Cookies helfen uns bei der Bereitstellung unserer Dienste. Durch die Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies setzen.
De En Es
Kundenservice: +49 (0) 551 - 547 24 0

Cuvillier Verlag

30 Jahre Kompetenz im wissenschaftlichen Publizieren
Internationaler Fachverlag für Wissenschaft und Wirtschaft

Cuvillier Verlag

Premiumpartner
De En Es
Stochastische Optimierung zur Hauptproduktionsprogrammplanung unter Unsicherheit

Printausgabe
EUR 59,80

E-Book
EUR 41,90

Stochastische Optimierung zur Hauptproduktionsprogrammplanung unter Unsicherheit (Band 1)

Julian Englberger (Autor)

Vorschau

Inhaltsverzeichnis, PDF (52 KB)
Leseprobe, PDF (130 KB)

ISBN-13 (Printausgabe) 9783736995994
ISBN-13 (E-Book) 9783736985995
Sprache Deutsch
Seitenanzahl 236
Umschlagkaschierung matt
Auflage 1.
Buchreihe Schriften zur Produktionsplanung
Band 1
Erscheinungsort Göttingen
Promotionsort Dresden
Erscheinungsdatum 08.08.2017
Allgemeine Einordnung Dissertation
Fachbereiche Wirtschaftswissenschaften
Schlagwörter Produktionsplanung und-steuerung (PPS), Stochastische Optimierung, Produktionsprogrammplanung
Beschreibung

Die vorliegende Arbeit beschäftigt sich mit der Hauptproduktionsprogrammplanung unter Unsicherheit. Im Unterschied zu existierenden Arbeiten wird dabei die Planungsumgebung – eine hierarchische Produktionsplanung und -steuerung – sowie die umsetzende Produktion explizit in die Untersuchung einbezogen, um auftretende Wechselwirkungen berücksichtigen zu können. Dazu wird ein Simulationsmodell verwendet, das diese Elemente umfasst. Zu den beiden wichtigsten unsicheren Parametern der Hauptproduktionsprogrammplanung, nämlich den Bedarfen und den Kapazitätsbelastungen, werden stochastische Optimierungsmodelle entwickelt, die den Einfluss der Unsicherheit weitgehend eliminieren. In umfangreichen Simulationsexperimenten wird das Verhalten dieser Modelle im praktischen Einsatz untersucht. In beiden Anwendungsbereichen führt die stochastische Optimierung zu wesentlichen Verbesserungen im Vergleich zu konventionellen Alternativen.

This thesis deals with Master Production Scheduling under uncertainty. In contrast to the existing research, the planning environment — a hierarchical production planning and control system — and the production are included into the study explicitely to take into account the interactions between these system elements. This testing environment is realized in a simulation model that covers all these elements. For the most important uncertain parameters of Master Production Scheduling — demands and capacity loads —, stochastic optimization models are developed. These models eliminate the influence of the uncertainty on the planning results. The performance of the stochastic models in practical applications is analyzed in comprehensive simulation experiments. For both planning parameters, the use of stochastic optimization improves the performance significantly compared to conventional alternatives.