δij = ESj und rk (S C , τ ) + rjk ≤ Rk f¨ alle τ ∈ [ES j , ES j + pj [, k ∈ R: Setze Tj := Tj ∪ {Si + δij }. (ii) Falls j, i ∈ E, Si − δji = LSj und rk (S C , τ ) + rjk ≤ Rk f¨ ur alle τ ∈ [LS j , LS j + pj [, k ∈ R: Setze Tj := Tj ∪ {Si − δji }. ur (iii) Falls ES j ≤ Si + pi ≤ LS j und rk (S C , τ ) + rjk ≤ Rk f¨ alle τ ∈ [Si +pi , Si +pi +pj [, k ∈ R: Setze Tj := Tj ∪{Si +pi }. ur (iv) Falls ES j ≤ Si − pj ≤ LS j und rk (S C , τ ) + rjk ≤ Rk f¨ alle τ ∈ [Si − pj , Si [, k ∈ R: Setze Tj := Tj ∪ {Si − pj }. F¨ ur alle t ∈ Tj : Setze Sj := t, C := C ∪ {j}. F¨ ur alle h ∈ V \ C : Falls max(ES h , Sj + djh ) = min(LS h , Sj − dhj ) : Setze Sh := max(ES h , Sj + djh ) und C = C ∪ {h}.

Falls (C , S C ) ∈ / Ψ und LB0 (S C ) < UB : Setze Λ := Λ ∪ {(C , S C )} und Ψ := Ψ ∪ {(C , S C )}. uge sie dem Stapel Entnimm die Teilschedules (C, S C ) aus Λ und f¨ Ω gemäß nicht wachsender Werte von LB0 (S C ) hinzu. R¨ uckgabe S ∗ . Algorithmus 3.29 generiert alle Extremalpunkte von Schedulepolytopen ur Projektplanungsproblem (3.3) mit Zielfunktion (RI ) ST (O(S)), S ∈ S. F¨ m¨ ussen nur Minimalpunkte der Schedulepolytope ST (O(S)), S ∈ S generiert werden. In diesem Fall sind die Abfragen (ii) und (iv) in Algorithmus 3.29 zu eliminieren. Aus enumerationstechnischer Sicht sind ressourcenbeschränkte Projektplanungsprobleme (3.3) mit lokal regulärer oder lokal konkaver Ziel-

246


funktion einfacher zu l¨ osen als entsprechende Probleme ohne Ressourcenrestriktionen, da viele Knoten des Enumerationsbaumes aufgrund der Ressourcenrestriktionen ausgelotet werden k¨ onnen. Das folgende Beispiel veranschaulicht die Vorgehensweise des ger¨ ustbasierten Enumerationsansatzes f¨ ur ein ressourcenbeschränktes Ressourceninvestmentproblem. Beispiel 3.30. Betrachten wir den Projektnetzplan in Abbildung 3.31 mit zwei realen Vorg¨ angen. Die Ressourcenkapazität sei R = 1. Der zugehörige assigen Bereichs S ist in Abbildung 3.31 dargestellt. Mit S1 -S2 -Schnitt des zul¨ Hilfe von Algorithmus 3.29 soll nun eine optimale Lösung f¨ ur das entsprechende Ressourceninvestmentproblem bestimmt werden. Dabei verwenden wir der Einfachheit halber nur die untere Schranke LB0 , d.h. wir ersetzen LBA in Algorithmus 3.29 durch LB0 und gehen von Bereitstellungskosten cP = 1 aus, so dass wir f (S) = maxt∈[0,5] r(S, t) als zu minimierende Zielfunktion erhalten. S2

6

1 1 1 −1 1 - 2 −2 J

1 1 1 J1

0

0 0

2

−4

J 0 J ^? 3 0

3

S3

r

2

S2

r

Sr 5

r

S4

1

- S1

r

S1

2

Abb. 3.31. Projektnetzplan und S1 -S2 -Schnitt des zul¨ assigen Bereichs S

Im Initialisierungsschritt setzen wir C := {0}, S C := (0), Ω := {({0}, (0))} und Ψ := {({0}, (0))}. Weiterhin bestimmen wir ES := (0, 1, 0, 2) und LS := (0, 3, 3, 4) sowie die obere Schranke ri + 1 = 2 + 1 = 3. UB := i∈V

Im ersten Iterationsschritt entfernen wir aus Ω den Teilschedule ({0}, (0)). Da die untere Schranke LB 0 des Teilschedules kleiner als die obere Schranke UB ist, fahren wir fort. Die Aktualisierung der ES- und LS -Werte f¨ uhrt zu keinen Ver¨ anderungen. Wir pr¨ ufen nun anhand der Bedingungen (i) und (iii), ob zwischen Knoten 0 und einem Knoten aus der Menge {1, 2, 3} eine bindende Zeit- bzw. Vorrangbeziehung etabliert werden kann. F¨ ur die Knoten 0 und 1 besitzt der Pfeil 0, 1 ∈ E die Bewertung δ01 = 1, d.h. es gelur alle τ ∈ ten die Bedingungen S0 + 1 = 1 = ES 1 sowie r(S C , τ ) + 1 ≤ 1 f¨


247

[ES 1 , ES 1 + 1[; Bedingung (i). Wir setzen daher T1 = {1}. Da die untere Schranke LB0 = f (S C ) = 1 < UB = 3 ist, speichern wir den entstandenen Teilschedule ({0, 1}, (0, 1)) in den Mengen Λ und Ψ . F¨ ur die Knoten 0 und 2 ur alle τ ∈ [S0 +p0 , S0 +p0 +p2 [ ist ES 2 ≤ S0 +0 ≤ LS 2 sowie r(S C , τ )+1 ≤ 1 f¨ erf¨ ullt; Bedingung (iii). Somit erhalten wir T2 = {0}. Da die untere Schranke ugen wir den Teilschedule ({0, 2}, (0, 0)) LB0 = f (S C ) = 1 < UB = 3 ist, f¨ den Mengen Λ und Ψ hinzu. F¨ ur die Knoten 0 und 3 ist Bedingung (i) erf¨ ullt ur den Teilschedule S C = (0, 2) und wir setzen T3 = {2}. Als untere Schranke f¨ mit C = {0, 3} ergibt sich LB0 = 0. Da die untere Schranke kleiner als UB ist, f¨ ugen wir den entstandenen Teilschedule ({0, 3}, (0, 2)) den Mengen Λ und Ψ hinzu. Danach werden die Teilschedules der Menge Λ entnommen und gemäß nicht wachsender Werte von LB0 auf den Stapel Ω gelegt. Es ergibt sich Ω = {({0, 3}, (0, 2)), ({0, 1}, (0, 1)), ({0, 2}, (0, 0))}. Im zweiten Hauptschritt entnehmen wir den Teilschedule ({0, 3}, (0, 2)) dem Stapel Ω. Es gilt LB0 < UB . Bei der anschließenden Aktualisierung der ur die Knoten 0 und ES- und LS -Werte ergeben sich LS 1 = 1 und LS 2 = 1. F¨ 1 ist, wie im ersten Hauptschritt, Bedingung (i) erf¨ ullt, daher setzen wir T1 = {1}. Da die untere Schranke LB0 = 1 < UB = 3 ist, speichern wir Teilschedule ({0, 1, 3}, (0, 1, 2)) in den Mengen Λ und Ψ . F¨ ur die Knoten 0 und 2 gilt Bedingung (iii) und wir setzen T2 = {0}. Wir erhalten die untere Schranke LB0 = 1 < UB = 3 und speichern den Teilschedule ({0, 2, 3}, (0, 0, 2)) in den Mengen Λ und Ψ . Jetzt werden die Teilschedules der Menge Λ entnommen und gemäß nicht wachsender Werte von LB0 auf den Stapel Ω gelegt. Wir haben nun Ω = {({0, 1, 3}, (0, 1, 2)), ({0, 2, 3}, (0, 0, 2)), ({0, 1}, (0, 1)), ({0, 2}, (0, 0))}. Im dritten Hauptschritt entnehmen wir Teilschedule ({0, 1, 3}, (0, 1, 2)) ur die Knoten dem Stapel Ω. Da LB0 < UB gilt, aktualisieren wir LS 2 = 1. F¨ 0 und 2 ist Bedingung (iii) und f¨ ur die Knoten 1 und 2 Bedingung (i) erf¨ ullt. Wir erhalten somit T2 = {0}. Da die untere Schranke LB0 = 1 < UB = 3 ist, speichern wir den Teilschedule ({0, 1, 2, 3}, (0, 1, 0, 2)) in den Mengen Λ und Ψ . Danach wird er der Menge Λ entnommen und auf den Stapel Ω gelegt. Im vierten Iterationsschritt entnehmen wir Ω den Teilschedule ({0, 1, 2, 3}, (0, 1, 0, 2)). Da S = (0, 1, 0, 2)) zul¨ assig ist, speichern wir ihn als beste bisher gefundene L¨ osung und setzen UB := 1. Da alle Teilschedules, die sich noch auf dem Stapel Ω befinden, eine untere Schranke LB0 = 1 = UB = 1 aufweisen, k¨ onnen sie ausgelotet werden. Damit terminimiert der Algorithmus, da nun Ω = ∅ ist. Ein zum generierten Schedule ({0, 1, 2, 3}, (0, 1, 0, 2)) geh¨ origer Outtree ist in Abbildung 3.32 dargestellt. Er entspricht dem Minimalpunkt S 1 des Schedulepolytops ST (O(S 1 )) und besitzt den Zielfunktionswert f (S 1 ) = maxt∈[0,4] r(S 1 , t) = 1.

248


1

0

0

1 −1 1 -2 1 2

0

-3

Abb. 3.32. Outtree zu S 1

3.4 Heuristische Lo ¨sungsverfahren fu ¨ r die Minimierung der Projektdauer In diesem Abschnitt stellen wir zwei Priorit¨ atsregelverfahren zur Bestimmung einer Näherungslösung f¨ ur Projektplanungsproblem (3.3) mit Zielfunktion (PD) vor. Bei den Priorit¨ atsregelverfahren handelt es sich um Konstruktionsverfahren, die durch sukzessives Einplanen von Vorg¨ angen eine N¨ aherungsl¨ osung f¨ ur das zugrunde liegende Problem generieren. Im Gegensatz zu dem in Abschnitt 2.3 vorgestellten Priorit¨ atsregelverfahren werden nun Ressourcenrestriktionen ber¨ ucksichtigt und der als n¨ achstes einzuplanende Vorgang aus einer Menge einplanbarer“ Vorg¨ ange ausgew¨ ahlt. Vor Beginn des ” eigentlichen Priorit¨ atsregelverfahrens ist es wieder m¨ oglich, PreprocessingTechniken durchzuf¨ uhren, um den zul¨ assigen Bereich des betrachteten Problems zu verkleinern. Wir betrachten zun¨ achst den Fall, dass der zugrunde liegende MPMNetzplan N bis auf den R¨ uckw¨ artspfeil n + 1, 0 nur Mindestabst¨ ande ur alle i, j ∈ E \ {n + 1, 0 }. Wir Tijmin ≥ 0 beinhaltet, d.h. es gilt δij ≥ 0 f¨ nehmen weiterhin an, dass der zugrunde liegende Projektnetzplan N ohne den Pfeil n + 1, 0 keine Zyklen enth¨ alt. Ferner sei die maximale Projektdauer d hinreichend groß, so dass alle Vorg¨ ange unter Einhaltung der Mindestabst¨ ande nacheinander bearbeitet werden k¨ onnen. F¨ ur diesen Fall kann das aus der Literatur bekannte klassische serielle Generierungsschema zur Bestimmung einer Näherungslösung S verwendet werden. Das Verfahren l¨ asst sich wie folgt beschreiben. Seien C wieder die Menge der bereits eingeplanten Vorg¨ ange, C die Menge der noch nicht eingeplanten Vorg¨ ange und S C der aktuelle Teilschedule. Wir starten mit dem Teilschedule S C = (0) mit C = {0}. In jedem von n + 1 Schritten erweitern wir den Teilschedule S C um jeweils einen Vorgang j, dessen Vorgänger im Projektnetzplan bereits eingeplant sind. Wir w¨ ahlen Vorgang j somit aus der Menge Eˆ := {j ∈ C | Pred (j) ⊆ C}

(3.15)

der einplanbaren Vorg¨ ange. Die Vorg¨ ange werden also gem¨ aß einer topologischen Sortierung (vgl. Abschnitt 1.4.4) eingeplant. Stehen mehrere Vorg¨ ange zur Auswahl, so verwenden wir eine Priorit¨ atsregel, um den als n¨ achstes einzuplanenden Vorgang zu bestimmen. Dazu ermitteln wir zun¨ achst alle Vorg¨ ange j ∈ Eˆ mit maximalem Priorit¨ atsregelwert. Sofern mehrere solche Vorg¨ ange

3.4 Heuristische L¨ osungsverfahren f¨ ur die Minimierung der Projektdauer

249

existieren, w¨ ahlen wir unter ihnen denjenigen mit kleinster Vorgangsnummer aus. Einige typische Priorit¨ atsregeln sind in Abschnitt 2.3 aufgef¨ uhrt. Der als n¨ achstes einzuplandende Vorgang j wird nun so fr¨ uh wie möglich zeitund ressourcenzul¨ assig eingeplant. Um den entsprechenden Startzeitpunkt Sj f¨ ur j ∈ Eˆ zu bestimmen, betrachten wir die Ressourcenprofile rk (S C , ·) des ur alle k ∈ R. Der fr¨ uheste Zeitpunkt, zu dem Teilschedules S C = (Si )i∈C f¨ Vorgang j zeitund ressourcenzul¨ assig eingeplant werden kann, ist t∗ := min{t ≥ ES j (S C )|rk (S C , τ ) + rjk ≤ Rk f¨ ur t ≤ τ < t + pj und alle k ∈ R}. Die einzelnen Schritte des seriellen Generierungsschemas sind in Algorithmus 3.31 angegeben. Algorithmus 3.31 (Serielles Generierungsschema). Setze C := {0} und S C := (0). F¨ ur alle r = 1, . . . , n + 1: Bestimme Eˆ := {j ∈ C | Pred (j) ⊆ C}. W¨ ahle Vorgang j ∈ Eˆ mit h¨ ochster Priorit¨ at. Bestimme ES j := maxi∈Pred(j) (Si + δij ). ur t ≤ τ < t + pj und Bestimme t∗ := {t ≥ ES j | rk (S C , τ ) + rjk ≤ Rk f¨ alle k ∈ R}. Plane Vorgang j zum Zeitpunkt t∗ ein, d.h. setze Sj := t∗ und C := C ∪{j}. R¨ uckgabe S C . Beispiel 3.32. Gegeben seien der in Abbildung 3.33 dargestellte Projektnetzplan mit einer Ressource sowie eine Ressourcenkapazität von R = 2. Da der Netzplan bis auf den Pfeil 5, 0 mit δ50 = −8 nur Mindestabstände Tijmin ≥ 0 onnen wir das serielle Generierungsenth¨ alt und d = 8 hinreichend groß ist, k¨ schema zur Bestimmung einer N¨ aherungsl¨ osung f¨ ur das Projektdauerminimierungsproblem anwenden. Als Priorit¨ atsregel verwenden wir die in Abschnitt 2.3 spezifizierte GRD-Regel. In der Initialisierung setzen wir C := {0} und S C := (0). Im ersten Hauptschritt bestimmen wir die Menge der einplanbaren Vorgänge Eˆ = {1, 3, 4}. Der Vorgang mit h¨ ochster Priorit¨ at ist Vorgang 4, der zum Zeitpunkt t∗ = 3 eingeplant wird. Im zweiten Hauptschritt ist Eˆ = {1, 3}. Da die Vorgänge 1 und 3 gleiche Priorit¨ at haben, w¨ ahlen wir Vorgang 1 mit kleinerer Vorgangsnummer. Vorgang 1 wird zum Zeitpunkt t∗ = 1 eingeplant. Fahren wir auf diese Weise fort, so erhalten wir als N¨ aherunglösung f¨ ur das zugrunde liegende Projektdauerminimierungsproblem S = (0, 1, 6, 2, 3, 7). Die einzelnen Iterationen sind zusammenfassend in Tabelle 3.9 aufgef¨ uhrt. Bei MPM-Netzpl¨ anen mit allgemeinen Mindest- und Höchstabständen und S = ∅ ist es aufgrund der in der Regel vorhandenen Zyklen im Netzplan we-

250


-8

1

1 1 2

2

1

- 2 @ 2

@1 @

3

1 0 ? 1 3 0 H HH 2 0 HH 3 H

0

@ R 5 @ * 0 4


3 H j 4 H 1

Abb. 3.33. Projektnetzplan mit einer erneuerbaren Ressource Tabelle 3.9. Iterationsschritte des Seriellen Generierungsschemas Iteration 1 2 3 4 5

C

Eˆ

{0} {1,3,4} {0, 4} {1,3} {0, 1, 4} {3} {0, 1, 3,4} {2} {0, . . . , 4} {5}

j

t∗

4 1 3 2 5

3 1 2 6 7

sentlich schwieriger, eine zul¨ assige N¨ aherungslösung f¨ ur das Projektdauerminimierungsproblem zu generieren. Dies hat zwei Gr¨ unde: 1) Die Menge Eˆ der einplanbaren Vorg¨ ange kann leer sein. oßer als der sp¨ ateste Startzeitpunkt LS j (S C ) des 2) Der Zeitpunkt t∗ ist gr¨ als nächsten einzuplanenden Vorgangs j. Betrachten wir zun¨ achst ein Beispiel, bei dem wir eine leere Menge Eˆ erhalten, wenn wir das serielle Generierungsschema anwenden. Gegeben sei der Netzplan in Abbildung 3.34. Im Initialisierungsschritt setzen wir C := {0} und achsten Schritt Eˆ = ∅, weil S C := (0). Ist Vorgang 0 eingeplant, so ist im n¨ kein Vorgang j ∈ {1, 2, 3} existiert, dessen Vorg¨ anger bereits eingeplant sind. Dies ist plausibel, da sich die Knoten von Netzpl¨ anen mit Zyklen grunds¨ atzlich nicht topologisch sortieren lassen. Daher verwenden wir f¨ ur die Definition der Menge der einplanbaren Vorg¨ ange f¨ ur Netzpl¨ ane mit Mindest- und Höchstabständen die so genannte Distanzordnung, die f¨ ur zwei Vorg¨ ange i und j angibt, ob Vorgang j fr¨ uhestens zum Startzeitpunkt von Vorgang i oder auch später starten kann. ange eines l¨ angsten Weges Definition 3.33 (Distanzordnung). Sei dij die L¨ von Knoten i nach Knoten j. Die Distanzordnung ≺D im Projektnetzplan N mit der Knotenmenge V ist wie folgt definiert. F¨ ur i, j ∈ V, i = j, gilt i ≺D j ullt ist. genau dann, wenn entweder dij > 0 oder dij = 0 und dji < 0 erf¨


-7 2 * 1 H HH 3 0 1 6

0 ? 0 HH 0 H0

−2

−2

HH

251

0

H j 3 H *

0 Legende: 3 pj pi 1 ? δij H - j j 2 H i rj ri 1 Abb. 3.34. Projektnetzplan mit zwei realen Vorg¨ angen

HH

Die Menge E der einplanbaren Vorg¨ ange enth¨ alt nun alle noch nicht eingeangerknoten bez¨ uglich der Distanzordnung planten Vorg¨ ange j ∈ C, deren Vorg¨ ange bilden, d.h. wir w¨ ahlen ≺D eine Teilmenge der bereits eingeplanten Vorg¨ E := {j ∈ C|Pred ≺D (j) ⊆ C}.

(3.16)

Ist die Menge E bestimmt, so wird der n¨ achste einzuplanende Vorgang j analog zum seriellen Generierungsschema gem¨ aß einer Priorit¨ atsregel gew¨ ahlt und dann so fr¨ uh wie m¨ oglich zeitund ressourcenzul¨ assig eingeplant, d.h. zu einem Zeitpunkt t∗ := min{t ≥ ES j (S C )|rk (S C , τ ) + rjk ≤ Rk f¨ ur t ≤ τ < t + pj und alle k ∈ R}. Falls t∗ ≤ LS j (S C ), dann ist t∗ zul¨ assig und wir k¨ onnen Vorgang j zum ussen die fr¨ uhesten und sp¨ atesten Zeitpunkt Sj := t∗ einplanen. Danach m¨ aß ur alle Vorg¨ ange i ∈ C gem¨ Startzeitpunkte ESj und LSj f¨ ES i := max(ES i , Sj + dji ) und LS i := min(LS i , Sj − dij )

(3.17) (3.18)

aktualisiert werden. Falls t∗ > LS j (S C ), dann ist t∗ nicht zul¨ assig, und wir m¨ ussen einen Ausplanungs-Schritt durchf¨ uhren, in dem bereits eingeplante Vorg¨ ange wieder ausgeplant werden. Betrachten wir dazu ein Beispiel. Beispiel 3.34. Gegeben seien der Projektnetzplan in Abbildung 3.35 mit einer erneuerbaren Ressoure und einer maximalen Projektdauer von d = 7 sowie eine Ressourcenkapazit¨ at von R = 1. Da Vorgang 3 zeitlich fixiert ist, muss Vorgang 3 auf jeden Fall zum Zeitangig davon, welcher der Vorg¨ ange i = 1, 2 punkt S3 = 3 starten. Unabh¨ zuerst eingeplant wird, startet i zum Zeitpunkt 0 und der sp¨ ateste Startzeitpunkt des anderen Vorgangs j ergibt sich zu LS j (S C ) = 3. Zum Zeitpunkt 3 oder fr¨ uher kann j aber nicht ressourcenzul¨ assig eingeplant werden, angige sp¨ ateste Startzeitda t∗ = 4 > LS j (S C ) = 3 gilt. Der planungsabh¨ punkt LS j (S C ) von Vorgang j wird durch die Einplanung von Vorgang i zum

252

3 Projektplanung unter Zeit- und Ressourcenrestriktionen 2 −3 - 2 2 1 −3 1 @ 1 0 @3 −3 @ 0 0 @ 2 R @ - 4 0 * HH -7 0 0 Legende: HH3 4 pj pi 1 HH δij H j 3 H j i r r i j 1 Abb. 3.35. Projektnetzplan N mit drei realen Vorg¨ angen

Zeitpunkt Si = 0 bedingt, d.h. LS j (S C ) = Si − dji . Planen wir Vorgang i aus onnen wir und zu einem späteren Zeitpunkt, bspw. zu Si = 1, wieder ein, so k¨ Vorgang j ressourcenzul¨ assig einplanen. Durch das Ausplanen bereits eingeplanter Vorg¨ ange kann also der sp¨ ateste oßert werden, Startzeitpunkt LS j (S C ) eines einzuplanenden Vorgangs j vergr¨ wenn LS j (S C ) > −dj0 gilt, d.h. wenn beim Einplanen eines Vorgangs i eiateste Startzeitpunkt LS j (S C ) ne Aktualisierung von LS j erfolgt ist. Der sp¨ von Vorgang j resultiert dann aus dem Startzeitpunkt eines Vorgangs i ∈ C abz¨ uglich der Länge eines l¨ angsten Weges von Vorgang j zu Vorgang i, d.h. LS j (S C ) = Si − dji . Sei U := {i ∈ C | LS j (S C ) = Si − dji } die Menge all dieser Vorg¨ ange. Um den sp¨ atesten Startzeitpunkt LS j (S C ) von j zu erhöhen, werden alle Vorg¨ ange i ∈ U ausgeplant und ihre fr¨ uhesten Startoht. Auf diese Weise werden zeitpunkte ES i um t∗ −LS j (S C ) Zeiteinheiten erh¨ alle Vorg¨ ange ausgeplant, zu denen eine bindende Zeitbeziehung Si − Sj = δji existiert bzw. die den Startzeitpunkt des einzuplanenden Vorgangs j beeinflussen. In den nachfolgenden Iterationen werden dann die ausgeplanten Vorg¨ ange wieder eingeplant und zwar zu Zeitpunkten, die mindestens um t∗ − LS j (S C ) Zeiteinheiten größer sind als bei der urspr¨ unglichen Einplanung. Betrachten wir noch einmal Beispiel 3.34. Die Menge der Vorg¨ ange, die ausgeplant werden m¨ ussen, ergibt sich zu U = {i}. Wir erh¨ ohen den fr¨ uhesten Startzeitpunkt von achsten Schritt zu Vorgang i auf ES i = 0 + 1 = 1. Somit wird Vorgang i im n¨ assiSi = 1 eingeplant. Danach setzen wir Sj = 4 und erhalten somit die zul¨ ge Näherungsl¨ osung S = (0, 1, 4, 3, 7). Das zugeh¨ orige Ressourcenprofil ist in Abbildung 3.36 dargestellt. Zusätzlich zu den Vorg¨ angen aus U sollten noch alle Vorg¨ ange i ∈ C ausgeplant werden, deren Startzeitpunkt gr¨ oßer ist, als der kleinste Startzeitpunkt ange k¨ onnen unter eines Vorgangs h ∈ U, d.h. Si > minh∈U Sh . Diese Vorg¨ Umständen aufgrund der Rechtsverschiebung der Vorg¨ ange aus U fr¨ uher gestartet werden. Zum Ende des Ausplanungs-Schritts m¨ ussen die fr¨ uhesten und


253

r(S, t)

6 1

r

r qr

rq i 2

j

3 4

r

-t

6


spätesten Startzeitpunkte aller noch einzuplanenden bzw. wieder neu einzuplanenden Vorgänge berechnet werden. Gilt 0 ∈ U, dann m¨ usste der Projektstart verzögert werden. Da dieser aber fixiert ist, terminiert das serielle Generierungsschema mit Ausplanung ohne eine zul¨ assige L¨ osung gefunden zu haben. Es ist empfehlenswert, eine maximale Anzahl an Ausplanungs-Schritten u = 1, . . . , u vorzuschreiben, z.B. u = |V |. Algorithmus 3.35 (Serielles Generierungsschema mit Ausplanung). Setze S C := (0), C := {0} und u := 0. ur alle i, j ∈ V . Bestimme die L¨ angen l¨ angster Wege dij f¨ Setze ES i := d0i und LS i := −di0 f¨ ur alle i ∈ V \ {0}. Bestimme die Vorg¨ angermengen Pred ≺D (i ) f¨ ur alle Vorg¨ ange i ∈ V . Solange C = V : Bestimme E := {i ∈ C|Pred ≺D (i) ⊆ C}. Wähle Vorgang j ∈ E mit h¨ ochster Priorit¨ at. ur t ≤ τ < t + Bestimme t∗ := min{t ≥ ES j |rk (S C , τ ) + rjk ≤ Rk f¨ pj und alle k ∈ R}. Falls t∗ > LS j : Setze u := u + 1. Ausplanungs-Schritt(j,∆ = t∗ − LS j ). Andernfalls Plane j zum Zeitpunkt Sj := t∗ ein und setze C := C ∪ {j}. F¨ ur alle h ∈ C: Aktualisiere ES h := max(ES h , Sj +djh ), LS h := min(LS h , Sj −dhj ) Setze S := S C . R¨ uckgabe S. Der Ausplanungs-Schritt wird folgendermaßen durchgef¨ uhrt. Algorithmus 3.36 (Ausplanungs-Schritt(j,∆)). Bestimme die Menge U := {i ∈ C | LS j = Si − dji }. Falls 0 ∈ U oder u > u: Abbruch! F¨ ur alle i ∈ U: (Rechtsverschiebung der Vorg¨ ange i ∈ U)

254


Setze ES i := Si + ∆ und C := C \ {i}. Falls ES i > −di0 : Abbruch! F¨ ur alle i ∈ C mit Si > minh∈U Sh : (Ausplanung aller i mit Si > minh∈U Sh ) Setze C := C \ {i}. F¨ ur alle h ∈ C: Setze ES h := max(d0h , maxi∈U (ES i + dih )) und LS h := −dh0 . F¨ ur alle i ∈ C: Setze ES h := max(ES h , Si + dih ) und LS h := min(LS h , Si − dhi ). Wir veranschaulichen das vorgestellte serielle Generierungsschema mit Ausplanung an einem Beispiel. Beispiel 3.37. Gegeben sei der Projektnetzplan N in Abbildung 3.37 mit f¨ unf realen Vorgängen, einer erneuerbaren Ressource und einer maximalen Projektdauer von d = 6. Die Ressourcenkapazität sei auf R = 3 festgesetzt. Mit Hilfe des seriellen Generierungsschemas mit Ausplanung erzeugen wir eine Näherungsl¨ osung f¨ ur die obige Probleminstanz. Als Prioritätsregel wenden wir die statische LST -Regel an. −6

1 0 ? 0 0

0

1 1 2 5 3 @ −2 2 1 @1

1

−3 - 1 1 @ 2 @ @ 1 1 1 @ R 2 @ 4 1

−1

@

1

0

@ R 6 @

2

0


Abb. 3.37. Projektnetzplan N

Zu Beginn des seriellen Generierungsschemas setzen wir S C := (0), C := ur alle {0} und u := 0. Danach bestimmen wir die L¨ angen l¨ angster Wege dij f¨ i, j ∈ V (vgl. Tab. 3.10). Als Vektor der fr¨ uhesten Startzeitpunkte ergibt sich ES = (0, 0, 2, 1, 3, 3, 4) und als Vektor der sp¨ atesten Startzeitpunkte LS = (0, 2, 4, 3, 5, 5, 6). Die Mengen der Vorg¨ anger bez¨ uglich der Distanz-Ordnung ur die Vorgänge j ∈ V sind in Tabelle 3.11 angegeben. ≺D f¨ In der ersten Iteration bestimmen wir zun¨ achst die Menge E der einplanbaren Vorgänge, sie ergibt sich zu E = {1}. Daher planen wir Vorgang 1 uhesten und sp¨ atesten Startzeitzum Zeitpunkt t∗ = 0 ein. Nun sind die fr¨ punkte der anderen Vorg¨ ange zu aktualisieren, es ergibt sich LS 3 = 1 und

3.5 Heuristisches L¨ osungsverfahren f¨ ur weitere Zielfunktionen

255

Tabelle 3.10. L¨ angen l¨ angster Wege dij f¨ ur alle i, j ∈ V dij 0 1 2 3 4 5 6

0 0 −2 −4 −3 −5 −5 −6

1 2 3 4 5 0 2 1 3 3 0 2 1 3 3 −4 0 −3 1 −1 −1 1 0 2 2 −5 −1 −4 0 −2 −3 −1 −2 0 0 −6 −4 −5 −3 −3

6 4 4 2 3 1 1 0

Tabelle 3.11. Pred ≺D (i) f¨ ur alle i ∈ V i∈V

0

1

2

3

4

5

6

Pred ≺D (i)

∅

{0}

{0, 1, 3}

{0, 1}

{0, 1, 2, 3, 5}

{0, 1, 3}

{0, . . . , 5}

LS 5 = 3. In der zweiten Iteration ist die Menge der bereits eingeplanten Vorg¨ ange C = {0, 1}. F¨ ur die Menge der einplanbaren Vorg¨ ange gilt E = {3}. Also wählen wir als n¨ achsten einzuplanenden Vorgang den Vorgang 3, der zum ur die Menge C = {0, 1, 3} ergibt sich in Zeitpunkt t∗ = 1 eingeplant wird. F¨ der dritten Iteration die Menge der einplanbaren Vorg¨ ange zu E = {2, 5}. Voratesten Startzeitpunkt, deshalb gang 2 besitzt mit LS 2 = 4 den kleineren sp¨ wählen wir 2 als n¨ achsten einzuplanenden Vorgang. Vorgang 2 wird zum Zeitpunkt t∗ = 2 eingeplant. Wir aktualisieren LS 4 = 3. In der vierten Iteration ist C = {0, 1, 2, 3} und wir erhalten f¨ ur die Menge der einplanbaren Vorg¨ ange unften Iteration ist E = {5}. Vorgang 5 wird zu t∗ = 3 eingeplant. In der f¨ E = {4}. Vorgang 4 kann allerdings erst zum Zeitpunkt t∗ = 4 > LS 4 = 3 ressourcenzulässig eingeplant werden. Daher ist ein Ausplanungs-Schritt durchzuf¨ uhren. Nur f¨ ur Vorgang 2 ist die Bedingung S2 − d42 = 2 + 1 = 3 = LS 4 erf¨ ullt, deshalb planen wir Vorgang 2 aus und erh¨ ohen seinen fr¨ uhesten Startur den Vorgang 5 gilt S5 = 3 > S2 = 2, deshalb zeitpunkt auf ES 2 = 3. F¨ planen wir auch Vorgang 5 aus, da er m¨ oglicherweise fr¨ uher eingeplant werden kann. Die Aktualisierung der ES - und LS -Werte ergibt LS 2 = 4, ES 4 = 4, achsten Schritt LS 4 = 5, ES 5 = 3, LS 5 = 3, ES 6 = 5 und LS 6 = 6. Im n¨ wählen wir erneut Vorgang 2 als n¨ achsten einzuplanenden Vorgang und fahren wie in Tabelle 3.12 angegeben fort. Am Ende der 9. Iteration liefert das serielle Generierungsschema mit Ausplanung den zulässigen Schedule S = (0, 0, 3, 1, 4, 3, 5), dessen zugeh¨ origes Ressourcenprofil in Abbildung 3.38 angegeben ist.

3.5 Heuristisches L¨ osungsverfahren fu ¨ r weitere Zielfunktionen Das in Abschnitt 3.4 eingef¨ uhrte serielle Generierungsschema mit Ausplanung generiert in der Regel gute N¨ aherungsl¨ osungen, wobei die einzelnen Vorg¨ ange

256

3 Projektplanung unter Zeit- und Ressourcenrestriktionen Tabelle 3.12. Iterationsschritte des Seriellen Generierungsschemas Iteration 1 2 3 4 5

6 7 8 9

C

E

t∗

j

Update

{0} {1} 1 0 LS 3 := 1, LS 5 := 3 {0, 1} {3} 3 1 {0, 1, 3} {2,5} 2 2 LS 4 := 3 {0, 1, 2, 3} {5} 5 3 {0, 1, 2, 3, 5} {4} 4 4 > LS 4 = 3 Ausplanungs-Schritt: Ausplanen der Vorg¨ ange 2 und 5. ES 2 = 3, ES 4 = 4, ES 5 = 3, ES 6 = 5 LS 2 = 4, LS 4 = 5, LS 5 = 3, LS 6 = 6 {0, 1, 3} {2,5} 2 3 LS 4 := 4 {0, 1, 2, 3} {5} 5 3 {0, 1, 2, 3, 5} {4} 4 4 {0, . . . , 5} {6} 6 5 r(S, t)

6

rq

r

2 r

2

r

qr 1 3 r

5

rq 4

rq

-t 5

Abb. 3.38. Ressourcenprofil des Schedule S

immer so fr¨ uh wie m¨ oglich eingeplant werden. Das Verfahren kann somit ohne ¨ Anderungen f¨ ur Probleme (3.3) mit regul¨ arer Zielfunktion wie z.B. (MFT ) angewendet werden. Die spezielle Zielfunktion sollte aber bei der Wahl der Priorit¨ atsregel ber¨ ucksichtigt werden. F¨ ur Probleme (3.3) mit linearer Zielfunktion, wie z.B. (WST ), oder mit binärmonotoner Zielfunktion, beispielsweise (NPV ), konstruiert das serielle Generierungsschema in der Regel keine guten L¨ osungen. Vorg¨ ange mit neange, denen eine Auszahlung (cF gativem Gewicht (wi < 0) bzw. Vorg¨ i < 0) zugeordnet ist, werden durch das serielle Generierungsschema i.d.R. zu fr¨ uh eingeplant. Betrachten wir dazu ein kleines Beispiel. Beispiel 3.38. Gegeben seien der Projektnetzplan in Abbildung 3.39 mit einer erneuerbaren Ressource, eine Ressourcenkapazit¨ at von R = 1 und ein Zinssatz α = 0,1. Den einzelnen Knoten sind zus¨ atzlich zur jeweiligen Dauer und Ressourceninanspruchnahme Zahlungen zugeordnet, die jeweils zu Beginn des entsprechenden Vorgangs i ∈ V anfallen. Wenden wir das serielle Generierungsschema an, so werden die Vorg¨ ange des Projektes so fr¨ uh wie m¨ oglich eingeplant. Es ergibt sich der Schedule S = (0, 0, 1, 6) mit Kapitalwert −40,1. Der optimale Schedule ist allerdings S = (0, 3, 4, 6) mit Kapitalwert −27,43.

3.5 Heuristisches L¨ osungsverfahren f¨ ur weitere Zielfunktionen 1,1 1

−50 0

0,0

0 0

1-

−6 6

257

2,1 2 J 10 J2

J 0,0 J ^ 3

pi ,ri Legende:

0

i cF i

δij

pj ,rj

- j

cF j

Abb. 3.39. Projektnetzplan

Um zu erreichen, dass Vorg¨ ange mit negativem Gewicht oder Vorg¨ ange, denen eine Auszahlung zugeordnet ist, so sp¨ at wie m¨ oglich eingeplant werden, skizzieren wir ein bidirektionales serielles Generierungsschema, bei dem die Vorgänge von beiden Seiten des Netzplans“ eingeplant werden (Selle ” und Zimmermann, 2003). Dabei unterscheiden wir zwischen der Menge E1 aller noch nicht eingeplanten Vorg¨ ange, deren Vorg¨ anger bez¨ uglich der Distanzordnung ≺D bereits eingeplant sind, und der Menge E2 aller noch nicht eingeplanten Vorg¨ ange, deren Nachfolger bez¨ uglich der Distanzordnung ≺D bereits eingeplant sind. In jeder Iteration wird dann entweder ein Vorgang j1 aus der Menge E1 so fr¨ uh wie m¨ oglich oder ein Vorgang j2 aus der Menge E2 so sp¨ at wie möglich eingeplant. Der als n¨ achstes einzuplanende Vorgang j ist ochster Priorit¨ at. entweder ein Vorgang j1 ∈ E1 oder ein Vorgang j2 ∈ E2 mit h¨ Um zu entscheiden, ob der als n¨ achstes einzuplanende Vorgang j der Vorgang alle. j1 oder der Vorgang j2 ist, betrachten wir drei F¨ 1. Falls Vorgang j1 ein positives Gewicht (Einzahlung) besitzt, setzen wir j = j1 . 2. Falls Vorgang j2 ein negatives Gewicht (Auszahlung) besitzt, setzen wir j = j2 . 3. Falls keine der Bedingungen 1. und 2. erf¨ ullt ist, dann w¨ ahlen wir den Vorgang j, f¨ ur den die Differenz zwischen einer Einplanung zum ES und einer Einplanung zum LS am geringsten ist. Betrachten wir dazu noch einmal Beispiel 3.38. In der ersten Iteration des bidirektionalen Verfahrens erhalten wir E1 = {1} und E2 = {2}. Da cF 1 = −50 < 0 und cF 2 = 10 > 0 gilt, liegt Fall 3 vor. Die Differenz zwischen einer Einplanung zum ES und einer Einplanung zum LS von Vorgang 1 ist 12,96 und damit größer als die Differenz zwischen ES - und LS -Einplanung von atesten Vorgang 2 mit 2,35. Somit planen wir Vorgang 2 ∈ E2 zu seinem sp¨ achsten Iteration ergibt sich E1 = {1} und Startzeitpunkt LS 2 = 4 ein. In der n¨ ullt ist, tritt Fall 2 ein, und wir planen Vorgang 1 ∈ E2 E2 = {1}. Da cF 1 < 0 erf¨ zum Zeitpunkt 3 ein. Es ergibt sich der (optimale) Schedule S = (0, 3, 4, 6). F¨ ur Ressourceninvestment-, Ressourcenabweichungs- und Ressourcennivellierungsprobleme kann das Priorit¨ atsregelverfahren aus Abschnitt 2.3 angepasst werden. Im Gegensatz zu Projektplanungsproblemen (2.1) ohne Ressourcenrestriktionen kommt es bei Projektplanungsproblemen (3.3) vor, dass

258


bei einer sukzessiven Einplanung der Vorg¨ ange f¨ ur den aktuell einzuplanenden Vorgang j kein zul¨ assiger Einplanungszeitpunkt mehr existiert. In diesem Fall existiert kein zul¨ assiger Schedule S ∈ S, der eine Erweiterung des aktuellen Teilschedules S C darstellt. Daher werden in diesem Fall in einem AusplanungsSchritt die Vorg¨ ange ausgeplant, aufgrund derer Vorgang j nicht ressourcenzul¨ assig eingeplant werden kann. Sei !j (S C ) := {t ∈ Wj (S C )|rk (S C , τ ) + rjk ≤ Rk f¨ W ur t ≤ τ < t + pj und k ∈ R} die Menge aller Zeitpunkte, zu denen Vorgang j zeitund ressourcenzulässig eingeplant werden kann. Wie in Abschnitt 2.3 definieren wir f¨ ur die verschiedenen Zielfunktionen jeweils eine Menge von Entscheidungszeitpunkten j (S C ) := Dj (S C ) ∩ W !j (S C ), D welche mindestens einen Minimalpunkt der Erweiterungskosten f a (S C , j, ·) alt. bzw. f b (S C , j, ·) enth¨ Gehen wir zun¨ achst auf den erforderlichen Ausplanungs-Schritt ein. In Abschnitt 3.4 wurde bereits ein Ausplanungs-Schritt (vgl. Algorithmus 3.36) in Kombination mit dem seriellen Generierungsschema vorgestellt. Beim seriellen Generierungsschema werden die Vorg¨ ange so fr¨ uh wie möglich eingeplant, d.h. das Ressourcenprofil wird von links nach rechts gef¨ ullt. Kann ein Vorgang j nicht zeitund ressourcenzul¨ assig eingeplant werden, dann ist der fr¨ uheste ressourcenzul¨ assige Zeitpunkt gr¨ oßer als der gemäß der vorhandenen Zeitbeziehungen sp¨ ateste Startzeitpunkt von j. In diesem Fall kann Vorgang j nur eingeplant werden, wenn die Vorg¨ ange, die den spätesten zeitzulässigen Startzeitpunkt bedingen (Vorg¨ ange i mit LSj (S C ) = Si −dji ) zusammen mit j nach rechts verschoben werden. Bei nicht regul¨ aren Zielfunktionen planen wir die Vorg¨ ange mehr oder weniger gleichm¨ aßig u ¨ber den ganzen Planungshorizont verteilt ein, wobei der Startzeitpunkt eines Vorgangs weder seinem planungsabh¨ angigen fr¨ uhest- noch seinem sp¨ atestm¨ oglichen Startzeitpunkt entsprechen ur muss. Daher kann das planungsabh¨ angige Zeitfenster [ES j (S C ), LS j (S C )] f¨ Vorgang j i.d.R. weder durch eine Rechts- noch durch eine Linksverschiebung von Vorg¨ angen ausgedehnt werden. Existieren f¨ ur den einzuplanenden j (S C ) = ∅, gehen Vorgang j keine zul¨ assigen Einplanungszeitpunkte, d.h. D wir daher wie folgt vor. Wir planen alle Vorg¨ ange i ∈ C aus, die im Interuhrt werden, aber dort nicht notwendigerweise vall [ES j (S C ), LC j (S C )[ ausgef¨ ausgef¨ uhrt werden m¨ ussen. Seien S C der aktuelle Teilschedule und j ∈ C der als n¨ achstes einzuplanende Vorgang. Dann ergibt sich die Menge der auszuplanenden Vorg¨ ange zu U := {i ∈ C | [Si , Ci [ \ [−di0 , d0i + pi [ ∩ [ES j (S C ), LC j (S C )[ = ∅}. Menge U enth¨ alt alle Vorg¨ ange i ∈ C, die sich im Intervall [ES j (S C ), C uhrung befinden, aber dort aufgrund der Zeitrestriktionen LC j (S )[ in Ausf¨


259

nicht ausgef¨ uhrt werden m¨ ussen. Durch die Einplanung von Vorgang j werden in der Regel weitere Vorg¨ ange aus C fixiert oder teilfixiert (vgl. Abschnitt 2.3). d F¨ ur eine Ressource k ∈ R entspricht der Term 0 (rkb (S C∪{j} , τ ) − Rk )+ dτ der Ressourcen¨ uberschreitung u ¨ber den gesamten Planungszeitraum. Die Ressourcen¨ uberschreitung wird durch Einplanung von Vorgang j zum Zeitpunkt ange, die nach Einplanung von j fixiert Sj := t verursacht oder durch Vorg¨ bzw. teilfixiert sind. d (rkb (S C∪{j} , τ ) − Rk )+ dτ R(S C , j, t) := k∈R

0

bezeichnet dann die gesamte Ressourcen¨ uberschreitung, die durch das Einplanen von Vorgang j zum Zeitpunkt t bei gegebenem S C verursacht wird. Ist ullt, so ist das Einplanen von Vorgang j zum Zeitpunkt t R(S C , j, t) = 0 erf¨ ur alle k ∈ R und alle τ ∈ [0, d]. zul¨ assig und es gilt rkb (S C∪{j} , τ ) ≤ Rk f¨ Bei der Einplanung eines Vorgangs j ∈ C unterscheiden wir drei verschiedene F¨ alle.

!j (S C ) zul¨ j (S C ) = ∅, d.h. j kann zu keinem Zeitpunkt t ∈ W assig 1. Ist D eingeplant werden, so planen wir alle Vorg¨ ange aus der Menge U aus und bestimmen die Menge der Entscheidungszeitpunkte von j neu. Erhalten j (S C ) = ∅, so terminiert der Algorithmus ohne eine zul¨ assige wir wieder D L¨ osung gefunden zu haben. (Andernfalls siehe F¨ alle 2 und 3). j (S C ) die Bedingung R(S C , j, t) > 0 j (S C ) = ∅ und ist f¨ ur alle t ∈ D 2. Ist D erf¨ ullt, d.h. beim Einplanen von Vorgang j wird mindestens ein Vorgang assig h ∈ C fixiert oder teilfixiert, der in seinem Basisintervall nicht zul¨ eingeplant werden kann, dann bestimmen wir zun¨ achst den gr¨ oßten Zeitj (S C ) mit minimaler Ressourcen¨ uberschreitung R(S C , j, t) punkt t ∈ D und planen Vorgang j zum Zeitpunkt t ein. Im n¨ achsten Schritt w¨ ahlen wir dann einen Vorgang aus der Menge aller fixierten und teilfixierten Vorgänge, der Element einer verbotenen Menge ist. j (S C ) mit R(S C , j, t) = j (S C ) = ∅ und es existiert mindestens ein t ∈ D 3. Ist D 0, d.h. Vorgang j kann zeitund ressourcenzul¨ assig eingeplant werden, j (S C ). dann entfernen wir alle Zeitpunkte t mit R(S C , j, t) > 0 aus D Vorgang j wird nun zum sp¨ atesten Zeitpunkt t eingeplant, an dem die Erweiterungskosten f b (S C , j, ·) ihr Minimum annehmen. Die einzelnen Schritte des Priorit¨ atsregelverfahrens sind in Algorithmus 3.39 angegeben, wobei u wieder die Anzahl der Ausplanungsschritte angibt. Algorithmus 3.39 (Priorit¨ atsregelverfahren f¨ ur Problem (3.3) mit Zielfunktion (RI ), (RD) und (RL)). Setze C := {0}, S C := (0) und u := 0. ur alle i, j ∈ V . Bestimme die L¨ angen l¨ angster Wege dij f¨ ur alle i ∈ V \ {0}. Setze ES i := d0i und LS i := −di0 f¨

260


Solange C = V : Falls rkb (S C , t) > Rk f¨ ur mindestens ein t ∈ [0, d] und k ∈ R: W¨ ahle einen fixierten oder teilfixierten Vorgang j ∈ C, der Element einer verbotenen aktiven Menge Ab (S, t) ist. Andernfalls F¨ ur alle i ∈ C Falls ES i = LSi : Setze Si := ES i , C := C ∪ {i}. ochster Priorität. Bestimme den Vorgang j ∈ C mit h¨ C Bestimme die Menge Dj (S ) in Abh¨ angigkeit der Zielfunktion f . C j (S ) = ∅ : (Fall 1) Falls D Ausplanungsschritt(j). j (S C ) neu. Berechne D j (S C ) = ∅ : Abbruch! Falls D j (S C ): Berechne R(S C , j, t). (Fall 2 bzw. Fall 3) F¨ ur alle t ∈ D j (S C ) | R(S C , j, t) = minτ ∈D (S C ) R(S C , j, τ )}. Bestimme D := {t ∈ D j

F¨ ur alle t ∈ D: Berechne die Erweiterungskosten f b (S C , j, t). Sj+ := max{t ∈ D | f b (S C , j, t) = minτ ∈D f b (S C , f, τ )} Sj := Sj+ , C := C ∪ {j}. F¨ ur alle j ∈ C: Setze ES i := max{ES i , Sj + dji } und LS i := min{LS i , Sj − dij }. R¨ uckgabe S C .

Im 1. Fall planen wir die Vorg¨ ange i ∈ U aus und bestimmen danach angigen fr¨ uhesten f¨ ur alle nicht eingeplanten Vorg¨ ange i ∈ C die planungsabh¨ und spätesten Startzeitpunkte. Sei u wieder eine vorgegebene maximale Anzahl an Ausplanungs-Schritten, dann erhalten wir die folgende algorithmische Beschreibung des Ausplanungs-Schritts. Algorithmus 3.40 (Ausplanungs-Schritt(j)). u := u + 1. assige L¨ osung gefunden) Falls u > u: Abbruch! (keine zul¨ Bestimme U := {i ∈ C | [Si , Ci [ \ [−di0 , d0i + pi [ ∩ [ES j , LC j [ = ∅}. Setze C := C \ U. F¨ ur alle i ∈ C: Setze ES i := d0i und LS i := −di0 . F¨ ur alle i ∈ C: Setze ES j := max{ES j , Si + dij } und LS j := min{LS j , Si − dji }.


261

Im Folgenden betrachten wir ein Beispiel, um die Anwendung des erläuterten Priorit¨ atsregelverfahrens zu illustrieren. Beispiel 3.41. Wir betrachten den in Abbildung 3.40 dargestellten Projektnetzplan mit sechs realen Vorg¨ angen und einer erneuerbaren Ressource. Die Ressourcenkapazit¨ at sei R = 4 und die maximale Projektdauer d = 12. Im Folgenden wird mit Hilfe von Algorithmus 3.39 eine Näherungslösung f¨ ur das zugrunde liegende Projekt mit Zielfunktion (RL) generiert. Dabei wird die statische Priorit¨ atsregel MST bei der Bestimmung des Vorgangs mit höchster Priorit¨ at angewendet. −12

0 0 ?

0 @ 0

0

5 5 1 1 @ @ 3

-

5 4 @ 2

@

@

3

2

1

−3

- 2

@ 0 @ @ 6 @ R 3 @

@ 5 @

1 5 3

@ R @ -

1

1

7

0

4

5 3

@ 0 R @ Legende: pj pi δij j i rj ri

2 - 6 2

Abb. 3.40. Netzplan mit einer Ressource

Im Initialisierungsschritt setzen wir C := {0}, S C := (0) und u := 0. Die fr¨ uhesten und spätesten Startzeitpunkte sowie die Gesamtpufferzeiten sind f¨ ur alle i ∈ V in Tabelle 3.13 angegeben. Die Vorgänge 1, 3 und 4 sind teilfixiert. Das zugehörige Ressourcenprofil rb (S C , t), t ∈ [0, d] ist in Abbildung 3.41a dargestellt. Tabelle 3.13. ES i , LS i und TF i f¨ ur alle i ∈ V i

0

1

2

3

4

5

ES i LS i TF i

0 0 0

0 2 2

0 9 9

0 5 5

5 5 7 11 2 6

6

7

3 10 8 12 5 2

Von den Vorgängen mit kleinster Gesamtpufferzeit besitzt Vorgang 1 die kleinste Vorgangsnummer. F¨ ur die Menge der Entscheidungszeitpunkte von 1 (S C ) = ∅ ist und durch 1 (S C ) = {0, 2}. Da D Vorgang 1 erhalten wir D die Einplanung von Vorgang 1 zu den Zeitpunkten 0 oder 2 keine Ressourcen¨ uberschreitung verursacht wird, bestimmen wir die Erweiterungskosten

262


f b (S C , 1, 0) = 2 und f b (S C , 1, 2) = 4. Wir planen Vorgang 1 somit zum Zeitpunkt 0 ein. Im zweiten Iterationsschritt w¨ ahlen wir Vorgang 4 als nächsten einzuplanenden Vorgang. F¨ ur die Menge der Entscheidungszeitpunkte von Vorgang 4 4 (S C ) = {5, 7}. Da R(S C , 4, t) = 0 f¨ ur t ∈ {5, 7}, berechnen wir die Ergilt D weiterungskosten zu den Zeitpunkten 5 und 7. Es ergibt sich f b (S C , 4, 5) = 12 und f b (S C , 4, 7) = 8. Daher planen wir Vorgang 4 zu t = 7 ein. Da Vorgang 4 zu seinem sp¨ atesten Startzeitpunkt eingeplant wurde, aktualisieren wir ES 7 = 12. Vorgang 7 ist somit fixiert. Im n¨ achsten Schritt planen wir Vorgang 7 zu S7 = ES 7 = 12 ein. Die Menge der bereits eingeplanten Vorg¨ ange besteht nun aus C = {0, 1, 4, 7}. Nun w¨ ahlen wir den Vorgang 3 als n¨ achsten einzuplanenden Vorgang. Die 1 (S C ) = {0, 1, 5}. Menge der Entscheidungszeitpunkte von 3 ergibt sich zu D Da durch das Einplanen von Vorgang 3 zu den Zeitpunkten 0, 1 oder 5 keine Ressourcen¨ uberschreitung verursacht wird, bestimmen wir f b (S C , 3, 0) = b C 15, f (S , 3, 1) = 13 und f b (S C , 3, 5) = 21. Wir planen Vorgang 3 zu t = 1 ein (vgl. Abbildung 3.41b). Es ergeben sich die folgenden Aktualisierungen ES 5 = 6 und ES 6 = 4. Der als n¨ achstes einzuplanende Vorgang ist Vorgang 6. Die Menge der Ent 6 (S C ) = {4, 5, 7, 8}. Durch das Einplanen von scheidungszeitpunkte von 6 ist D Vorgang 6 zu einem dieser Zeitpunkte wird keine Ressourcen¨ uberschreitung verursacht. Deshalb bestimmen wir die Erweiterungskosten f b (S C , 6, 4) = 20, f b (S C , 6, 5) = 16, f b (S C , 6, 7) = 24 und f b (S C , 6, 8) = 24 und planen Vorgang 6 zum Zeitpunkt t = 5 ein. Im f¨ unften Iterationsschritt w¨ ahlen wir Vorgang 5 als nächsten einzuplanenden Vorgang. F¨ ur die Menge der Entscheidungszeitpunkte gilt nun 5 (S C ) = ∅ (Fall 1). Wir bestimmen die Menge der eingeplanten Vorgänge D U, die aufgrund ihres geplanten Ausf¨ uhrungszeitraumes simultan mit Vorgang 5 ausgef¨ uhrt werden k¨ onnen, aber dort nicht ausgef¨ uhrt werden m¨ ussen. Es ergibt sich U = {3, 4, 6}. Im anschließenden Ausplanungs-Schritt setzen wir C = {0, 1, 7}, ES 3 = 0, LS 3 = 5, ES 4 = 5, LS 4 = 7, ES 6 = 4 und LS 6 = 8. Nun bestimmen wir erneut die Menge der Einplanungszeitpunkte 5 (S C ) = {6, 11}. Wir berechnen die Erweitevon Vorgang 5, es ergibt sich D b C rungskosten f (S , 5, 6) = 9, f b (S C , 5, 11) = 9. Vorgang 5 wird damit zum Zeitpunkt t = 11 eingeplant. Da Vorgang 5 zu seinem spätesten Startzeitpunkt eingeplant wurde, aktualisieren wir ES 2 = 8, LS 2 = 8. Vorgang 2 ist somit fixiert (vgl. Abbildung 3.41c). In den n¨ achsten Schritten planen wir Vorgang 2 zum Zeitpunkt 8, Vorgang 4 zum Zeitpunkt 6, Vorgang 3 zum Zeitpunkt 0 und danach Vorgang 6 zum Zeitpunkt 5 ein. Wir erhalten den in Abbildung 3.41 d) dargestellten zul¨ assigen Schedule mit einem Zielfunktionswert von 85.

3.6 Fabrikabholung von Neuwagen

rb (S C , t)

rb (S C , t)

a) Initialisierung

b) Schritt 3

6

6 2

2

1 2

4

3

4

rb (S C , t) 4

263

6

8

10

2

2

4

3 4

6

4

rb (S C , t)

6

2

2

8

5 2 10

-t

12

4

6

2

q

4

3

1

12

c) Schritt 5

1

3

-t

6

8

-t

10

12

d) zul¨ assiger Schedule

q qa q qa 6 q qa 6 q qa

3 1 2

4

5

4

3 6

qa

2

8

10

-t

12

Abb. 3.41. Ressourcenprofile einiger Iterationsschritte

3.6 Fabrikabholung von Neuwagen In diesem Abschnitt stellen wir basierend auf einer Arbeit von Mellentien et al. (2004) die Anwendung von Modellen und Methoden der ressourcenbeschränkten Projektplanung f¨ ur die Planung der Fabrikabholung von Neuwagen vor. Viele Automobilhersteller bieten den Käufern ihrer Fahrzeuge die M¨ oglichkeit, ihr neu erworbenes Fahrzeug direkt ab Werk in Empfang zu nehmen. Im Zuge einer solchen Fabrikabholung nehmen die Kunden i.d.R. an einem umfangreichen Besuchsprogramm teil, das neben der eigentlichen ¨ Ubergabe des Fahrzeugs zahlreiche weitere Aktivitäten enthält, wie z.B. eine Werksbesichtigung, einen Besuch des werkseigenen Museums, oder ein Fahrsicherheitstraining auf der betriebseigenen Erprobungsstrecke. Ziel solcher Besuchsprogramme ist es, eine emotionale Bindung zwischen den Kunden und der Fahrzeugmarke zu etablieren. Um einen reibungslosen Ablauf bei der Fabrikabholung zu gew¨ ahrleisten, ist ein Zeitplan f¨ ur alle Aktivitäten des Besuchsprogramm zu erstellen. Dabei ist die Wartezeit der Kunden während ihres Aufenthaltes zu minimieren, um auf diese Weise einen Beitrag zur Erhöhung der Kundenzufriedenheit zu leisten. Sei C die Menge aller Kunden, die an dem betrachteten Tag an einem Besuchsprogramm teilnehmen. Im Folgenden wird angenommen, dass die einzelnen Kunden jeweils genau einer von mehreren Besuchergruppen zugeordnet seien und dass alle Kunden einer solchen Gruppe gleichzeitig an den Programmpunkten des jeweiligen Besuchsprogramm teilnehmen. Die einzelnen Aktivitäten eines Besuchsprogramms entsprechen jeweils einem Vorgang in einem MPM-Netzplan. F¨ ur jede Besuchergruppe f¨ uhren wir genau dann einen Vorgang ein, falls sich mindestens ein Mitglied der betrachteten Gruppe f¨ ur die Teilnahmen an der entsprechenden Aktivit¨ at angemeldet hat. Möchte ein

264


Kunde an einer oder mehreren einzelnen Aktivitäten des Besuchsprogramms nicht teilnehmen, so nehmen wir an, dass er entweder seinen Besuch beendet, wenn er an allen von ihm gew¨ unschten Aktivitäten teilgenommen hat, oder aber er wartet, bis der n¨ achste ihn interessierende Programmpunkt stattfinange, f¨ ur die sich Kunde c ∈ C angemeldet det. Sei Vc die Menge aller Vorg¨ hat. Dann entspricht max(Si + pi ) − min Si − pi c∈C

i∈Vc

i∈Vc

i∈Vc

der zu minimierenden gesamten Wartezeit aller Kunden f¨ ur gegebenen Schedule S. F¨ uhren wir f¨ ur alle Kunden c ∈ C die fiktiven Vorgänge bc und ec ein, die den Beginn und das Ende der Teilnahme des Kunden c am Besuchsprogramm repr¨ asentieren, und subtrahieren wir von vorgenannten Zielfunktion die der konstante Summe aller Vorgangsdauern c∈C i∈Vc pi , so können wir die zu minimierende Zielfunktion in der Form (Sbc − Sec ) f (S) = c∈C

schreiben. f entspricht somit gerade der Zielfunktion i∈V wi Si mit wi = 1 ur alle u (i = bc , c ∈ C), wi = −1 (i = ec , c ∈ C) und wi = 0 f¨ ¨brigen Vorgänge i. Die Menge aller Vorg¨ ange des Netzplans ist durch " V := Vc ∪ {bc , ec } ∪ {0, n + 1} c∈C

spezifiziert. Um zu gew¨ ahrleisten, dass kein Vorgang vor dem Start von Vorgang bc ausgef¨ uhrt werden kann, f¨ uhren wir f¨ ur alle Vorgänge j ∈ Vc und alle Kun= 0 ein. Analog m¨ ussen den c ∈ C einen zeitlichen Mindestabstand Tbmin cj min wir zeitliche Mindestabst¨ ande Tie = p einf¨ u hren, um sicherzustellen, dass i c kein Vorgang i ∈ Vc nach dem Ende Sec des Besuchsprogramms des Kunden c ∈ C stattfindet. Damit alle Kunden ihr Besuchsprogramm innerhalb eines Tages absolvieren k¨ onnen, f¨ ugen wir außerdem einen zeitlichen Höchstabstand max = d¯ ein, wobei d¯ gerade der L¨ ange eines Arbeitstages entspricht, sowie T0,n+1 min = Temin = 0 f¨ ur alle c ∈ C. die zeitlichen Mindestabst¨ ande T0b c n+1 c Zwischen einigen Vorg¨ angen i, j ∈ Vc bestehen aus organisatorischen Gr¨ unden Reihenfolgebeziehungen der Form Tijmin = pi . Beispielsweise muss ein Kunde erst eine Einweisung in sein Fahrzeug erhalten, bevor er mit dem Fahrsicherheitstraining beginnen darf. F¨ ur andere Vorgänge aus Vc hingegen, z.B. den Besuch des Museums oder die Werksbesichtigung, ist i.d.R. keine zwingend notwendige Reihenfolge vorgegeben. Um sicherzustellen, dass sich uhrung befinden, f¨ uhren wir zwei Vorg¨ ange i, j ∈ Vc nicht gleichzeitig in Ausf¨ daher f¨ ur jede Besuchergruppe eine erneuerbare Ressource k mit einer Kapazit¨ at von Rk = 1 Einheiten ein. Ordnen wir jeder Aktivität i einer jeden

3.6 Fabrikabholung von Neuwagen

265

Besuchergruppe die Ressourceninanspruchnahme rik = 1 zu, so ist gewährleistet, dass sich die einzelnen Aktivit¨ aten einer Besuchergruppen zeitlich nicht u onnen. ¨berlappen k¨ Zur Illustration betrachten wir den in Abbildung 3.42 skizzierten Netzplan mit zwei Besuchergruppen und vier Kunden. Die Kunden 1 und 2 sind der ersten Besuchergruppe und die Kunden 3 und 4 der zweiten Besuchergruppe zugeordnet. Das Programm der ersten Besuchergruppe beinhaltet die Aktivit¨ aten 1 bis 4, und das Besuchsprogramm der zweiten Gruppe besteht ¨ aus den Vorg¨ angen 5 bis 7. Aus Gr¨ unden der Ubersichtlichkeit verzichten wir in Abbildung 3.42 auf die Angabe von Pfeilbewertungen. Stattdessen sind Vorrangbeziehungen Tijmin = pi zwischen zwei Vorgängen i und j durch einen durchgezogenen Pfeil und zeitliche Mindestabstände Tijmin = 0 durch einen gestrichelten Pfeil zwischen den entsprechenden Vorgängen gekennzeichnet. Um ¨ die Uberlappung der Aktivit¨ aten einer Besuchergruppe zu vermeiden, f¨ uhren wir, wie oben beschrieben, zwei erneuerbare Ressourcen k = 1, 2 mit der Kapazit¨ at Rk = 1 ein. Die Inanspruchnahmen rik der Ressourcen k = 1, 2 durch einen Vorgang i sind in Abbildung 3.42 unterhalb des entsprechenden Knotens max ochstabstand T0,n+1 = d¯ gewährleistet in der Form (ri1 ; ri2 ) angegeben. Ein H¨ das rechtzeitige Ende des gesamten Besuchsprogramms. Besuchergruppe 1 2 1;0

1 1;0 b1

3 1;0

e1

b2

4 1;0

e2

n+1

0

−d¯ b3

6 0;1

5 0;1

b4

Besuchergruppe 2

7 0;1

e3 e4

Abb. 3.42. MPM-Netzplan f¨ ur die Planung der Fabrikabholung von Neuwagen

F¨ ur die Durchf¨ uhrung der Vorg¨ ange i ∈ Vc , c ∈ C, werden ferner einige weitere erneuerbare Ressourcen ben¨ otigt. Dabei handelt es sich entweder um einzelne Mitarbeiter bzw. Mitarbeitergruppen, wie z.B. Fahrlehrer oder Mitarbeiter, die die Werksbesichtigung durchf¨ uhren, oder verschiedene Arten

266


¨ von Einrichtungen, z.B. Ubergabestationen f¨ ur die Fahrzeug¨ ubergabe. Alle unterschiedlichen Arten von Ressourcen werden jeweils durch eine erneuerbare Ressource k mit einer entsprechenden Ressourcenkapazität Rk modelliert, die von den Vorgängen i ∈ Vc , c ∈ C, in der benötigten Höhe rik beansprucht werden. Um das beschriebene ressourcenbeschr¨ ankte Projektplanungsproblem mit Zielfunktion f (S) zu l¨ osen, k¨ onnen wir das relaxationsbasierte Enumerationsverfahren aus Abschnitt 3.3.1 oder das in Abschnitt 3.5 beschriebene serielle Generierungsschema verwenden. Aus dem resultierenden (näherungsweise) optimalen Schedule S kann man f¨ ur jeden Kunden c ∈ C sofort den Beginn Sbc und das Ende Sec seines Besuchsprogramms sowie die Startzeitpunkte Si , aten entnehmen, f¨ ur die sich der Kunde angemeldet hat. i ∈ Vc , der Aktivit¨ Mellentien et al. (2004) ber¨ ucksichtigen in ihrer Arbeit weitere praxisrelevante Anforderungen, f¨ ur deren Modellierung spezielle Typen von erneuerbaren Ressourcen ben¨ otigt werden. So wird bspw. angenommen, dass eine Besuchergruppe f¨ ur die Dauer ihres Besuchsprogramms von genau einem Mitarbeiter begleitet wird, der als Ansprechpartner bei Fragen und Problemen zur Verf¨ ugung steht. Dieser Sachverhalt kann mit Hilfe so genannter allozierbarer Ressourcen abgebildet werden; vgl. hierzu bspw. (Schwindt und Trautmann, 2003). Dazu f¨ uhrt man f¨ ur jede Besuchergruppe zwei weitere fiktive Vorg¨ ange ein, die jeweils den Beginn und das Ende des Besuchsprogramms der entsprechenden Gruppe repr¨ asentieren. Eine Einheit einer allozierbaren Ressource wird dann zu Beginn eines Besuchsprogramms belegt und erst am Ende des entsprechenden Besuchsprogramms wieder freigegeben. Ein weiterer praktischer Aspekt, den wir unber¨ ucksichtigt gelassen haben, ist, dass einzelne Aktivit¨ aten von mehreren Gruppen gemeinsam durchgef¨ uhrt werden können. Dies ist z.B. bei der Vorf¨ uhrung von Werbefilmen in einem werkseigenen Kinosaal der Fall. Die Schwierigkeit besteht hier darin, dass alle beteiligten Besuchergruppen gleichzeitig mit der Durchf¨ uhrung der entsprechenden Aktivität beginnen m¨ ussen. Dieser Sachverhalt l¨ asst sich mit so genannten synchronisierenden Ressourcen abbilden; vgl. (Neumann et al., 2003, Kap. 2.13).

Weiterfu ¨ hrende Literatur Bartusch et al. (1988) Brucker und Knust (2003) Demeulemeester und Herroelen (2002) Dorndorf (2002) Franck (1999) Hartmann (1999) Klein (2000) Kolisch (1995) Kolisch und Padman (2001) Mellentien et al. (2004)

M¨ ohring et al. (2003) Neumann und Zimmermann (2002) Neumann et al. (2003) Schirmer (1999) Schwindt (1998b) Schwindt (2005) Selle (2002) Trautmann (2001) Weglarz (1999)

4 Kostenplanung

In den Kapiteln 2 und 3 sind wir bei der Terminierung der Vorgänge eines Projektes unter Zeitrestriktionen bzw. unter Zeit- und Ressourcenrestriktionen davon ausgegangen, dass die Dauern der Projektvorgänge vorgegeben sind. Im Rahmen der Zeit-, Ressourcen- und Kostenanalyse (vgl. Abschnitt 1.4.2) haben wir jedoch gesehen, dass die Dauer pi eines Vorgangs i häufig variabel ist und i.d.R. von der Menge der zur Durchf¨ uhrung des Vorgangs eingesetzten ¨ Ressourcen abh¨ angt. Andern wir f¨ ur einen Vorgang z.B. die Anzahl der eingesetzten Maschinen oder Mitarbeiter oder ver¨ andern wir die Geschwindigkeit der eingesetzten Maschinen, so wird die Dauer des betrachteten Vorgangs erh¨ oht oder vermindert. Eine solche Maßnahme geht dabei meist mit einer entsprechenden Ver¨ anderung der Vorgangseinzelkosten einher, die im Rahmen der Ausf¨ uhrung des Vorgangs anfallen. Man kann sich daher die aus der Ausf¨ uhrung eines Vorgangs i resultierenden Einzelkosten ci (pi ) als eine Funktion in Abh¨ angigkeit von der Vorgangsdauer pi denken. Dabei nehmen wir an, dass alle Vorg¨ ange eines Projektes voneinander unabhängig seien, d.h. die Beschleunigung oder Verz¨ ogerung eines Vorgangs hat keinerlei Auswirkungen auf die Dauern der u ange. F¨ ur die Dauer pi eines Vorgangs i lassen sich ¨brigen Vorg¨ aufgrund technologischer Gegebenheiten zumeist eine untere Schranke pmin i und eine obere Schranke pmax angeben, die nicht unter- bzw. u ¨berschritten i werden d¨ urfen. Die Kostenfunktion ci (pi ) besitzt ferner genau eine kleinste , pmax ], f¨ ur die die Minimalstelle pni , d.h. pni ist die kleinste Dauer pi ∈ [pmin i i n 1 resultierenden Vorgangskosten ci minimal sind. Bei der Planung eines Projektes ist es im Allgemeinen sinnvoll, wie bereits in Abschnitt 1.4.2 beschrieben, f¨ ur alle Projektvorgänge die Vorgangsdauern so zu w¨ ahlen, dass die aus der Projektdurchf¨ uhrung resultierenden Kosten minimal sind, d.h. wir legen im Rahmen der Planung in den Kapiteln 2 und 3 grunds¨ atzlich f¨ ur alle Vorg¨ ange i ihre kostenminimalen Vorgangs1

F¨ ur einen fiktiven Vorgang i (in MPM-Netzpl¨ anen) bzw. einen Scheinvorgang i (in = pmax = pn CPM-Netzpl¨ anen) ist die Vorgangsdauer naturgem¨ aß pi = pmin i i i = 0 und die zugeh¨ origen Vorgangskosten seien ci (pi ) = 0.

268

4 Kostenplanung

dauern pni zugrunde. H¨ aufig zeigt sich im Rahmen der Projektplanung oder der Projekt¨ uberwachung (vgl. Abschnitt 1.5.1) jedoch, dass ein Projekt unter ur alle Projektvorgänge i der Annahme vorgangskostenminimaler Dauern pni f¨ nicht rechtzeitig bis zum Zeitpunkt d¯ abgeschlossen werden kann, oder dass ein vorgegebenes Budget zur Durchf¨ uhrung des Projektes f¨ ur gegebene Vorgangsdauern pi < pni nicht ausreicht. Aufgabe der Kostenplanung ist es daher, entweder ange so festzulegen, dass das Pro• die Vorgangsdauern pi der Projektvorg¨ jektende sp¨ atestens zum Zeitpunkt d¯ eintritt und die aus der Projektdurchf¨ uhrung resultierenden Kosten minimal sind, oder ange so festzulegen, dass das Pro• die Vorgangsdauern pi der Projektvorg¨ jektende so fr¨ uh wie m¨ oglich eintritt und die resultierenden Kosten ein vorgegebenes Budget L nicht u ¨berschreiten. Das Problem der Kostenplanung wird in der Literatur häufig auch als TimeCost-Tradeoff-Problem bezeichnet, da eine Abwägung zwischen der Projektdauer und den hieraus resultierenden Kosten vorgenommen wird. Wir betrachten im Folgenden den speziellen Fall, dass die Kostenfunktiour alle Projektvorg¨ ange lineare Funktionen darstellen. Sind die nen ci (pi ) f¨ Kostenfunktionen der Projektvorg¨ ange i nicht linear, so approximieren wir , pni ] durch lineare Funktionen diese Kostenfunktionen im Intervall pi ∈ [pmin i ci (pi ) = bi − ai pi mit bi :=

− pmin cni pni cmin i i pni − pmin i

und ai :=

− cni cmin i . n pi − pmin i

(4.1)

Der Faktor −ai stellt dann die Steigung der linearen Kostenfunktion dar, wobei ai den zusätzlichen Kosten entspricht, die entstehen, wenn wir Vorgang i um eine Zeiteinheit beschleunigen. In Abbildung 4.1 ist eine solche lineare Approximation einer konvexen Kostenfunktion durch die gestrichelte Gerade dargestellt. Die Beschr¨ ankung der Vorgangsdauer pi auf das Intervall n , p ] ist sinnvoll, da die Projektvorg¨ ange ausgehend von der kostenmini[pmin i i malen Dauer pni nur beschleunigt, jedoch nie verzögert werden sollten. Die L¨ osung eines Time-Cost-Tradeoff-Problems macht nur dann Sinn, wenn die Projektdauer des zugrunde liegenden Projektes von den Dauern der einzelnen Projektvorg¨ ange abh¨ angt. Der Einfachheit halber nehmen wir im Folgenden deshalb an, dass das zugrunde liegende Projekt ausschließlich Vorrangbeziehungen anstelle von allgemeinen zeitlichen Mindest- und Höchstabst¨ anden zwischen zwei Vorg¨ angen i und j enthält, d.h. wir betrachten lediglich Zeitbeziehungen der Form Sj − Si ≥ pi . Somit können wir das Time, pni ] Cost-Tradeoff-Problem zur Bestimmung der Vorgangsdauern pi ∈ [pmin i

4 Kostenplanung

269

ci (pi )

cmin i

cn i pmin i

pn i

pmax i

pi

Abb. 4.1. Vorgangskosten in Abh¨ angigkeit der Vorgangsdauer

und der Startzeitpunkte Si f¨ ur alle Projektvorg¨ ange i, so dass das Projektende gerade zum Zeitpunkt d¯ endet, in der f¨ ur MPM-Netzpl¨ ane u ¨blichen Notation wie folgt formulieren. ⎫ bi − ai pi Minimiere C (p) = ⎪ ⎪ ⎪ i∈V ⎪ ⎪ u.d.N. S j − S i ≥ pi (i, j ∈ E) ⎬ (4.2) S0 = 0 ⎪ ⎪ ⎪ ⎪ Sn+1 = d ⎪ ⎭ n , p ] (i ∈ V ) pi ∈ [pmin i i Dabei nehmen wir an, dass die f¨ ur die Durchf¨ uhrung des betrachteten Projektes ben¨ otigten Ressourcen in beliebiger Menge zur Verf¨ ugung stehen, so dass in Problem (4.2) keine Ressourcenrestriktion ber¨ ucksichtigt werden m¨ ussen. Stattdessen finden die Ressourceninanspruchnahmen implizit durch die zu minimierende Kostenfunktion Ber¨ ucksichtigung, die den Zusammenhang zwischen der Dauer eines Vorgangs, seiner korrespondierenden Ressourceninanspruchnahme und den resultierenden Kosten abbildet. Weiterhin sei angemerkt, dass die Nebenbedingung Sn+1 = d in Problem (4.2) ur Sn+1 < d existiert stets mindestens ein äquivalent zu Sn+1 ≤ d ist, denn f¨ o ht werden kann, so dass der Zielfunktionswert Vorgang i, dessen Dauer pi erh¨ onnen wir in Problem von (4.2) verbessert wird. Da i∈V bi konstant ist, k¨ (4.2) außerdem Zielfunktion C (p) durch die zu minimierende Zielfunktion ai pi C(p) = − i∈V

ersetzen. Da in Problem (4.2) ausschließlich Vorrangbeziehungen ber¨ ucksichtigt werden, lässt sich das diesem Problem zugrunde liegende Projekt auch als CPMNetzplan darstellen. In Abschnitt 4.1 erl¨ autern wir zur L¨ osung von Problem

270

4 Kostenplanung

(4.2) das Verfahren von Kelley (1961). Da dieses Verfahren auf Vorgangspfeilnetzpl¨ anen operiert, transformieren wir den Problem (4.2) zugrunde liegenden MPM-Netzplan in einen ¨ aquivalenten CPM-Netzplan. In Abschnitt 4.2 geben wir schließlich basierend auf (Hajdu, 1997) einige Hinweise darauf, wie das Time-Cost-Tradeoff-Problem f¨ ur MPM-Netzpläne mit allgemeinen Zeitbeziehungen gel¨ ost werden kann. F¨ ur beliebige stetige, nichtlineare Kostenfunktionen ci (pi ) beschreiben Moder et al. (1983, Kapitel 8) ein geeignetes Vorgehen zur Kostenplanung, das auf der st¨ uckweise linearen Approximation der nichtlinearen Kostenfunktionen beruht. F¨ ur den Fall nicht-konvexer Kostenfunktionen stellt die resultierende Optimierungsaufgabe ein gemischt-ganzzahliges Optimierungsproblem dar, welches i.d.R. schwierig zu l¨ osen ist. Häufig werden im Rahmen der Kostenplanung auch diskrete Kostenfunktionen betrachtet, z.B. weil die zur Beschleunigung eines Vorgangs zus¨ atzlich eingesetzten Ressourcen nur in diskreten Mengeneinheiten zur Verf¨ ugung stehen. Zur Lösung solcher diskreter Time-Cost-Tradeoff-Probleme beschreiben bspw. Demeulemeester und Herroelen (2002, Kapitel 8) geeignete Vorgehensweisen, die auf der Lösung gemischt-ganzzahliger Optimierungsprobleme beruhen.

4.1 Time-Cost-Tradeoff fu ane mit ¨ r Netzpl¨ Vorrangbeziehungen Wie in Abschnitt 1.4.4 erl¨ autert, entsprechen in einem CPM-Netzplan die Vorg¨ ange eines Projektes den Pfeilen des Netzplans, und die Knoten repräsentieren Ereignisse. Die Pfeilmenge sei o.B.d.A. durch E = {1, . . . , n} gegeben, und die Knotenmenge sei als V = {1, . . . , m} spezifiziert, wobei Knoten 1 den Projektstart und Knoten m das Projektende repräsentieren. Die Bewertung eines Pfeils i ∈ E entspricht gerade der Dauer pi des zugehörigen Vorgangs. Ein Vorgang i ist stets mit genau einem Startereignis ei ∈ V und einem Enderur jedes Ereignis e ∈ V lässt sich, wie in Abschnitt eignis e¯i ∈ V inzident. F¨ 1.4.4 beschrieben, ein fr¨ uhester Eintrittszeitpunkt EZ e angeben. Ferner bezeichne Ze ≥ EZ e (e ∈ V ) den geplanten Eintrittszeitpunkt von Ereignis e. Der fr¨ uheste Startzeitpunkt eines Vorgangs i mit Startereignis ei entspricht uhestm¨ ogliche Endzeitpunkt des betrachteten Projekts ES i = EZ ei , und der fr¨ ¯ ist wegen Z1 = EZ 1 := 0 gerade EZ n = d. In der f¨ ur CPM-Netzpl¨ ane gel¨ aufigen Notation entspricht Problem (4.2) mit Zielfunktion C(p) somit gerade dem Optimierungsproblem ai pi (4.3) Minimiere C(p) = − i∈E

u.d.N.

Ze¯i − Zei ≥ pi Z1 = 0 Zn = d pi ∈ [pmin , pni ] i

(i ∈ E) (i ∈ E)

(4.4) (4.5) (4.6) (4.7)

4.1 Time-Cost-Tradeoff f¨ ur Netzpl¨ ane mit Vorrangbeziehungen

271

mit den Entscheidungsvariablen Ze f¨ ur alle e ∈ V und pi f¨ ur alle i ∈ E. Restriktionen (4.4) stellen sicher, dass ein Ereignis e ∈ V erst dann eintreten kann, wenn alle Vorg¨ ange abgeschlossen wurden, deren Endereignis e ist. Nebenbedingungen (4.5) und (4.6) gew¨ ahrleisten, dass das betrachtete Projekt zum Zeitpunkt 0 beginnt und gerade zum vorgegebenen Zeitpunkt d¯ endet. Bedingungen (4.7) beschr¨ anken die gesuchte Dauer pi eines Vorgangs auf das n , p ]. Zielfunktion C sorgt daf¨ ur, dass die aus der beschleunigten Intervall [pmin i i Ausf¨ uhrung aller Vorg¨ ange resultierenden Zusatzkosten minimal sind. Dazu atzlich so groß wie möglich gewählt, so werden die Vorgangsdauern pi grunds¨ dass die Vorrangbeziehungen zwischen den Vorgängen eingehalten werden und das Projekt zum Zeitpunkt d¯ beendet wird. Eine optimale L¨ osung f¨ ur Problem (4.3) – (4.7) hängt von der vorzugebenden maximalen Projektdauer d¯ ab. Damit f¨ ur das Time-Cost-TradeoffProblem eine zul¨ assige L¨ osung existiert, muss d¯ aus dem Intervall [d¯min , d¯n ] urzestmöglichen Projektdauer, gew¨ ahlt werden. Hierbei entspricht d¯min der k¨ wenn wir f¨ ur alle Vorg¨ ange i ∈ E die Vorgangsdauer pmin vorgeben, und d¯n ist i die k¨ urzestm¨ ogliche Projektdauer, wenn f¨ ur alle Projektvorgänge i die Dauer pni angenommen wird. Problem (4.3) – (4.7) kann als parametrisches Optimierungsproblem mit dem Parameter d¯ ∈ [d¯min , d¯n ] verstanden werden. Die optimalen Werte der Entscheidungsvariablen Ze∗ (e ∈ V ) und p∗i (i ∈ E) sowie der optimale Zielfunktionswert C ∗ lassen sich dann als Funktionen des Parameters d¯ auffassen. uckweise lineare Funktionen der maximalen Da C ∗ , Ze∗ und p∗i stetige und st¨ Projektdauer d¯ sind, kann das parametrische Optimierungsproblem (4.3) – (4.7) durch eine endliche Folge nicht-parametrischer Optimierungsprobleme ersetzt werden, die sich jeweils auf ein bestimmtes Teilintervall von [d¯min , d¯n ] ¯ Z ∗ (d) ¯ (e ∈ V ) und p∗ (d) ¯ (i ∈ E) linear beziehen, f¨ ur das die Funktionen C ∗ (d), e i min ¯n ¯ , d ] zu diesem Zweck, wie in Absind. Nehmen wir an, dass das Intervall [d bildung 4.2 dargestellt, sukzessive in r Teilintervalle [d¯ , d¯ −1 ], = 1, . . . , r, zerlegt wird, wobei f¨ ur jedes dieser Intervalle die untere Intervallgrenze d¯ ausgehend von der oberen Intervallgrenze d¯ −1 bestimmt wird (d.h. d¯ −1 ist gegeben und d¯ muss erst noch ermittelt werden). Ausgehend von Teilintervall osen wir dann f¨ ur jedes der Teilintervalle [d¯1 , d¯0 ], [d¯2 , d¯1 ], . . ., [d¯1 , d¯n = d¯0 ] l¨ min ¯ ¯ ¯ , dr−1 ] ein nicht-parametrisches Optimierungsproblem. [dr = d - t 0

d¯min = d¯r

...

d¯

d¯−1

...

d¯1

d¯n = d¯0

Abb. 4.2. Lage der Intervalle [d¯ , d¯−1 ]

Bevor wir das Verfahren zur Konstruktion der Teilintervalle und L¨ osung der resultierenden Optimierungsprobleme in seiner Gesamtheit erl¨ autern, besprechen wir zun¨ achst das Vorgehen zur L¨ osung eines einzelnen Optimierungsproblems f¨ ur ein Teilintervall [d¯ , d¯ −1 ] von [d¯min , d¯n ].

272

4 Kostenplanung

Zu diesem Zweck f¨ uhren wir das Konzept einer so genannten Verk¨ urzungsmenge ein. Dazu nehmen wir an, dass f¨ ur den zugrunde liegenden CPM, pni ] f¨ ur alle i ∈ E vorgegeben sind. Netzplan N Pfeilbewertungen pi ∈ [pmin i ¯ d −1 entspricht der k¨ urzestm¨ oglichen Projektdauer f¨ ur die gegebenen Vorgangsdauern pi . Definition 4.1 (Verk¨ urzungsmenge, Verk¨ urzungsfaktor). Eine Menge K ⊆ E von kritischen Vorg¨ angen des Netzplans N heißt Verk¨ urzungsmenge von N , wenn es einen Faktor δ > 0 gibt, so dass die Verk¨ urzung oder ange i ∈ K um jeweils δ Zeiteinheiten Verl¨ angerung der Dauer pi aller Vorg¨ eine Verk¨ urzung aller kritischen Wege vom Projektstart zum Projektende – und damit auch der Projektdauer – um δ Zeiteinheiten nach sich zieht. Den größtm¨ oglichen Faktor δ bezeichnen wir als den zur Verk¨ urzungsmenge K geh¨ orenden Verk¨ urzungsfaktor δ K . Beispiel 4.2. Wir betrachten den CPM-Netzplan in Abbildung 4.3 mit f¨ unf Vorg¨ angen und vier Ereignissen, wobei an den Pfeilen des Netzplans jeweils die Nummer i des zugeh¨ origen Vorgangs, die Vorgangsdauer pi sowie die unbzw. pni f¨ ur die Vorgangsdauer vermerkt sind. tere und obere Schranke pmin i und pni die In Tabelle 4.1 sind f¨ ur die unteren und oberen Schranken pmin i n und c f¨ u r alle i ∈ E angegeben. Damit k¨ onnen wir zugeh¨ origen Kosten cmin i i unter Zuhilfenahme von (4.1) die Zusatzkosten ai bestimmen, die durch die Beschleunigung eines Vorgangs i ∈ E um eine Zeiteinheit verursacht werden. F¨ ur Vorgang 1 erhalten wir z.B. a1 :=

7−1 =6. 3−2

Die entsprechenden Werte der u ange sind in Tabelle 4.1 angegeben. ¨brigen Vorg¨

2

3; 6

;3 2; 3

;6

1; 6

3

1

4

1; 3; 5

1

;6

Legende: 4

5 ; 5;

ei

pmin ; pi ; p n i i

e¯i

i

2

2

5 3

Abb. 4.3. CPM-Netzplan N

Wir wollen nun f¨ ur Netzplan N die Menge aller m¨ oglichen Verk¨ urzungsmengen K sowie die zugeh¨ origen Verk¨ urzungsfaktoren δ K bestimmen. Die


273

Tabelle 4.1. Zus¨ atzliche Informationen f¨ ur Netzplan N in Abb. 4.3 i∈E

1

2

3

4

5

pmin i pn i cmin i cn i

2 3 7 1 6

1 6 21 1 4

1 5 9 1 2

3 6 10 1 3

2 5 13 1 4

ai

kritischen Vorg¨ ange 1, 2, 3 und 5 sind in Abbildung 4.3 durch stark ausgezeichnete Pfeile gekennzeichnet. F¨ ur die an den Pfeilen des Netzplans angeuhestens zum Zeitpunkt 11 gebenen Vorgangsdauern pi kann das Projekt fr¨ ur N lassen sich vier verschiedene beendet werden, d.h. es gilt d¯ −1 = 11. F¨ Verk¨ urzungsmengen angeben, n¨ amlich K1 = {1, 2},

K2 = {5},

K3 = {1, 3, 5}

und K4 = {2, 3} .

F¨ ur K1 ist der zugeh¨ orige Verk¨ urzungsfaktor δ K1 = 1, d.h. eine Verk¨ urzung der Vorg¨ ange 1 und 2 um eine Zeiteinheit f¨ uhrt dazu, dass das fr¨ uheste Projektende eine Zeiteinheit fr¨ uher eintreten kann. Eine dar¨ uber hinausgehende oglich, da pmin = 2 gilt. Weiterhin Verk¨ urzung der Vorg¨ ange aus K1 ist nicht m¨ 1 uhrung von Vorgang 5 kann um zwei Zeiteinheiten ist δ K2 = 2, d.h. die Ausf¨ beschleunigt werden. Eine weitere Verk¨ urzung von Vorgang 5 ist zwar möglich, hätte aber keine ebenso große Verk¨ urzung des fr¨ uhesten Projektendes zur Folge, da dann Vorgang 4 kritisch w¨ urde, w¨ ahrend Vorgang 5 unkritisch wäre. ange 1 und 5 um eine Zeiteinheit verk¨ urzt F¨ ur K3 ist δ K3 = 1, wobei die Vorg¨ werden und die Ausf¨ uhrungsdauer von Vorgang 3 um eine Zeiteinheit erhöht wird. Schließlich gilt δ K4 = 2, d.h. die Dauern der Vorgänge 2 und 3 werden um zwei Zeiteinheiten verk¨ urzt. Es ist zu beachten, dass bspw. die Menge {1, 2, 3} keine Verk¨ urzungsmenge darstellt, da die Verk¨ urzung der Vorg¨ ange 1, 2, und 3 um jeweils 0 < δ ≤ 1 Zeiteinheiten dazu f¨ uhrt, dass der kritische Weg 1, 2, 3, 4 k¨ urzer w¨ urde als der kritische Weg 1, 3, 4 . Zur Verk¨ urzung aller kritischen Wege und damit des fr¨ uhestmöglichen Projektendes ist genau eine Verk¨ urzungsmenge K auszuwählen, deren Vorgänge urzt oder verl¨ angert werden. Existieren mehi ∈ K um δ K Zeiteinheiten verk¨ rere Verk¨ urzungsmengen, wie z.B. f¨ ur den CPM-Netzplan aus Abbildung 4.3, so w¨ ahlen wir diejenige Verk¨ urzungsmenge, f¨ ur die eine Verk¨ urzung oder Verl¨ angerung der zugeh¨ origen Vorg¨ ange um eine Zeiteinheit die geringsten Zusatzkosten verursacht. Bezeichne K − ⊆ K die Menge der Vorgänge, deren Dauern verk¨ urzt werden, und K + = K \ K − die Menge der Vorgänge, deren Dauern erh¨ oht werden. Dann entspricht ai f¨ ur i ∈ K − K ai := −ai f¨ ur i ∈ K +

274

4 Kostenplanung

den Kosten, die entstehen, wenn ein Vorgang i ∈ K um eine Zeiteinheit verk¨ urzt bzw. verl¨ angert wird. Definition 4.3 (Kostenfaktor, minimale Verk¨ urzungsmenge). Der zur Verk¨ urzungsmenge K geh¨ orige Kostenfaktor aK := aK i i∈K

gibt die zus¨ atzlichen Kosten an, die die Verk¨ urzung oder Verlängerung der Vorg¨ ange i ∈ K um eine Zeiteinheit nach sich zieht. Eine Verk¨ urzungsmenge, die unter allen m¨ oglichen Verk¨ urzungsmengen einen minimalem Kostenfaktor besitzt, nennen wir minimale Verk¨ urzungsmenge. Beispiel 4.4 (Fortsetzung von Beispiel 4.2). Wir betrachten wieder den Netzplan N aus Abbildung 4.3 und wollen nun eine minimale Verk¨ urzungsmenge f¨ ur N bestimmen. F¨ ur die Verk¨ urzungsmengen K1 bis K4 erhalten wir die zugeh¨ origen Kostenfaktoren aK1 = 6+4 = 10, aK2 = 4, aK3 = 6−2+4 = 8 K4 urzungsmenge erhalten wir demnach sowie a = 4+2 = 6. Als minimale Verk¨ K2 = {5}. Haben wir eine minimale Verk¨ urzungsmenge K identifiziert, so verk¨ urzen bzw. verl¨ angern wir alle Vorg¨ ange i ∈ K um δ ∈ [0, δ K ] Zeiteinheiten. Ausgeorigen optimalen Funktionswerten hend von einem gegebenen d¯ −1 und zugeh¨ ur beliebige C ∗ (d¯ −1 ), Ze∗ (d¯ −1 ) (e ∈ V ) und p∗i (d¯ −1 ) (i ∈ E) erhalten wir f¨ Werte d¯ aus dem Intervall [d¯ , d¯ −1 ] mit d¯ = d¯ −1 − δ K wie folgt eine optiur die optimale male L¨ osung der Funktionen C ∗ , Ze∗ (e ∈ V ) und p∗i (i ∈ E). F¨ Vorgangsdauer p∗i eines Vorgangs i ∈ E gilt ⎧ ∗ ur i ∈ K − ⎨ pi (d¯ −1 ) − δ f¨ ∗ ¯ ∗ ¯ ur i ∈ K + pi (d) := pi (d −1 ) + δ f¨ ⎩ ∗ ¯ pi (d −1 ) sonst ur die Zielfunktion (4.3) erhalten wir mit d¯ = d¯ −1 − δ, δ ∈ [0, δ K ]. F¨ ¯ := C ∗ (d¯ −1 ) + δaK C ∗ (d) ¯ ergeben sich als die fr¨ f¨ ur d¯ = d¯ −1 − δ, δ ∈ [0, δ K ]. Die Gr¨ oßen Ze∗ (d) uhesten Eintrittszeitpunkte der Ereignisse e ∈ V , wobei f¨ ur alle Vorgänge i ∈ E die ¯ gegeben seien. Z ∗ (d), ¯ e ∈ V , ist somit die Lösung des u Dauern p∗i (d) ¨berbee stimmten linearen Gleichungssystems ¯ Ze¯i − Zei = p∗i (d)

(i ∈ E)

Z1 = 0 Zn = d¯ , wobei ei gerade dem Start- und e¯i dem Endereignis des Vorgangs i ∈ E ¯ Z ∗ (d) ¯ (e ∈ V ) und p∗ (d) ¯ (i ∈ E) sind also entspricht. Die Funktionen C ∗ (d), e i linear auf dem Intervall [d¯ , d¯ −1 ].


275

Beispiel 4.5 (Fortsetzung von Beispiel 4.4). F¨ ur den CPM-Netzplan aus Abbildung 4.3 ist d¯ −1 = 11 und die Werte p∗i (d¯ −1 ), i ∈ E, entsprechen den an den Pfeilen in Abbildung 4.3 angegebenen Vorgangsdauern pi . Somit erhalten wir f¨ ur Ze∗ (d¯ −1 ), e ∈ V , die in Tabelle 4.2 dargestellten Werte. Unter ur den Beachtung der in Tabelle 4.1 angegebenen Zusatzkosten ai ergibt sich f¨ Zielfunktionswert C ∗ (d¯ −1 ) = − i∈E ai p∗i (d¯ −1 ) = −86. Tabelle 4.2. Startzeitpunkte Ze∗ (d¯−1 ) der Ereignisse e ∈ V f¨ ur d¯−1 = 11 e∈V

1

2

3

Ze∗ (d¯−1 )

0

3

6 11

4

In Beispiel 4.4 haben wir die minimale Verk¨ urzungsmenge K2 = {5} mit zugeh¨ origem Verk¨ urzungsfaktor δ K2 = 2 und Kostenfaktor aK2 = 4 bestimmt. F¨ ur eine Projektdauer d¯ aus dem Intervall [d¯ = d¯ −1 − δ K2 , d¯ −1 ] = [9, 11] ¯ Z ∗ (d) ¯ und C ∗ (d). ¯ erhalten wir wie folgt die optimalen Funktionswerte p∗i (d), e urzenden Vorgang 5 enthält, gilt wegen δ K2 = Da K2 lediglich den zu verk¨ ¯ := 5 − (11 − d) ¯ f¨ ur die optimale Dauer dieses Vorgangs p∗5 (d) ur d¯ −1 − d¯ f¨ ∗ ¯ ∗ ¯ ( d) := p ( d ), d.h. die Vord¯ ∈ [9, 11]. F¨ ur alle u brigen Vorg¨ a nge ist p ¨ −1 i i gangsdauern dieser Vorg¨ ange bleiben unver¨ andert. F¨ ur die Eintrittszeitpunkte der Ereignisse e ∈ V ergeben sich f¨ ur d¯ ∈ [9, 11] die in Tabelle 4.3 dar¯ mit d¯ ∈ [9, 11] erhalten wir gestellten Werte. Als Zielfunktionswert C ∗ (d) ¯ := C ∗ (11) + (11 − d)a ¯ K2 = −86 + (11 − d)4. ¯ C ∗ (d) ¯ der Ereignisse e ∈ V f¨ Tabelle 4.3. Startzeitpunkte Ze∗ (d) ur d¯ ∈ [9, 11] e∈V

1

2

3

4

¯ Ze∗ (d)

0

3

6

d¯

Verk¨ urzen wir die Ausf¨ uhrungsdauer von Vorgang 5 so stark wie m¨ oglich, d.h. um δ K2 = 2 Zeiteinheiten, so erhalten wir p∗5 = 3 und die minimale Projektdauer ergibt sich zu d¯ = d¯ −1 − δ K2 = 11 − 2 = 9 Zeiteinheiten. Der optimale Zielfunktionswert lautet dann C ∗ (d¯ ) = −86 + 8 = −78. Abbildung 4.4 zeigt den entsprechend modifizierten CPM-Netzplan. Um Problem (4.3) – (4.7) f¨ ur alle m¨ oglichen Werte von d¯ aus dem Intermin ¯n ¯ , d ] zu l¨ osen, gehen wir wie folgt vor. Ausgehend von einem CPMvall [d sowie der resultierenden Projektdauer Netzplan mit den Pfeilbewertungen pni achst eid¯0 := d¯n und dem Zielfunktionswert − i∈E ai pni bestimmen wir zun¨ ne minimale Verk¨ urzungsmenge K sowie den zugeh¨ origen Verk¨ urzungsfaktor urzungsfaktor δ K liefert unmittelbar die δ K und Kostenfaktor aK . Der Verk¨ K ¯ ¯ ur das erste zu betrachtende Intervall [d¯1 , d¯0 ] untere Grenze d1 = d0 − δ f¨

276

4 Kostenplanung 2

3; 6

;3 2; 3

;6

1; 6

3

1

4

1; 3; 5

1

;6

Legende: 4

5 ; 3;

ei

pmin ; pi ; pn i i

e¯i

i

2

2

5 3

Abb. 4.4. CPM-Netzplan

(vgl. Abbildung 4.2). F¨ ur d¯ ∈ [d¯1 , d¯0 ] ermitteln wir dann wie oben beschrieben ¯ (i ∈ E), Z ∗ (d) ¯ (e ∈ V ) und eine optimale Lösung f¨ ur die Funktionen p∗i (d) e ∗ ¯ C (d). Anschließend gehen wir von dem zugrunde liegenden CPM-Netzplan mit den Pfeilbewertungen p∗i (d¯1 ) (i ∈ E) und dem Zielfunktionswert C ∗ (d¯1 ) aus und bestimmen abermals eine minimale Verk¨ urzungsmenge und die reur d¯ ∈ [d¯2 , d¯1 ] ermitteln wir wiederum sultierende untere Intervallgrenze d¯2 . F¨ ¯ (i ∈ E), Z ∗ (d) ¯ (e ∈ V ) und C ∗ (d). ¯ Diese Schritte werden die Werte p∗i (d) e min ¯n ¯ , d ] auf diese Weise unso lange wiederholt, bis das gesamte Intervall [d ¯ (i ∈ E), Z ∗ (d) ¯ tersucht wurde, d.h. bis wir im r-ten Verfahrensschritt p∗i (d) e ∗ ¯ min ¯ ¯ ¯ ¯ ur d ∈ [dr = d , dr−1 ] bestimmt haben. Dies ist der Fall, (e ∈ V ) und C (d) f¨ wenn f¨ ur alle Vorg¨ ange, die auf einem kritischen Weg von 1 nach m liegen, ist. die Vorgangsdauer pi = pmin i Die Schwierigkeit in der geschilderten Vorgehensweise besteht in der Bestimmung einer minimalen Verk¨ urzungsmenge K f¨ ur den einem Intervall ur gr¨ oßere Netz[d¯ , d¯ −1 ], = 1, . . . , r, zugrunde liegenden CPM-Netzplan. F¨ pl¨ ane nimmt die Anzahl m¨ oglicher Verk¨ urzungsmengen rasch zu, so dass eine Enumeration aller m¨ oglichen Verk¨ urzungsmengen sehr aufw¨ andig ist. In Abschnitt 4.1.2 beschreiben wir daher mit dem Algorithmus von Kelley ein rechentechnisch sehr g¨ unstiges Verfahren zur L¨ osung des parametrischen Optimierungsproblems (4.3) – (4.7). Daf¨ ur ben¨ otigen wir jedoch zun¨ achst einige weitere graphentheoretische Grundlagen zur Bestimmung maximaler Fl¨ usse und minimaler Schnitte in einem Netzwerk mit Kapazit¨ aten, die wir im folgenden Abschnitt erl¨ autern. 4.1.1 Bestimmung maximaler Fl¨ usse In Abschnitt 2.2.2 haben wir ein Verfahren kennengelernt, mit dem man in einem Netzwerk einen kostenminimalen Fluss vorgegebener St¨ arke ermittelt. Im Folgenden beschreiben wir den Algorithmus von Ford und Fulkerson zur Bestimmung eines Flusses maximaler St¨ arke in einem solchen Netzwerk. Eine Einf¨ uhrung in die Optimierung auf Graphen und Netzen findet sich z.B. in (Winston, 2004, Kapitel 8).


277

Gegeben sei ein Digraph V F , E F mit Knotenmengen V F und Pfeilmenat λij ≥ 0 und einer Maximalkapazität ge E F sowie einer Minimalkapazit¨ ur jeden Pfeil i, j ∈ E F . Sei ferner xij f¨ ur alle i, j ∈ E F eiκij ≥ λij f¨ ne Entscheidungsvariable, die angibt, wie viele Flusseinheiten u ¨ber den Pfeil i, j transportiert werden. Dann entspricht die Bestimmung eines maximalen Flusses zwischen zwei ausgezeichneten Knoten r (Flussquelle) und s (Flusssenke) im Flussnetzwerk N F = V F , E F ; λ, κ mit Kapazitäten der Lösung des linearen Optimierungsproblems ⎫ Max. ω ⎪ ⎧ ⎪ ⎪ ⎪ ω f¨ u r i = r ⎬ ⎨ ur i = s (4.8) (i ∈ V F ) xij − xki = −ω f¨ u.d.N. ⎩ ⎪ j∈Succ(i) k∈Pred(i) ⎪ 0 sonst ⎪ ⎪ ⎭ λij ≤ xij ≤ κij (i, j ∈ E F ) Der Wert der Entscheidungsvariable ω repr¨ asentiert die Stärke des zugehörigen Flusses von r nach s; eine optimale L¨ osung dieses Problems kann mit Hilfe des Simplex-Algorithmus bestimmt werden. Aufgrund der speziellen Struktur von Problem (4.8) existiert mit dem Algorithmus von Ford und Fulkerson jedoch ein wesentlich effizienteres Verfahren zur Bestimmung maximaler Fl¨ usse in einem Netzwerk N F . Dazu benötigt man eine zul¨ assige L¨ osung f¨ ur Problem (4.8) und konstruiert dann ausgehend von dieser Startl¨ osung eine Folge von zul¨ assigen Fl¨ ussen mit wachsender Flussstärke ω.2 Zu diesem Zweck werden flussvergrößernde (r, s)-Semiwege von Knoten r nach Knoten s konstruiert. Sei W = i1 , i2 , . . . , in ein Semiweg von Knoten i1 nach Knoten in . Ein Pfeil von W heißt Vorw¨ artspfeil, wenn er dieselbe Orientierung wie W hat, andernfalls R¨ uckw¨ artspfeil. F¨ ur einen zul¨ assigen Fluss xi1 ,i2 , xi2 ,i3 , . . . , xin−1 ,in auf einen Semiweg W = i1 , i2 , . . . , in stellt κij − xij , falls i, j Vorwärtspfeil von W εij := uckwärtspfeil von W xij − λij , falls i, j R¨ den maximalen Betrag dar, um den der Wert der Flussvariablen xij auf dem Vorw¨ artspfeil i, j erh¨ oht bzw. der Wert der Flussvariablen xij auf ur alle Pfeile dem R¨ uckw¨ artspfeil i, j vermindert werden kann. Ist εij > 0 f¨ i, j ∈ W , so heißt W flussvergr¨ oßernder (i1 , in )-Semiweg. Zur Bestimmung eines flussvergr¨ oßernden Semiweges zwischen der Flussquelle r und der Flusssenke s werden ausgehend von Knoten r alle Knoten i 2

Gilt λij = 0 f¨ ur alle i, j ∈ E F , so ist eine zul¨ assige Ausgangsl¨ osung unmittelbar ur alle i, j ∈ E F gegeben. Ist dies nicht der Fall, durch ω := 0 und xij := 0 f¨ so kann, wie in (Neumann und Morlock, 2002, Kap. 2.6.4) beschrieben, ein zul¨ assiger Ausgangsfluss ermittelt werden. F¨ ur den in Abschnitt 4.1.2 beschrieur alle benen Algorithmus von Kelley gilt zu Beginn des Verfahrens stets λij = 0 f¨ i, j ∈ E F .

278

4 Kostenplanung

markiert, zu denen von r aus mindestens eine zusätzliche Flusseinheit transportiert werden kann. Dazu u ufen wir f¨ ur alle Pfeile r, i , ob xri < κri ¨berpr¨ gilt, und f¨ ur alle R¨ uckw¨ artspfeile i, r , ob xir > λir erf¨ ullt ist. Gilt xri < κri oder xir > λir f¨ ur einen Knoten i, so markieren wir Knoten i. Ausgehend von einem der bereits markierten Knoten u ufen wir nun ganz analog, ¨berpr¨ ob sich ein noch nicht markierter Knoten j markieren lässt. Diese Schritte wiederholen wir solange, bis wir schließlich die Senke s markieren konnten. Ausgehend von s konstruieren wir danach mit Hilfe der Markierungen einen (r, s)-Semiweg W und erh¨ ohen bzw. vermindern den Fluss auf den Vorwärtspfeilen bzw. R¨ uckw¨ artspfeilen dieses Semiweges um mini,j∈W εij Flusseinheiten. F¨ ur die resultierende neue L¨ osung xij (i, j ∈ E F ) versuchen wir abermals einen flussvergr¨ oßerenden Semiweg zwischen der Quelle r und der Senke s zu finden. Das Verfahren terminiert, wenn die Senke s in einem der Verfahrensschritte nicht markiert werden kann. Der zuletzt gefundene Fluss von Knoten r nach Knoten s ist dann maximal. Der beschriebene Algorithmus von Ford und Fulkerson besteht somit aus einem Markierungsschritt und einem Flussvergrößerungsschritt, die wir nachfolgend zusammenfassen. Markierung: Ausgehend von der Flussquelle, die mit (+, ∞) markiert wird, versucht man, die Flusssenke zu markieren. Dazu markiert man, ausgehend von einem markierten Knoten i, dessen unmarkierte Vorgänger k, f¨ ur die xki > λki gilt, mit (i−, εk = min{εi , xki −λki }) und dessen unmarkierte Nachfolger j, f¨ ur die xij < κij gilt, mit (i+, εj = min{εi , κij − xij }). Kann die Flusssenke markiert werden, bedeutet dies, dass ein flussvergrößernder (r, s)-Semiweg existiert und der Ausgangsfluss um εs Flusseinheiten vergr¨ oßert werden kann. Flussvergr¨ oßerung: Ausgehend von der Senke s konstruiert man mit Hilfe der Markierungen einen (r, s)-Semiweg. Auf den Vorwärtspfeilen dieses Semiweges erh¨ oht man den Wert der entsprechenden Flussvariablen um uckw¨ artspfeilen verringert man den Wert der korεs Einheiten, auf den R¨ respondierenden Flussvariablen um εs Einheiten. Zur Illustration des Verfahrens betrachten wir das folgende Beispiel. Beispiel 4.6. Wir legen das in Abbildung 4.5 dargestellte Netzwerk mit minimalen und maximalen Kapazit¨ aten zugrunde. Knoten 3 stellt eine Flussquelle dar und Knoten 6 eine Flusssenke. An den Pfeilen des Netzwerks ist außerdem ein zul¨ assiger Fluss der St¨ arke 5 von Knoten 3 nach Knoten 6 angegeben. Wir wollen einen Fluss maximaler St¨ arke von Knoten 3 nach Knoten 6 bestimmen. Dazu markieren wir zun¨ achst, wie in Tabelle 4.4 dargestellt, die Flussquelle (Knoten 3) mit (+, ∞). Von Knoten 3 aus markieren wir nun Knoten 5 u uckw¨ artspfeil. Da x53 − λ53 = 3 − 2 = 1 > 0 ¨ber einen R¨ ist, erh¨ alt Knoten 5 die Markierung (3−, min{∞, 1}) = (3−, 1). Schließlich markieren wir u artspfeil Knoten 6 von Knoten 5 aus mit ¨ber einen Vorw¨ (5+, min{1, 2}) = (5+, 1), da κ56 − x56 = 2 − 0 = 2 > 0 . Nun haben wir die


279

2; 6 4

2

0; 5

2

1; 3

6

0

0; 1

1; 3

1; 3

3

1

2; 8

5

2

2

6

0; 2

Legende:

0

2; 4 5

3

λij ; κij i

3

xij

j

Abb. 4.5. Netzwerk mit Kapazit¨ aten Tabelle 4.4. Ablauf des Algorithmus von Ford und Fulkerson i ∈ V F Iteration 1 Iteration 2 1 2 3 4 5 6

(3+, 1) (3+, 1) (+, ∞) (2+, 1)

(+, ∞) (3−, 1) (5+, 1)

Flusssenke markiert und somit einen Semiweg von Knoten 3 u ¨ber Knoten 5 nach Knoten 6 gefunden, auf dem wir den aktuellen Fluss um ε6 = 1 Einheiten erhöhen bzw. verringern. Wir setzen daher x53 := x53 − 1 und x56 := x56 + 1 und erhalten das in Abbildung 4.6 dargestellte Netzwerk, in dem der gefundene flussvergrößernde Semiweg durch stark ausgezeichnete Pfeile repr¨ asentiert wird. 2; 6 4

2

0; 5

2

1; 3

5 2; 6

0

0; 1

1; 3

1; 3

3

1

8

2

2

Legende:

1

2; 4 5

3

6

0; 2

λij ; κij i

2

xij

j

Abb. 4.6. Netzwerk mit Kapazit¨ aten

Ausgehend von dem Netzwerk in Abbildung 4.6 versuchen wir nun abermals einen flussvergr¨ oßernden Semiweg von der Quelle zur Senke zu bestimmen. Wir markieren daher wieder Knoten 3 mit (+, ∞), von Knoten 3 aus

280

4 Kostenplanung

markieren wir die Knoten 1 und 2 jeweils mit (3+, 1), und schließlich markieren wir Knoten 4 von Knoten 2 aus mit (2+, 1) (vgl. Tabelle 4.4). Wir sind allerdings nicht in der Lage, von den markierten Knoten 1 bis 4 einen der bislang unmarkierten Knoten 5 oder 6 zu markieren. Somit terminiert das Verfahren. Der in Abbildung 4.6 abgebildete Fluss der Stärke 6 zwischen den Knoten 3 und 6 stellt daher einen maximalen Fluss dar. Wenn wir in einem Netzwerk N F mit Kapazitäten einen maximalen Fluss ω von der Quelle r zur Senke s bestimmt haben, sind wir häufig daran interessiert, den Flaschenhals“ in N F zu ermitteln, d.h. die Menge der Pfeile in ” N F , die uns daran hindern, mehr als die ermittelten ω Flusseinheiten von r nach s zu transportieren. Dazu m¨ ussen wir zunächst den Begriff eines Schnittes in einem Digraphen einf¨ uhren. Hierzu sei die Knotenmenge V F von N F in zwei disjunkte (d.h. elementfremde), nichtleere Knotenmengen A und B zeruhrenden legt mit V F = A ∪ B und A ∩ B = ∅. Die Menge der von A nach B f¨ Pfeile, d.h. die Menge der Pfeile i, j mit i ∈ A und j ∈ B, nennen wir einen (A von B) trennenden Schnitt, f¨ ur den wir kurz C(A, B) schreiben. Einen trennenden Schnitt C(B, A), der die Menge aller von B nach A f¨ uhrender Pfeile enth¨ alt, bezeichnen wir als den zu C(A, B) kontr¨ aren Schnitt. F¨ ur ein aten können wir jedem Schnitt Netzwerk N F = V F , E F ; λ, κ mit Kapazit¨ C(A, B) eine Minimalkapazit¨ at λij λ(C(A, B)) := i,j∈C(A,B)

und eine Maximalkapzit¨ at κ(C(A, B)) :=

κij

i,j∈C(A,B)

zuordnen. Die Kapazit¨ at eines Schnittes C(A, B) ist dann durch µ(C(A, B)) := κ(C(A, B)) − λ(C(B, A)) spezifiziert. µ(C(A, B)) entspricht also der maximal von A nach B transportierbaren Menge an Flusseinheiten abz¨ uglich der minimalen R¨ uckflussmenge“ ” von B nach A. In einem Netzwerk N F = V F , E F ; λ, κ bezeichnen wir einen Schnitt C(A, B), der die Quelle r ∈ A von der Senke s ∈ B trennt, auch als (r, s)Schnitt. Einen (r, s)-Schnitt, der unter allen möglichen (r, s)-Schnitten die geringste Kapazit¨ at hat, bezeichnen wir als minimalen (r, s)-Schnitt. Das Problem der Bestimmung eines minimalen (r, s)-Schnittes ist gerade das zu (4.8) duale Optimierungsproblem. Daraus ergibt sich das folgende Theorem, welches bspw. in (Bertsekas, 1998, Kap. 3.1) bewiesen wird. Theorem 4.7 (Maximalfluss-Minimalschnitt-Theorem). Die Stärke eines maximalen Flusses von r nach s in einem Netzwerk N F ist gleich der Kapazit¨ at eines minimalen (r, s)-Schnittes in N F .


281

Die Kapazit¨ at eines (r, s)-Schnittes in N F ist also eine obere Schranke f¨ ur den maximalen Fluss von der Quelle r zur Senke s in N F . Wollen wir den maximalen Fluss von r nach s erh¨ ohen, so m¨ ussen wir die Maximalkapazität ur mindestens einen Pfeil des minimalen (r, s)-Schnittes erhöhen bzw. die κij f¨ ur mindestens einen Pfeil des entsprechenden konträren Minimalkapazit¨ at λij f¨ Schnittes verringern. Zur Bestimmung eines minimalen (r, s)-Schnittes in einem Netzwerk N F kann man eine optimale L¨ osung f¨ ur Problem (4.8) bestimmen und dann mit Hilfe des Satzes 2.21 vom komplement¨ aren Schlupf eine optimale Lösung des zu (4.8) dualen Problems ermitteln. Einfacher ist jedoch das nachfolgend beschriebene ¨ aquivalente Vorgehen. Wir bestimmen zunächst einen maximalen Fluss von der Quelle r zur Senke s in N F mit Hilfe des Algorithmus von Ford und Fulkerson. Wie wir gesehen haben, terminiert der Algorithmus von Ford und Fulkerson, wenn Knoten s von Knoten r ausgehend nicht markiert werden kann. Seien A die Menge der im letzten Iterationsschritt des Algorithmus markierten Knoten und B die Menge der nicht markierten Knoten. Dann ist der A von B trennende Schnitt C(A, B) ein minimaler (r, s)-Schnitt; zum Beweis siehe (Neumann, 1975, Kapitel 4.2.3). Beispiel 4.8 (Fortsetzung von Beispiel 4.6). Ausgehend von dem Netzwerk in Abbildung 4.5 und zugeh¨ origem Ausgangsfluss haben wir den in Abbildung 4.6 angegebenen maximalen Fluss von Knoten 3 nach Knoten 6 bestimmt. In Tabelle 4.4 sind die entsprechenden Iterationen des Algorithmus von Ford und Fulkerson zusammengefasst. Da in dem Netzwerk aus Abbildung 4.6 ausgehend von Knoten 3 ausschließlich die Knoten 1, 2, 3 und 4 markiert werden können (vgl. Tabelle 4.4), ist ein minimaler (3, 6)-Schnitt durch C(A, B) mit A = {1, 2, 3, 4} und B = {5, 6} gegeben, d.h. C(A, B) = {4, 5 , 4, 6 }. Der hierzu konträre Schnitt lautet C(B, A) = {5, 3 }. Die Kapazität des Schnittes C(A, B) ist somit µ(C(A, B)) = κ45 + κ46 − λ53 = 3 + 5 − 2 = 6. Wie wir sehen, entspricht µ(C(A, B)) gerade der St¨ arke des maximalen Flusses von Knoten 3 nach Knoten 6. 4.1.2 Algorithmus von Kelley In diesem Abschnitt beschreiben wir das Prinzip des von Kelley (1961) entwickelten Verfahrens zur L¨ osung des Time-Cost-Tradeoff-Problems f¨ ur CPMNetzpl¨ ane. Dabei lehnen wir uns an die von Phillips und Dessouky (1977) etablierte Darstellungsweise des Verfahrens an. Eine detaillierte Beschreibung und Herleitung des Verfahrens findet sich ferner in (Neumann, 1975, Kapitel 7.2.2) oder (Demeulemeester und Herroelen, 2002, Kapitel 8). Wie zu Beginn von Abschnitt 4.1 beschrieben, sei die Pfeilmenge eines CPMNetzplans durch E = {1, . . . , n} und die Knotenmenge durch V = {1, . . . , m} gegeben, wobei Knoten 1 den Projektstart und Knoten m das Projektende repr¨ asentiert.

282

4 Kostenplanung

Im Folgenden beschreiben wir nur einen Verk¨ urzungsschritt, d.h. das Vorgehen zur L¨ osung eines einfachen nicht-parametrischen Optimierungsproblems (4.3) – (4.7) f¨ ur das Intervall [d¯ , d¯ −1 ]. Wir nehmen an, dass die optimalen Werte der Funktionen p∗i (d¯ −1 ) (i ∈ E), Ze∗ (d¯ −1 ) (e ∈ V ) und C ∗ (d¯ −1 ) im Vorfeld bereits ermittelt wurden. Dem entsprechenden Netzurzungsschrittes ordnen wir wie folgt plan N = V, E; p∗ (d¯ −1 ) dieses Verk¨ ein Netzwerk mit Kapazit¨ aten N F = V F , E F , λ, κ zu. Die Pfeilmenge E F enth¨ alt alle Vorgänge i aus N mit freier Pufferzeit EFF i = 0 (vgl. Abschnitt 1.4.4 ), d.h. alle Vorg¨ ange i, f¨ ur die eine Verzögerung des Startzeitpunktes von i zu einer entsprechenden Verz¨ ogerung mindestens eines unmittelbaren Nachl¨ aufers von i f¨ uhrt. Die Knotenmenge V F := {ei , e¯i ∈ V | i ∈ E F } beinhaltet alle die Start- und Endereignisse der Vorgänge i ∈ E F repräsentierenden Knoten. Die Minimal- und Maximalkapazitäten λi und κi eines ahlen wir so, dass wir eine minimale Verk¨ urzungsmenge Pfeils i ∈ E F w¨ K auf einfache Weise aus einem minimalen (1, m)-Schnitt in N F , den wir mit C(A, B) bezeichnen wollen, und dessen konträrem Schnitt C(B, A) erhalten. Die Kapazit¨ at eines solchen minimalen (1, m)-Schnittes soll gerade dem zur Verk¨ urzungsmenge K geh¨ orenden Kostenfaktor aK entsprechen. Zu diesem Zweck zerlegen wir die Pfeilmenge E F von N F in vier Teilmengen E1F , . . . , E4F . Zu welcher dieser Teilmengen ein Vorgang i ∈ E F gehört, hängt von seiner Dauer p∗i (d¯ −1 ) ab. Die Zuordnung eines Vorgangs i ∈ E F zu einer der Pfeilmengen E1F , . . . , E4F und die resultierenden Minimal- und Maximalkapazit¨ aten λi und κi sind in Tabelle 4.5 zusammengefasst. Die Dauern der urzt werden, Vorg¨ ange aus den Pfeilmengen E1F und E3F können noch verk¨ während die Dauern der Vorg¨ ange aus E2F und E3F noch verlängert werden alt alle Vorg¨ ange, deren Dauern weder verk¨ urzt können. Die Menge E4F enth¨ noch verl¨ angert werden k¨ onnen und damit insbesondere die Scheinvorgänge eines CPM-Netzplans. Tabelle 4.5. Bestimmung der Minimal- und Maximalkapazit¨ aten in N F i ∈ EF E1F E2F E3F E4F

Dauer p∗i (d¯−1 ) pmin i pmin i pmin i pmin i

< = < =

p∗i (d¯−1 ) p∗i (d¯−1 ) p∗i (d¯−1 ) p∗i (d¯−1 )

= < < =

λi pn i pn i pn i pn i

κi

0

ai

ai

∞

ai

ai

0

∞

Neumann (1975, Abschnitt 7.2.2) zeigt, dass K := K − ∪ K + mit

K − := C(A, B)

und K + := {i ∈ C(B, A) | i ∈ E2F ∪ E3F }

eine minimale Verk¨ urzungsmenge von N darstellt, wenn man die Minimalund Maximalkapazit¨ aten wie in Tabelle 4.5 angegeben wählt, und dass die


283

Kapazit¨ at des zugrunde liegenden Schnittes dem Kostenfaktor der minimalen Verk¨ urzungsmenge entspricht. Wir verdeutlichen den Zusammenhang zwischen den (1, m)-Schnitten in origen Verk¨ urzungsmengen in N anhand des folgenden N F und den zugeh¨ Beispiels. Beispiel 4.9. Wir betrachten den CPM-Netzplan N aus Abbildung 4.3, dem wir wie oben beschrieben mit Hilfe von Tabelle 4.5 das in Abbildung 4.7 dargestellte kapazitierte Netzwerk N F zuordnen. Pfeilmenge E1F besteht aus ur die den Vorg¨ angen 1, 2 und 5, Pfeilmenge E3F beinhaltet Vorgang 3, und f¨ beiden verbleibenden Pfeilmengen gilt E2F = E4F = ∅. Ein zulässiger Fluss der Stärke 2 f¨ ur N F sei vorgegeben und an den Pfeilen in Abbildung 4.7 vermerkt.

C(A2 , B 2 )

C(A1 , B 1 ) 2

; 0; 2

6

Legende: 3

2; 2; 2

1 1

0; 0

;4

2

C(A4 , B 4 )

4

;4 0; 2

ei

λi ; xi ; κi e¯i i

5 3

C(A3 , B 3 )

orige (1, 4)-Schnitte Abb. 4.7. Netzwerk mit Kapazit¨ aten N F und zugeh¨

In Netzwerk N F gibt es insgesamt vier Knoten 1 von Knoten 4 trennende Schnitte, die wir mit C(A1 , B 1 ), . . . , C(A4 , B 4 ) bezeichnen und in Abbildung 4.7 durch die gestrichelten Linien angedeutet haben. Schnitt C(A1 , B 1 ) beinhaltet mit A1 = {1} und B 1 = {2, 3, 4} die Vorgänge 1 und 2, und die zugeh¨ orige Schnittkapazit¨ at ist µ(C(A1 , B 1 )) = 1 1 urzungs6 + 4 = 10. Schnitt C(A , B ) entspricht somit gerade der Verk¨ menge K 1 = {1, 2}, die wir in Beispiel 4.2 bestimmt haben, und die Kapaorigen Kostenfaktor zität µ(C(A1 , B 1 )) des Schnittes ist gleich dem zu K 1 geh¨ onnen die Vorg¨ ange aK1 = 10 (vgl. Beispiel 4.4). Ebenso wie in Beispiel 4.2 k¨ urzt werden, w¨ ahrend kein Vorgang verl¨ angert wird, da der in C(A1 , B 1 ) verk¨ are Schnitt C(B 1 , A1 ) leer ist. zu C(A1 , B 1 ) kontr¨ Ganz analog gelten f¨ ur Schnitt C(A2 , B 2 ) mit A2 = {1, 2, 3} und B 2 = {4} 2 die Beziehungen C(A , B 2 ) = {5} = K 2 und µ(C(A2 , B 2 )) = 4 = aK2 . Die urzt, und wegen C(B 2 , A2 ) = ∅ wird kein Vorgänge in C(A2 , B 2 ) werden verk¨ Vorgang verlängert. orige nichtleere kontr¨ are Schnitt Schnitt C(A3 , B 3 ) = {1, 5} und der zugeh¨ C(B 3 , A3 ) = {3} sind durch die Knotenmengen A3 = {1, 3} und B 3 = {2, 4} eindeutig spezifiziert. Die Kapazit¨ at dieses Schnittes betr¨ agt µ(C(A3 , B 3 )) =

284

4 Kostenplanung

κ(C(A3 , B 3 )) − λ(C(B 3 , A3 )) = 6 + 4 − 2 = 8. Daher gilt C(A3 , B 3 ) ∪ {i ∈ C(B 3 , A3 ) | i ∈ E2F ∪ E3F } = K 3 und µ(C(A3 , B 3 )) = aK3 . Wie in Beispiel 4.2 urzt und die im konträren gilt, dass die Vorg¨ ange in Schnitt C(A3 , B 3 ) verk¨ 3 3 ange i ∈ E2F ∪ E3F um die entsprechende Schnitt C(B , A ) enthaltenen Vorg¨ Zeitspanne verl¨ angert werden. Schließlich gilt f¨ ur Schnitt C(A4 , B 4 ) mit A4 = {1, 2} und B 4 = {3, 4} analog zu den anderen drei Schnitten C(A4 , B 4 ) = {2, 3} = K 4 sowie ange in C(A4 , B 4 ) werden also alle verk¨ urzt µ(C(A4 , B 4 )) = 6 = aK4 . Die Vorg¨ und kein Vorgang wird verl¨ angert. Wir wollen nunmehr die in Tabelle 4.5 angegebene Wahl der zu einem Vorgang i ∈ E geh¨ orenden Minimal- und Maximalkapazitäten λi bzw. κi in N F plausibilisieren. Nehmen wir an, ein Vorgang i sei in der Pfeilmenge E1F (wie z.B. Vorgang 1 in Beispiel 4.2) enthalten, d.h. er kann nur verk¨ urzt, aber nicht verlängert werden. Damit Vorgang i verk¨ urzt wird, muss er Bestandteil eines (1, m)Schnittes C(A, B) sein, was wegen κi := ai < ∞ möglich ist. In diesem Fall ur die Verk¨ urzung des Vorgangs in die Kapazität des gehen die Kosten ai f¨ Schnittes C(A, B) ein. Andererseits darf Vorgang i ∈ E1F nicht verlängert werden. Dies wird durch die Definition von K + := {i ∈ C(B, A) | i ∈ E2F ∪ ahrleistet. Selbst wenn Vorgang i auf dem zu einem Schnitt C(A, B) E3F } gew¨ kontr¨ aren Schnitt C(B, A) liegt, geht wegen λi := 0 die untere Flusskapazität des zu Vorgang i geh¨ orenden Pfeils in N F nicht in die Kapazität eines (1, m)Schnittes ein. Kann Vorgang i nur verl¨ angert, aber nicht verk¨ urzt werden, d.h. er ist Bestandteil der Pfeilmenge E2F , so wird durch κi := ∞ gewährleistet, dass Vorgang i nicht auf einem (1, m)-Schnitt C(A, B) liegt. Wegen λi := ai > −∞ kann Vorgang i aber Bestandteil des zu einem Schnitt C(A, B) konträren Schnittes C(B, A) bzw. der zugeh¨ origen Menge K + sein und somit verlängert werden. Falls Vorgang i verl¨ angert wird, finden die entsprechen zusätzlichen Kosten −ai wegen λi := ai bei der Ermittlung der Kapazität des zugehörigen Schnittes C(A, B) Ber¨ ucksichtigung. Ist Vorgang i Bestandteil der Menge E3F (vgl. bspw. Vorgang 3 in Beispiel 4.2), d.h. er kann sowohl verk¨ urzt als auch verlängert werden, dann wird durch λi := ai > −∞ und κi := ai < ∞ sichergestellt, dass er entweder Bestandteil eines (1, m)-Schnittes C(A, B) oder des konträren Schnittes C(B, A) urzung bzw. Verlängerung ist. In beiden F¨ allen werden die Kosten ai zur Verk¨ des Vorgangs bei der Bestimmung der Kapazität des zugehörigen Schnittes C(A, B) ber¨ ucksichtigt. Kann Vorgang i weder verk¨ urzt noch verl¨ angert werden, d.h. Vorgang i ist in E4F enthalten, so darf Vorgang i nicht Bestandteil eines (1, m)-Schnittes C(A, B) sein, was durch κi := ∞ sichergestellt ist. Wegen K + := {i ∈ C(B, A) | i ∈ E2F ∪ E3F } wird Vorgang i außerdem nicht verlängert werden, und falls er auf einem zu C(A, B) kontr¨ aren Schnitt C(B, A) liegt, bleibt


285

er wegen λi := 0 bei der Bestimmung der zugehörigen Schnittkapazität unber¨ ucksichtigt. Haben wir mit Hilfe des Algorithmus von Ford und Fulkerson einen miurzungsmenge nimalen (1, m)-Schnitt in N F und damit eine minimale Verk¨ K = K − ∪K + = C(A, B)∪(C(B, A)∩(E2F ∪E3F )) sowie den zugehörigen Kosurzungstenfaktor aK = µ(C(A, B)) bestimmt, muss nun der zugehörige Verk¨ ˜ ⊂ E die Menge aller Vorgänge i mit pofaktor δ K ermittelt werden. Sei E sitiver freier Pufferzeit EFF i > 0, deren Startereignis ei bei gegebenem minimalen Schnitt C(A, B) Bestandteil der Menge A und deren Endereignis e¯i Bestandteil der Menge B ist, d.h. ˜ := {i ∈ E \ E F | ei ∈ A, e¯i ∈ B} . E Dann setzen wir δ K := min{δ1K , δ2K , δ3K } mit } δ1K := min {p∗i (d¯ −1 ) − pmin i i∈K − δ K := min {pn − p∗ (d¯ −1 )} 2

δ3K

i∈K +

:=

i

i

min{Ze¯∗i (d¯ −1 ) ˜ i∈E

− Ze∗i (d¯ −1 ) − p∗i (d¯ −1 )} .

δ1K und δ2K sorgen daf¨ ur, dass bei einer Verl¨ angerung bzw. Verk¨ urzung der bzw. Höchstdauer Dauer eines Vorgangs i die zugeh¨ orige Mindestdauer pmin i pni nicht unter- bzw. u ¨berschritten wird. δ3K gewährleistet, dass die Dauer eines − urzt werden kann, bis ein nicht kritischer Vorgangs aus K nur soweit verk¨ Vorgang kritisch geworden ist. Sobald wir die minimale Verk¨ urzungsmenge K = K − ∪ K + und den K Verk¨ urzungsfaktor δ bestimmt haben, erhalten wir analog zu der beschriebenen Vorgehensweise zu Beginn von Abschnitt 4.1 f¨ ur d¯ = d¯ −1 − δ, δ ∈ [0, δ K ], die neuen optimalen Funktionswerte ⎧ ∗ ¯ ⎪ ur i ∈ K − ⎪ ⎨ pi (d −1 ) − δ f¨ ¯ := p∗ (d¯ −1 ) + δ f¨ (i ∈ E) p∗i (d) ur i ∈ K + i ⎪ ⎪ ⎩ ∗ ¯ p (d ) sonst ⎧ i −1 ⎨ ∗ ¯ ¯ := Ze (d −1 ) − δ falls e ∈ B (e ∈ V ) Ze∗ (d) ⎩ Z ∗ (d¯ −1 ) sonst e

∗

¯ := C ∗ (d¯ −1 ) + δω , C (d) wobei die St¨ arke ω eines maximalen Flusses von 1 nach m in N F gerade dem zur minimalen Verk¨ urzungsmenge K geh¨ orenden Kostenfaktor aK entspricht. Ausgehend von den optimalen Werten p∗i (d¯ ) (i ∈ E), Ze∗ (d¯ ) (e ∈ V ) und C ∗ (d¯ ) mit d¯ := d¯ −1 − δ wiederholen wir die beschriebenen Schritte, bis schließlich das gesamte Intervall [d¯min , d¯n ] untersucht wurde.

286

4 Kostenplanung

Beispiel 4.10. Wir illustrieren das Verfahren von Kelley anhand eines Beispiels. Dazu betrachten wir den in Abbildung 4.8 dargestellten CPM-Netzplan mit 5 Vorg¨ angen, wobei die Dauer jedes Vorgangs i gerade gleich pni ist. 2

3; 6

3 ; 3;

;6

2

3

1

1; 5; 5

1

1; 6

;6

Legende:

4

ei

4

pmin ; pi ; pn i i

;5 2; 5

2

e¯i

i

5 3

Abb. 4.8. CPM-Netzplan zu Beispiel 4.10

Die zu den unteren und oberen Schranken pmin und pni geh¨ origen Kosten i n und ci und somit die Zusatzkosten ai f¨ ur alle Vorg¨ ange i ∈ E entsprechen ¨ gerade den Werten aus Beispiel 4.2. Aus Gr¨ unden der Ubersichtlichkeit geben wir diese Werte nochmals in Tabelle 4.6 an.

cmin i

Tabelle 4.6. Zus¨ atzliche Informationen f¨ ur Netzplan N in Abb. 4.8 i∈E

1

2

3

4

5

pmin i pn i cmin i cn i

2 3 7 1 6

1 6 21 1 4

1 5 9 1 2

3 6 10 1 3

2 5 13 1 4

ai

Wir setzen d¯0 := d¯n , p∗i (d¯0 ) := pni f¨ ur alle Vorg¨ ange i ∈ E und ur alle Ereignisse e ∈ V C (d¯0 ) := − i∈E ap p∗i (d¯0 ) = −90. Ze∗ (d¯0 ) entspricht f¨ gerade dem fr¨ uhesten Eintrittszeitpunkt des Ereignisses e f¨ ur gegebene Dauern p∗i (d¯0 ), d.h. Z1∗ := 0, Z2∗ := 3, Z3∗ := 8 und Z4∗ := 13. Abbildung 4.9 zeigt das zum ersten Verfahrensschritt geh¨ orige Netzwerk assigen Anfangsfluss den Nullfluss. Da zu N F mit Kapazitäten und als zul¨ < p∗i (d¯0 ) = pni gilt, setzen wir f¨ ur alle Vorg¨ ange Beginn des Verfahrens pmin i F F at λi auf 0 und die Maximalkapazit¨ at κi i ∈ E = E1 die Minimalkapazit¨ gleich ai . Wir bestimmen nun einen maximalen Fluss von Knoten 1 nach Knoten 4 ur in Netzwerk N F . Tabelle 4.7 zeigt die entsprechenden Markierungsschritte f¨ den Algorithmus von Ford und Fulkerson (vgl. Abschnitt 4.1.1), und in Abbildung 4.10 ist der gefundenen maximale Fluss der St¨ arke ω = 2 dargestellt. ∗


287

2

;6 0; 0

Legende: 3

1

0; 0; 2

1

ei

4

λi ; xi ; κi e¯i

4 ; 0;

i

0

5 3

Abb. 4.9. Anfangsfluss im 1. Verfahrensschritt Tabelle 4.7. 1. Verfahrensschritt des Ford-Fulkerson-Algorithmus e ∈ V Iteration 1 Iteration 2 1 2 3 4

(+, ∞) (1+, 6) (2+, 2) (3+, 2)

(+, ∞) (1+, 4)

2

6 ; 2;

Legende:

0

3

0; 2; 2

1 1

4

;4 0; 2

ei

λi ; xi ; κi e¯i i

5 3

Abb. 4.10. Maximaler Fluss im 1. Verfahrensschritt

Die Menge der in der zweiten Iteration des Algorithmus von Ford und Fulkerson markierten Knoten ist A = {1, 2}, und die nicht markierten Knoten sind B = {3, 4}. Der minimale (1, 4)-Schnitt C(A, B) enth¨ alt somit nur den Vorgang 3 mit Startereignis 2 und Endereignis 3, und der kontr¨ are Schnitt C(B, A) ist leer. Damit erhalten wir ˜ = {2, 4} K − = {3}, K + = ∅, E δ1K = 4, δ2K = ∞, δ3K = min{2, 4} = 2, δ K = min{δ1K , δ2K , δ3K } = 2 . Wegen δ K = 2 kann die Dauer des Vorgangs 3 um h¨ ochstens zwei Zeiteinheiten verk¨ urzt werden, die Dauern der u ange bleiben unver¨ andert. ¨brigen Vorg¨ Abbildung 4.11 zeigt den modifizierten CPM-Netzplan f¨ ur d¯1 := d¯0 − 2 = 11. uhesten Eintrittszeitpunkten der Die Werte Ze∗ (d¯1 ) entsprechen gerade den fr¨

288

4 Kostenplanung

Ereignisse e ∈ V , und f¨ ur den zugeh¨ origen Zielfunktionswert erhalten wir C ∗ (d¯1 ) := C ∗ (d¯0 ) + δ K ω = −90 + 2 · 2 = −86. 2

; 2; 3

3; 6

1

4

;6

1; 3; 5

3

1

3

1; 6

;6

Legende: ei

4

pmin ; pi ; pn i i

5 ; 5;

e¯i

i

2

2

5 3

Abb. 4.11. CPM-Netzplan nach dem 1. Verfahrensschritt

Das Netzwerk mit Kapazit¨ aten f¨ ur den 2. Verfahrensschritt des Algorithmus von Kelley ist in Abbildung 4.12 dargestellt. F¨ ur die Vorg¨ ange i = 1, 2, 5 < p∗3 (d¯1 ) < pn3 setzen wir λi := 0 und κi := ai . Da Vorgang 3 wegen pmin 3 in der Pfeilmenge E3F enthalten ist, gilt λ3 = a3 und κ3 = a3 . Als Anfangsfluss wählen wir f¨ ur alle i ∈ E F den jeweiligen maximalen Flusswert aus dem vorhergehenden Verfahrensschritt. F¨ ur den neu hinzugekommenen Vorgang 2 setzen wir x2 := 0.

; 0; 2

2

6

; 0; 2

2

; 0; 2

4 5

3

Abb. 4.12. Anfangsfluss im 2. Verfahrensschritt

1

2; 2; 2

;4

1 4

0; 2

3

0; 0

3

2; 2; 2

1 1

2

6

;4

; 0; 4

2

4

4

5 3


Die Markierungsschritte zur Bestimmung des in Abbildung 4.13 dargestellten maximalen Flusses der St¨ arke 4 sind in Tabelle 4.8 zusammengefasst. Der minimale (1, 4)-Schnitt beinhaltet Vorgang 5. Wir erhalten somit ˜ = {4} K − = {5}, K + = ∅, E δ1K = 3, δ2K = ∞, δ3K = 2, δ K = min{δ1K , δ2K , δ3K } = 2 .


289

Tabelle 4.8. 2. Verfahrensschritt des Ford-Fulkerson-Algorithmus e ∈ V Iteration 1 Iteration 2 (+, ∞)

1 2 3 4

(+, ∞) (1+, 4) (1+, 2)

(1+, 4) (3+, 2)

Daher verk¨ urzen wir die Dauer des Vorgangs 5 um 2 Zeiteinheiten. Der ur den neue CPM-Netzplan f¨ ur d¯2 := d¯1 − 2 = 9 ist in Abb. 4.14 angegeben. F¨ Zielfunktionswert erhalten wir C ∗ (d¯2 ) := C ∗ (d¯1 ) + δ K ω = −86 + 2 · 4 = −78. 2

3; 6

;3 2; 3

;6

4

3

1; 3; 5

1 1

1; 6

;6

Legende: ei

4

pmin ; pi ; p n i i

5 ; 3;

e¯i

i

2

2

5 3


Das zum Netzplan in Abb. 4.14 geh¨ orige kapazitierte Netzwerk ist in Abb. 4.15 dargestellt und der resultierende maximale Fluss der St¨ arke ω = 7 in Abb. 4.16. Der zugeh¨ orige Knoten 1 von Knoten 4 trennende minimale Schnitt C(A, B) ist durch die Knotenmengen A = {1, 2, 3} und B = {4} spezifiziert. 2

;6 0; 2

2

; 4; 4

1 4

4

5 3


1

2; 2; 2

;4

4

0; 3

;3

0; 2

3

2; 2; 2

3

0; 2

2

;6 0; 5

;3

1 1

0; 0

;4

2

4 ; 4; 4

4

4

5 3


Folglich ergibt sich ˜=∅ K − = {4, 5}, K + = ∅, E K K δ1 = min{3, 1} = 1, δ2 = ∞, δ3K = ∞, δ K = min{δ1K , δ2K , δ3K } = 1 ,

290

4 Kostenplanung

und wir verk¨ urzen die Dauer der Vorg¨ ange 4 und 5 um eine Zeiteinheit. Abbildung 4.17 zeigt den neuen CPM-Netzplan f¨ ur d¯3 := d¯2 − 1 = 8. Der entspre∗ ¯ chende Zielfunktionswert lautet C (d3 ) := C ∗ (d¯2 ) + δ K ω = −78 + 1 · 7 = −71. 2

3; 5

;3 2; 3

;6

3

1

1; 3; 5

1

1; 6

;6

2

Legende:

4

ei

4

pmin ; pi ; pn i i

;5 2; 2

e¯i

i

5 3


In der 4. Iteration des Algorithmus von Kelley betrachten wir das in Abbildung 4.18 dargestellte Netzwerk mit Kapazit¨ aten. Da Vorgang 5 nicht weiter verk¨ urzt werden kann, ist der Vorgang Bestandteil der Menge E2F und wir setzen λ5 := 4 und κ5 := ∞. Mit Hilfe des Algorithmus von Ford und Fulkerson ermitteln wir den in Abbildung 4.19 angegebenen maximalen Fluss von Knoten 1 nach Knoten 4 und den zugeh¨ origen minimalen Schnitt C(A, B) mit A = {1, 2} und B = {3, 4}.

; 0; 5

2

6

; 0; 5

;3

2

; 4; 4

;3

1 ∞

4

5 3


1

3; 3 2; 2; 2

;4

4

2

6

0; 4

3

0; 2

3

2; 2; 2

1 1

3; 3

;4

2

4 ; 4; 6

∞

4

5 3


Es gilt ˜=∅ K − = {2, 3, 4}, K + = ∅, E K K δ1 = min{5, 2, 2} = 2, δ2 = ∞, δ3K = ∞, δ K = min{δ1K , δ2K , δ3K } = 2 , und wir verk¨ urzen die Dauern der Vorg¨ ange 2, 3 und 4 um zwei Zeiteinheiten. Der resultierende CPM-Netzplan ist f¨ ur d¯4 := d¯3 − 2 = 6 in Abbildung 4.20 wiedergegeben, und wir erhalten C ∗ (d¯4 ) := C ∗ (d¯3 )+δ K ω = −71+2·9 = −53.

4.1 Time-Cost-Tradeoff f¨ ur Netzpl¨ ane mit Vorrangbeziehungen 2

; 2; 3

3; 3

1

4

;6

1; 1; 5

3

1

3

1; 4

;6

Legende: ei

4

pmin ; pi ; pn i i

;5 2; 2

2

291

e¯i

i

5 3


F¨ ur den 5. Verfahrensschritt erhalten wir das kapazitierte Netzwerk aus Abbildung 4.21 sowie den in Abbildung 4.22 dargestellten maximalen Fluss der Stärke 8.

2

;6 0; 5

2

; 4; 6

1 ∞

4

5 3


1

2; 3; ∞

;4

4

3; 3

;∞

0; 4

3

2; 2; ∞

3

0; 4

2

;6 0; 6

;∞

1 1

3; 3

;4

2

4 ; 4; 7

∞

4

5 3


Der minimale (1, 4)-Schnitt beinhaltet die Vorgänge 1 und 2. Daher ist ˜=∅ K − = {1, 2}, K + = ∅, E δ1K = min{1, 3} = 1, δ2K = ∞, δ3K = ∞, δ K = min{δ1K , δ2K , δ3K } = 1 , d.h. die Dauer der Vorg¨ ange 1 und 2 wird um je eine Zeiteinheit vermindert, so dass wir f¨ ur d¯5 := d¯4 −1 = 5 den Netzplan in Abbildung 4.23 mit C ∗ (d¯5 ) := C ∗ (d¯4 )+δ K ω = −53+1·10 = −43 erhalten. Damit terminiert der Algorithmus von Kelley, da es einen kritischen Weg von Knoten 1 zu Knoten 4 gibt, auf dem die Dauern der kritischen Vorg¨ ange i gerade den Minimaldauern pmin i entsprechen. Das Projektende kann somit nicht fr¨ uher als zum Zeitpunkt d¯5 = 5 eintreten. Abbildung 4.24 zeigt die konvexe, st¨ uckweise lineare Funktion ¯ f¨ ur d¯ ∈ [5, 13]. C ∗ (d)

292

4 Kostenplanung 2

; 2; 2

3; 3

1

4

;6

1; 1; 5

3

1

3

1; 3

;6

Legende: ei

4

pmin ; pi ; pn i i

;5 2; 2

2

e¯i

i

5 3

Abb. 4.23. CPM-Netzplan nach dem 5. Verfahrensschritt 4 −35

5

6

7

8

9

10

11

12

13 d¯

−40 −45 −50 −55 −60 −65 −70 −75 −80 −85 −90 ¯ C ∗ (d) ¯ f¨ Abb. 4.24. Optimale Zielfunktionswerte C ∗ (d) ur d¯ ∈ [d¯min = 5, d¯n = 13]

Wir haben uns in diesem Abschnitt bislang ganz allgemein mit der L¨ osung des Optimierungsproblems (4.3) – (4.7) in Abh¨ angigkeit des Parameters d¯ ∈ osung [d¯min , d¯n ] beschäftigt. Im Folgenden beschreiben wir das Vorgehen zur L¨ von Problem (4.3) – (4.7) f¨ ur einen vorgeschriebenen Projektendtermin d¯ , d.h. wir betrachten das Optimierungsproblem


Minimiere C(p) =

−ai pi

i∈E

u.d.N.

Ze¯i − Zei ≥ pi Z1 = 0 Zn = d¯ pi ∈ [pmin , pni ] i

⎫ ⎪ ⎪ ⎪ ⎪ ⎪ (i ∈ E) ⎬ (i ∈ E)

⎪ ⎪ ⎪ ⎪ ⎪ ⎭

293

(4.9)

Um sicherzustellen, dass Problem (4.9) eine zulässige Lösung besitzt, nehmen wir an, dass d¯ ∈ [d¯min , d¯n ] gilt. Zur Berechnung einer optimalen Lösung f¨ ur das obige Problem k¨ onnen wir wieder den Algorithmus von Kelley verwenden. Dazu beginnen wir im ersten Verfahrensschritt mit den Vorgangsdauern ur alle i ∈ E, wobei d¯0 gerade der Projektdauer d¯n entspricht. p∗i (d¯0 ) := pni f¨ Der Algorithmus von Kelley wird solange ausgef¨ uhrt, bis im -ten Verfahrensschritt d¯ ≤ d¯ < d¯ −1 gilt. Sei K = K − ∪ K + die in diesem Verfahrensschritt ermittelte minimale Verk¨ urzungsmenge mit dem zugehörigen Verk¨ urzungsfakur die optimalen Vorgangsdauern tor δ K . Dann erhalten wir f¨ ⎧ ∗ ur i ∈ K − ⎨ pi (d¯ −1 ) − δ f¨ ∗ ¯ ∗ ¯ ur i ∈ K + (i ∈ E) pi (d ) := pi (d −1 ) + δ f¨ ⎩ ∗ ¯ pi (d −1 ) sonst mit δ := d¯ −1 − d¯ , δ ∈ [0, δ K ]. Die optimalen Eintrittszeitpunkte Ze∗ (d¯ ) der Ereignisse e ∈ V ergeben sich nun unmittelbar aus den fr¨ uhesten Einucksichtigung trittszeitpunkten EZ e der entsprechenden Ereignisse unter Ber¨ orige optimale Zielfunktionswert erder Vorgangsdauern p∗i (d¯ ), und der zugeh¨ gibt sich wie bisher gem¨ aß C ∗ (d¯ ) := C ∗ (d¯ −1 ) + δω, wobei ω die Stärke des im -ten Verfahrensschrittes bestimmten maximalen Flusses im zugehörigen kapazitierten Netzwerk N F ist. In der Praxis ist man außerdem h¨ aufig daran interessiert, die Dauer eines Projektes unter Ber¨ ucksichtigung eines vorgegebenen Budgets L zu minimieren. Die mit der Ausf¨ uhrung eines Vorgangs i ∈ E verbundenen Kosten sind, wie zu Beginn von Kapitel 4 beschrieben, gerade gleich ci (pi ) = bi − ai pi . Damit lautet unsere Optimierungsaufgabe Minimiere Zn u.d.N. Ze¯i − Zei ≥ pi Z 1 =0 bi − ai pi ≤ L i∈E

pi ∈ [pmin , pni ] i

(i ∈ E)

(i ∈ E)

(4.10) (4.11) (4.12) (4.13) (4.14)

Nebenbedingung (4.13) stellt sicher, dass die Vorgangsdauern pi so gewählt werden, dass das vorgegebene Budget L eingehalten wird. Alternativ können wir (4.13) auch in der Form ai pi ≤ L − i∈E

294

4 Kostenplanung

mit

L := L −

bi

i∈E

schreiben. Um zu gew¨ ahrleisten, dass f¨ ur Problem (4.10) – (4.14) eine zulässige Lö sung existiert, nehmen wir im Folgenden außerdem an, dass die Bedingung ullt ist. Zur Bestimmung einer optimalen Lösung von − i∈E ai pni ≤ L erf¨ Problem (4.10) – (4.14) nutzen wir ¨ ahnlich zur oben beschriebenen Vorgehensweise das Verfahren von Kelley. Dazu beginnen wir im ersten Verfahrensschritt ur alle i ∈ E, wobei d¯0 gerawieder mit den Vorgangsdauern p∗i (d¯0 ) := pni f¨ n ¯ de der Projektdauer d entspricht. Der Algorithmus von Kelley wird solange ausgef¨ uhrt, bis im -ten Verfahrensschritt f¨ ur ein d¯ ∈ [d¯ , d¯ −1 ] die Gleichung ¯ = L − ai p∗i (d) i∈E

¯ f¨ ¯ erf¨ ullt ist. p∗i (d) ur alle i ∈ E und die zugeh¨ origen Eintrittszeitpunkte Ze∗ (d) f¨ ur alle e ∈ V stellen dann eine optimale L¨ osung mit dem Zielfunktionswert ¯ dar. Zn∗ (d) Zu Beginn dieses Kapitels haben wir unsere Ausf¨ uhrungen in Bezug auf das Time-Cost-Tradeoff-Problem dahingehend eingeschränkt, dass wir ausschließlich Vorgangseinzelkosten betrachten. Wie wir im Rahmen der Kostenanalyse in Abschnitt 1.4.2 gesehen haben, fallen im Zuge der Ausf¨ uhrung eines Projektes neben Vorgangseinzelkosten aber auch Gemeinkosten an. Wir beschreiben im Folgenden daher das Vorgehen zur Bestimmung eines Projektendtermins ¯ derart, dass die Gesamtoriger Vorgangsdauern p∗i (d) d¯ ∈ [d¯min , d¯n ] und zugeh¨ kosten bestehend aus Einzel- und Gemeinkosten minimal sind. Die Zielfunktion ¯ ¯ =− ai p∗i (d) C(d) i∈E

bzw.

¯ = C (d)

i∈E

¯ = bi + C(d)

¯ bi − ai p∗i (d)

i∈E

des betrachteten parametrischen Optimierungsproblems (4.3) – (4.7) mit Paucksichtigt nur die Kosten, die sich einem Vorgang rameter d¯ ∈ [d¯min , d¯n ] ber¨ ¨ i ∈ E unmittelbar zurechnen lassen. Der Ubersichtlichkeit halber wollen wir im Folgenden die gesamten aus der Projektdurchf¨ uhrung resultierenden Ein ∗ ¯ ¯ mit = i∈E bi + C ∗ (d), zelkosten, d.h. die optimalen Funktionswerte C (d) ¯ bezeichnen. Da C EK (d) ¯ gerade einer Parallelverschiebung von C ∗ (d) ¯ C EK (d) EK ¯ ∗ ¯ uckweientspricht (vgl. Abb. 4.24), ist C (d) ebenso wie C (d) konvex und st¨ ¯ in Abbildung 4.25 entsprechen gerade se linear. Die Knickstellen von C EK (d) den Intervallgrenzen der Intervalle [d¯ , d¯ −1 ], = 1, . . . , r, die sich bei der ¯ mit Hilfe des Algorithmus von Kelley ergeben. Bestimmung von C ∗ (d) ¯ wie in Abbildung Wir nehmen nun an, dass die Gemeinkosten C GK (d), 4.25 skizziert, eine lineare Funktion in Abh¨ angigkeit der Projektdauer d¯ ∈


295

[d¯min , d¯n ] darstellen. Man stelle sich dazu beispielsweise die Kosten f¨ ur die Bauleitung bei einem Bauprojekt oder Versicherungsbeiträge vor, deren Höhe von der Dauer des betrachteten Projektes abh¨ angt. Die Durchf¨ uhrung eines Projektes, so dass das Projekt gerade zum ZeitEK ¯ ¯ := C GK (d)+C ¯ (d) (vgl. punkt d¯ endet, f¨ uhrt somit zu Gesamtkosten C G (d) G ¯ EK ¯ uckweise linear, wobei Abb. 4.25). C (d) ist wie C (d) stets konvex und st¨ ¯ wie bei C EK (d) ¯ gerade den Intervallgrenzen d¯ , die Knickstellen von C G (d) ¯ = 0, 1, . . . , r, entsprechen. Man kann daher zeigen, dass die Funktion C G (d) ihr Minimum auf mindestens einer dieser Knickstellen annehmen muss.

¯ C G (d)

C G (d¯∗ )

¯ C GK (d)

¯ C EK (d)

d¯∗

d¯

¯ Abb. 4.25. Bestimmung minimaler Gesamtkosten C G (d)

¯ minimiert, bestimmen Zur Ermittlung einer Projektdauer d¯∗ , die C G (d) ¯ wir daher f¨ ur sämtliche Knickstellen d , = 0, 1, . . . , r, den Funktionswert ur den C G (d¯ ) minimal ist, C G (d¯ ) und ermitteln den kleinsten Wert d¯ , f¨ d.h. ( & G ' ∗ G ¯ ¯ ¯ ¯ C (d ) d := min d | C (d ) = min . =0,1,...,r

296

4 Kostenplanung

F¨ ur d¯∗ lassen sich dann wie beschrieben die zugehörigen Dauern p∗i (d¯∗ ) der Vorg¨ ange i ∈ V sowie die Eintrittszeitpunkte Ze∗ (d¯∗ ) der Ereignisse e ∈ V ermitteln.

4.2 Time-Cost-Tradeoff fu ane mit allgemeinen ¨ r Netzpl¨ Zeitbeziehungen In diesem Abschnitt behandeln wir das Time-Cost-Tradeoff-Problem f¨ ur MPM-Netzpl¨ ane N = V, E; δ mit allgemeinen Zeitbeziehungen, d.h. wir betrachten die Optimierungsaufgabe ⎫ ai pi Minimiere − ⎪ ⎪ ⎪ i∈V ⎪ ⎪ u.d.N. Sj − Si ≥ δij (pi , pj ) (i, j ∈ E) ⎬ (4.15) S0 = 0 ⎪ ⎪ ⎪ ⎪ Sn+1 = d ⎪ ⎭ n , p ] (i ∈ V ) pi ∈ [pmin i i Ebenso wie f¨ ur Netzpl¨ ane mit Vorrangbeziehungen (vgl. Abschnitt 4.1) kann Problem (4.15) als parametrisches Optimierungsproblem mit dem Parameter d¯ aufgefasst werden. Anders als bei Netzplänen mit Vorrangbeziehungen nehmen wir nun an, dass die Pfeilbewertungen δij (pi , pj ), i, j ∈ E, lineare Funktionen der Vorgangsdauern pi und pj darstellen. Betrachten wir z.B. ein Projekt, das aus 4 realen Vorgängen mit den in Tabelle 4.9 angegebenen Dauern besteht, wobei wir analog zu Abschnitt 4.1 annehmen, dass f¨ ur die Vorgangsdauern aller Vorgänge i ∈ V zunächst pi := pni gelte. Ferner seien die folgenden Zeitbeziehungen zwischen den Vorgängen gegeben: Tabelle 4.9. Dauern der Vorg¨ ange 1 bis 4 i∈V

1

2

3

pmin i pi pn i

1 4 4

3 5 5

2 4 6 10 6 10

4

• Vorgang 2 soll fr¨ uhestens 4 Zeiteinheiten nach dem Ende von Vorgang 1 starten. • Vorgang 3 soll fr¨ uhestens 10 Zeiteinheiten nach dem Start von Vorgang 1 und fr¨ uhestens 3 Zeiteinheiten nach dem Start von Vorgang 2 enden. • Vorgang 4 soll fr¨ uhestens 6 Zeiteinheiten nach dem Beginn von Vorgang 3 starten und fr¨ uhestens 5 Zeiteinheiten nach dem Ende von Vorgang 2 enden.

4.2 Time-Cost-Tradeoff f¨ ur Netzpl¨ ane mit allgemeinen Zeitbeziehungen

297

F¨ ur das beschriebene Projekt erhalten wir den in Abbildung 4.26 dargestellten MPM-Netzplan. 3; 5; 5

p 0

p0

1; 4; 4 1

10

−

p3

p2 3 − p3

0; 0; 0

+ 1

2

4

−

p4

+

5 p4

6

0; 0; 0 5

4 4; 10; 10

Legende: 3 2; 6; 6

pmin ; pi ; pn i i i

min n δij pj ; pj ; pj j

Abb. 4.26. MPM-Netzplan

Die Schwierigkeit bei der L¨ osung des Time-Cost-Tradeoff-Problems f¨ ur Netzpl¨ ane mit allgemeinen Zeitbeziehungen liegt darin, dass das Problem anders als in Abschnitt 4.1.2 nicht auf einen CPM-Netzplan transformiert werden kann. Wie wir in Abschnitt 1.4.4 gesehen haben, k¨ onnen in einem CPMNetzplan ausschließlich Vorrangbeziehungen zwischen den Projektvorg¨ angen modelliert werden. Die Modellierung allgemeiner zeitlicher Mindest- und Höchstabstände ist hingegen nicht m¨ oglich. Hajdu (1997) beschreibt eine Variante des Verfahrens von Kelley, mit der das Time-Cost-Tradeoff-Problem auch f¨ ur MPM-Netzpl¨ ane mit allgemeinen Zeitbeziehungen gel¨ ost werden kann. Wir verzichten auf eine ausf¨ uhrliche Beschreibung des Algorithmus von (Hajdu, 1997, Kapitel 7), sondern erl¨ autern im Folgenden nur einige wesentliche dem Verfahren zugrunde liegenden Gedanken. Um das Verfahren von Kelley ohne gr¨ oßere Modifikationen auf MPMNetzpl¨ ane mit allgemeinen Zeitbeziehungen anwenden zu k¨ onnen, wird der urspr¨ ungliche MPM-Netzplan N , ¨ ahnlich zu dem in (Elmaghraby und Kamburowski, 1992) beschriebenen Vorgehen, in ein Ereignisknotennetz transformiert. Dazu ordnen wir jedem Vorgang i ∈ V im modifizierten Netzplan ˜ einen Pfeil ei , e¯i ∈ E ˜ zu, dessen Bewertung gerade der Dauer ˜ = V˜ , E; ˜ δ N pi entspricht. Der Knoten ei entspricht dann wie in einem CPM-Netzplan dem asentiert das Endereignis von VorStart von Vorgang i, und Knoten e¯i repr¨ ˜ , in gang i. Abbildung 4.27 zeigt den entsprechend modifizierten Netzplan N dem die Vorg¨ ange den durchgezogenen Pfeilen entsprechen. Aus Gr¨ unden der ¨ Ubersichtlichkeit bezeichnen wir den das Startereignis von Vorgang i repr¨ asentierenden Knoten in Abbildung 4.27 mit i und das entsprechende Endereignis mit i . Zum Beispiel entspricht Vorgang 1 in Abbildung 4.26 dem Pfeil zwischen den Knoten 1 und 1 in Abbildung 4.27. Die gestrichelten Pfeile in Abbildung 4.27 entsprechen ferner den allgemeinen Zeitbeziehungen zwischen

298

4 Kostenplanung

3; 5; 5 2

2’ 5

4

0 0

5

4

5’

4; 10; 10

1; 4; 4

10 1

3’ 2; 6; 6

0

4’

0; 0; 0

0; 0; 0

0’

3

1’

6 Legende: 3

ei

pmin ; pi ; pn i i

e¯i

˜ Abb. 4.27. Modifizierter Netzplan N

den Start- und Endzeitpunkten der Vorg¨ ange, die nicht von den Dauern der benachbarten Vorg¨ ange abh¨ angen. Beispielsweise soll Vorgang 3 fr¨ uhestens 10 Zeiteinheiten nach dem Start von Vorgang 1 enden. Um diese Zeitbeziehung abzubilden, f¨ uhren wir einen Pfeil mit der Bewertung 10 von Knoten 1, der den Start von Vorgang 1 repr¨ asentiert, zu Knoten 3 ein, der das Ende der Durchf¨ uhrung von Vorgang 3 symbolisiert. Weiterhin gilt z.B., dass Vorgang 4 fr¨ uhestens 5 Zeiteinheiten nach dem Ende von Vorgang 2 beendet werden darf. Dieser Zeitbeziehung entspricht der Pfeil von Knoten 2 nach Knoten 4 mit der Bewertung 5. Es ist zu beachten, dass der resultierende modifizierte Netzplan, anders als bei CPM-Netzplänen u ¨blich, zwei Arten von Pfeilen enthält, neben der den Projektstart repräsentierenden Quelle häufig noch weitere Quellen besitzt (vgl. z.B. Knoten 3 in Abbildung 4.27) und neben der das Projektende repr¨ asentierenden Senke noch weitere Senken beinhalten kann (vgl. z.B. Knoten 3’). ˜ ist, dass die Dauer Der Vorteil eines solchen modifizierten Netzplans N pi eines Vorgangs i Bestandteil nur genau einer Pfeilbewertung ist. Auf der ˜ und geeignet festzulegender Flusskapazitäten wird dann Grundlage von N a¨hnlich wie in Abschnitt 4.1.2 ein minimaler (0, 5 )-Schnitt bestimmt, um eine minimale Verk¨ urzungsmenge K zu ermitteln. Bei der Bestimmung des ussen jedoch die Mindestabstände zwizugehörigen Verk¨ urzungsfaktors δ K m¨ schen einem beliebigen Ereignis e ∈ V˜ und dem Endereignis e¯i eines Vorgangs i ber¨ ucksichtigt werden. Da wir annehmen, dass die Projektvorgänge ohne Unterbrechung ausgef¨ uhrt werden, m¨ ussen wir während eines Verk¨ urzungsschrittes gewährleisten, dass der fr¨ uheste Eintrittszeitpunkt von Endereignis uheste Eintrittszeitpunkt des Startereignisses e¯i nicht später eintritt als der fr¨

4.2 Time-Cost-Tradeoff f¨ ur Netzpl¨ ane mit allgemeinen Zeitbeziehungen

299

ei zuz¨ uglich der Dauer des zugrunde liegenden Vorgangs i. Es muss also stets gew¨ ahrleistet sein, dass EZ ei + pi = EZ e¯i gilt.

Weiterfu ¨ hrende Literatur Demeulemeester und Herroelen (2002) Elmaghraby (1977) Hajdu (1997) Heilmann (2000) Kelley (1961) Kimms (2001)

Moder et al. (1983) Neumann (1975) Neumann (1987) Phillips und Dessouky (1977) Skutella (1998a) Skutella (1998b)

5 Softwaresysteme fu ¨ r die Projektplanung

In diesem Kapitel vergleichen wir basierend auf einer Studie von Kuhns und Stark (2005) mehrere professionelle Softwareprodukte f¨ ur die Projektplanung unter Zeit- und Ressourcenrestriktionen. Gegenstand der Untersuchung sind drei der f¨ uhrenden Softwareprodukte in diesem Marktsegment: Microsoft Project 20031 , Primavera Project Management2 und CS Project Professional 3.03 . Der Fokus unserer Betrachtungen liegt insbesondere auf dem Vergleich der Planungsg¨ ute, die mit Hilfe der untersuchten Softwaresysteme erzielt werden kann. Weitere Studien a ¨lteren Datums, die die Leistungsfähigkeit der Planungskomponenten verschiedener Softwaresysteme zur Projektplanung untersuchen, stammen von Kolisch und Hempel (1996), Schneider und Hieber ¨ (1997) sowie Hartung et al. (2001). Einen ausf¨ uhrlichen Uberblick u ¨ber den Funktionsumfang zahlreicher Softwareprodukte f¨ ur das Projektmanagement und die Projektplanung findet man bspw. in (Schneider und Hieber, 1997), (Wiegand et al., 2002) und (Ahlemann, 2004). In Abschnitt 5.1 beschreiben wir kurz die untersuchten Softwareprodukte. Um die Leistungsf¨ ahigkeit dieser Softwaresysteme im Hinblick auf ihre Planungskomponenten zu vergleichen, wurden mehrere Instanzen des ressourcenbeschr¨ ankten Projektplanungsproblems (3.3) erzeugt und f¨ ur die Zielfunktion (PD) mit Hilfe der betrachteten Softwaresysteme gelöst. Eine Charakterisierung dieser Probleminstanzen und weitere Eigenschaften der betrachteten Testumgebung geben wir in Abschnitt 5.2 an. In Abschnitt 5.3 fassen wir schließlich die Testergebnisse zusammen. Um die G¨ ute der von den untersuchten Programmen erzeugten Schedules zu beurteilen, wurde f¨ ur alle Test1 2

3

Build 11.1.2004.1707.15 SP1 Microsoft Deutschland GmbH, Konrad-Zuse-Straße 1, 85716 Unterschleißheim Release 4.1 SP2 Build 30000009 Primavera Systems, Inc., 2nd Floor Commonwealth House, 2 Chalkhill Road, London W6 8DW, United Kingdom Release 25.10.2000 Crest Management Systems GmbH, Neuer Kamp 2a, 25451 Quickborn

302

5 Softwaresysteme f¨ ur die Projektplanung

instanzen eine optimale L¨ osung bzw. eine untere Schranke bestimmt. Ferner wurde f¨ ur jede Testinstanz mittels des in Abschnitt 3.4 dargestellten seriellen Generierungsschemas eine N¨ aherungsl¨ osung ermittelt.

5.1 Softwareprodukte ¨ In dem vorliegenden Abschnitt geben wir einen Uberblick u ¨ber die grundlegenden Funktionalit¨ aten der drei untersuchten Softwaresysteme Microsoft Project 2003, CS Project Professional 3.0 und Primavera Project Management. In den Abschnitten 5.1.1 bis 5.1.3 gehen wir näher auf einige Besonderheiten der betrachteten Programme bei der Konstruktion und Planung von Projekten ein. Die technischen Mindestanforderungen f¨ ur den Betrieb der einzelnen Softwareprodukte sind nach dem aktuellen Stand der Technik als gering einzustufen, so dass ein handels¨ ublicher PC mit dem Betriebssystem Microsoft Windows XP f¨ ur den Betrieb vollkommen ausreichend ist. Die Bedienung der Programme erfolgt mittels Maus und Tastatur und bedarf lediglich einer geringen Einarbeitungszeit, da sich alle Programme stark an die von Microsoft-Produkten gewohnte Bedienungsphilosophie anlehnen. Ferner erm¨ oglichen zahlreiche Beispielprojekte und die bei allen Programmen vor¨ handene Online-Hilfe dem Nutzer einen raschen Uberblick u ¨ber die einzelnen Schritte, die f¨ ur die Projektplanung notwendig sind. Bei der Darstellung der projektbezogenen Informationen bieten alle Produkte einen umfangreichen Katalog von M¨ oglichkeiten. Neben Gantt-Charts und Ressourcenprofilen l¨ asst sich auch der einem Projekt zugrunde liegenden Netzplan visualisieren. Dabei k¨ onnen die verschiedenen Visualisierungsformen i.d.R. an die subjektiven Bed¨ urfnisse der Anwender angepasst werden, z.B. durch die Definition eigener Ansichten, das Ein- und Ausblenden einzelner Spalten in umfangreichen Tabellen oder eine flexible farbliche Gestaltung der dargebotenen Informationen. Im Rahmen der Konstruktion eines Projektnetzplans erlauben alle drei Programme dem Anwender, zwischen zeitlichen Mindestabständen vom Typ Start–Start, Start–Ende, Ende–Start sowie Ende–Ende zu wählen. Die Modellierung zeitlicher H¨ ochstabst¨ ande unterst¨ utzt allerdings keines der untersuchten Programme in ad¨ aquater Weise. Zwar ist es grundsätzlich möglich, negative Mindestabst¨ ande zu definieren, allerdings darf der resultierende Netzplan keine Zyklen enthalten, so dass viele praxisrelevante Sachverhalte bei der Modellierung eines Projektes unber¨ ucksichtigt bleiben m¨ ussen. Alle Programme unterscheiden ferner zwischen erneuerbaren Ressourcen, die meist unter dem Begriff Arbeitskr¨ afte“ zusammengefasst werden, und nicht-erneuerbaren ” Ressourcen, die unter der Bezeichnung Material“ subsumiert werden. Es ist ” bei allen Programmen außerdem m¨ oglich, die Inanspruchnahme der Ressourcen durch einzelne Vorg¨ ange mit selbst definierten Kostensätzen zu bewerten.

5.1 Softwareprodukte

303

¨ Dabei wird zwischen fixen Kosten, variablen Kosten und Uberstundenkosten unterschieden. Weiterhin kann der Anwender in allen Programmen einen Betriebskalender definieren, in dem Sonn- und Feiertage, werktägliche Arbeitszeiten, Betriebsferien sowie die eingeschr¨ ankte Verf¨ ugbarkeit einzelner Ressourcen spezifiziert werden k¨ onnen. Als Zielfunktion verwenden alle untersuchten Programme standardm¨ aßig das Ziel der Projektdauerminimierung (PD). Weitere Zielfunktionen werden nicht unterst¨ utzt. Es besteht lediglich die M¨ oglichkeit, f¨ ur einzelne Vorg¨ ange eines Projektes und unter Vorgabe eines Projektendtermins Planungsmaßgaben vorzugeben, wie z.B. dass ein Vorgang so fr¨ uh oder so sp¨ at wie m¨ oglich starten soll. Auf diese Weise kann bspw. ucksichtigt die Zielfunktion (WST ) mit wi ∈ {1, −1}, i ∈ V , rudimentär ber¨ werden. 5.1.1 Microsoft Project 2003 Microsoft Project orientiert sich mit seinem Bedienungskonzept an der hauseigenen Office-Familie, so dass ein ge¨ ubter Anwender sich in dem Programm sofort zurecht findet. In der aktuellen Version ist der Export in das alte MPXDateiformat nicht mehr m¨ oglich. F¨ ur den Datenaustausch mit anderen Programmen werden so genannte Exportschemata angeboten, mit deren Hilfe man beliebige Felder spezifizieren kann, die dann in eine Tabelle exportiert werden k¨ onnen. Ein Makro-Recorder und eine VBA-Entwicklungsumgebung4 erm¨ oglichen es, häufig auszuf¨ uhrende Arbeitsschritte zu automatisieren und das Programm um selbst geschriebene Funktionen zu erweitern. Die Projektvorg¨ ange und die ben¨ otigten Ressourcen können entweder in tabellarischer Form oder mit Hilfe vorgefertigter Abfragemasken in das System eingepflegt werden. F¨ ur den so genannten Kapazitätsabgleich (vgl. Abb. 5.1), d.h. die Terminierung der Projektvorg¨ ange unter Beachtung der Ressourcenrestriktionen, k¨ onnen die drei nachfolgend beschriebenen Prioritätsregeln ausgew¨ ahlt werden, die den Ablauf des Kapazitätsabgleichs steuern. Zusätzlich kann jedem Vorgang manuell eine Priorit¨ at zugeordnet werden. Hierdurch hat der Anwender die M¨ oglichkeit, die Einplanungsreihenfolge der Vorgänge seinen Vorstellungen entsprechend zu beeinflussen. Nur Nr.: Die Vorg¨ ange werden in der Reihenfolge ihrer Vorgangsnummern eingeplant. Standard: Hierbei wertet Microsoft Project u.a. die Pufferzeit eines Vorgangs, vorgegebene Bereitstellungs- oder Fertigstellungstermine sowie die Priorit¨ at eines Vorgangs aus, um eine Einplanungsreihenfolge der Projektvorg¨ ange zu bestimmen. Priorit¨ at, Standard: Bei dieser Priorit¨ atsregel werden zunächst die manuell zugeordneten Priorit¨ aten der einzelnen Vorgänge und anschließend die vorgenannten Kriterien ber¨ ucksichtigt, um zu einer Einplanungsreihenfolge zu gelangen. 4

VBA: Visual Basic for Applications

304


Abb. 5.1. Kapazit¨ atsabgleich bei Microsoft Project 2003

5.1.2 CS Project Professional 3.0 Der Gebrauch von CS Project Professional l¨ asst sich wie bei Microsoft Project sehr einfach erlernen. Leider kann CS Project noch nicht das neue MPPDateiformat von Microsoft lesen, sondern nur das alte Format MPX, so dass Projekte aus aktuellen Versionen von Microsoft Project nicht ohne weiteres importiert werden k¨ onnen. Daf¨ ur k¨ onnen Projekte aus Primavera Project Management problemlos importiert werden. Zur Automatisierung repetitiver Arbeitsabl¨ aufe steht ein Makro-Editor zur Verf¨ ugung, der jedoch bei weitem nicht dieselben M¨ oglichkeiten bietet, wie man sie mit VBA unter Microsoft Project hat. Das Einpflegen eines Projektes unter CS Project verläuft ähnlich problemlos wie bei Microsoft Project. F¨ ur den Kapazit¨ atsabgleich – der bei CS Project als Ressourcenabgleich bezeichnet wird (vgl. Abb. 5.2) – lassen sich den einzelnen Vorg¨ angen abermals manuelle Priorit¨ atswerte zuordnen. Im Vergleich zu MS Project stellt CS Project jedoch eine deutlich größere Anzahl möglicher Priorit¨ atsregeln zur Verf¨ ugung. Zus¨ atzlich kann man auswählen, ob die Projektvorg¨ ange gemäß dieser Priorit¨ atsregeln in auf- oder absteigender Reihenfolge eingeplant werden sollen, und man kann gleichzeitig bis zu vier verschiedene Priorit¨ atsregeln kombinieren. Da die Anzahl möglicher Prioritätsregel-

5.1 Softwareprodukte

305

kombinationen sehr groß ist, wurden in (Kuhns und Stark, 2005) zahlreiche Priorit¨ atsregelkombinationen miteinander verglichen. Außerdem wurde der so genannte CARLO“-Abgleich untersucht, bei dem hintereinander verschiede” ne Priorit¨ atsregelkombinationen angewendet werden, um bessere Ergebnisse zu erzielen. Wie in Abschnitt 5.3 ausgef¨ uhrt, werden die besten Lösungen in der Regel mit Hilfe des CARLO-Abgleiches gefunden. In den wenigen Fällen, in denen der CARLO-Abgleich nicht zum besten Ergebnis f¨ uhrte, wurde das jeweils beste Ergebnis mit der Regel Priorit¨ at, aufsteigend“ erzielt, bei der ” die Vorg¨ ange gem¨ aß zuf¨ allig erzeugter Prioritätswerte in aufsteigender Reihenfolge eingeplant werden.

Abb. 5.2. Ressourcenabgleich bei CS Project Professional 3.0

5.1.3 Primavera Project Management Primavera Project Management ist standardmäßig f¨ ur den Client-Server Betrieb ausgelegt; eine Stand-Alone-Installation ist aber möglich. F¨ ur den Imund Export von Projekten kommen s¨ amtliche Microsoft Project Dateiformate in Frage. Der routinierte Anwender vermisst bei Primavera Project Management allerdings einen Makro-Rekorder o.¨ a. und muss sich zur Automatisierung von Arbeitsabl¨ aufen externer Programme bedienen. Die Konstruktion eines Projektes entspricht im Wesentlichen dem von den anderen Produkten bekannten Vorgehen. Eine Besonderheit von Primavera Project Management findet man jedoch bei der Definition der Ressourceninanspruchnahme eines Projektvorgangs. Hier besteht die Möglichkeit, zwischen zw¨ olf Funktionen zu w¨ ahlen, die die Inanspruchnahme einer Ressource durch einen Vorgang in Abh¨ angigkeit von der Zeit abbilden. Auf diese Weise

306


kann man beispielsweise festlegen, dass gegen Ende eines Vorgangs die zugeh¨ orige Ressourceninanspruchnahme pro Zeiteinheit höher ist als zu Beginn eines Vorgangs. Dies ist aber vor allem f¨ ur die Bestimmung der zeitlichen Struktur der Kosten von Interesse und hat keinen Einfluss auf den Ressourcenabgleich. Primavera Project Management bietet dem Anwender f¨ ur den Ressourcenabgleich (vgl. Abb.5.3) die mit Abstand größte Anzahl möglicher Priorit¨ atsregelkombinationen zur Auswahl an. In (Kuhns und Stark, 2005) wurden unterschiedliche Priorit¨ atsregelkombinationen miteinander verglichen. Es hat sich gezeigt, dass sechs Priorit¨ atsregeln alle anderen untersuchten Regeln dominieren. Im Einzelnen handelt es sich dabei um • die Sp¨ ater Start“-Regel (LST -Regel), bei der die Vorgänge in aufsteigen” der Reihenfolge gem¨ aß ihres sp¨ atesten Startzeitpunktes eingeplant werden, • die Gesamtpuffer“-Regel (MST -Regel), bei der die Vorgänge in aufstei” gender Reihenfolge gem¨ aß ihrer gesamten Pufferzeit (TF ) eingeplant werden, • die Sp¨ ate Fertigstellung“- Regel, bei der die Vorgänge in aufsteigender ” Reihenfolge gem¨ aß ihres sp¨ atesten Endzeitpunktes eingeplant werden, • die Fr¨ uher Start“-Regel, bei der die Vorg¨ ange in absteigender Reihenfolge ” gem¨ aß ihres fr¨ uhesten Startzeitpunktes eingeplant werden, • die Freie Puffer“-Regel, bei der die Vorg¨ ange in aufsteigender Reihenfolge ” gem¨ aß ihrer freien Pufferzeit (EFF ) eingeplant werden, und • die Geplante Dauer“-Regel, bei der die Vorgänge in aufsteigender Rei” henfolge gem¨ aß ihrer Vorgangsdauer eingeplant werden.

5.2 Testumgebung Um die Leistungsf¨ ahigkeit der drei untersuchten Softwaresysteme zu evaluieren, wurden zuf¨ allig jeweils 60 Instanzen des ressourcenbeschränkten Projektplanungsproblems mit 30, 60, 90 und 120 Vorgängen, d.h. insgesamt 240 Probleminstanzen, mit Hilfe des Problemgenerators ProGen/max5 generiert. Da die untersuchten Programme nicht in der Lage sind, Netzpläne mit Zyklen zu verarbeiten, enthalten die Testinstanzen ausschließlich zeitliche Mindestabst¨ ande, jedoch keine zeitlichen H¨ ochstabstände. Ferner enthalten alle 240 Testinstanzen jeweils zwei erneuerbare Ressourcen. Als Zielfunktion wurde (PD) zugrunde gelegt. Die verwendeten Probleminstanzen lassen sich im Wesentlichen u ¨ber die drei Parameter resource strength (RS), resource factor (RF ) und restrictiveness of Thesen (RT ) charakterisieren. Eine ausf¨ uhrliche Beschreibung dieser und weiterer Charakteristika von Netzpl¨ anen findet sich in (Kolisch, 1995), (Schwindt, 1996) und (Schwindt, 1998a), so dass wir im Folgenden lediglich die Bedeutung der vorgenannten Parameter beschreiben. 5

vgl. http://www.wior.uni-karlsruhe.de

5.2 Testumgebung

307

Abb. 5.3. Ressourcenabgleich bei Primavera Project Management

Die resource strength gibt den Grad der Ressourcenknappheit an. RS = 1 besagt, dass die vorhandenen Ressourcen nicht knapp sind und somit effektiv keine Einschr¨ ankung f¨ ur die Projektplanung darstellen, da alle Vorgänge zu ihrem fr¨ uhesten Startzeitpunkt eingeplant werden können. RS = 0 bedeutet hingegen, dass wenigstens ein Vorgang die gesamte Kapazität zumindest einer Ressource in Anspruch nimmt. Ressourcenbeschränkte Projektplanungsprobleme mit einem niedrigen Wert f¨ ur RS sind somit tendenziell schwieriger zu l¨ osen. Bei der Erzeugung der Testsets mit ProGen/max wurden f¨ ur die resource strength die Werte RS ∈ {0,25; 0,5} gewählt. Der resource factor gibt die durchschnittliche Anzahl der beanspruchten Ressourcen an. Mit RF = 0 beansprucht kein Vorgang irgendeine der Ressourcen. RF = 1 bedeutet, dass jeder Vorgang alle Ressourcen beansprucht. Hohe Werte f¨ ur den resource factor implizieren, dass das zugrunde liegende Problem schwieriger zu l¨ osen ist. F¨ ur die betrachteten Testinstanzen wurde RF ∈ {0,5; 1} gew¨ ahlt. Die so genannte restrictiveness of Thesen, die durch die in (Neumann et al., 2003, Kap. 2.8) erl¨ auterte order strength approximiert wird, ist ein

308


Maß f¨ ur die Komplexit¨ at des zugrunde liegenden Netzplans. Ist RT = 0, so ist der entsprechende Netzplan parallel, d.h. es existieren keine Zeitbeziehungen zwischen den Projektvorg¨ angen i, j ∈ V \ {0, n + 1}. Gilt hingegen RT = 1, so ist das resultierende Netzwerk seriell. F¨ ur niedrige Werte von RT ist die Lösung des entsprechenden Projektplanungsproblems daher schwieriger als f¨ ur hohe Werte, da die Anzahl der an einem Ressourcenkonflikt beteiligten Vorg¨ ange zunimmt. Bei der Erzeugung der betrachteten Testinstanzen wurden die Werte RT ∈ {0,1; 0,25; 0,5} zugrunde gelegt. In Tabelle 5.1 sind alle untersuchten Kombinationen der drei Parameter RS, RF und RT dargestellt. Die Menge der Testinstanzen enthält somit f¨ ur jede dieser Parameterkombinationen f¨ unf Probleminstanzen mit jeweils 30, 60, 90 bzw. 120 Vorg¨ angen. Tabelle 5.1. Untersuchte Kombinationen der Parameter RS, RF , RT Kombination

RS

RF

RT

1 2 3 4 5 6 7 8 9 10 11 12

0,25 0,5 0,25 0,5 0,25 0,5 0,25 0,5 0,25 0,5 0,25 0,5

0,5 0,5 1 1 0,5 0,5 1 1 0,5 0,5 1 1

0,1 0,1 0,1 0,1 0,25 0,25 0,25 0,25 0,5 0,5 0,5 0,5

5.3 Testergebnisse Die Tests wurden auf einem Pentium IV Prozessor mit 3.2 GHz unter Microsoft Windows XP durchgef¨ uhrt. Dazu wurden die von ProGen/max generierten Probleminstanzen mit Hilfe verschiedener VBA-Routinen in MS Project 2003 (MSP) eingelesen und im MPP-Format gespeichert. Als Nächstes wurden die MPP-Dateien in Primavera Project Management (PPM) importiert. Aus diesem Programm ließen sich die einzelnen Testinstanzen im MPX-Format speichern, um sie schließlich in CS Project Professional (CSP) einzulesen. Anschließend wurden die einzelnen Probleminstanzen in jedem der drei Programme gel¨ ost und die Ergebnisse in eine Tabelle geschrieben. Die manuellen Priorit¨ atswerte, die man den Vorg¨ angen in allen Programmen zuordnen konnte, wurden gleichverteilt zuf¨ allig erzeugt, wobei f¨ ur alle Programme dieselben

5.3 Testergebnisse

309

zuf¨ alligen Prioritäten verwendet wurden. Da bei allen Programmen grundsätzlich mehrere Priorit¨ atsregeln zur Anwendung kommen können, wurden die einzelnen Probleminstanzen f¨ ur alle m¨ oglichen (MS Project) bzw. f¨ ur eine größere Anzahl vielversprechender Priorit¨ atsregelkombinationen (Primavera Project Management und CSP Project Professional) gelöst. In der Auswertung wurde dann jeweils nur die beste gefundene Lösung f¨ ur die zugrunde liegende Probleminstanz ber¨ ucksichtigt. Um f¨ ur die Testinstanzen eine optimale Referenzlösung zu erhalten, wurde die sehr effiziente Implementierung eines auf dem relaxationsbasierten Enumerationsschema beruhenden Branch-and-Bound-Verfahren von Schwindt (1998b) verwendet. F¨ ur 31 von 240 Probleminstanzen konnte der Algorithmus jedoch keine optimale L¨ osung in akzeptabler Zeit finden, so dass f¨ ur diese Probleminstanzen eine in (Schwindt, 1998b) beschriebene workloadbasierte untere Schranke f¨ ur den Zielfunktionswert als Referenzwert angenommen wurde. Außerdem wurden alle Probleminstanzen mit dem in Abschnitt 3.4 beschriebenen seriellen Generierungsschema (SGS) näherungsweise gelöst. Dabei kamen f¨ unf verschiedene Priorit¨ atsregeln zur Anwendung: die in Abschnitt 2.3 beschriebenen GRD-, GRDT -, LST - und MST -Regeln sowie einfach die Nummer der Projektvorg¨ ange, d.h. die Vorgänge mit kleinster Nummer werden zuerst eingeplant. Unter Microsoft Project wurden die besten Ergebnisse f¨ ur etwa 80% der Probleminstanzen mit der Priorit¨ atsregel Standard“ (vgl. Abschnitt 5.1.1) er” zielt. Als einziges Programm war Microsoft Project bei f¨ unf Probleminstanzen jedoch nicht in der Lage, eine zul¨ assige L¨ osung zu erzeugen. Bei CS Project Professional wurden die mit Abstand besten Ergebnisse mit dem CARLOAbgleich erzielt (f¨ ur ca. 97% aller Testprobleme). Unter Primavera Project Management erwies sich die Priorit¨ atsregel Sp¨ ater Start“ (aufsteigend) in gut ” 95% aller F¨ alle als am besten. F¨ ur das serielle Generierungsschema wurden die besten Ergebnisse sowohl mit der MST - als auch mit der LST -Regel in ca. 95% der F¨ alle erzielt. Sowohl bei Primavera Project Management als auch beim seriellen Generierungsschema erweist sich die Verwendung der LST -Regel somit in nahezu allen untersuchten F¨ allen als die vorteilhafteste Strategie. Tabelle 5.2 zeigt, aufgeschl¨ usselt nach der Problemgröße (Anzahl Vorg¨ ange), die prozentuale mittlere sowie maximale Abweichung vom vorgenannten Referenzwert. Da als Referenzwert in einigen Fällen eine untere Schranke und nicht eine optimale L¨ osung angenommen wurde, ist anzumerken, dass die prozentualen Abweichungen zu einer optimalen Lösung tendenziell ein wenig niedriger als angegeben sind. In Tabelle 5.3 ist die Varianz der einzelnen Ergebnisse angegeben sowie die Anzahl der Testinstanzen, f¨ ur die die einzelnen Programme eine Lösung gefunden haben, die gerade so gut ist wie die Referenzlösung. Das serielle Generierungsschema ermittelte in 197 von 240 Fällen die Referenzlösung und schneidet damit besser ab als Microsoft Project und CS Project; daf¨ ur ist die Streuung der mit Hilfe des seriellen Generierungsschemas ermittelten Lösun-

310

5 Softwaresysteme f¨ ur die Projektplanung Tabelle 5.2. Mittlere und maximale Abweichung (in %)

Vorg¨ ange

Mittlere Abweichung 30 60 90 120 4,27 2,42 1,54 3,89

MSP CSP PPM SGS

4,72 2,77 1,50 3,44

2,80 0,93 0,53 0,68

2,19 1,10 0,51 0,87

∅

30

3,50 1,81 1,02 2,22

24,69 22,22 17,28 30,86

Maximale Abweichung 60 90 120 45,07 19,44 16,67 33,09

29,46 20,69 13,79 19,83

20,69 15,17 15,53 27,48

max 45,07 22,22 17,28 33,09

gen in vielen Fällen sehr groß. Am h¨ aufigsten wurde eine optimale Lösung von Primavera Project Management ermittelt. Tabelle 5.3. Varianz und Anzahl erreichter Referenzl¨ osungen Vorg¨ ange

MSP CSP PPM SGS

30

60

Varianz 90

120

∅

30

osungen Referenzl¨ 60 90 120 Summe

38,78 22,09 15,92 60,92

70,82 25,92 16,80 64,76

29,23 9,69 4,58 8,28

21,46 10,54 5,21 16,86

40,07 17,06 10,63 37,71

30 39 49 41

27 39 49 46

30 51 55 55

36 49 55 55

123 178 208 197

Um f¨ ur die untersuchten Probleminstanzen den Einfluss der charakteristischen Größen RF , RS und RT auf die G¨ ute der gefundenen L¨ osungen aufzuzeigen, sind in den Tabellen 5.4, 5.5 und 5.6 die mittleren Abweichungen der durch die einzelnen Programme ermittelten L¨ osungen vom Referenzwert in Abhängigkeit der genannten Parameter angegeben. Wie zu erwarten war, weichen die gefundenen Lösungen f¨ ur hohe Werte von RF und niedrige Werte von RS stärker von der Referenzlösung ab als im umgekehrten Fall. F¨ ur den Parameter RT lässt sich allerdings keine deutliche Aussage treffen, wie seine Wahl die G¨ ute der gefundenen Lösungen beeinflusst. Tabelle 5.4. Mittlere Abweichung (in %) in Abh¨ angigkeit von RF Vorg¨ ange RF MSP CSP PPM SGS 30 30 60 60 90 90 120 120

0,5 1 0,5 1 0,5 1 0,5 1

3,70 4,83 4,59 4,85 2,31 3,29 2,92 1,49

1,73 3,11 2,13 3,42 0,42 1,44 0,83 1,37

0,57 2,51 1,03 1,98 0,10 0,97 0,77 0,25

1,05 6,72 1,18 5,71 0,20 1,17 0,26 1,48

5.3 Testergebnisse

311

Tabelle 5.5. Mittlere Abweichung (in %) in Abh¨ angigkeit von RS Vorg¨ ange RF MSP CSP PPM SGS 30 30 60 60 90 90 120 120

0,25 0,5 0,25 0,5 0,25 0,5 0,25 0,5

7,57 0,96 4,95 1,09 2,64 1,80 1,96 0,73

4,23 0,61 2,21 0,27 0,64 0,44 1,18 0,00

2,74 0,33 0,80 0,08 0,31 0,36 0,74 0,00

7,39 0,39 2,48 0,08 0,31 0,46 0,61 0,00

Tabelle 5.6. Mittlere Abweichung (in %) in Abh¨ angigkeit von RT Vorg¨ ange RF MSP CSP PPM SGS 30 30 30 60 60 60 90 90 90 120 120 120

0,1 0,25 0,5 0,1 0,25 0,5 0,1 0,25 0,5 0,1 0,25 0,5

3,94 3,76 5,10 5,65 3,09 5,41 1,70 2,20 4,51 2,27 1,81 2,48

2,36 1,00 3,89 2,64 1,97 3,71 0,36 1,26 1,17 1,47 1,05 0,77

2,35 0,23 2,03 0,99 0,86 2,66 0,00 0,69 0,91 0,93 0,36 0,24

4,21 2,68 4,77 3,10 2,59 4,63 0,00 0,99 1,05 0,76 0,36 1,48

Abschließend l¨ asst sich festhalten, dass alle getesteten Programme f¨ ur die zugrunde liegenden Probleminstanzen ordentliche Ergebnisse erzielt haben, die im Mittel nur wenige Prozentpunkte u ¨ber der entsprechenden Referenzlösung lagen. Dass das serielle Generierungsschema stellenweise etwas schlechter abgeschnitten hat als das ein oder andere Programm, ist nicht weiter verwunderlich, da sowohl f¨ ur CS Project Professional als auch Primavera Project Management viele verschiedene Prioritätsregelkombinationen getestet und jeweils die besten Ergebnisse verwendet wurden, während f¨ ur das serielle Generierungsschema nur f¨ unf verschiedene Regeln in die Untersuchung einbezogen wurden. Durch eine Einbettung des seriellen Generierungsschemas in ein Verbesserungsverfahren wie bspw. Tabu Search lassen sich jedoch i.d.R. bessere Ergebnisse erzielen; vgl. (Klein, 2000, Kapitel 5.3). Nachholbedarf besteht bei den professionellen Softwaresystemen jedoch insbesondere in zweierlei Hinsicht: F¨ ur den praktischen Einsatz wäre es sinnvoll, dass sowohl zeitliche Mindest- als auch H¨ ochstabst¨ ande modelliert werden könnten. Dies unterst¨ utzen die verf¨ ugbaren Softwaresysteme i.d.R. nicht oder nur in eingeschränkter Form. Weiterhin ist bei den kommerziellen Programmen zur Projektplanung das Ziel der Projektdauerminimierung ein vorherrschendes Ziel-

312


kriterium. Anspruchsvollere Zielfunktionen, z.B. die Zielfunktionen (NPV ) oder (RL) (vgl. Abschnitt 2.1.1), werden dem Anwender nicht zur Verf¨ ugung gestellt. In ihrer F¨ ahigkeit, allgemeine Zeitbeziehungen sowie eine Vielzahl verschiedener Zielfunktionen ber¨ ucksichtigen zu können, liegt somit eine wesentliche St¨ arke der in diesem Buch beschriebenen Modelle und Verfahren im Vergleich zur aktuell vorhandenen kommerziellen Software. Sie könnten somit als Grundlage f¨ ur die Erweiterung kommerzieller Softwaresysteme dienen.

Literaturverzeichnis

Ahlemann F. (2004), Comparative Market Analysis of Project Management Systems. Technical Report, Universit¨ at Osnabr¨ uck, Lehrstuhl f¨ ur Betriebswirtschaftslehre, Organisation und Informationssysteme Bachem A. (1980), Komplexit¨ atstheorie im Operations Research. Zeitschrift f¨ ur Betriebswirtschaftslehre 7, 812–844 Bamberg G. und Baur F. (2001), Statistik. Oldenbourg, M¨ unchen Bartusch M., M¨ ohring R.H. und Radermacher F.J. (1988), Scheduling Project Networks with Resource Constraints and Time Windows. Annals of Operations Research 16, 201–240 Bertsekas D.P. (1998), Network Optimization – Continuous and Discrete Models. Athena Scientific, Belmont B¨ ottcher J., Drexl A., Kolisch R. und Salewski F. (1999), Project Scheduling Under Partially Renewable Resource Constraints. Management Science 45, 543– 559 Breuer W. (2001), Investition II. Gabler, Wiesbaden Brucker P. (1973), Die Erstellung von CPM-Netzpl¨ anen. In: P. Gessner, R. Henn, V. Steinecke und H. Todt (Hg.) Proceedings in Operations Research, 122–130, Physica, W¨ urzburg Brucker P., Drexl A., M¨ ohring R.H., Neumann K. und Pesch E. (1999), Resource-Constrained Project Scheduling: Notation, Classification, Models, and Methods. European Journal of Operational Research 112, 3–41 Brucker P. und Knust S. (2003), Lower Bounds for Resource-Constrained Project Scheduling Problems. European Journal of Operational Research 149, 302–313 Burghardt M. (1999), Einf¨ uhrung in Projektmanagement. Publicis MCD, M¨ unchen Burghardt M. (2000), Projektmanagement. Publicis MCD, M¨ unchen Coenenberg A. (2003), Kostenrechnung und Kostenanalyse. Sch¨ affer-Poeschel, Stuttgart De Reyck B. (1998), Scheduling Projects with Generalized Precedence Relations: Exact and Heuristic Procedures. Dissertation, Catholic University of Leuven De Reyck B. und Herroelen W.S. (1998), A Branch-and-Bound Procedure for the Resource-Constrained Project Scheduling Problem with Generalized Precedence Relations. European Journal of Operational Research 111, 152–174

314


Demeulemeester E.L. (1995), Minimizing Resource Availability Costs in TimeLimited Project Networks. Management Science 41, 1590–1598 Demeulemeester E.L. und Herroelen W.S. (2002), Project Scheduling – A Research Handbook. Kluwer, Boston Diethelm G. (2000), Projektmanagement, Bd. 1. NWB, Herne Diethelm G. (2001), Projektmanagement, Bd. 2. NWB, Herne Domschke W. und Drexl A. (2005), Einf¨ uhrung in Operations Research. Springer, Berlin Dorndorf U. (2002), Project Scheduling with Time Windows. Physica, Heidelberg Elmaghraby S.E. (1977), Activity Networks – Project Planning and Control by Network Models. John Wiley, New York Elmaghraby S.E. und Kamburowski J. (1992), The Analysis of Activity Networks Under Generalized Precedence Relations (GPRs). Management Science 38, 1245–1263 Franck B. (1999), Priorit¨ atsregelverfahren f¨ ur die ressourcenbeschr¨ ankte Projektplanung mit und ohne Kalender. Shaker, Aachen Garey M.R. und Johnson D.S. (1979), Computers and Intractability: A Guide to the Theory on NP-Completeness. Freeman, New York Haberstock L. (2004), Kostenrechnung I. Erich Schmidt, Berlin Habib M., Morvan M. und Rampon J.X. (1993), On the Calculation of Transitive Reduction-Closure of Orders. Discrete Mathematics 111, 289–303 Hajdu M. (1997), Network Scheduling Techniques for Construction Project Management. Kluwer, Dordrecht Hartmann S. (1999), Project Scheduling Under Limited Resources – Models, Methods, and Applications. Springer, Berlin Hartung T., Mellentien C. und Trautmann N. (2001), Software zur ressourcenbeschr¨ ankten Projektplanung im Vergleich. Technical Report WIOR–604, Universit¨ at Karlsruhe Heilmann R. (2000), Ressourcenbeschr¨ ankte Projektplanung im Mehr-Modus-Fall. Gabler, Wiesbaden Herroelen W.S., Van Dommelen P. und Demeulemeester E.L. (1997), Project Network Models with Discounted Cash Flows: A Guided Tour Through Recent Developments. European Journal of Operational Research 100, 97–121 Heuser H. (1998), Lehrbuch der Analysis – Teil 1. Teubner, Stuttgart Kelley J.E. (1961), Critical-Path Planning and Scheduling: Mathematical Basis. Operations Research 9, 296–320 Kerzner H. (2003), Project Management: A Systems Approach to Planning, Scheduling, and Controlling. Wiley, New Jersey Kimms A. (2001), Mathematical Programming and Financial Objectives for Scheduling Projects. Kluwer, Dordrecht Klein R. (2000), Scheduling of Resource-Constrained Projects. Kluwer, Boston Klein R. und Scholl A. (1999), Computing Lower Bounds by Destructive Improvement: An Application to Resource-Constrained Project Scheduling. European Journal of Operational Research 112, 322–346 Kolisch R. (1995), Project Scheduling Under Resource Constraints. Physica, Heidelberg Kolisch R. (2001), Make-to-Order Assembly Management. Springer, Berlin


315

Kolisch R. und Hempel K. (1996), Experimentelle Evaluation der Kapazit¨ atsplanung von Projektmanagementsoftware. Zeitschrift f¨ ur betriebswirtschaftliche Forschung 48, 999–1018 Kolisch R. und Padman R. (2001), An Integrated Survey of Deterministic Project Scheduling. Omega 29, 249–272 Kruschwitz L. (2005), Investitionsrechnung. Oldenbourg, M¨ unchen Kuhns G. und Stark C. (2005), Software zur ressourcenbeschr¨ ankten Projektplanung im Vergleich. WiWi-Report No. 5, Technische Universit¨ at Clausthal Law A.M. und Kelton W.D. (2000), Simulation Modelling and Analysis. McGrawHill, Berkshire Lehner J.M. (Hg.) (2001), Praxisorientiertes Projektmanagement – Grundlagenwissen an Fallbeispielen illustriert. Gabler, Wiesbaden Litke H.D. (1995), Projektmanagement – Methoden, Techniken, Verhaltensweisen. Hanser, M¨ unchen Luczak H. (1998), Arbeitswissenschaften. Springer, Berlin Mayer H. (1998), Projektplanung bei beschr¨ ankten Ressourcen – Effiziente L¨ osungsverfahren zur Kapitalwertmaximierung. Peter Lang, Frankfurt Maylor H. (2003), Project Management. Pearson, Harlow Mellentien C., Schwindt C. und Trautmann N. (2004), Scheduling the Factory Pick-Up of New Cars. OR Spektrum 26, 579–601 M¨ ohring R.H. (1984), Minimizing Costs of Resource Requirements in Project Networks Subject to a Fixed Completion Time. Operations Research 32, 89–120 M¨ ohring R.H., Schulz A.S., Stork F. und Uetz M. (2003), Solving Project Scheduling Problems by Minimum Cut Computations. Management Science 49, 330–350 Moder J.J., Phillips C.R. und Davis E.W. (1983), Project Management with CPM, PERT and Precedence Diagramming. Van Nostrand Reinhold, New York Neumann K. (1975), Operations Research Verfahren, Bd. 3. Hanser, M¨ unchen Neumann K. (1987), Graphen und Netzwerke. In: T. Gal (Hg.) Grundlagen des Operations Research, Bd. 2, 165–260, Springer, Berlin Neumann K. (1990), Stochastic Project Networks – Temporal Analysis, Scheduling and Cost Minimization. Springer, Berlin Neumann K. (1999), A Heuristic Procedure for Constructing an Activity-on-Arc Project Network. In: W. Gaul und M. Schader (Hg.) Mathematische Methoden der Wirtschaftswissenschaft, 328–336, Physica, Heidelberg Neumann K. und Morlock M. (2002), Operations Research. Hanser, M¨ unchen Neumann K. und Schwindt C. (1997), Activity-on-Node Networks with Minimal and Maximal Time-Lags and Their Application to Make-to-Order Production. OR Spektrum 19, 205–217 Neumann K., Schwindt C. und Zimmermann J. (2003), Project Scheduling with Time Windows and Scarce Resources. Springer, Berlin Neumann K. und Steinhardt U. (1979), GERT Networks and the Time-Oriented Evaluation of Projects. Springer, Berlin Neumann K. und Zimmermann J. (1999), Resource Levelling for Projects with Schedule-Dependent Time Windows. European Journal of Operational Research 117, 591–605 Neumann K. und Zimmermann J. (2000), Procedures for Resource Levelling and Net Present Value Problems in Project Scheduling with General Temporal and Resource Constraints. European Journal of Operational Research 127, 425–443

316


Neumann K. und Zimmermann J. (2002), Exact and Truncated Branch-and-Bound Procedures for Resource-Constrained Project Scheduling with Discounted Cash Flows and General Temporal Constraints. Central European Journal of Operations Research 10, 357–380 Nicolai W. (1980), On the Temporal Analysis of Special GERT Networks Using a Modified Markov Renewal Process. Zeitschrift f¨ ur Operations Research 24, 263–272 N¨ ubel H. (1999), Minimierung der Ressourcenkosten f¨ ur Projekte mit planungsabh¨ angigen Zeitfenstern. Gabler, Wiesbaden ¨ Ozdamar L. und Ulusoy G. (1995), A Survey on the Resource-Constrained Project Scheduling Problem. IIE Transactions 27, 574–586 Perridon L. und Steiner M. (2004), Finanzwirtschaft der Unternehmung. Vahlen, M¨ unchen Phillips S. und Dessouky M.I. (1977), Solving the Project Time/Cost Tradeoff Problem Using the Minimal Cut Concept. Management Science 24, 393–400 Pritsker A., Waters L. und Wolfe P. (1969), Multiproject Scheduling with Limited Resources: A Zero-One Programming Approach. Management Science 16, 93–108 REFA (Hg.) (1974), Methodenlehre der Planung und Steuerung – Grundlagen, Bd. 1. Carl Hanser Verlag, M¨ unchen, Verband f¨ ur Arbeitsstudien und Betriebsorganisation e.V. Schirmer A. (1999), Project Scheduling with Scarce Resources: Models, Methods, and Applications. Dr. Kovaˇc, Hamburg Schlittgen R. (1998), Einf¨ uhrung in die Statistik: Analyse und Modellierung von Daten. Oldenbourg, M¨ unchen Schneider W.G. und Hieber D. (1997), Software zur ressourcenbeschr¨ ankten Projektplanung. Technical Report WIOR–494, Universit¨ at Karlsruhe Schwarze J. (2001), Projektmanagement mit Netzplantechnik. NWB, Herne Schwindt C. (1996), Generation of Resource-Constrained Project Scheduling Problems with Minimal and Maximal Time Lags. Technical Report WIOR–489, Universit¨ at Karlsruhe Schwindt C. (1998a), Generation of Resource-Constrained Project Scheduling Problems Subject to Temporal Constraints. Technical Report WIOR–543, Universit¨ at Karlsruhe Schwindt C. (1998b), Verfahren zur L¨ osung des ressourcenbeschr¨ ankten Projektdauerminimierungsproblems mit planungsabh¨ angigen Zeitfenstern. Shaker, Aachen Schwindt C. (2005), Resource Allocation in Project Management. Springer, Berlin Schwindt C. und Trautmann N. (2003), Scheduling the Production of Rolling Ingots: Industrial Context, Model, and Solution Method. International Transactions in Operational Research 10, 501–524 Schwindt C. und Zimmermann J. (1998), Maximizing the Net Present Value of Projects Subject to Temporal Constraints. Technical Report WIOR–536, Universit¨ at Karlsruhe Schwindt C. und Zimmermann J. (2002), Parametrische Optimierung als Instrument zur Bewertung von Investitionsprojekten. Zeitschrift f¨ ur Betriebswirtschaftslehre 72, 593–617 Selle T. (2002), Untere Schranken f¨ ur Projektplanungsprobleme. Shaker, Aachen


317

Selle T. und Zimmermann J. (2003), A Bidirectional Heuristic for Maximizing the Net Present Value of Large-Scale Projects Subject to Limited Resources. Naval Research Logistics 50, 130–148 Skutella M. (1998a), Approximation Algorithms for the Discrete Time-Cost Tradeoff Problem. Mathematics of Operations Research 23, 909–929 Skutella M. (1998b), Approximation and Randomization in Scheduling. Dissertation, Technische Universit¨ at Berlin Streich R., Marquardt M. und Sanden H. (1996), Projektmanagement – Prozesse und Praxisfelder. Schaeffer-Poeschel, Stuttgart Trautmann N. (2001), Anlagenbelegungsplanung in der Prozessindustrie. Gabler, Wiesbaden Turner J.R. (1999), The Handbook of Project-Based Management. McGraw-Hill, Berkshire Vanhoucke M., Demeulemeester E.L. und Herroelen W.S. (2001), An Exact Procedure for the Resource-Constrained Weighted Earliness-Tardiness Project Scheduling Problem. Annals of Operations Research 102, 179–196 Weglarz J. (Hg.) (1999), Project Scheduling – Recent Models, Algorithms, and Applications. Kluwer, Dordrecht Wiegand D., Mellentien C. und Trautmann N. (2002), Methoden gegen das Chaos – Projektmanagement-Software im Vergleich. c’t – Magazin f¨ ur Computertechnik 7, 194 ff. Winston W.L. (2004), Operations Research – Applications and Algorithms. Thomson, Belmont Zeidler E. (Hg.) (2003), Teubner-Taschenbuch der Mathematik. Teubner, Wiesbaden Zimmermann J. (1995), Mehrmaschinen-Schedulingprobleme mit GERT-Anordnungsbeziehungen. Dissertation, Universit¨ at Karlsruhe Zimmermann J. (2001), Ablauforientiertes Projektmanagement. Gabler, Wiesbaden

Index

Ablauforganisation 6, 32 aktive Menge 118 Aktivierungswahrscheinlichkeit 102 Aktivierungszahl 102 Algorithmus Branch-and-Bound- 173, 234, 240, 244 CPM-Konstruktions- 79 Ford-Fulkerson- 276 Ger¨ ust-Generierungs- 136 Kelley- 281 L¨ angste-Wege- 62, 68 Label-Correcting- 62 Tripel- 68 Analogiemethode 14 ¨ Anderungsverfahren 10 begleitendes 10 eingeschobenes 10 kontinuierliches 10 Anordnungsbeziehung 42 Anstiegsrichtung steilste 153, 156 Anstiegsverfahren 153, 159 Aufbauorganisation 5, 30 Aufwand 5, 13 Aufwandskontrolle 110 absolute 110 aufwandskorrelierte 110 lineare 110 plankorrigierte 110 Aufwandssch¨ atzung 5, 13 ausgezeichnete Punkte 138, 143, 145, 206, 208

Auslotregeln 209, 229 Ausplanungs-Schritt 251, 253, 258, 260 Basisintervall planungsabh¨ angiges 188 Bellmansches Optimalit¨ atsprinzip 63 Bereich zeitzul¨ assiger 119, 133 zul¨ assiger 202 Beschaffungskostensatz 122 Betaverteilung 87 bidirektionales serielles Generierungsschema 257 bin¨ armonotone Funktion 139, 207 bindende Zeitbeziehung 136 Branch-and-Bound-Algorithmus 173, 234, 240, 244 Branching-Strategie 170 CPM-Konstruktions-Algorithmus CPM-Netzplantechnik 73

79

DDA-Regel 230 disjunktives Zweier-Preprocessing 222 Diskontfaktor 121 Distanzordnung 250 Dreizeitensch¨ atzung 48, 89 Dummyvorgang 198 dynamische Priorit¨ atsregel 184 dynamische Wirtschaftlichkeitsanalyse 21 Earliness-Tardiness-Zielfunktion 126, 202

121,

320

Index

Ecke 133, 135 Eckenanstieg 158 Eintrittszeitpunkt erwarteter fr¨ uhester 91 erwarteter sp¨ atester 91 fr¨ uhester 83 modifizierter 85 sp¨ atester 83 Einzelentscheidung 26 Endereignis 42, 83 Endzeitpunkt fr¨ uhester 66 sp¨ atester 67 Entscheidungszeitpunkte Menge von 181, 258 Enumerationsansatz ger¨ ustbasierter 170, 243 relaxationsbasierter 208, 233, 238 Enumerationsschema ger¨ ustbasiertes 163, 165, 166 relaxationsbasiertes 209, 215 Ereignis 4, 41 erneuerbare Ressource 51 Erweiterungskosten 180, 188 ES-LS-Update 164 externes Projekt 2 Extremalpunkt 133, 135 F¨ alligkeitstermin 121 Faktorenverfahren 15 fiktiver Vorgang 42 fixierter Vorgang 188 Flussnetzwerk 149 flussvergr¨ oßernder Semiweg 277 Ford-Fulkerson-Algorithmus 276 Fortschrittszahlung 12 fr¨ uhester Eintrittszeitpunkt 83 fr¨ uhester Endzeitpunkt 66 fr¨ uhester Startzeitpunkt 65 freie Pufferzeit 71, 86 freie R¨ uckw¨ artspufferzeit 72, 86 Function-Point-Methode 17 Funktion bin¨ armonotone 139, 207 konkave 145 konvexe 138, 206 lineare 138, 206 lokal konkave 145, 207 lokal regul¨ are 144, 207

regul¨ are 138, 206 unterhalb-halbstetige

125

Gammafunktion 88 Gantt-Chart 116 Generierungsschema bidirektionales serielles 257 serielles 248, 249, 253 ust 135 Ger¨ Ger¨ ust-Generierungs-Algorithmus 136 ger¨ ustbasierter Enumerationsansatz 170, 243 ger¨ ustbasiertes Enumerationsschema 163, 165, 166 GERT-Netzplantechnik 96 Gesamtpufferzeit 71, 85 H¨ ochstabstand zeitlicher 43, 57 H¨ ulle konvexe 141 transitive 215 inklusionsminimale zul¨ assige Ordnung 204 Inkrementnetzwerk 150 internes Projekt 2 Isoordnungsmenge 143 Kapitalwert 22 Kapitalwertmaximierung 121, 128, 153, 202 Kelley-Algorithmus 281 komplement¨ arer Schlupf Satz vom 149 konjunktives Zweier-Preprocessing 219 konkave Funktion 145 ¨ kontinuierliches Anderungsverfahren 10 Konventionalstrafe 12 konvexe Funktion 138, 206 konvexe H¨ ulle 141 Kostenanalyse 6, 52 Kostenfaktor 274 Kostenfunktion 267 Kostenkontrolle 110 Kostenplanung 267 Kostenzuschlagsvertrag 11

Index kritischer Index 93 kritischer Vorgang 85 kritischer Weg 85 Kundenauftragsfertigung 191 kurzfristige Projektplanung 38 L¨ angste-Wege-Algorithmus 62, 68 Label-Correcting-Algorithmus 62 langfristige Projektplanung 37 lineare Aufwandskontrolle 110 lineare Funktion 138, 206 lokal konkave Funktion 145, 207 lokal regul¨ are Funktion 144, 207 Machbarkeitsstudie 5, 12 Matrix-Projektorganisation 31 maximale Projektdauer 66 Maximalfluss-Minimalschnitt-Theorem 280 Maximalpunkt 133 Meilenstein 6 Menge aktive 118 verbotene 200 Menge der auszuplanenden Vorg¨ ange 252, 258 Menge von Entscheidungszeitpunkten 181, 258 Mindestabstand zeitlicher 43, 56 minimale Verk¨ urzungsmenge 274 minimale Verz¨ ogerungsalternative 211, 212 minimaler Schnitt 280 minimaler Verz¨ ogerungsmodus 214 Minimalpunkt 133 Minimierung der mittleren Durchlaufzeit 120, 146, 202 Minimierung der Summe gewichteter Startzeitpunkte 120, 147, 202 mittelfristige Projektplanung 37 modifizierter Eintrittszeitpunkt 85 monet¨ are Zielfunktionen 121 MPM-Netzplantechnik 6, 55 MTM-Methode 47 Nachfolger 43 net present value siehe Kapitalwert Netzplantechnik 6

CPM 73 GERT 96 MPM 6, 55 PERT 87 nicht erneuerbare Ressource Nutzwertanalyse 27

321

50

obere Schranke 171, 234, 239, 243 Optimalit¨ atsprinzip Bellmansches 63 Ordnung Distanz- 250 inklusionsminimale zul¨ assige 204 Schedule induzierte 141 strenge 140 zeitzul¨ assige 140 zul¨ assige 203 Ordnungsnetzplan 141 Ordnungspolytop 140 Outtree 135 Pauschalpreisvertrag 11 PERT-Netzplantechnik 87 Pfeilfolge 61 Pflichtenheft 5, 9 Phasenmodell 4 plankorrigierte Aufwandskontrolle 110 planungsabh¨ angiges Basisintervall 188 planungsabh¨ angiges Zeitfenster 105 Potential 61 Preprocessing 209, 218 disjunktives Zweier- 222 konjunktives Zweier- 219 Priorit¨ atsregel 183 dynamische 184 statische 184 Priorit¨ atsregelverfahren 179, 185, 248, 259 Priorit¨ atsregelwert 183 produktbezogene Ziele 35 Programmentscheidung 27 Projekt 2 einmaliges 3 externes 2 internes 2 Routine- 3 Projekt¨ uberwachung 107 Projektabschluss 7, 106 Projektauftrag 5, 9

322

Index

projektbezogene Ziele 37 Projektdauer 56 maximale 66 Projektdauerminimierung 120, 146, 201, 208 Projektende 55 Projektkonzeption 5, 9 Projektlebenszyklus 4 Projektmanagement 3 Projektorganisation Matrix- 31 reine 30 Stabsstellen- 31 Projektplanung 6, 39 kurzfristige 38 langfristige 37 mittelfristige 37 unter Zeit- und Ressourcenrestriktionen 197 unter Zeitrestriktionen 115 Projektr¨ uckschau 7, 113 Projektrealisation 7, 106 Projektselektion 5, 26 Projektspezifikation 5, 29 Projektstart 55 Projektstrukturplan 39 Projektziele 6, 35 Prozentsatzmethode 15 Pufferzeit freie 71, 86 freie R¨ uckw¨ arts- 72, 86 gesamte 71, 85 Quelle

62

RDM-Regel 230 REFA-Methode 47 regul¨ are Funktion 138, 206 reine Projektorganisation 30 relaxationsbasierter Enumerationsansatz 208, 233, 238 relaxationsbasiertes Enumerationsschema 209, 215 Ressource erneuerbare 51 nicht erneuerbare 50 ressourcenabh¨ angige Zielfunktionen 123

Ressourcenabweichungsproblem 122, 132, 163 Ressourcenanalyse 6, 50 Ressourceninanspruchnahme 117 Ressourceninvestmentproblem 122, 129, 163 Ressourcenkonflikt 199 Ressourcenniveau 122 Ressourcennivellierung 123, 133, 163 Ressourcenprofil 117 Ressourcenregel 230 Ressourcenrelaxation 208 Ressourcenrestriktionen 199 ressourcenzul¨ assiger Schedule 199 Risikoanalyse 5, 23 Routineprojekt 3 Satz vom komplement¨ aren Schlupf 149 Schedule 116 ressourcenzul¨ assiger 199 zeitzul¨ assiger 116, 119 zul¨ assiger 199 Schedule induzierte Ordnung 141 Schedulepolytop 141 Scheinvorgang 74 Schnitt minimaler 280 Schnittkapazit¨ at 280 Schrittweite 157 Semiweg flussvergr¨ oßernder 277 Senke 62 serielles Generierungsschema 248, 249, 253 Si -Sj -Schnitt 133, 203 sp¨ atester Eintrittszeitpunkt 83 sp¨ atester Endzeitpunkt 67 sp¨ atester Startzeitpunkt 66 Stabsstellen-Projektorganisation 31 Startereignis 42, 83 Startzeitpunkt fr¨ uhester 65 sp¨ atester 66 statische Priorit¨ atsregel 184 statische Wirtschaftlichkeitsanalyse 21 steilste Anstiegsrichtung 153, 156 Strukturanalyse 6, 39

Index Strukturelemente 4 Subset-Dominanz-Regel 230, 231 Summe gewichteter Startzeitpunkte Minimierung der 120, 147 teilfixierter Vorgang 188 Teilschedule 170 Terminierung 7, 105 Terminkontrolle 107 Tiefensuche 171 Time-Cost-Tradeoff 268, 281, 296 transitive H¨ ulle 215 Tripel-Algorithmus 68 ¨ Uberschreitungskosten 122 untere Schranke 170, 209, 224 destruktive 225 workloadbasierte 171, 228 unterhalb-halbstetige Funktion verbotene Menge 200 Verfr¨ uhungskosten 121 Verk¨ urzungsfaktor 272 Verk¨ urzungsmenge 272 minimale 274 Verkn¨ upfungstypen 42 Versp¨ atungskosten 121 Verz¨ ogerungsalternative 211 minimale 211, 212 Verz¨ ogerungsmodus minimaler 214 Vorg¨ anger 43 Vorgang 4, 39 Dummy- 198 fiktiver 42 fixierter 188 kritischer 85 teilfixierter 188 Vorgangseinzelkosten 52 Vorgangsgemeinkosten 52 Vorgangsknotennetz 55

125

Vorgangspfeilnetz 73 Vorl¨ aufer 77 Vorl¨ aufermenge 77 Vorrangbeziehung 44 Vorranggraph 77 Wahlentscheidung 26 Weg 61 kritischer 85 Wirtschaftlichkeitsanalyse dynamische 21 statische 21

5, 20

Zahlungsmodalit¨ aten 11 Zeit-Aufwands-Kurve 111 Zeitanalyse 6, 46 Zeitbeziehung 4, 42, 43 bindende 136 zeitbezogene Zielfunktionen 120 Zeitfenster planungsabh¨ angiges 105 zeitlicher H¨ ochstabstand 43, 57 zeitlicher Mindestabstand 43, 56 Zeitplanung 62 zeitzul¨ assige Ordnung 140 zeitzul¨ assiger Bereich 119, 133 zeitzul¨ assiger Schedule 116, 119 Zieldekomposition 36 Ziele produktbezogene 35 projektbezogene 37 Zielfunktionen 120 Earliness-Tardiness- 126 monet¨ are 121 ressourcenabh¨ angige 123 zeitbezogene 120 zul¨ assige Ordnung 203 zul¨ assiger Bereich 202 zul¨ assiger Schedule 199 Zusatzkosten 268 Zyklus 61

323

Projektplanung: Modelle, Methoden, Management (Springer-Lehrbuch)

Strukturanalyse sozialer Netzwerke: Konzepte, Modelle, Methoden. 2. Auflage (Lehrbuch)

Systementwurf mechatronischer Systeme: Methoden Modelle Konzepte (German Edition)

Persönliche Finanzplanung: Modelle und Methoden des Financial Planning, 2. Auflage

Logistik Management: Systeme, Methoden, Integration

Personliche Finanzplanung: Modelle und Methoden des Financial Planning

Neue Modelle

Neue Modelle

IT-Management durch KI-Methoden: Unterstützung bei Problemen des IT-Management durch Methoden der Künstlichen Intelligenz

Revenue Management: Grundlagen und Mathematische Methoden

Modelle der Mengenlehre 001

Organisationstheorie: Problemstellung - Modelle - Entwicklung

Stochastische Modelle 001

Modelle der Mengenlehre

Kosmologische Modelle 001.ps.gz

Optimierung linearer Modelle 001

Sozialwirtschaft: Grundlagen - Modelle - Finanzierung

Geoinformatik: Modelle, Strukturen, Funktionen

Epidemiologische Methoden

Evolution. Prozesse, Mechanismen, Modelle GERMAN

Angewandte Industrieokonomik: Theorien – Modelle – Anwendungen

Management operationaler IT- und Prozess-Risiken: Methoden für eine Risikobewältigungsstrategie

Methoden der komplexen Funktionentheorie

Methoden der Verhaltensbiologie

Methoden der Manipulation

Methoden der Computeranimation (eXamen.press)

Angewandte Meteorologie mikrometeorologische Methoden

Methoden der Journalismusforschung

Mathematische Methoden Der Personenversicherung

Projektplanung: Modelle, Methoden, Management (Springer-Lehrbuch)

Strukturanalyse sozialer Netzwerke: Konzepte, Modelle, Methoden. 2. Auflage (Lehrbuch)

Systementwurf mechatronischer Systeme: Methoden Modelle Konzepte (German Edition)

Persönliche Finanzplanung: Modelle und Methoden des Financial Planning, 2. Auflage

Logistik Management: Systeme, Methoden, Integration

Personliche Finanzplanung: Modelle und Methoden des Financial Planning

Neue Modelle

Neue Modelle

IT-Management durch KI-Methoden: Unterstützung bei Problemen des IT-Management durch Methoden der Künstlichen Intelligenz

Revenue Management: Grundlagen und Mathematische Methoden

Modelle der Mengenlehre 001

Organisationstheorie: Problemstellung - Modelle - Entwicklung

Stochastische Modelle 001

Modelle der Mengenlehre

Kosmologische Modelle 001.ps.gz

Optimierung linearer Modelle 001

Sozialwirtschaft: Grundlagen - Modelle - Finanzierung

Geoinformatik: Modelle, Strukturen, Funktionen

Epidemiologische Methoden

Evolution. Prozesse, Mechanismen, Modelle GERMAN

Angewandte Industrieokonomik: Theorien – Modelle – Anwendungen

Management operationaler IT- und Prozess-Risiken: Methoden für eine Risikobewältigungsstrategie

Methoden der komplexen Funktionentheorie

Methoden der Verhaltensbiologie

Methoden der Manipulation

Methoden der Computeranimation (eXamen.press)

Angewandte Meteorologie mikrometeorologische Methoden

Methoden der Journalismusforschung

Mathematische Methoden Der Personenversicherung

Recommend Documents