Zusammenfassung
In diesem Kapitel werden zwei alternative Lösungsansätze für das auftragsbasierte Kampagnen-Scheduling-Problem nach dem Vorgehen von Kapitel 4 vorgestellt. Der erste Ansatz basiert auf einer Modellierung als gemischt ganzzahliges lineares Optimierungsproblem (MILP), das mithilfe weitverbreiteter kommerzieller Optimierungssoftware zu lösen ist. Ein zweiter Ansatz basiert auf einer heuristischen Vorgehensweise, die Techniken der Nachbarschaftssuche auf disjunktiven Graphen, der kombinatorischen Optimierung und des Shifting-Bottleneck-Verfahrens miteinander kombiniert. Beide Ansätze, die in diesem Kapitel detailliert vorgestellt werden, werden anschließend in Kapitel 6 ausführlichen numerischen Tests unterzogen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Wird zur Beschreibung der Algorithmen aus Abschnitt 5.2 verwendet. Dabei geht die relevante Orientierung der Disjunktion eindeutig aus dem Kontext hervor.
- 2.
In dem Anwendungshintergrund wird von fest vorgegebenen Größen und Dauern der Chargen ausgegangen.
- 3.
Diese Mengen und Parameter werden im MILP nicht verwendet, im Rahmen der Ausführungen zu Abschnitt 5.2 wird jedoch darauf verwiesen.
- 4.
Vgl. Abschnitt 3.2.2.1 und Abschnitt 3.2.2.2
- 5.
Im Falle des Routing-Graphen gilt D= Ø und somit auch S = Ø.
- 6.
o.b.d.A = Abkürzung für „ohne Beschränkung der Allgemeinheit“
- 7.
Vgl. Günther et al. (2012) S. 214 ff.
- 8.
Dies ist dann der Fall, wenn bei einem iterativen Vorgehen zunächst die Ressourcenzulässigkeit vernachlässigt und für jedes der Bedarfselemente der günstigste Produktionspfad ermittelt werden soll.
- 9.
Falls beispielsweise bis zu diesem Zeitpunkt die Ressourcenzulässigkeit von zunächst nur ausgewählten (Bottleneck-) Ressourcen berücksichtigt wird.
- 10.
Die Kantenfolge der Produktionspfade kann sich im Laufe der iterativen Kampagnenplanung möglicherweise noch ändern, so dass beispielsweise für ein Bedarfselement, bedingt durch einen geänderten Produktionsablauft für die Herstellung eines anderen Bedarfselementes, eine unterschiedliche Kantenselektion günstiger ist, da sie bessere Synergieeffekte liefert. In solch einem Fall erkennt dies das Planungssystem während der iterativen Plananpassung und plant dementsprechend um.
- 11.
Vgl. Wagner et al. (1958) und Lee et al. (1993)
- 12.
Entspricht dem SAZ-Wert des ersten Produktionselementes im Produktionslos.
- 13.
D.h. der FAZ-Wert des Produktionselementes lässt eine zulässige Vorverlagerung nicht ausreichend zu.
- 14.
Durch die Fertigstellungszeitpunkte der Vorgängeroperationen hinsichtlich der Konjunktionen und Disjunktionen unter Berücksichtigung möglicher Transport- und Umrüstvorgänge, werden zeitliche Rasterpunkte definiert. Durch den Algorithmus werden den Produktionselementen jeweils Startzeitpunkte, die auf den Rasterpunkten liegen, zugeordnet.
- 15.
Vgl. Tabelle 5-1
- 16.
Vgl. Abschnitt 5.2.2.2
- 17.
Vgl. Abschnitt 5.2.2.2
- 18.
Vgl. Abschnitt 5.2.2.3
- 19.
Vgl. Nebenbedingung (4.1) im Abschnitt 5.1
- 20.
Vgl. Abschnitt 3.2.2.2
- 21.
In Anlehnung an Abb. 5-6
- 22.
Vgl. Methode selectResource(R) in Abb. 5-6
- 23.
Vgl. Methode scheduleResource(r) in Abb. 5-6
- 24.
Vgl. Methode getProductionPaths() in Abb. 5-6
- 25.
Vgl. den optionalen Block in Abb. 5-6
- 26.
Vgl. Abschnitt 3.2.2.2
- 27.
Vgl. Methode isFeasible in Abb. 5-6
- 28.
Vgl. Abschnitt 5.2.2.1
- 29.
- 30.
Vgl. „update Costs“ in Abb. 5-7
- 31.
Vgl. „reoptimization“ in Abb. 5-7
- 32.
Zwischen der zweiten und dritten Pfadauswahl des Beispiels wurde die Phase der Nachoptimierung übersprungen, da sie bis zu diesem Planungsstand noch keinerlei Auswirkungen auf das Gesamtergebnis hat.
- 33.
Für eine ausführliche Definition des Begriffs Residualgraph wird z. B. auf Korte et al. (2000), S.155 ff. verwiesen.
- 34.
Zyklen mit negativer Länge können effizient durch den Einsatz von Minimum Mean Cycle Algorithmen“ in polynomialer Zeit ermittelt werden (vgl. Korte et al. (2000))
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2012 Springer Science+Business Media New York
About this chapter
Cite this chapter
Meiler, M. (2012). Implementierung des Planungssystems. In: Integrierte Kampagnenplanung in logistischen Netzwerken der chemischen Industrie. Produktion und Logistik. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-8349-4375-0_5
Download citation
DOI: https://doi.org/10.1007/978-3-8349-4375-0_5
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-8349-4374-3
Online ISBN: 978-3-8349-4375-0
eBook Packages: Business and Economics (German Language)