Optimierung eines praktischen Maschinenbelegungsproblems mittels genetischem Algorithmus
-
- Einzelkauf Download ausgewählt
-
Sprache:Deutsch
36,99 €
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
ePUB
Kopierschutz
Nein
Family Sharing
Nein
Text-to-Speech
Ja
Erscheinungsdatum
25.07.2004
Verlag
GRINSeitenzahl
104 (Printausgabe)
Dateigröße
4017 KB
Auflage
1. Auflage
Sprache
Deutsch
EAN
9783638295086
Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien.
Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigen
Preisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennoch
trotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen
dazu angehalten, Möglichkeiten der Kostensenkung zu finden.
Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch
sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten
einsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelle
Produktionsplanung und -steuerung notwendig.
Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme.
Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einer
gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfüllt
wird.
Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu den
bekanntesten zählen Branch & Bound Verfahren sowie prioritätsregelbasierte Verfahren.
Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedoch
aufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefert
das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie
Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen
bei moderater Rechenzeit gute Lösungsqualitäten.
Insbesondere genetische Algorithmen scheinen für die Lösung komplexer Optimierungsprobleme
besonders gut geeignet zu sein.
Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxis
einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung
bestmöglich plant.
Zunächst wird jedoch die Maschinenbelegungsplanung aus theoretischer Sicht
innerhalb der Produktionsplanung eingeordnet. Aufgrund der Vielfältigkeit der Maschinenbelegungsprobleme werden diese danach klassifizert. Im Anschluss wird der genetische Algorithmus aus aus mathematischer Sicht erläutert, um dann diese theoretischen Erkenntnisse auf das Praxisbeispiel in einem C Programm anzuwenden. Um einen Performancevergleich zu erhalten, wird ebenfalls kurz das Simulated Annealing theoretisch behandelt und anschließend ebenfals in einem C Programm umgesetzt.
Die erzielten Ergebnisse werden grafisch aufbereitet dargestellt.
Note: 1,0
Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigen
Preisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennoch
trotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen
dazu angehalten, Möglichkeiten der Kostensenkung zu finden.
Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch
sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten
einsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelle
Produktionsplanung und -steuerung notwendig.
Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme.
Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einer
gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfüllt
wird.
Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu den
bekanntesten zählen Branch & Bound Verfahren sowie prioritätsregelbasierte Verfahren.
Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedoch
aufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefert
das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie
Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen
bei moderater Rechenzeit gute Lösungsqualitäten.
Insbesondere genetische Algorithmen scheinen für die Lösung komplexer Optimierungsprobleme
besonders gut geeignet zu sein.
Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxis
einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung
bestmöglich plant.
Zunächst wird jedoch die Maschinenbelegungsplanung aus theoretischer Sicht
innerhalb der Produktionsplanung eingeordnet. Aufgrund der Vielfältigkeit der Maschinenbelegungsprobleme werden diese danach klassifizert. Im Anschluss wird der genetische Algorithmus aus aus mathematischer Sicht erläutert, um dann diese theoretischen Erkenntnisse auf das Praxisbeispiel in einem C Programm anzuwenden. Um einen Performancevergleich zu erhalten, wird ebenfalls kurz das Simulated Annealing theoretisch behandelt und anschließend ebenfals in einem C Programm umgesetzt.
Die erzielten Ergebnisse werden grafisch aufbereitet dargestellt.
Note: 1,0
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice