Dynamische Regelselektion in der Reihenfolgeplanung: Prognose von Steuerungsparametern mit Gaußschen Prozessen

181 Pages·2014·11.513 MB·German

by  Jens Heger (auth.)

Dynamische Regelselektion
in der Reihenfolgeplanung
Jens Heger
Dynamische
Regelselektion in der
Reihenfolgeplanung
Prognose von Steuerungsparametern
mit Gaußschen Prozessen
Dr.-Ing. Jens Heger
Bremen, Deutschland
Zugl.: Dissertation Universität Bremen, 2014
ISBN 978-3-658-07981-9 ISBN 978-3-658-07982-6 (eBook)
DOI 10.1007/978-3-658-07982-6
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbi-
bliogra(cid:191) e; detaillierte bibliogra(cid:191) sche Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Springer Vieweg
© Springer Fachmedien Wiesbaden 2014
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die
nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung
des Verlags. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen,
Mikrover(cid:191) lmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem
Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche
Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten
wären und daher von jedermann benutzt werden dürften.
Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informa-
tionen in diesem Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind.
Weder der Verlag noch die Autoren oder die Herausgeber übernehmen, ausdrücklich oder
implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder Äußerungen.
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier
Springer Fachmedien Wiesbaden ist Teil der Fachverlagsgruppe Springer Science+Business Media
(www.springer.com)
Danksagung

Die vorliegende Arbeit ist während meiner Zeit als wissenschaftlicher
Mitarbeiter am BIBA - Institut für Produktion und Logistik entstanden.
Dazu habe ich über die Jahre in den guten wie auch schwierigen Phasen,
die eine solche Arbeit mit sich bringt, eine Menge Unterstützung erhal-
ten, für die ich mich an dieser Stelle bedanken möchte. Zuerst geht mein
großer Dank an meinen Erstgutachter Prof. Dr.-Ing. Bernd Scholz-Reiter
für die vielen Möglichkeiten, mich fachlich und persönlich in einem sehr
angenehmen Umfeld weiter entwickeln zu können. Prof. Dr. Jürgen
Branke bin ich sehr dankbar für die Übernahme der Zweitgutachterschaft
und die vielen Diskussionen und Denkanstöße während der gemeinsa-
men Projektarbeit. Prof. Dr.-Ing. Klaus-Dieter Thoben danke ich ebenfalls
für die sehr gute Zusammenarbeit.
Das gute Arbeitsklima und die vielen Anregungen und Denkanstö-
ße, die ich von meinen Kollegen am BIBA erhalten habe, sind ein weiterer
wichtiger Baustein bei der Erstellung dieser Arbeit gewesen. Hervorhe-
ben möchte ich Torsten Hildebrandt, Christian Meinecke und Topi Tervo,
die immer wieder bereit waren, meine Paper und Dissertationsteile kri-
tisch zu durchleuchten. Hinzukommen meine Bürokollegen, mit denen
ich über die Jahre die meiste „Wachzeit“ und angenehme Stunden ver-
bracht habe: Michael Lütjen, Christian Meinecke und Farian Krohne.
Meinen Eltern und meinem Bruder möchte ich für die jahrzehnte-
lange Unterstützung in allen Bereichen danken; genauso wie natürlich
meinen Freunden und Volleyballkollegen für die schönen und entspann-
ten Stunden des Ausgleichs.

Jens Heger
Zusammenfassung

Die Dissertation „Dynamische Selektion von Regeln zur Reihenfolgepla-
nung in der Werkstatt- und flexiblen Fließfertigung“ befasst sich mit dem
für Industrieunternehmen sehr wichtigen Thema der Fertigungsoptimie-
rung; der Fokus liegt hierbei auf der Reihenfolgeplanung.
Es wird ein Verfahren entwickelt, das auf der prioritätsregelbasier-
ten Reihenfolgeplanung aufbaut. Da keine Prioritätsregel existiert, die in
allen Situationen das anvisierte Zielkriterium, wie beispielsweise die
Termintreue, bestmöglich erreicht, findet eine dynamische Auswahl be-
ziehungsweise Adaption der Regeln statt. Die Wissensbasis, wann wel-
che Regel auszuwählen ist, wird durch vorgelagerte Simulationsstudien
berechnet. Da dies eine sehr aufwendige und rechenzeitintensive Aufga-
be ist, werden erstmals mithilfe der Gaußsche Prozesse Regression Mo-
delle gelernt, die für nicht untersuchte Situationen Prognosen über das
Verhalten der Prioritätsregeln abgeben.
Die Evaluation an einem Szenario der Werkstatt- beziehungsweise
flexiblen Fließfertigung hat gezeigt, dass einerseits die Gaußsche Prozes-
se Regression zu signifikant besseren Ergebnissen geführt hat, wie bei-
spielsweise die Regression basierend auf neuronalen Netzen. Anderer-
seits konnte in beiden Szenarien gezeigt werden, dass das neu entwickel-
te Steuerungsverfahren signifikante Leistungssteigerungen im Vergleich
zu herkömmlichen Verfahren erreichen konnte.
Abstract

The thesis “Dynamische Selektion von Regeln zur Reihenfolgeplanung in
der Werkstatt- und flexiblen Fließfertigung“ (engl. dynamic selection of
priority rules for job shop and flexible flow shop scheduling) addresses
the important topic of job shop and flexible flow shop scheduling.
Decentralized scheduling with dispatching rules is applied in many
fields of production and logistics, especially in highly complex manufac-
turing systems. Priority rules are bound to their local information hori-
zon and thus there is no rule, which outperforms other rules across vari-
ous objectives, scenarios and system conditions. In this thesis a new ap-
proach to dynamically select or adjust priority rules depending on the
current system conditions is developed. The knowledge base for choos-
ing the optimal rule is generated by prior simulation runs. Since these
simulation runs are expensive and time intensive Gaussian process re-
gression models are used for the first time to calculate regression models,
which predict the performance of priority rules under different system
conditions.
The approach has been evaluated on a job shop and a flexible flow
shop scenario. The regression models of Gaussian processes led to better
results than the models of the neuronal networks. The developed sched-
uling method outperformed standard methods in both scenarios signifi-
cantly.
Inhaltsverzeichnis

1 Einleitung .................................................................................. 1
1.1 Motivation und Problemfeld ................................................................... 1
1.2 Zielstellung ................................................................................................. 4
1.3 Gliederung der Arbeit .............................................................................. 6
2 Dynamik und Effizienz in der Produktionslogistik ........ 9
2.1 Aufgaben der Produktionsplanung und -steuerung ............................ 9
2.1.1 Betrachtete Organisationsformen ....................................................... 13
2.1.2 Logistische Zielkriterien ...................................................................... 20
2.1.3 Komplexität von verschiedenen Reihenfolgeproblemen ................ 23
2.2 Anforderungen an eine Steuerungsmethode ...................................... 27
2.3 Zusammenfassung der Problemstellung ............................................. 31
3 Analyse der Ansätze zur Reihenfolgeplanung und
Regression ............................................................................... 33
3.1 Verfahren zur Reihenfolgeplanung ...................................................... 33
3.1.1 Optimierende Verfahren...................................................................... 35
3.1.2 Heuristische Verfahren ........................................................................ 38
XII Inhaltsverzeichnis
3.2 Maschinelles Lernen und Regressionsmethoden ................................ 48
3.2.1 Lineare Regression ............................................................................... 49
3.2.2 Künstliche neuronale Netze ................................................................ 51
3.2.3 Gaußsche Prozesse Regression ........................................................... 54
3.3 Lernverfahren und prioritätsbasierte Reihenfolgeplanung............... 58
3.3.1 Auswahl von Prioritätsregeln ............................................................. 59
3.3.2 Adaption von Prioritätsregeln ............................................................ 61
3.4 Zusammenfassung des Stands der Technik ........................................ 65
4 Handlungsbedarf und Vorgehen ....................................... 67
4.1 Handlungsbedarf .................................................................................... 67
4.1.1 Analyse und Grenzen bestehender Steuerungsverfahren .............. 67
4.1.2 Auswahl und Optimierung der Regressionsverfahren ................... 68
4.1.3 Anforderungen an Evaluierungsszenarien ....................................... 69
4.2 Vorgehen zur Entwicklung einer hybriden
Steuerungskomponente .......................................................................... 69
5 Konzept, Entwicklung und Evaluation ............................. 71
5.1 Analyse von Prioritätsregeln in Szenarien mit
mehreren Ressourcen .............................................................................. 72
5.1.1 Mini-Fab Szenario ................................................................................. 73
5.1.2 MILP für Mini-Fab Szenario ............................................................... 75
5.1.3 Evaluierung ........................................................................................... 79
Inhaltsverzeichnis XIII
5.1.4 Zusammenfassung ............................................................................... 88
5.2 Dynamische Selektion von Prioritätsregeln ......................................... 88
5.2.1 Untersuchungsszenario ....................................................................... 90
5.2.2 Vergleich von Regressionsverfahren ................................................. 92
5.2.3 Verbesserung der Gaußsche Prozess Regressionsmodelle ............. 98
5.2.4 Evaluierung: Dynamische Selektion von Prioritätsregeln ............ 108
5.2.5 Zusammenfassung ............................................................................. 112
5.3 Dynamische Adaption von Regelparametern ................................... 112
5.3.1 Untersuchungsszenario ..................................................................... 114
5.3.2 Analyse der Parameterauswahl im statischen Szenario ................ 116
5.3.3 Analyse der dynamischen Adaption der Regelparameter............ 123
5.3.4 Zusammenfassung ............................................................................. 132
6 Fazit und Ausblick .............................................................. 135
6.1 Ergebnisse ............................................................................................... 136
6.2 Ausblick .................................................................................................. 138
Literaturverzeichnis ................................................................. 141
Anhang ....................................................................................... 157
A.1. Klassifikation von Reihenfolgeplanungsproblemen ......................... 157
A.2. Ergebnisse Mini-Fab .............................................................................. 159