TY - THES

T1 - Reihenfolgeoptimierung im Prozess der Schweinehälftenzerlegung

AU - Laber, Andreas

N1 - gesperrt bis 15-10-2020

PY - 2015

Y1 - 2015

N2 - Das Thema dieser Masterarbeit ist die Erstellung eines Programms, welches zum Ziel hat, die Reihenfolge der Auftragsabarbeitung im Prozess der Schweinehälftenzerlegung zu optimieren. Zur Berechnung wird ein genetischer Algorithmus in Kombination mit einem lokalen Suchalgorithmus eingesetzt. Einleitend wird der physische Zerlegungsvorgang der Schweinehälften beschrieben. Anschließend wird für die projektrelevanten Einrichtungen des Produktionsstandorts die jeweilige Problemstellung erläutert. Die Datenbasis für die Reihenfolgeplanung wird durch die Module Artikelbaumberechnung und Zuordnung geschaffen. Ein weiteres Modul wird der Reihenfolgeplanung nachgelagert und beschäftigt sich mit der Verwertung der angefallenen Reststücke. Der theoretische Teil dieser Arbeit beginnt mit der Einführung der im Zusammenhang mit evolutionären Algorithmen gebräuchlichen Begriffe. Dazu zählen neben den bereits genannten genetischen Algorithmen, auch noch Evolutionsstrategien, evolutionäre Programmierung und genetische Programmierung. Diese vier klassischen Varianten basieren auf der gleichen Grundstruktur. Ihre Alleinstellungsmerkmale werden in den jeweiligen Kapiteln zusammengefasst. Im Anschluss daran werden mögliche Ausprägungen genetischer Algorithmen vorgestellt. Dies umfasst alle relevanten Merkmale, Repräsentation, Population, Selektion, Rekombination und Mutation. Das Augenmerk liegt dabei auf Operatoren, die für kombinatorische Optimierungsprobleme anwendbar sind. Anknüpfend erfolgt eine Erläuterung der Ausprägungen lokaler Suchalgorithmen. Werden evolutionäre Algorithmen mit lokalen Suchverfahren kombiniert, werden sie memetische Algorithmen genannt. Diese hybriden Verfahren kombinieren die positiven Eigenschaften der in ihnen vereinten Algorithmen. Der theoretische Teil endet mit einer Einführung in das Gebiet der memetischen Algorithmen. Abschließend wird der zur Verfügung gestellte Datensatz vorgestellt und der Aufbau des Java Programms erläutert. Ferner wird die problemspezifische Lösungsgüte zweier memetischer Algorithmen gegenübergestellt.

AB - Das Thema dieser Masterarbeit ist die Erstellung eines Programms, welches zum Ziel hat, die Reihenfolge der Auftragsabarbeitung im Prozess der Schweinehälftenzerlegung zu optimieren. Zur Berechnung wird ein genetischer Algorithmus in Kombination mit einem lokalen Suchalgorithmus eingesetzt. Einleitend wird der physische Zerlegungsvorgang der Schweinehälften beschrieben. Anschließend wird für die projektrelevanten Einrichtungen des Produktionsstandorts die jeweilige Problemstellung erläutert. Die Datenbasis für die Reihenfolgeplanung wird durch die Module Artikelbaumberechnung und Zuordnung geschaffen. Ein weiteres Modul wird der Reihenfolgeplanung nachgelagert und beschäftigt sich mit der Verwertung der angefallenen Reststücke. Der theoretische Teil dieser Arbeit beginnt mit der Einführung der im Zusammenhang mit evolutionären Algorithmen gebräuchlichen Begriffe. Dazu zählen neben den bereits genannten genetischen Algorithmen, auch noch Evolutionsstrategien, evolutionäre Programmierung und genetische Programmierung. Diese vier klassischen Varianten basieren auf der gleichen Grundstruktur. Ihre Alleinstellungsmerkmale werden in den jeweiligen Kapiteln zusammengefasst. Im Anschluss daran werden mögliche Ausprägungen genetischer Algorithmen vorgestellt. Dies umfasst alle relevanten Merkmale, Repräsentation, Population, Selektion, Rekombination und Mutation. Das Augenmerk liegt dabei auf Operatoren, die für kombinatorische Optimierungsprobleme anwendbar sind. Anknüpfend erfolgt eine Erläuterung der Ausprägungen lokaler Suchalgorithmen. Werden evolutionäre Algorithmen mit lokalen Suchverfahren kombiniert, werden sie memetische Algorithmen genannt. Diese hybriden Verfahren kombinieren die positiven Eigenschaften der in ihnen vereinten Algorithmen. Der theoretische Teil endet mit einer Einführung in das Gebiet der memetischen Algorithmen. Abschließend wird der zur Verfügung gestellte Datensatz vorgestellt und der Aufbau des Java Programms erläutert. Ferner wird die problemspezifische Lösungsgüte zweier memetischer Algorithmen gegenübergestellt.

KW - genetic algorithm

KW - side of pork

KW - order assignment

KW - hog processing

KW - sequence optimization

KW - local search

KW - optimization

KW - scheduling

KW - Reihenfolgeoptimierung

KW - Schweinehälfte

KW - Optimierung

KW - genetischer Algorithmus

KW - Local Search

M3 - Masterarbeit

ER -