TY - THES

T1 - Simulationsbasierte Bestandsoptimierung an den Entkopplungspunkten einer mehrstufigen Fertigung

AU - Kaiblinger, Alexander Manuel

N1 - gesperrt bis 07-02-2025

PY - 2020

Y1 - 2020

N2 - In einer mehrstufigen Fertigung kann eine gezielte Optimierung von Beständen wesentlich zur Verbesserung der logistischen Zielgrößen beitragen. Jedoch erschwert ein komplexes Fertigungsumfeld und Interdependenzen innerhalb der Zielgrößen die Bestimmung einer optimalen Bestandssituation. In dieser Arbeit werden im Speziellen mehrstufige Fertigungssysteme mit divergierendem Materialfluss und einer Engpasssteuerung betrachtet. Berücksichtigt werden dabei Kapazitätsrestriktionen, ein stochastisches Kundenbestellverhalten, Arbeitszeitschwankungen, Maschinenstörungen und Versorgungsunsicherheiten. Im empirischen Teil erfolgt eine simulationsbasierte Bestandsoptimierung eines mehrstufigen Systems anhand einer praktischen Fallstudie. Hierzu wird ein generisches Simulationsmodell mithilfe des Simulationswerkzeuges DESMO-J erstellt, validiert und verifiziert. Mittels multi-objective genetischer Algorithmen wird eine optimierte Bestandskonfiguration ermittelt. Weiters ermöglicht die rollierende Anpassung der Inputdaten eine laufende Optimierung der aktuellen Bestandssituation.

AB - In einer mehrstufigen Fertigung kann eine gezielte Optimierung von Beständen wesentlich zur Verbesserung der logistischen Zielgrößen beitragen. Jedoch erschwert ein komplexes Fertigungsumfeld und Interdependenzen innerhalb der Zielgrößen die Bestimmung einer optimalen Bestandssituation. In dieser Arbeit werden im Speziellen mehrstufige Fertigungssysteme mit divergierendem Materialfluss und einer Engpasssteuerung betrachtet. Berücksichtigt werden dabei Kapazitätsrestriktionen, ein stochastisches Kundenbestellverhalten, Arbeitszeitschwankungen, Maschinenstörungen und Versorgungsunsicherheiten. Im empirischen Teil erfolgt eine simulationsbasierte Bestandsoptimierung eines mehrstufigen Systems anhand einer praktischen Fallstudie. Hierzu wird ein generisches Simulationsmodell mithilfe des Simulationswerkzeuges DESMO-J erstellt, validiert und verifiziert. Mittels multi-objective genetischer Algorithmen wird eine optimierte Bestandskonfiguration ermittelt. Weiters ermöglicht die rollierende Anpassung der Inputdaten eine laufende Optimierung der aktuellen Bestandssituation.

KW - multi-objective Optimierung

KW - mehrstufige Produktionssysteme

KW - Bestandsoptimierung

KW - simulationsbasierte Optimierung

KW - ereignisdiskrete Simulation

KW - DESMO-J

KW - stochastisches Optimierungsproblem

KW - genetischer Algorithmus

KW - Entkopplungspunkte

KW - NRGA

KW - NSGA

KW - multi-objective optimization

KW - multi-stage production system

KW - stock level optimization

KW - simulation based optimization

KW - discrete event simulation

KW - DESMO-J

KW - stochastic optimization problem

KW - genetic algorithm

KW - decoupling points

KW - NRGA

KW - NSGA

M3 - Masterarbeit

ER -