Optimierung von Problemstellungen aus der diskreten und der Prozess- Industrie unter Verwendung physikalischer Verfahren

Item type:	Thesis of the University of Regensburg (PhD)
Date:	6 December 2004
Referee:	Ingo (Prof. Dr.) Morgenstern
Date of exam:	23 September 2004
Institutions:	Physics > Institute of Theroretical Physics > Professor Morgenstern > Group Ingo Morgenstern
Keywords:	Optimierung / Nebenbedingung , Losgröße / Optimierung , Mehrkriterielle Optimierung , Verfahrensindustrie , Simulated annealing , Produktionsplanung , diskrete Industrie , optimisation , simulated annealing , production planning , discrete industry , process industrie , lotsize
Dewey Decimal Classification:	500 Science > 530 Physics
Status:	Published
Refereed:	Yes, this version has been refereed
Created at the University of Regensburg:	Yes
Item ID:	10242

Abstract (German)

Zwei grundsätzlich verschiedene Modelle zur Produktionsplanung werden vorgestellt. Sie unterscheiden sich in der Methode Nebenbedingungen abzubilden. Beim ersten Modell werden die Nebenbedingungen ausschließlich �weich� abgebildet und ihre Einhaltung durch zusätzliche Strafterme in der Kostenfunktion erzwungen. Im Unterschied dazu werden die Nebenbedingungen im zweiten Modell bis auf wenige ...

Abstract (German)

Zwei grundsätzlich verschiedene Modelle zur Produktionsplanung werden vorgestellt. Sie unterscheiden sich in der Methode Nebenbedingungen abzubilden. Beim ersten Modell werden die Nebenbedingungen ausschließlich �weich� abgebildet und ihre Einhaltung durch zusätzliche Strafterme in der Kostenfunktion erzwungen. Im Unterschied dazu werden die Nebenbedingungen im zweiten Modell bis auf wenige �hart� abgebildet und bei jedem Schritt während der Suche eingehalten.
Als Optimierungsverfahren werden in dieser Arbeit ausschließlich lokale Suchverfahren getestet. Neben dem in der Physik, zum Auffinden des Grundzustandes in Spinglasmodellen, erfolgreich eingesetzten Simulated Annealing (SA) werden auch Threshold Accepting, Temperature Bouncing und eine Version des SA basierend auf einer adaptiven Steuerung der Parameter verwendet.
Die vielversprechendste Kombination aus Modell und Optimierungsverfahren wird auf verschiedenen Problemstellungen aus der diskreten und der Prozess- Industrie getestet. Dabei sind vor allem die realistischen Aufgabenstellungen von Interesse, die zum Teil real existierende Produktionsanlagen abbilden.
Bei der richtigen Kombination zeigt sich, dass bei Problemstellungen, die eine komplexe Produktionsstruktur aufweisen, die meisten der in der Literatur vorhandenen besten Ergebnisse verbessert werden können, wobei meist bereits bei kleinen Rechenzeiten die erwartete Lösungsqualität (Mittelwert aus mehreren Simulationen) sehr nahe an der besten bisher bekannten Lösung liegt oder sogar noch besser ist.
Die Reduzierung der für einen Optimierungslauf erforderlichen Parameter (adaptive Steuerung), die ohne Verschlechterung der Lösungsqualität durchgeführt werden kann, erlaubt es auch einem Optimierungslaien, ein durch einen Experten erstelltes Modell zu verwenden, um die tägliche Produktionsplanung im realen Einsatz kostengünstig durchzuführen.

Translation of the abstract (English)

Two different models for production planning are introduced. They differ in the way the constraints are handled. In the first model the constraints are defined as �weak� and their violation is reduced using additional penalty functions. The second model defines most of the constraints in a �hard� way, that means that the constraints are hold in every step of the local search. To solve the ...

Translation of the abstract (English)

Two different models for production planning are introduced. They differ in the way the constraints are handled. In the first model the constraints are defined as �weak� and their violation is reduced using additional penalty functions. The second model defines most of the constraints in a �hard� way, that means that the constraints are hold in every step of the local search.
To solve the problems of production planning local search heuristics are tested for optimisation. Besides Simulated Annealing (SA), which was successful in physics, finding ground states of spinglases, Threshold Accepting, Temperature Bouncing and a version of SA with an adaptive control of the parameter are used.
The best combination of model and heuristic is tested on several optimisation problems arising in the discrete and process industry. There mostly the realistic problems are of concern, which resemble real world production facilities.
Using the right combination one observes that for complex optimisation problems most of the best results of literature could be improved. The expected quality of the solution (defined by the median of several simulations) at short computation times lies near the best known solution or even surpasses it.
The reduction of the needed parameter for optimisation with an adaptive control, that can be introduced without loss of quality of the solutions, makes it possible for an apprentice in optimisation to use a model created from an expert to fulfil the daily planning of production in a real company.

Details

Preview

Export bibliographical data

Abstract (German)

Abstract (German)

Translation of the abstract (English)

Translation of the abstract (English)

Download Statistics

Downloads

More literature (via CORE)

University Library