Gegenstand dieser Arbeit ist eine Problemstellung, welche dem operationellen Supply Chain Management zugehörig ist. Es wird von einem produzierenden Unternehmen ausgegangen, das kundenseitig Aufträge zur Produktion erhält. Zur Herstellung der von den Kunden in Auftrag gegebenen Güter hält das Unternehmen Produktionsstätten mit Maschinen vor. Die Auslieferung der produzierten Güter an die Kunden erfolgt über einen eigenen Fuhrpark von Transportern. Der Umstand, dass die Herstellung der Produkte direkt mit der Auslieferung an die Endkunden verbunden ist und überdies eine beschränkte Haltbarkeit der produzierten Güter angenommen wird, erfordert einen integrierten Lösungsansatz. Dies bedeutet, dass Produktion und Distribution aufeinander abgestimmt und daher nicht separat geplant werden sollen. Es ergibt sich ein integriertes Produktions- und Distributionsplanungsproblem, im Folgenden mit IPDP abgekürzt.
Ziel dieser Arbeit ist es, für ausgewählte Szenarien eines IPDP ein heuristisches Lösungsverfahren zu entwickeln. Als Werkzeug zur Lösung des IPDP wird eine relativ junge Verfahrensklasse eingesetzt, die der sogenannten Ameisenalgorithmen. Ameisenalgorithmen gehören zur Klasse der naturanalogen Optimierungsverfahren. Wie die Bezeichnung bereits impliziert, gibt das Verhalten von Ameisen bzw. deren Selbstorganisationsfähigkeit im Bereich der Arbeitsteilung, Brutaufzucht, des kooperativen Transports oder der Futtersuche die Inspiration zum Design dieser Art von Algorithmen. Das in dieser Arbeit vorgestellte Verfahren orientiert sich an dem Verhalten von Ameisen bei der Futtersuche. Derartige auf futtersuchende Ameisen basierende Algorithmen wurden bereits erfolgreich auf viele NP-schwere kombinatorische Optimierungsprobleme aus verschiedensten Bereichen angewendet.
Inhaltsverzeichnis
- 1 Einleitung
- 2 Formulierung des integrierten Produktions- und Distributionsplanungs-problems
- 2.1 Beschreibung der Entscheidungssituation.
- 2.2 Betrachtete Szenarien
- 2.3 Formalisierung des IPDP
- 3 Ant Colony Optimization
- 3.1 Die Idee von ACO
- 3.2 Graphentheoretische Grundlagen
- 3.3 Repräsentation von kombinatorischen Problemen
- 3.4 Die Konstruktionsprozesse
- 3.4.1 Die Funktionsweise von Konstruktionsprozessen
- 3.4.2 Arten von Konstruktionsprozessen
- 3.4.3 Der Konstruktionsprozess nach ACS
- 3.5 Die Struktur von ACO . .
- 3.6 Konvergenzaussagen zu ACO
- 4 Entwicklung einer ACS-Heuristik für das IPDP
- 4.1 Das Team Orienteering Problem mit Zeitfenstern
- 4.2 Das Distributionsplanungsproblem
- 4.2.1 Eine ACS-Heuristik zum DP
- 4.2.1.1 Das Optimierungsproblem zum DP
- 4.2.1.2 Der Konstruktionsgraph zum DP .
- 4.2.1.3 Der Konstruktionsprozess
- 4.2.2 Erweiterung der Heuristik um eine iterierte lokale Suche
- 4.2.2.1 Der Insertion-Schritt.
- 4.2.2.2 Der Shake-Schritt
- 4.2.2.3 Die Heuristik
- 4.2.3 Erweiterung von ILS um Limited Discrepancy Search
- 4.3 Die Planung der Produktionsreihenfolge
- 4.3.1 Die Funktionsweise der BGH-MDD-Heuristik
- 4.3.2 Die Erstellung der Startschedules.
- 4.4 Erweiterung der DP-Heuristik für das IPDP
- 4.4.1 Berücksichtigung von Kosten
- 4.4.2 Berücksichtigung von Transportgütern und Transporterkapazitäten
- 4.4.3 Berücksichtigung des Scheduling und der Haltbarkeit.
- 4.4.4 Anpassung der Lösungskonstruktion an Zielsetzung des IPDP
- 4.4.5 Einbeziehung von Mehrfachfahrten
- 4.5 Eine ACS-Heuristik zum IPDP
- 4.5.1 Das Problem der Stagnation
- 4.5.2 Die Eingabewerte . .
- 4.5.3 Der Gesamtalgorithmus im Pseudocode
- 5 Auswertungen zum Algorithmus ACS-IPDP
- 5.1 Vergleich des Algorithmus mit Resultaten zum TOPTW
- 5.2 Vergleich des Algorithmus mit den Resultaten zum IPDP aus [26] .
- 5.2.1 Das Basisszenario.
- 5.2.2 Verschiedene Haltbarkeitsdauern
- 5.2.3 Mehrfachfahrten
- 5.2.4 Mehrfachfahrten mit auslastungsabhängigen Fahrtkosten.
- 5.3 Einordnung der Ergebnisse
- 6 Das MATLAB-Programm
- 7 Zusammenfassung und Ausblick
Zielsetzung und Themenschwerpunkte
Die vorliegende Masterarbeit befasst sich mit der Entwicklung eines Algorithmus zur Lösung des integrierten Produktions- und Distributionsplanungsproblems (IPDP). Das IPDP ist ein komplexes Optimierungsproblem, das die Planung der Produktion und der Distribution von Gütern unter Berücksichtigung verschiedener Restriktionen und Zielsetzungen umfasst. Ziel der Arbeit ist es, einen effizienten Algorithmus zu entwickeln, der optimale oder zumindest nahe optimale Lösungen für das IPDP liefert. Dabei wird der Fokus auf die Anwendung von Ant Colony Optimization (ACO) gelegt, einer Metaheuristik, die sich durch ihre Inspiration aus dem Verhalten von Ameisenkolonien auszeichnet.
- Entwicklung einer ACS-Heuristik für das IPDP
- Analyse der Leistungsfähigkeit des entwickelten Algorithmus
- Anwendung des Algorithmus auf verschiedene Szenarien des IPDP
- Vergleich mit anderen Lösungsansätzen für das IPDP
- Diskussion der Ergebnisse und zukünftiger Forschungsrichtungen
Zusammenfassung der Kapitel
Kapitel 1 führt in die Thematik des integrierten Produktions- und Distributionsplanungsproblems (IPDP) ein und erläutert die Relevanz dieses Problems im Kontext des Supply Chain Managements. Kapitel 2 beschreibt das IPDP formal und stellt die wichtigsten Restriktionen und Zielsetzungen vor. Kapitel 3 gibt eine Einführung in die Ant Colony Optimization (ACO) und erläutert die grundlegenden Konzepte und Prinzipien dieser Metaheuristik. In Kapitel 4 wird die Entwicklung einer ACS-Heuristik für das IPDP Schritt für Schritt beschrieben. Kapitel 5 präsentiert die Ergebnisse von Auswertungen des entwickelten Algorithmus. Kapitel 6 erläutert die Implementierung des Algorithmus in MATLAB. Kapitel 7 fasst die Ergebnisse der Arbeit zusammen und gibt einen Ausblick auf zukünftige Forschungsarbeiten.
Schlüsselwörter
Integriertes Produktions- und Distributionsplanungsproblem (IPDP), Ant Colony Optimization (ACO), ACS-Heuristik, Supply Chain Management, Optimierung, Metaheuristik, Distributionsplanung, Produktionsreihenfolgeplanung, Scheduling, Haltbarkeit, Transportkapazitäten, Mehrfachfahrten, MATLAB.
- Citar trabajo
- Jan Weidner (Autor), 2016, Ein Ameisenalgorithmus zur Lösung von integrierten Produktions- und Distributionsplanungsproblemen, Múnich, GRIN Verlag, https://www.grin.com/document/372473
