Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Schriftenreihe Fortschritte in der IT in Produktion und Logistik

Ammouriova, M.: Approaches to Enhance the Performance of Simheuristic Methods in the Optimisation of Multi-echelon Logistics Distribution Networks. Schriftenreihe Fortschritte in der IT in Produktion und Logistik, Band 3. Göttingen: Cuvillier 2021.

Das Management von Distributionsnetzen ist eine herausfordernde logistische Aufgabe. Diese Netzwerke bestehen aus Entitäten, z. B. Lagerhaltungseinheiten (Stock Keeping Unit, SKU) und Standorten. Die SKUs werden in den Standorten gelagert und von dort aus an die Kunden geliefert. Die Entscheidungsträger im Management definieren Maßnahmen, z. B. die Zentralisierung einer SKU an einem Standort, um Kosten zu senken und das Serviceniveau zu erhöhen. Diese Maßnahmen können gegenläufige Wirkungen auf die Entitäten haben, was die Komplexität der Logistikverteilungsnetze vergrößert. Außerdem beeinflusst die Größe der Netzwerke die Anzahl der Maßnahmen und der Entitäten. Daher setzen die Entscheidungsträger Instrumen¬te ein, die sie bei der Auswahl der Maßnahmen unterstützen, z. B. ein Logistik-Assistenzsystem (LAS). Logistik-Assistenzsysteme wurden entwickelt, um Maßnahmenpläne zu empfehlen. Maßnahmenpläne definieren auf dem Netzwerk umzusetzende Maßnahmen in einer bestimmten Reihenfolge. Diese Systeme können auf einem simheuristischen Ansatz basieren, um von den Eigenschaften von Simulation und Metaheuristiken zu profitieren: Ein metaheuristischer Algorithmus erzeugt Maßnahmenpläne und die Simulation modelliert das Netzwerk und wertet die Maßnahmenpläne aus. Große Netzwerke erfordern aufwändige Simulationsläufe. Daher lässt sich die Leistung des LAS als das Verhältnis des Erfolges durch die empfohlenen Maßnahmenpläne zur Anzahl der erforderlichen Simulationsläufe definieren. Das Ziel dieser Forschung ist die Verbesserung der Leistung eines LAS, das auf einer simheuristischen Methode basiert. Der erste Ansatz definiert “domänenspezifische Informationen” (DSI), um die Suche nach Maßnahmen zu leiten, z. B. die Art der Änderungen der Maßnahmen, den Erfolg der Maßnahmen und Korrelationen zwischen den Maßnahmen. Die Art der Änderungen der Maßnahmen klassifiziert Maßnahmen als strukturell oder parametrisch. Strukturelle Maßnahmen ändern die Struktur der Netzwerke, während parametrische Maßnahmen Parameter der Entitäten modifizieren, z. B. den Lagerbestand einer SKU. Der Erfolg der Maßnahmen repräsentiert die Auswirkungen der Maßnahmen auf die Netzwerke. Die Auswirkung einer Maßnahme beeinflusst die Auswirkung anderer Maßnahmen in einem Maßnahmenplan; daher werden Beziehungen der Maßnahmen verwendet, um ihre Korrelationen zu definieren. Der DSI-Ansatz verändert die Auswahlwahrscheinlichkeiten der Maßnahmen, um die Metaheuristik des LAS zu leiten und so die Leistung des LAS zu verbessern. Die beiden anderen Ansätze zielen darauf ab, die Anzahl der Simulationsläufe zu reduzieren. Der erste dieser Ansätze reduziert die Anzahl der betrachteten Maßnahmen. Die Maßnahmen werden gruppiert, und die gruppierten Maßnahmen ersetzen die einzelnen Maßnahmen im Lösungsraum. Der zweite Ansatz definiert Bedingungen, um die Ausführung von Simulationsläufen zu überspringen. Bei diesem Ansatz werden äquivalente Maßnahmespläne definiert, welche eine identische Auswirkung auf die Leistung des Netzwerks haben. Diese drei Ansätze wurden bewertet. Der DSI-Ansatz fand Maßnahmenpläne mit besseren Auswirkungen auf die Netzwerke im Vergleich zu einer zufälligen Auswahl von Maßnahmen. Die gruppierten Maßnahmen bildeten einen kleineren Lösungssraum, da das LAS Maßnahmenpläne in einer geringeren Anzahl von Simulationsläufen suchte. Die Definition äquivalenter Maßnahmenpläne reduzierte die Anzahl der Simulationsläufe. Zusammenfassend hat die Auswertung nachgewiesen, dass diese Ansätze die Leistung des LAS verbessern können.

Deininger, M.: Modellierungsmethode für die simulationsbasierte Optimierung rekonfigurierbarer Produktionssysteme. Schriftenreihe Fortschritte in der IT in Produktion und Logistik, Band 2. Göttingen: Cuvillier 2019.

Produzierende Unternehmen stehen heutzutage vielen Herausforderungen gegenüber. Konkurrenz, technischer Fortschritt sowie die sich verändernden Erwartungen der Kunden ergeben ein sich ständig wandelndes Umfeld. Dies führt zu einer sich fortwährend ändernden Produktpalette, die sich nicht nur an strategischen Neuausrichtungen orientiert, sondern ebenfalls durch Kundenanfragen getrieben wird. Stellt ein Kunde eine Anfrage, die dem aktuellen Produktportfolio nicht entspricht, sind in kurzer Zeit Entscheidungen über die Auftragsannahme zu treffen, deren Auswirkungen oft nicht sicher absehbar sind. Mit Simulationsstudien lassen sich mögliche Änderungen an einem Produktionssystem untersuchen, bevor diese im realen Umfeld angewendet werden. Insbesondere lässt sich das stochastische Verhalten von Prozessen in Produktionssystemen, wie beispielsweise variierende Bearbeitungszeiten, abbilden und somit das reale Verhalten des Personals nachbilden. Jedoch ist die Simulation nur in der Lage, ein gegebenes System zu bewerten. Ein weiteres Hilfsmittel zur Planung stellen Optimierungstechniken dar. Diese erlauben automatisiert verschiedene Konfigurationen eines Systems zu untersuchen und eine Lösung bereitzustellen. Durch die Kombination von Simulation und Optimierung entsteht eine Methode, die einen Planer, unter Berücksichtigung der stochastischen Einflüsse, bei der Entscheidungsfindung unterstützt. In der vorliegenden Arbeit wird eine solche Methode entwickelt, die es durch die Kombination von Simulation und Optimierung ermöglicht, zu ermitteln, mithilfe welcher Änderungen an einem Produktionssystem sich zuvor nicht erfüllbare Kundenaufträge dennoch erfüllen lassen. Diese Änderungen umfassen im einfachsten Fall das Umsetzen einer neuen Bearbeitungsreihenfolge für die Kundenaufträge. Sollte dies nicht hinreichend sein, wird untersucht, ob sich durch das Hinzufügen neuer Ressourcen die Kundenaufträge erfüllen lassen. Weiterhin besteht die Möglichkeit Ressourcen einzusparen oder auszutauschen. Auch neue Prozesse können hinzugefügt werden, beispielsweise für Rüst oder Qualifizierungsaufgaben. Die Umsetzung dieses Vorgehens erfolgt durch eine mehrstufige simulationsbasierte Optimierung, die auf einer modularen Modellierung aufbaut. Mithilfe der Module lassen sich einzelne Prozesse des Produktionssystems abbilden und miteinander verknüpfen. Ferner ermöglicht dieser Ansatz das Hinzufügen, das Entfernen und das Austauschen von Prozessen. Im Rahmen einer Optimierung lässt sich somit eine Zusammenstellung von Prozessen ermitteln, die es ermöglicht, alle Kundenaufträge zu erfüllen. Die Module können neben den Prozessen auch Ressourcen darstellen, womit sich parallel zu den Prozessen auch die notwendigen Ressourcen ermitteln lassen. Jede ermittelte Konfiguration wird einer Auftragsreihenfolgeplanung unterzogen und mithilfe einer Simulation evaluiert. Nach Durchführung der simulationsbasierten Optimierung erhält der Planer ein Paretodiagramm, in welchem alle untersuchten Lösungen enthalten sind. Aus diesen kann durch den Planer abschließend eine umzusetzende Lösung ausgewählt werden. Mithilfe von zwei Anwendungsbeispielen wird die Anwendbarkeit der Methode demonstriert. Es wird aufgezeigt, dass jede Stufe der simulationsbasierten Optimierung dazu beiträgt, dem Planer eine Lösung zu präsentieren, mit sich alle Kundenaufträge erfüllen lassen. Hierfür wird jede Stufe einzeln betrachtet und validiert, bevor deren Zusammenwirken betrachtet wird.

Scheidler, A.A.: Methode zur Erschließung von Wissen aus Datenmustern in Supply-Chain-Datenbanken. Schriftenreihe Fortschritte in der IT in Produktion und Logistik, Band 1. Göttingen: Cuvillier 2017.

Ein elementarer Schritt zur Beherrschbarkeit der Supply Chain ist die Identifikation von Wirkzusammenhängen, die sich in den logistischen Transaktionen spiegeln. Aufgrund der unüberschaubaren Datenmenge kann die Entdeckung von komplexen Wirkzusammenhängen nicht manuell erfolgen. Die Dissertationsschrift stellt eine Methode zur Entdeckung von Wissen, wie beispielsweise den Wirkzusammenhängen, vor und diskutiert die Berücksichtigung von Kontextwissen in den einzelnen Vorgehensmodellphasen. Ein Schwerpunkt der entwickelten Methode ist die Integration einer modellbegleitenden Verifikation und Validierung in ein Vorgehensmodell der Wissensentdeckung. Durch einen neuartigen Einsatz der Simulation erweitert die Arbeit zudem die existierenden Verifikationsmöglichkeiten des Knowledge Discovery in Databases. Um einen Einsatz des Modells auch bei unzureichender Datenlage zu ermöglichen werden abschließend Konzepte des Data Farmings als Methodenelement eingeführt. Die praktische Anwendbarkeit der in dieser Arbeit entwickelten Methode wird anhand von Transaktionsdaten eines Elektronikkleingeräteherstellers sowie einem Data-Farming-Modell demonstriert.