Steuerung und Koordination dynamischer stochastischer Werkstattfertigungssysteme

Zusammenfassung

Zur Ermittlung eines optimalen Ablaufplans für ein statisches oder ein dynamisches deterministisches Werkstattsteuerungsproblem sind innerhalb der letzten 40 Jahre eine Vielzahl von Methoden vorgeschlagen worden. Die publizierten Algorithmen basieren auf der gemischt ganzzahligen linearen Programmierung, auf der dynamischen Programmierung oder auf Branch & Bound-Ansätzen¹. Aufgrund der im Abschnitt 2.3 herausgestellten Zeitkomplexität des statischen bzw. des dynamischen deterministischen Werkstattsteuerungsproblems eignen sich diese Verfahren nur für die optimale Lösung von kleineren Problemen (M ≤ 10 und N ≤ 10). Zur Ermittlung von Ablaufplänen für Problemstellungen mit praxisrelevanter Auftrags- bzw. Maschinenanzahl wurde deshalb eine Reihe von alternativen heuristischen Algorithmen entworfen². Insbesondere während der letzten 10 Jahre wurden viele Heuristiken publiziert, die auf Metastrategien wie z.B. Genetische Algorithmen, Simulated Annealing oder Tabu Search basieren³.