Simulation und Optimierung in Produktion und Logistik (eBook)

Praxisorientierter Leitfaden mit Fallbeispielen
eBook Download: PDF
2010 | 2011
XVI, 244 Seiten
Springer Berlin (Verlag)
978-3-642-14536-0 (ISBN)

Lese- und Medienproben

Simulation und Optimierung in Produktion und Logistik -
Systemvoraussetzungen
62,94 inkl. MwSt
  • Download sofort lieferbar
  • Zahlungsarten anzeigen
Die simulationsgestützte Optimierung von Produktportfolios und Produktionsketten birgt großes Potenzial - Berichte über Kopplungen von Simulation und Optimierung sind aber rar. Der Band liefert erstmals deutschsprachige Anwendungsbeispiele und einen Überblick über die Möglichkeiten von Simulation und Optimierung. Anders als standardisierte Planungsansätze können mithilfe der Simulation auch dynamische Produktions- und Logistikprozesse analysiert werden. Bei gezielter Vernetzung von Logistikabläufen lassen sich so unerwünschte Liegezeiten vermeiden.

Dr.-Ing. Ing. ECL Lothar März, geb. 1965, 1987- 1993 Studium Allgemeiner Maschinenbau an der Technischen Hochschule Darmstadt sowie Ingenieurwissenschaften mit Schwerpunkt Mathematik und Informatik an der Ecole Centrale de Lyon. 1995-2001 Fraunhofer Institut für Produktionstechnik und -automatisierung (IPA), Stuttgart, 2002 Promotion (Ein Planungsverfahren zur Konfiguration der Produktionslogistik). Ab 2001 in leitenden Funktionen in der Unternehmensberatung sowie bei Forschungsinstitutionen tätig. Zentraler Schwerpunkt seiner Arbeiten sind Entscheidungsunterstützungssysteme für Produktion und Logistik auf der Basis von Simulation und mathematischer Optimierung. 2010 Gründung der LOM Innovation GmbH & Co. KG in Lindau (Bodensee) als geschäftsführender Gesellschafter. Mitglied der Arbeitsgemeinschaft Simulation (ASIM), der GI sowie der Gesellschaft für Produktion und Logistik des VDI Deutschland. 2007 Gründungsmitglied und Sprecher der Arbeitsgruppe 'Simulationsbasierte Optimierung von Produktions- und Logistikprozessen' in der ASIM-Fachgruppe 'Simulation in Produktion und Logistik'. Prof. Dr. - Ing. habil. Wilfried Krug, geb.1937, 1956 - 1959 Flugzeugbaustudium an der Ingenieurschule für Flugzeugbau Dresden, 1961 - 1967 Diplom - Ingenieurstudium Elektrotechnik/Technische Kybernetik an der Technischen Universität Dresden, 1975 Promotion (Modellierung und Simulation von Hermetikkompressoren), 1977 Habilitation ( Rechnergestützte Optimierung technischer Systeme). 1978 - 1986 Professur für Mathematische Kybernetik und Rechentechnik an der Ingenieur Hochschule Köthen, 1986 - 1992 Professur für Modellierung und Simulation an der Fakultät Maschinenwesen der Technischen Universität Dresden. 1990 Gründung der DUALIS GmbH IT Solution und Direktor IT-Management bis heute. Mitglied der Arbeitsgemeinschaft ASIM seit 1992 und im Vorstand bis 2000. Mitglied in mehreren nationalen und internationalen Programmkomitees und General Conference Chairman Society for Computer Simulation 1992 und 2002 in Dresden. Beiratsmitglied im VDI - Produktionstechnik von 1998 - 2008 und seit 2009 Leiter des VDI - Arbeitskreises Produktion und Logistik Dresden und Mitglied der Gesellschaft für Produktion und Logistik des VDI Deutschland. Prof. Dr. rer. nat. Oliver Rose, geb. 1966, Mathematikstudium an der Universität Würzburg, Promotion und Habilitation ('Operational Modelling and Simulation in Semiconductor Manufacturing') im Fach Informatik an der Universität Würzburg. Seit Oktober 2004 Professur für Modellierung und Simulation am Institut für Angewandte Informatik der Fakultät Informatik der TU Dresden. 2001-2003 Leitung der deutschen Beteiligung am Factory Operations Research Center Project 'Scheduling of Semiconductor Wafer Fabrication Facilities' von SRC (Semiconductor Research Corporation) und International Sematech. Aktuelle Arbeitsgebiete: Modellierung und Simulation komplexer Produktionssysteme, operative Materialflusskontrolle komplexer Produktionssysteme, Informationstechnologische Unterstützung von Simulationsprojekten. Mitglied der Arbeitsgemeinschaft Simulation (ASIM), der GI, der IEEE, des INFORMS College on Simulation, der Gesellschaft für Systems Engineering, Mitglied in mehreren nationalen und internationalen Programmkomitees. Privatdozent Dr.-Ing. Gerald Weigert, studierte Informationselektronik an der Technischen Universität Dresden und promovierte 1983 an der Fakultät Elektrotechnik. Bis 1988 war er sowohl wissenschaftlich als auch in der Industrie auf dem Gebiet der automatischen Spracherkennung tätig, wo er sich vorrangig mit Optimierungsalgorithmen und Softwareentwicklung beschäftigte. Seit 1988 arbeitet er am Institut für Aufbau- und Verbindungstechnik der Elektronik (IAVT, vormals Institut für Elektronik-Technologie) der Technischen Universität Dresden, zunächst als wissenschaftlicher Mitarbeiter und seit 2006 als Privatdozent. Seit dieser Zeit beschäftigt er sich in Forschung und Lehre mit der Modellierung, Simulation und Optimierung von Fertigungsprozessen. Er war maßgeblich beteiligt an der Entwicklung ereignisdiskreter Simulationssysteme und deren Einsatz zur prozessbegleitenden Steuerung von Fertigungsabläufen. Dr. Weigert leitet die Arbeitsgruppe 'Prozesstechnologie' am IAVT und unterhält zahlreiche Kontakte zur Industrie. Er ist Mitglied der Arbeitsgemeinschaft Simulation (ASIM) und Mitglied verschiedener Programmkomitees.

Dr.-Ing. Ing. ECL Lothar März, geb. 1965, 1987- 1993 Studium Allgemeiner Maschinenbau an der Technischen Hochschule Darmstadt sowie Ingenieurwissenschaften mit Schwerpunkt Mathematik und Informatik an der Ecole Centrale de Lyon. 1995-2001 Fraunhofer Institut für Produktionstechnik und –automatisierung (IPA), Stuttgart, 2002 Promotion (Ein Planungsverfahren zur Konfiguration der Produktionslogistik). Ab 2001 in leitenden Funktionen in der Unternehmensberatung sowie bei Forschungsinstitutionen tätig. Zentraler Schwerpunkt seiner Arbeiten sind Entscheidungsunterstützungssysteme für Produktion und Logistik auf der Basis von Simulation und mathematischer Optimierung. 2010 Gründung der LOM Innovation GmbH & Co. KG in Lindau (Bodensee) als geschäftsführender Gesellschafter. Mitglied der Arbeitsgemeinschaft Simulation (ASIM), der GI sowie der Gesellschaft für Produktion und Logistik des VDI Deutschland. 2007 Gründungsmitglied und Sprecher der Arbeitsgruppe „Simulationsbasierte Optimierung von Produktions– und Logistikprozessen“ in der ASIM-Fachgruppe „Simulation in Produktion und Logistik“. Prof. Dr. - Ing. habil. Wilfried Krug, geb.1937, 1956 - 1959 Flugzeugbaustudium an der Ingenieurschule für Flugzeugbau Dresden, 1961 - 1967 Diplom - Ingenieurstudium Elektrotechnik/Technische Kybernetik an der Technischen Universität Dresden, 1975 Promotion (Modellierung und Simulation von Hermetikkompressoren), 1977 Habilitation ( Rechnergestützte Optimierung technischer Systeme). 1978 - 1986 Professur für Mathematische Kybernetik und Rechentechnik an der Ingenieur Hochschule Köthen, 1986 - 1992 Professur für Modellierung und Simulation an der Fakultät Maschinenwesen der Technischen Universität Dresden. 1990 Gründung der DUALIS GmbH IT Solution und Direktor IT-Management bis heute. Mitglied der Arbeitsgemeinschaft ASIM seit 1992 und im Vorstand bis 2000. Mitglied in mehreren nationalen und internationalen Programmkomitees und General Conference Chairman Society for Computer Simulation 1992 und 2002 in Dresden. Beiratsmitglied im VDI – Produktionstechnik von 1998 – 2008 und seit 2009 Leiter des VDI – Arbeitskreises Produktion und Logistik Dresden und Mitglied der Gesellschaft für Produktion und Logistik des VDI Deutschland. Prof. Dr. rer. nat. Oliver Rose, geb. 1966, Mathematikstudium an der Universität Würzburg, Promotion und Habilitation („Operational Modelling and Simulation in Semiconductor Manufacturing“) im Fach Informatik an der Universität Würzburg. Seit Oktober 2004 Professur für Modellierung und Simulation am Institut für Angewandte Informatik der Fakultät Informatik der TU Dresden. 2001-2003 Leitung der deutschen Beteiligung am Factory Operations Research Center Project „Scheduling of Semiconductor Wafer Fabrication Facilities“ von SRC (Semiconductor Research Corporation) und International Sematech. Aktuelle Arbeitsgebiete: Modellierung und Simulation komplexer Produktionssysteme, operative Materialflusskontrolle komplexer Produktionssysteme, Informationstechnologische Unterstützung von Simulationsprojekten. Mitglied der Arbeitsgemeinschaft Simulation (ASIM), der GI, der IEEE, des INFORMS College on Simulation, der Gesellschaft für Systems Engineering, Mitglied in mehreren nationalen und internationalen Programmkomitees. Privatdozent Dr.-Ing. Gerald Weigert, studierte Informationselektronik an der Technischen Universität Dresden und promovierte 1983 an der Fakultät Elektrotechnik. Bis 1988 war er sowohl wissenschaftlich als auch in der Industrie auf dem Gebiet der automatischen Spracherkennung tätig, wo er sich vorrangig mit Optimierungsalgorithmen und Softwareentwicklung beschäftigte. Seit 1988 arbeitet er am Institut für Aufbau- und Verbindungstechnik der Elektronik (IAVT, vormals Institut für Elektronik-Technologie) der Technischen Universität Dresden, zunächst als wissenschaftlicher Mitarbeiter und seit 2006 als Privatdozent. Seit dieser Zeit beschäftigt er sich in Forschung und Lehre mit der Modellierung, Simulation und Optimierung von Fertigungsprozessen. Er war maßgeblich beteiligt an der Entwicklung ereignisdiskreter Simulationssysteme und deren Einsatz zur prozessbegleitenden Steuerung von Fertigungsabläufen. Dr. Weigert leitet die Arbeitsgruppe „Prozesstechnologie“ am IAVT und unterhält zahlreiche Kontakte zur Industrie. Er ist Mitglied der Arbeitsgemeinschaft Simulation (ASIM) und Mitglied verschiedener Programmkomitees.

Vorwort 6
Gliederung des Fachbuchs 9
Inhalt 12
Autorenverzeichnis 14
Teil I 17
Einführung 17
Kapitel 1 18
Simulationsgestützte Optimierung 18
1.1 Motivation 18
1.2 Hemmnisse und Hürden 20
1.3 Zielgruppe 21
1.4 Betrachtete Planungsaufgaben 22
1.5 Logistische Zielgrößen 23
1.6 Rolle der Simulation 25
1.7 Rolle der Optimierung 26
Literatur 26
Kapitel 2 28
Simulation 28
2.1 Einführung 28
2.2 Modellbildung 31
2.3 Versuchsplanung 33
2.4 Fazit 33
Literatur 33
Kapitel 3 35
Optimierung 35
3.1 Begriffsbestimmung 35
3.2 Optimierungsverfahren 36
3.2.1 Deterministische Verfahren 36
3.2.2 Stochastische Verfahren 36
3.2.3 Evolutionäre & Genetische Verfahren
3.2.4 Schwellwertverfahren 39
3.2.5 Permutationsverfahren 39
3.3 Adaptive Verfahren mit Lernprozess 40
Literatur 42
Kapitel 4 43
Stellund Zielgrößen 43
4.1 Stellgrößen 43
4.2 Einfache Zielgrößen 44
4.3 Mehrfachziele 46
4.4 Komplexität von Optimierungsproblemen 51
Literatur 53
Kapitel 5 54
Kopplung von Simulation und Optimierung 54
5.1 Kopplungsarten von Simulation und Optimierung 54
5.2 Optimierung ist in die Simulation integriert 55
5.3 Simulation als Bewertungsfunktion der Optimierung 56
5.4 Simulationsergebnisse als Startwert der Optimierung 56
5.5 Optimierungsergebnisse zur Konfiguration der Simulation 57
5.6 Problemklassen 57
Literatur 58
Teil II 59
Fallbeispiele 59
Kapitel 6 60
Simulationsgestützte Optimierung von Fertigungsprozessen in der Halbleiterindustrie 60
6.1 Einleitung 60
6.1.1 Unternehmen 60
6.1.2 Wissenschaftlicher Partner 61
6.1.3 Ausgangssituation und Zielsetzung 61
6.2 Optimierungsaufgabe 62
6.2.1 Optimierungsziel 62
6.2.2 Zusammenhänge 63
6.2.3 Stellgrößen 64
6.2.4 Problemklasse und Problemgröße 64
6.3 Optimierungsansatz und Problemcodierung 65
6.3.1 Algorithmen/Systeme 65
6.3.2 Verfahrensablauf 67
6.4 System-/Modellarchitektur 68
6.4.1 Systemarchitektur 68
6.4.2 Einbindung in den Planungsprozess des Unternehmens 68
6.5 Bewertung des Verfahrens 71
6.5.1 Ergebnisse 71
6.5.2 Einschränkungen 72
6.5.3 Alternativverfahren 72
6.6 Projektaufwand, -erkenntnisse, Kosten/Nutzen 73
6.6.1 Herausforderungen 73
6.6.2 Erkenntnisse 73
6.6.3 Fazit und Ausblick 74
Literatur 74
Kapitel 7 75
Vorausschauende Produktionsregelung durch simulationsbasierte heuristische Optimierung 75
7.1 Einleitung 75
7.1.1 Unternehmen 75
7.1.2 Wissenschaftliche Partner 76
7.1.3 Ausgangssituation und Zielsetzung 76
7.2 Optimierungsaufgabe 77
7.2.1 Optimierungsziel 77
7.2.2 Zusammenhänge 78
7.2.3 Stellgrößen 79
7.2.4 Problemklasse(n) – Problemgröße 79
7.3 Lösungsansatz 80
7.3.1 Algorithmen/Systeme 80
7.3.2 Verfahrensablauf 82
7.4 Systemund Modellarchitektur 82
7.4.1 Systemarchitektur 82
7.4.2 Einbindung in den Planungsprozess des Unternehmens 83
7.5 Bewertung des Verfahrens 84
7.5.1 Ergebnisse (Laufzeit, Qualität) 84
7.5.2 Einschränkungen 85
7.5.3 Alternativverfahren 85
7.6 Fazit und Ausblick 85
7.6.1 Herausforderungen 85
7.6.2 Erkenntnisse 86
7.6.3 Weitere Schritte 86
Literatur 87
Kapitel 8 88
Modellierung und Optimierung von Montageprozessen 88
8.1 Einleitung 88
8.1.1 Unternehmen 88
8.1.2 Wissenschaftlicher Partner 89
8.1.3 Ausgangssituation und Zielsetzung 89
8.2 Optimierungsaufgabe 90
8.2.1 Optimierungsziel 90
8.2.2 Zusammenhänge 90
8.2.3 Stellgrößen 94
8.2.4 Problemklasse und Problemgröße 94
8.3 Optimierungsansatz und Problemcodierung 95
8.3.1 Algorithmen/Systeme 95
8.3.2 Verfahrensablauf 95
8.4 System-/Modellarchitektur 96
8.4.1 Systemarchitektur 96
8.4.2 Einbindung in den Planungsprozess des Unternehmens 96
8.5 Bewertung des Verfahrens 97
8.5.1 Ergebnisse (Laufzeit, Qualität) 97
8.5.2 Einschränkungen 97
8.5.3 Alternativverfahren 97
8.6 Projektaufwand, -erkenntnisse, Kosten/Nutzen 100
8.6.1 Herausforderungen 100
8.6.2 Erkenntnisse 100
8.6.3 Fazit und Ausblick 101
Literatur 101
Kapitel 9 102
Personaleinsatzund Ablaufplanung für komplexe Montagelinien mit MARTA 2 102
9.1 Einleitung 102
9.1.1 Unternehmen 102
9.1.2 Wissenschaftliche(r) Partner 103
9.1.3 Ausgangssituation und Zielsetzung 103
9.2 Optimierungsaufgabe 103
9.2.1 Optimierungsziel 103
9.2.2 Zusammenhänge 104
9.2.3 Stellgrößen 105
9.2.4 Problemklasse(n) 105
9.2.5 Problemgröße 106
9.3 Optimierungsansatz und Problemcodierung 106
9.3.1 Algorithmen/Systeme 106
9.3.2 Verfahrensablauf 106
9.4 System-/Modellarchitektur 109
9.4.1 Systemarchitektur 109
9.4.2 Einbindung in den Planungsprozess des Unternehmens 111
9.5 Bewertung des Verfahrens 111
9.5.1 Ergebnisse (Laufzeit, Qualität) 111
9.5.2 Einschränkungen 111
9.5.3 Alternativverfahren 112
9.6 Projektaufwand, -erkenntnisse, Kosten/Nutzen 112
9.6.1 Herausforderungen 112
9.6.2 Erkenntnisse 112
9.6.3 Fazit und Ausblick 113
Literatur 113
Kapitel 10 114
Simulationsbasierte Reihenfolgeoptimierung in der Produktionsplanung und -steuerung 114
10.1 Einleitung 114
10.1.1 Unternehmen 114
10.1.2 Wissenschaftliche Partner 114
10.1.3 Ausgangssituation und Zielsetzung 115
10.2 Optimierungsaufgabe 115
10.2.1 Optimierungsziel 115
10.2.2 Zusammenhänge 116
10.2.3 Stellgrößen 117
10.2.4 Problemklasse und Problemgröße 117
10.3 Lösungsansatz 117
10.3.1 Systemlösung und Algorithmen 117
10.3.2 Verfahrensablauf 118
10.4 System– und Modellarchitektur 118
10.4.1 Integration der Softwarekomponenten 118
10.4.2 Optimierter Planungsprozess 120
10.5 Bewertung des Verfahrens 122
10.6 Fazit und Ausblick 124
Literatur 125
Kapitel 11 126
Simulationsbasierte Optimierung der Einsteuerungsreihenfolge für die Automobil-Endmontage 126
11.1 Einführung 126
11.1.1 Unternehmen 126
11.1.2 Wissenschaftlicher Partner 126
11.1.3 Ausgangssituation und Zielsetzung 127
11.2 Optimierungsaufgabe 128
11.2.1 Optimierungsziel 128
11.2.2 Zusammenhänge 129
11.2.3 Stellgrößen 130
11.2.4 Problemklasse 130
11.2.5 Problemgröße 131
11.3 Lösungsansatz 131
11.3.1 Optimierung mit Genetischen Algorithmen 131
11.3.2 Genetischer Algorithmus zur Auftragseinsteuerung 132
11.4 Systemund Modellarchitektur 133
11.4.1 Softwareumgebung 133
11.4.2 Modellierung des Fertigungssystems 133
11.4.3 Bewertung von Reihenfolgen 135
11.4.4 Optimierung der Reihenfolge aller Aufträge einer Schicht 136
11.4.5 Rollierende Optimierung von Teilreihenfolgen 136
11.5 Bewertung des Verfahrens 138
11.5.1 Qualität der Planungsergebnisse 138
11.5.2 Aufwand-Nutzen-Betrachtung 139
11.5.3 Alternative Ansätze 140
11.6 Fazit und Ausblick 140
Literatur 141
Kapitel 12 142
Integrierte Programmund Personaleinsatzplanung sequenzierter Produktionslinien 142
12.1 Einleitung 142
12.1.1 Unternehmen 142
12.1.2 Wissenschaftlicher Partner 143
12.1.3 Ausgangssituation und Zielsetzung 143
12.2 Optimierungsaufgabe 146
12.2.1 Optimierungsziel 146
12.2.2 Zusammenhänge 146
12.2.3 Stellgrößen 147
12.2.4 Problemklassen 148
12.2.5 Problemgröße 149
12.3 Optimierungsansatz und Problemcodierung 149
12.3.1 Algorithmen/Systeme 149
12.3.2 Verfahrensablauf 152
12.4 System-/Modellarchitektur 153
12.4.1 Systemarchitektur 153
12.4.2 Einbindung in den Planungsprozess 155
12.5 Bewertung des Verfahrens 155
12.5.1 Ergebnisse (Qualität, Laufzeit) 155
12.6 Projektaufwand, -erkenntnisse, Kosten/Nutzen 156
Literatur 159
Kapitel 13 160
Simulationsgestützte Optimierung für die distributionsorientierte Auftragsreihenfolgeplanung in der Automobilindustrie 160
13.1 Einführung 160
13.1.1 Unternehmen 160
13.1.2 Wissenschaftliche Partner 160
13.2 Ausgangssituation und Zielsetzung 161
13.3 Optimierungsaufgabe 162
13.3.1 Optimierungsziel 162
13.3.2 Zusammenhänge 163
13.3.3 Problemklassen 166
13.3.4 Problemgröße 168
13.4 Optimierungsansatz und Problemcodierung 169
13.4.1 Algorithmen/Systeme 169
13.5 System-/Modellarchitektur 172
13.5.1 Systemarchitektur 172
13.5.2 Einbindung in den Planungsprozess 173
13.6 Bewertung des Verfahrens 175
13.6.1 Ergebnisse und Erkenntnisse 175
13.6.2 Einschränkungen 176
13.6.3 Fazit und Ausblick 176
Literatur 178
Kapitel 14 180
Optimierung einer feinwerktechnischen Endmontage auf Basis der personalorientierten Simulation 180
14.1 Einleitung 180
14.1.1 Unternehmen 180
14.1.2 Wissenschaftlicher Partner 180
14.1.3 Ausgangssituation und Zielsetzung 181
14.2 Optimierungsaufgabe 181
14.2.1 Optimierungsziel 181
14.2.2 Zusammenhänge 182
14.2.3 Stellgrößen 183
14.2.4 Problemklasse und Problemgröße 184
14.3 Optimierungsansatz und Problemcodierung 184
14.3.1 Algorithmen/Systeme 184
14.3.2 Verfahrensablauf 185
14.4 System-/Modellarchitektur 187
14.4.1 Systemarchitektur 187
14.4.2 Einbindung in den Planungsprozess des Unternehmens 188
14.5 Bewertung des Verfahrens 188
14.5.1 Ergebnisse (Laufzeit, Qualität) 188
14.5.2 Einschränkungen 190
14.5.3 Alternativverfahren 190
14.6 Projektaufwand, -erkenntnisse, Kosten/Nutzen 190
14.6.1 Herausforderungen 190
14.6.2 Erkenntnisse 191
14.6.3 Fazit und Ausblick 191
Literatur 192
Kapitel 15 193
Simulative Optimierung von Verpackungsanlagen 193
15.1 Einleitung 193
15.1.1 Unternehmen 193
15.1.2 Wissenschaftliche Partner 193
15.1.3 Ausgangssituation und Zielstellung 194
15.2 Optimierungsaufgabe 195
15.2.1 Optimierungsziele 195
15.2.2 Zusammenhänge 195
15.2.3 Stellgrößen 196
15.2.4 Problemklasse und Problemgröße 197
15.3 Lösungsansatz 197
15.3.1 Auswahl der Lösungswerkzeuge 197
15.3.2 Verfahrensablauf 197
15.4 Systemund Modellarchitektur 198
15.4.1 Systemarchitektur 198
15.4.2 Einbindung in den Lösungsprozess 198
15.5 Bewertung des Verfahrens der simulativen Optimierung 199
15.6 Fazit und Ausblick 200
Literatur 201
Kapitel 16 202
Entwurfsunterstützung von Produktions-und Logistikprozessen durch zeiteffiziente simulationsbasierte Optimierung 202
16.1 Einführung 202
16.1.1 Unternehmen 202
16.1.2 Wissenschaftlicher Partner 202
16.1.3 Ausgangssituation und Zielstellung 203
16.2 Optimierungsaufgabe 203
16.2.1 Optimierungsziel 203
16.2.2 Zusammenhänge 203
16.2.3 Stellgrößen 204
16.2.4 Problemklasse und Problemgröße 205
16.3 Lösungsansatz 205
16.4 System – und Modellarchitektur 206
16.5 Bewertung des Verfahrens 208
16.6 Fazit und Ausblick 209
Literatur 210
Kapitel 17 211
Performancevergleich zwischen simulationsbasierter Onlineund OfflineOptimierung anhand von Scheduling-Problemen 211
17.1 Einleitung 211
17.1.1 Unternehmen 211
17.1.2 Wissenschaftlicher Partner 211
17.1.3 Ausgangssituation und Zielsetzung 212
17.2 Optimierungsaufgabe 213
17.2.1 Optimierungsziel 213
17.2.2 Zusammenhänge 214
17.2.3 Stellgrößen 214
17.2.4 Problemklasse 215
17.2.5 Problemgröße 215
17.3 Optimierungsansatz und Problemcodierung 216
17.3.1 Algorithmen/Systeme 216
17.3.2 Verfahrensablauf 216
17.4 Bewertung des Verfahrens 218
17.4.1 Ergebnisse (Laufzeit, Qualität) 218
17.4.2 Einschränkungen 219
17.4.3 Alternativverfahren 220
17.5 Projektaufwand, -erkenntnisse, Kosten/Nutzen 220
Literatur 220
Herausgeber 221
Sachwortverzeichnis 223

Erscheint lt. Verlag 30.9.2010
Reihe/Serie VDI-Buch
VDI-Buch
Zusatzinfo XVI, 244 S. 100 Abb.
Verlagsort Berlin
Sprache deutsch
Themenwelt Mathematik / Informatik Informatik
Wirtschaft Betriebswirtschaft / Management Logistik / Produktion
Schlagworte Operation Research • Planung • simulationsgestützte Optimierung • Simulationsstudie • Steuerung
ISBN-10 3-642-14536-1 / 3642145361
ISBN-13 978-3-642-14536-0 / 9783642145360
Haben Sie eine Frage zum Produkt?
PDFPDF (Wasserzeichen)
Größe: 8,3 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasser­zeichen und ist damit für Sie persona­lisiert. Bei einer missbräuch­lichen Weiter­gabe des eBooks an Dritte ist eine Rück­ver­folgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seiten­layout eignet sich die PDF besonders für Fach­bücher mit Spalten, Tabellen und Abbild­ungen. Eine PDF kann auf fast allen Geräten ange­zeigt werden, ist aber für kleine Displays (Smart­phone, eReader) nur einge­schränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich
Grundlagen – Use-Cases – unternehmenseigene KI-Journey

von Ralf T. Kreutzer

eBook Download (2023)
Springer Fachmedien Wiesbaden (Verlag)
42,99