Simulation und Optimierung in Produktion und Logistik: Praxisorientierter Leitfaden mit Fallbeispielen

Media type: E-Book

Title: Simulation und Optimierung in Produktion und Logistik : Praxisorientierter Leitfaden mit Fallbeispielen

Contains: Vorwort; Gliederung des Fachbuchs; Inhalt; Autorenverzeichnis; Teil I; Einführung; Kapitel 1; Simulationsgestützte Optimierung; 1.1 Motivation; 1.2 Hemmnisse und Hürden; 1.3 Zielgruppe; 1.4 Betrachtete Planungsaufgaben; 1.5 Logistische Zielgrößen; 1.6 Rolle der Simulation; 1.7 Rolle der Optimierung; Literatur; Kapitel 2; Simulation; 2.1 Einführung; 2.2 Modellbildung; 2.3 Versuchsplanung; 2.4 Fazit; Literatur; Kapitel 3; Optimierung; 3.1 Begriffsbestimmung; 3.2 Optimierungsverfahren; 3.2.1 Deterministische Verfahren; 3.2.2 Stochastische Verfahren; 3.2.3 Evolutionäre & Genetische Verfahren
3.2.4 Schwellwertverfahren3.2.5 Permutationsverfahren; 3.3 Adaptive Verfahren mit Lernprozess; Literatur; Kapitel 4; Stellund Zielgrößen; 4.1 Stellgrößen; 4.2 Einfache Zielgrößen; 4.3 Mehrfachziele; 4.4 Komplexität von Optimierungsproblemen; Literatur; Kapitel 5; Kopplung von Simulation und Optimierung; 5.1 Kopplungsarten von Simulation und Optimierung; 5.2 Optimierung ist in die Simulation integriert; 5.3 Simulation als Bewertungsfunktion der Optimierung; 5.4 Simulationsergebnisse als Startwert der Optimierung; 5.5 Optimierungsergebnisse zur Konfiguration der Simulation; 5.6 Problemklassen
LiteraturTeil II; Fallbeispiele; Kapitel 6; Simulationsgestützte Optimierung von Fertigungsprozessen in der Halbleiterindustrie; 6.1 Einleitung; 6.1.1 Unternehmen; 6.1.2 Wissenschaftlicher Partner; 6.1.3 Ausgangssituation und Zielsetzung; 6.2 Optimierungsaufgabe; 6.2.1 Optimierungsziel; 6.2.2 Zusammenhänge; 6.2.3 Stellgrößen; 6.2.4 Problemklasse und Problemgröße; 6.3 Optimierungsansatz und Problemcodierung; 6.3.1 Algorithmen/Systeme; 6.3.2 Verfahrensablauf; 6.4 System-/Modellarchitektur; 6.4.1 Systemarchitektur; 6.4.2 Einbindung in den Planungsprozess des Unternehmens
6.5 Bewertung des Verfahrens6.5.1 Ergebnisse; 6.5.2 Einschränkungen; 6.5.3 Alternativverfahren; 6.6 Projektaufwand, -erkenntnisse, Kosten/Nutzen; 6.6.1 Herausforderungen; 6.6.2 Erkenntnisse; 6.6.3 Fazit und Ausblick; Literatur; Kapitel 7; Vorausschauende Produktionsregelung durch simulationsbasierte heuristische Optimierung; 7.1 Einleitung; 7.1.1 Unternehmen; 7.1.2 Wissenschaftliche Partner; 7.1.3 Ausgangssituation und Zielsetzung; 7.2 Optimierungsaufgabe; 7.2.1 Optimierungsziel; 7.2.2 Zusammenhänge; 7.2.3 Stellgrößen; 7.2.4 Problemklasse(n) - Problemgröße; 7.3 Lösungsansatz
7.3.1 Algorithmen/Systeme7.3.2 Verfahrensablauf; 7.4 Systemund Modellarchitektur; 7.4.1 Systemarchitektur; 7.4.2 Einbindung in den Planungsprozess des Unternehmens; 7.5 Bewertung des Verfahrens; 7.5.1 Ergebnisse (Laufzeit, Qualität); 7.5.2 Einschränkungen; 7.5.3 Alternativverfahren; 7.6 Fazit und Ausblick; 7.6.1 Herausforderungen; 7.6.2 Erkenntnisse; 7.6.3 Weitere Schritte; Literatur; Kapitel 8; Modellierung und Optimierung von Montageprozessen; 8.1 Einleitung; 8.1.1 Unternehmen; 8.1.2 Wissenschaftlicher Partner; 8.1.3 Ausgangssituation und Zielsetzung; 8.2 Optimierungsaufgabe
8.2.1 Optimierungsziel

Contributor: März, Lothar [Author]; Krug, Wilfried [Other]; Rose, Oliver [Other]; Weigert, Gerald [Other]

Published: Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg, 2011

Extent: Online-Ressource (XVI, 244S. 100 Abb, digital)

Language: German

DOI: 10.1007/978-3-642-14536-0

ISBN: 9783642145360

Identifier:

RVK notation: ZM 9220 : Fertigungsplanung, CAP
QP 500 : Allgemeines
QP 505 : Automatisierung und Digitalisierung in Produktion, Beschaffung und Lagerhaltung
QP 220 : Allgemeines

Keywords: Produktionssystem > Logistiksystem > Optimierung > Simulation
Logistik > Produktion > Prozessoptimierung > Prozesssimulation

Origination:

Footnote: Includes bibliographical references and index

Description: Einführung -- Simulationsgestützte Optimierung -- Simulation -- Optimierung -- Stell- und Zielgrößen -- Kopplung von Simulation und Optimierung -- Fallbeispiele -- Sachwortregister.

Der Einsatz der simulationsgestützten Optimierung in Produktion und Logistik birgt hohes Potential. Berichte über erfolgreiche Kopplungen von Simulation und Optimierung sind dagegen rar. Simulationsmodelle sind Bewertungsmodelle, die Ergebnisse über das dynamische Verhalten eines Systems für vorgegebene Parameter ermitteln. Durch den meistens intransparenten Zusammenhang zwischen den Ergebnisgrößen und den Parametern eines Simulationsmodells ist eine manuelle Optimierung vor dem Hintergrund zunehmender Prozessverkettungen und wechselnder Systemlasten schwierig. Der Einsatz der mathematischen Optimierung kann in unterschiedlicher Funktion im Zusammenwirken mit der Simulation helfen, bessere und auch schneller verfügbare Zielwerte im Sinne der Aufgabenstellung zu erreichen. Das Buch führt in die simulationsgestützte Optimierung ein, zeigt mögliche Anwendungsfelder und Kopplungsmechanismen auf und erläutert beispielhafte Realisierungen aus der Praxis anhand von Fallbeispielen. Es wendet sich an den Anwender aus der Industrie, der die Möglichkeiten und Potentiale der simulationsgestützten Optimierung im Hinblick auf seine Aufgabenstellungen und Anwendungen überprüfen kann.

Search in field:

Recently searched for: