Sprints der Smart-E-Factory
Aktuelle wissenschaftliche Veröffentlichungen zum Thema
Die beiden Sprintprojekte CO2 Fußabdruck Ermittlung und die Auftragsreihenfolgeplanung bilden gemeinsam mit 6 weiteren Sprints das Herzstück des Projekts Smart-E-Factory. Die Wissenschaftlerinnen und Wissenschaftler entwickelt und testen kontinuierlich am realen Objekt – dem Gebäude der SmartFactoryOWL oder der CUNA Produktion – ihre Technologien. Hier nun aktuelle Veröffentlichungen dazu.
Dr. Niels Grüttemeier ist Teil der Forschungsgruppe mathematische Optimierung am Lemgoer Fraunhofer IOSB-INA.
Hier arbeitet er in einem innovativen Team am Praxistransfer algorithmischer Forschungsresultate. Ein häufiges Anwendungsfeld sind dabei effiziente Algorithmen für die Produktionsplanung. Die dahinterstehenden Probleme können die Bildung idealer Sequenzen in der Bearbeitung von Aufträgen sein, aber auch die optimale Auslastung von parallel laufenden Produktionssystemen.
Neben dem Praxistransfer beteiligt sich Niels Grüttemeier im Rahmen des Projekts an algorithmischer Forschung. Neben Arbeiten zur CUNA-Reihenfolgeplanung [1, 2] entstanden auch Arbeiten zur Korrektur von Produktionsplänen [3] und zur Nutzung temporaler Graphen [4]. Diese finden etwa Anwendung bei der Planung und Sequenzierung von Fahrwegen in der industriellen Produktion.
Seyed Davood Mousavi ist wissenschaftlicher Mitarbeiter am Institut für Energieforschung der TH OWL. Dort beschäftigt man sich mit innovativen Energiekonzepten und Optimierungen im Energiebetrieb. Viele Ingenieurinnen und Ingenieure verbinden hier mathematische und technische Expertise für die Optimierung von Systemen und deren Energieverbrauch. Herr Moussavi hat an der CUNA Produktion den CO2 Fussabdruck ermittelt und dafür innovative Methoden eingesetzt. Dies beschreibt er in seinem aktuell veröffentlichten Paper in IEEE Xplore.
Sie interessieren sich für einen tieferen Einblick in die Themen, dann finden Sie hier die Veröffentlichungen:
[1] Scalable Neighborhood Local Search for Single-Machine Scheduling with Family Setup Times
https://doi.org/10.48550/arXiv.2409.00771
[2] Efficient Production Scheduling by Exploiting Repetitive Product Configurations
https://doi.org/10.1109/INDIN51400.2023.10218249
[3] WADS-Papier (to appear)
[4] Multi-parameter analysis of finding minors and induced subgraphs in edge-periodic temporal graphs
https://doi.org/10.1016/j.dam.2025.06.024
[5] Dynamic Optimization of CO2 Emissions and Electricity Costs in Smart Factories
[6] Enhanced Dynamic Optimization for CO2 Reduction and Cost Savings through Load Shifting in Smart Factories (to appear)
[7] Cascaded Optimization of PV and Battery Sizing under Dynamic Cost and CO2 Signals (to appear)