Advertisement

Robuste operative Planung

  • Christian AlmederEmail author
  • Margaretha Gansterer
Chapter
  • 16k Downloads

Zusammenfassung

Die meisten Konzepte für die kurz- und mittelfristige Planung basieren auf deterministischen Modellen. Somit wird bei der Planung unterstellt, dass schon zu Beginn der Planung alle Rahmenbedingungen und Parameter zumindest für den Zeitraum des Planungshorizonts bekannt sind. In der Praxis unterliegen fast alle Produktions- und Logistiksysteme unvorhergesehenen Schwankungen und manche Parameter, wie zum Beispiel der Kundenbedarf, können nur geschätzt werden. Um trotz dieser Diskrepanz eine sinnvolle Planung durchführen zu können, muss auf außerplanmäßigen Veränderungen durch häufige Neuplanung reagiert werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Alem DJ, Morabito R (2012) Production planning in furniture settings via robust optimization. Computers & Operations Research 39: 139–150CrossRefGoogle Scholar
  2. Ahneder C, Hartl R (2013) A metabeuristic optimization approach for a real-world stochastic flexible ßow shop problem with limited buffer. International Journal of Production Economics 145(1):88–95CrossRefGoogle Scholar
  3. Ahneder C, Preusser M, Hartl R (2009) Simulation and optimization of supply chains: alternative or complementary approaches? OR Spectrum 31:95–119, DOI 1O.1007/s00291- 007–0118-zCrossRefGoogle Scholar
  4. Ben-Tal A, Nemirovski A (2000) Robust solutions of Linear Progranrming problems contaminated with uncertain data. Mathematical Programming 88(3):411–424CrossRefGoogle Scholar
  5. Bertsimas D, Thiele A (2006) A Robust Optimization Approach to Inventory Theory. Operations Research 54(1):150–168CrossRefGoogle Scholar
  6. Gebhard M, Kuhn H (2007) Robuste hierarchische Produktionsplanung mit Bedarfsszena,. rien. In: Otto A, Obermaier R (eds) Logistikmanagement: Analyse, Bewertung und Gestaltung logistischer Systeme, Deutscher Universitäts-Verlag Wiesbaden, pp 161–183Google Scholar
  7. Hung YC, Leacbmaun R (1999) A production plauning methodology for semiconductor ma,. nufacturing based on iterative and linear programming calculations. IEEE Transactions on Semiconductor Manufacturing 9(2):257–269CrossRefGoogle Scholar
  8. Irdem D, Kacar N, Uzsoy R (2010) An Exploratory Analysis of Two Iterative Linear Programming-Simulation Approaches far Production Planning. IEEE Transactions on Semiconductor Manufacturing 23(3):442–455CrossRefGoogle Scholar
  9. Mönch L, Lendermaun P, McGinnis LF, Schirrmann A (2011) A survey of challenges in modelling and decision-making for discrete event logiatics systems, Computers in Industry 62(6):557–567CrossRefGoogle Scholar
  10. Myers R, Montgomery D, Vining G, Borror C, Kowalski S (2004) Response Surface Methodology: A Retrospective and Literature Survey. Journal of Quality Technology 36:53–77Google Scholar
  11. Scholl A (2001) Robuste Planung und Optimierung. Physica,.Verlag Heidelberg Soyster A (1973) Convex Programming with Set-Inclusive Constraints and Applications to Inexact Linear Programming. Operations research 21(5):1154–1157CrossRefGoogle Scholar
  12. Swisher JR, Jacobaen SH, Hyden PD, Schrobe LW (2000) A snrvey of simnIation optimiz & tion techniques and procedures. In: Joines JA, Barton RR, Kang K, Fishwick PA (eds) Proceedings of the 2000 Winter Simulation Conference, pp 119–128Google Scholar
  13. Vieira GE, Herrmann JW, Lin E (2003) Rescheduling mannfacturing systems: A framework of strategies, policies and methods. Journal of Scheduling 6:39–62CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  1. 1.Lehrstuhl für Betriebswirtschaftslehre, insbesondere Supply Chain Management,Wirtschaftswissenschaftliche FakultätEuropa-Universität Viadrina Frankfürt(Oder)Frankfürt(Oder)Deutschland
  2. 2.Lehrstuhl für Produktion und Logistik, Fakultätfür WirtschaftswissenschaftenUniversität WienWienÖsterreich

Personalised recommendations