Zusammenfassung
Das vorliegende Kapitel behandelt die Planung der Fertigung, welche durch die ganzheitliche Betrachtung aller Werkzeugmaschinen zusammen mit anderen Arbeitsplätzen eine kostengünstige Produktion ermöglichen soll. Dieser Teil ist im Leitprojekt InVorMa (Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen), abgebildet durch den sogenannten „Production Optimizer“. Zur Lösung des Planungsproblems wird entsprechend den Anforderungen der Praxispartner ein Modell erstellt, welches die Planungssituation detailliert abbildet. Dabei findet ein Konzept Anwendung, welches insbesondere auch auf die planbaren und nicht planbaren Ereignisse ausgerichtet ist. Zur Lösung einer solchen Planungssituation können verschiedene Methoden verwendet werden. Zwei von ihnen werden genauer vorgestellt und die Unterschiede ihres Lösungsverhaltens einander gegenüber gestellt. Hierbei handelt es sich um die Lösung mit Hilfe eines gemischt-ganzzahligen mathematischen Modells und eines kommerziellen Solvers auf der einen Seite und der Lösung mit Hilfe einer Metaheuristik auf der anderen Seite. Die Planung ist dabei gekoppelt an die anderen Bestandteile der Dienstleistungsplattform und erhält durch die Auftragseingabe oder die Verifikations- und Optimierungsläufe des „Setup Optimizers“ neue Daten, wodurch eine Planänderung angestoßen werden kann.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Araujo, S. A. de, Arenales, M. N. und Clark, A. R. Joint rolling-horizon scheduling of materials processing and lot-sizing with sequence-dependent setups. In: Journal of Heuristics 13.4 (2007), S. 337–358.
Beraldi, P., Ghiani, G., Grieco, A. und Guerriero, E. Rolling-horizon and fix-and-relax heuristics for the parallel machine lot-sizing and scheduling problem with sequence-dependent set-up costs. In: Part Special Issue: Topics in Real-time Supply Chain Management 35.1 (2008), S. 3644–3656.
Chakravarty, A. K. und Balakrishnan, N. Reacting in real-time to production contingencies in a capacitated flexible cell. In: European Journal of Operational Research 110.1 (1998), S. 1–19.
Cormen, T. H., [u. a.] (2010) Algorithmen: eine Einführung. (3.Auflage)
Gendreau M, Potvin J-Y (2010). Handbook of Metaheuristics (Vol. 2). Springer, New York
Haase, K. Lotsizing and scheduling for production planning. Berlin [u. a.]: Springer, 1994.
Karimi, B., Ghomi, S. F. und Wilson, J. The capacitated lot sizing problem: a review of models and algorithms. In: Omega 31.5 (2003), S. 365–378.
Kimms, A. Multi-level lot sizing and scheduling: Methods for capacitated, dynamic, and deterministic models; with 155 tables. 1997.
Kimms, A. Stability measures for rolling schedules with applications to capacity expansion planning, master production scheduling, and lot sizing. In: Omega 26.3 (1998), S. 355–366
Pujawan, I. N. und Smart, A. U. Factors affecting schedule instability in manufacturing companies. In: International Journal of Production Research 50.8 (2012), S. 2252–2266.
Ropke, S. and Pisinger, D., 2006. An adaptive large neighborhood search heuristic for the pickup and delivery problem with time windows. Transportation science, 40(4), pp. 455–472.
Salomon, M. Deterministic lotsizing models for production planning. Berlin [u. a.]: Springer, 1991.
Springer Fachmedien Wiesbaden, Hrsg. Gabler Kompakt-Lexikon Wirtschaft: 4.500 Begriffe nachschlagen, verstehen, anwenden. 11., akt. Aufl. 2013. Korr. Nachdruck 2012. Wiesbaden: Springer Fachmedien Wiesbaden, 2013.
Stadtler H, Sahling F (2013). A lot-sizing and scheduling model for multi-stage flow lines with zero lead times. Eur. J. Oper. Res. 225(3): 404–419
Suerie, C. Time continuity in discrete time models: new approaches for production planning in process industries. Zugl.: Darmstadt, Univ., Diss., 2005. Berlin [u. a.]: Springer, 2005.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Suhl, L., Isenberg, F. (2019). Production Optimizer. In: Dangelmaier, W., Gausemeier, J. (eds) Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen. Intelligente Technische Systeme – Lösungen aus dem Spitzencluster it’s OWL. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-58020-2_5
Download citation
DOI: https://doi.org/10.1007/978-3-662-58020-2_5
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-58019-6
Online ISBN: 978-3-662-58020-2
eBook Packages: Computer Science and Engineering (German Language)