Die vorliegende Studienarbeit befasst sich im theoretischen Teil mit dem Einsatz von genetischen und evolutionären Algorithmen im Fachbereich Operations Research. Praktische Anwendung findet die mathematische Herangehensweise an betriebswirtschaftliche Problemstellungen in einer ausführlichen Fallstudie die mit Microsoft Excel gelöst wurde.
Inhaltsverzeichnis
- 1 Einleitung
- 1.1 Problemstellung
- 1.2 Ziele der Studienarbeit
- 1.3 Aufbau der Studienarbeit
- 2 Operations Research
- 2.1 Begriffsdefinition: „Operations Research“
- 2.2 Theoretischer Ansatz
- 2.2.1 Modelle im OR
- 2.2.2 Vorgehensweise bei der Problemlösung
- 2.3 Problemtypen
- 2.3.1 Kombinatorische Probleme
- 2.3.2 Lagerhaltungsprobleme
- 2.3.3 Ersatzprobleme
- 2.3.4 Wartezeitprobleme
- 2.3.5 Konkurrenzprobleme
- 2.4 Anwendungsverfahren
- 2.4.1 Statische Optimierung
- 2.4.2 Dynamische Optimierung
- 2.4.3 Netzplantechnik
- 2.4.4 Simulation
- 2.4.5 Heuristiken
- 2.4.6 Spieltheorie
- 2.4.7 Warteschlangentheorie
- 2.4.8 Entscheidungsbaumverfahren
- 3 Algorithmen – Grundlage für Optimierungsprozesse
- 3.1 Grundlegende Definition
- 3.2 Evolutionäre Algorithmen
- 3.3 Genetische Algorithmen
- 4 Fallstudie: Optimierung der Losgrößen und Auftragsreihenfolge
- 4.1 Aufgabenstellung
- 4.2 Zielsetzung der Optimierung
- 4.3 Werkzeug zur Problemlösung: Der Excel-Solver
- 4.4 Ermittlung der optimalen Losgröße in der Fertigung
- 4.4.1 Gesamtkosten
- 4.4.2 Gebundenes Kapital
- 4.4.3 Aufbereitung des Excel-Modells für den Einsatz des Solvers
- 4.4.4 Ermittlung der optimalen Losgröße
- 4.5 Optimierung der Auftragsreihenfolge
- 4.5.1 Ermittlung der Bearbeitungszeiten
- 4.5.2 Ermittlung der Rüstzeiten
- 4.5.3 Ermittlung der Belegzeiten
- 4.5.4 Vorbereitung im Excel-Modells mit dem „SVERWEIS“
- 4.5.5 Ermittlung der Durchlaufzeit
- 4.5.6 Ermittlung der optimalen Auftragsreihenfolge zur Minimierung der Durchlaufzeit
- 4.5.7 Zusammenfassung der Ergebnisse
Zielsetzung und Themenschwerpunkte
Diese Studienarbeit bietet einen umfassenden Einblick in Operations Research und demonstriert die praktische Anwendung mathematischer Methoden zur Optimierung von Produktionsabläufen. Die Fallstudie analysiert die Optimierung von Losgrößen und Auftragsreihenfolgen bei einem Automobilzulieferer unter Verwendung von Microsoft Excel.
- Einführung in Operations Research und seine Methoden
- Anwendung von Algorithmen, insbesondere genetischen Algorithmen, zur Optimierung
- Optimierung der Losgrößen unter Berücksichtigung von Kosten und Kapazitätsbeschränkungen
- Optimierung der Auftragsreihenfolge zur Minimierung der Durchlaufzeiten
- Praktische Umsetzung mit Microsoft Excel und dem Solver-Tool
Zusammenfassung der Kapitel
Kapitel 1 führt in die Problemstellung und die Ziele der Arbeit ein. Kapitel 2 behandelt die Theorie des Operations Research, einschließlich verschiedener Problemtypen und Lösungsansätze. Kapitel 3 beschreibt Algorithmen, insbesondere evolutionäre und genetische Algorithmen. Kapitel 4 präsentiert die Fallstudie zur Optimierung der Losgrößen und Auftragsreihenfolge, wobei die Methodik und die Ergebnisse detailliert dargestellt werden, jedoch ohne die vollständigen Ergebnisse der Optimierung bezüglich der Auftragsreihenfolge zu zeigen.
Schlüsselwörter
Operations Research, Optimierung, Losgrößenplanung, Auftragsreihenfolge, genetische Algorithmen, Excel-Solver, Durchlaufzeitminimierung, Kostenminimierung, Produktionsoptimierung, Automobilzulieferer.
- Citation du texte
- M. Joos (Auteur), M. Hommel (Auteur), D. Jauss (Auteur), 2008, Operations Research: Fallstudie zu genetischen und evolutionären Algorithmen, Munich, GRIN Verlag, https://www.grin.com/document/121936
