Cookies help us deliver our services. By using our services, you agree to our use of cookies.
De En Es
Kundenservice: +49 (0) 551 - 547 24 0

Cuvillier Verlag

Publications, Dissertations, Habilitations & Brochures.
International Specialist Publishing House for Science and Economy

Cuvillier Verlag

Premiumpartner
De En Es
Titelbild-leitlinien
Stochastische Optimierung zur Hauptproduktionsprogrammplanung unter Unsicherheit

Hard Copy
EUR 59.80

E-book
EUR 41.90

Stochastische Optimierung zur Hauptproduktionsprogrammplanung unter Unsicherheit (Volume 1)

Julian Englberger (Author)

Preview

Table of Contents, PDF (52 KB)
Extract, PDF (130 KB)

ISBN-13 (Hard Copy) 9783736995994
ISBN-13 (eBook) 9783736985995
Language Alemán
Page Number 236
Lamination of Cover matt
Edition 1.
Book Series Schriften zur Produktionsplanung
Volume 1
Publication Place Göttingen
Place of Dissertation Dresden
Publication Date 2017-08-08
General Categorization Dissertation
Departments Economics
Keywords Produktionsplanung und-steuerung (PPS), Stochastische Optimierung, Produktionsprogrammplanung
Description

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.