{"id":233,"date":"2020-05-31T13:03:31","date_gmt":"2020-05-31T11:03:31","guid":{"rendered":"http:\/\/testing.metropolitanhost.com\/?post_type=service&p=233"},"modified":"2023-12-14T10:43:57","modified_gmt":"2023-12-14T09:43:57","slug":"optimierung-der-auftragsplanung","status":"publish","type":"service","link":"https:\/\/www.smart-e-factory.de\/?service=optimierung-der-auftragsplanung","title":{"rendered":"Optimierung der Auftrags­planung"},"content":{"rendered":"

[vc_row css=”.vc_custom_1702547036848{padding-top: 0px !important;padding-bottom: 0px !important;background-image: url(https:\/\/www.smart-e-factory.de\/wp-content\/uploads\/2023\/10\/smartfactory_live_erleben.jpg?id=3385) !important;}” el_class=”image-custom-header image-style-1″][vc_column]\t\t

\r\n\t\t\t
\r\n\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tSmartFactoryOWL\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tOptimierung der Auftragsplanung\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t[\/vc_column][\/vc_row][vc_row css=”.vc_custom_1698134545625{padding-top: 50px !important;}”][vc_column width=”1\/2″][vc_column_text]Bei der CUNA-Realproduktion in der SmartFactoryOWL wird kontinuierlich eine breite Palette von Bechern in verschiedenen Konfigurationen produziert. Mit einer Vielfalt an verf\u00fcgbaren Ausgangsmaterialien und Farboptionen bietet sie die M\u00f6glichkeit, ma\u00dfgeschneiderte Produkte f\u00fcr Kunden in kleineren Losgr\u00f6\u00dfen herzustellen. Allerdings k\u00f6nnen beim Wechsel des Ausgangsmaterials oder der Farbe zus\u00e4tzliche R\u00fcstaufw\u00e4nde entstehen, die mit Kosten und m\u00f6glicherweise Qualit\u00e4tsproblemen verbunden sind.<\/p>\n

In unserer CUNA-Produktion in der SmartFactoryOWL haben wir nun ein leistungsstarkes Optimierungsverfahren entwickelt, das darauf abzielt, diese R\u00fcstaufw\u00e4nde zu minimieren.[\/vc_column_text][\/vc_column][vc_column width=”1\/2″][vc_column_text]Dieses Verfahren basiert auf bew\u00e4hrten mathematischen Optimierungsmethoden und ber\u00fccksichtigt nicht nur die individuellen R\u00fcstaufw\u00e4nde, sondern auch die gew\u00fcnschten Fertigstellungszeitpunkte der Auftr\u00e4ge. Das Ergebnis ist eine optimierte Abfolge, die sowohl die Kundentermine im Blick beh\u00e4lt als auch die Effizienz steigert, selbst bei gro\u00dfen Auftragsmengen.<\/p>\n

Mit dem Ziel zus\u00e4tzlicher Effizienzsteigerung und der Einbeziehung von Nachhaltigkeitsaspekten kn\u00fcpfen wir damit im Projekt Smart-E-Factory direkt an die Ergebnisse eines fr\u00fcheren Projekts<\/a> an. Konkret werden Aspekte wie Energieeffizienz und die Reduzierung von CO\u2082-Emissionen in das Optimierungsverfahren integriert, um sicherzustellen, dass wir nicht nur die besten Produkte, sondern auch nachhaltige L\u00f6sungen bieten.<\/span>[\/vc_column_text][\/vc_column][\/vc_row][vc_row css=”.vc_custom_1698134697569{padding-top: 0px !important;padding-bottom: 50px !important;}”][vc_column][vc_single_image image=”3750″ img_size=”full”][\/vc_column][\/vc_row][vc_row full_width=”stretch_row” css=”.vc_custom_1697536731564{padding-top: 100px !important;padding-bottom: 80px !important;background-color: #f2f2f2 !important;}”][vc_column el_class=”sigma-accordion-style-1″][vc_row_inner][vc_column_inner width=”1\/2″]\t\t

\r\n\t\t\t
\r\n\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tMehr Informationen\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tWeitergehende Forschungsbereiche\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t[\/vc_column_inner][vc_column_inner width=”1\/2″][\/vc_column_inner][\/vc_row_inner][vc_tta_accordion shape=”square” color=”white” c_position=”right” active_section=”1″ css=”.vc_custom_1697539566691{padding-top: 0px !important;padding-right: 0px !important;padding-left: 0px !important;}” el_id=”custom-accordion”][vc_tta_section title=”Effiziente Reihenfolgeplanung” tab_id=”1585768153475-cb5f3c27-f8e2″][vc_column_text]In der Ver\u00f6ffentlichung betrachten wir eingehend das Problem der Planung von Produktionsauftr\u00e4gen auf einer einzigen Maschine mit sequenzabh\u00e4ngigen R\u00fcstzeiten und individuellen Auftragsfristen. Bei einer Menge von Auftr\u00e4gen besteht das Ziel darin, die Gesamtzeit f\u00fcr die Bearbeitung aller Auftr\u00e4ge zu minimieren, wobei jeder Auftrag seinen Termin einh\u00e4lt. Wir untersuchen Algorithmen, die eine exakte L\u00f6sung des Problems berechnen. Motiviert durch ein Anwendungsbeispiel machen wir uns eine nat\u00fcrliche strukturelle Beobachtung zunutze, die in vielen Produktionsumgebungen auftritt: Die Anzahl der Produktkonfigurationen kann deutlich kleiner sein als die Gesamtzahl der Auftr\u00e4ge. Wir identifizieren einen Algorithmus, der in dieser Umgebung hinsichtlich der Leistung effizient ist. Wir evaluieren experimentell seine Laufzeit und vergleichen ihn mit zwei anderen nat\u00fcrlichen Ans\u00e4tzen der exakten Auftragsplanung.[\/vc_column_text][vc_btn title=”Zur Ver\u00f6ffentlichung” style=”classic” shape=”square” color=”primary” align=”left” link=”url:https%3A%2F%2Fieeexplore.ieee.org%2Fdocument%2F10218249||target:%20_blank|” el_class=”btn-daten btn-on-dark-bg”][\/vc_tta_section][vc_tta_section title=”Optimierung von Lagersystemen” tab_id=”1585768253236-3404ad31-9228″][vc_column_text]In diesem Paper geht es darum, wie automatisierte Lager- und Abrufsysteme (ASRS) in Verteilungszentren und Lagern optimiert werden k\u00f6nnen, um Kosten oder CO2-Emissionen zu reduzieren. Wir stellen ein zweiphasiges Optimierungskonzept vor, das sich auf zwei wichtige Aufgaben in ASRS konzentriert. Zuerst ordnen wir mehrere Umsortierungsaufgaben so an, dass die Gesamtfahrstrecke der Kr\u00e4ne minimiert wird. Anschlie\u00dfend verbessern wir die Energieeffizienz unserer Kranbewegungen, indem wir optimale Trajektorien berechnen. Wir beschreiben unsere Algorithmen f\u00fcr eine komplexe ASRS-Architektur mit zwei Kr\u00e4nen auf parallel verlaufenden Schienen.[\/vc_column_text][vc_btn title=”Zur Ver\u00f6ffentlichung” style=”classic” shape=”square” color=”primary” align=”left” link=”url:https%3A%2F%2Fieeexplore.ieee.org%2Fdocument%2F10218152%2F||target:%20_blank|” el_class=”btn-daten btn-on-dark-bg” css=”.vc_custom_1698137153792{margin-bottom: 20px !important;}”][\/vc_tta_section][\/vc_tta_accordion][\/vc_column][\/vc_row][vc_row css=”.vc_custom_1697537604913{padding-top: 0px !important;padding-bottom: 0px !important;}” row_css_sm=”.vc_custom_1697537604914{background-color: #ffffff !important;}”][vc_column][vc_row_inner equal_height=”yes” content_placement=”middle” bg_color_scheme=”primary” css=”.vc_custom_1698133385572{margin-right: 0px !important;margin-left: 0px !important;padding-top: 100px !important;padding-right: 15px !important;padding-bottom: 0px !important;padding-left: 15px !important;background-color: #ffffff !important;}”][vc_column_inner width=”1\/3″ inner_column_css_xs=”.vc_custom_1593175294358{margin-bottom: 40px !important;}”][vc_single_image image=”3614″ img_size=”full” onclick=”custom_link” css=”.vc_custom_1698390728951{margin-bottom: 0px !important;}” el_class=”image-style-2″ link=”\/?team=dr-niels-gruettemeier”][\/vc_column_inner][vc_column_inner width=”2\/3″]\t\t
\r\n\t\t\t
\r\n\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tForschungs\u00adlinien\u00adkoordinator\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tDr. Niels Gr\u00fcttemeier\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t[vc_column_text css=”.vc_custom_1698137201550{margin-bottom: 0px !important;}”]Dr. Niels Gr\u00fcttemeier ist wissenschaftlicher Mitarbeiter in der Gruppe “Symbolische Verfahren und Optimierung” am Fraunhofer IOSB-INA. Zu seinen Forschungsinteressen geh\u00f6ren Algorithmen f\u00fcr schwere Probleme aus dem Bereich der kombinatorischen Optimierung. Diese finden direkte Anwendung im Bereich der Produktionsplanung und der Lagerlogistik von Industrieunternehmen. In dem Projekt Smart-E-Factory bearbeitet er die Energieoptimierung sowie die Reihenfolgeplanung bei der CUNA-Produktion. Dr. Niels Gr\u00fcttemeier studierte Mathematik an der Uni Jena und promovierte an der Uni Marburg auf dem Gebiet der Algorithmik.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][vc_row_inner equal_height=”yes” content_placement=”middle” bg_color_scheme=”primary” css=”.vc_custom_1698133548932{margin-right: 0px !important;margin-bottom: 60px !important;margin-left: 0px !important;padding-top: 50px !important;padding-right: 15px !important;padding-bottom: 0px !important;padding-left: 15px !important;background-color: #ffffff !important;}”][vc_column_inner width=”2\/3″ inner_column_css_xs=”.vc_custom_1593175294358{margin-bottom: 40px !important;}”]\t\t
\r\n\t\t\t
\r\n\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tForschungs\u00adlinien\u00adkoordinator\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t\t\t
\r\n\t\t\t

\r\n\t\t\t\tDr. Andreas Bunte\t\t\t<\/h3>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t[vc_column_text css=”.vc_custom_1698137242412{margin-bottom: 0px !important;}”]Dr. Andreas Bunte ist Forschungsgruppenleiter der Gruppe Symbolische Verfahren und Optimierung beim Fraunhofer IOSB-INA. Die Forschungsgruppe besch\u00e4ftigt sich mit datenbasierter Planung und Optimierung sowie Wissensrepr\u00e4sentation im industriellen Kontext. Er hat an der Bauhaus Universit\u00e4t Weimar im Bereich der Wissensmodellierung promoviert, einem Teilbereich der Informatik. Zuvor absolvierte er ein Studium der Elektrotechnik mit der Vertiefung Automatisierungstechnik an der Hochschule D\u00fcsseldorf.[\/vc_column_text][\/vc_column_inner][vc_column_inner width=”1\/3″][vc_single_image image=”3685″ img_size=”full” onclick=”custom_link” css=”.vc_custom_1698414086312{margin-bottom: 0px !important;}” el_class=”image-style-2″ link=”\/?team=dr-andreas-bunte”][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row]<\/p>\n","protected":false},"excerpt":{"rendered":"

Mithilfe der CUNA-Produktion R\u00fcst­aufw\u00e4nde minimieren<\/p>\n","protected":false},"author":3,"featured_media":0,"template":"","class_list":["post-233","service","type-service","status-publish","hentry","without-image"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.smart-e-factory.de\/index.php?rest_route=\/wp\/v2\/service\/233","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.smart-e-factory.de\/index.php?rest_route=\/wp\/v2\/service"}],"about":[{"href":"https:\/\/www.smart-e-factory.de\/index.php?rest_route=\/wp\/v2\/types\/service"}],"author":[{"embeddable":true,"href":"https:\/\/www.smart-e-factory.de\/index.php?rest_route=\/wp\/v2\/users\/3"}],"wp:attachment":[{"href":"https:\/\/www.smart-e-factory.de\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=233"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}