Optimale Torpedo-Einsatzplanung – Analyse und Lösung eines Ablaufplanungsproblems der Stahlindustrie

Chapter

Zusammenfassung

Der vorliegende Beitrag beschreibt ein Lösungsverfahren für ein komplexes Problem der Stahlproduktion, vorgeschlagen von der Association for Constraint Programming (ACP) für den ACP Challenge 2016, einem Implementierungswettbewerb der 22ndInternational Conference on Principles and Practice of Constraint Programming. Gegenstand der Problemstellung ist die detaillierte Ablaufplanung von Torpedowagen innerhalb eines Stahlwerks, welche flüssiges Roheisen zu weiterverarbeitenden Produktionsstufen transportieren. Die Optimierung der Abläufe erfolgt hierbei unter Berücksichtigung multipler Zielsetzungen und zahlreicher Nebenbedingungen, wie z.B. gegebener Ressourcenbeschränkungen und einzuhaltender Zeitrestriktionen.

Aufbauend auf die Herleitung unterer Schranken für die Qualität der ermittelbaren Lösungen schlägt der Beitrag ein Lösungsverfahren auf der Basis einer Baumsuche vor. Wir wenden dieses auf die Instanzen des ACP Challenge an und untersuchen die Leistungsfähigkeit der hier vorgestellten Lösungsideen. Nachdem alle Datensätze der Vorrunde des Wettbewerbs optimal gelöst wurden, schnitt unsere Implementierung mit einem dritten Gesamtrang der Finalrunde des ACP Challenges 2016 ab.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. P. Brucker; A. Drexl; R. Möhring; K. Neumann; E. Pesch (2001). Resource-constrained project scheduling: notation, classiffication, models, and methods. European Journal of Operational Research, 130, 449 – 467.Google Scholar
  2. Burkard, R.; Dell’Amico, M.; Martello, S. (2009). Assignment Problems: Revised Reprint, SIAM Society for Industrial and Applied Mathematics, Philadelphia [PA].Google Scholar
  3. Demeulemeester, E. L.; Herroelen, W. S. (2002). Project Scheduling: A Research Handbook. Kluwer Academic Publishers, Boston [MA].Google Scholar
  4. Ebermann, E. (2013). Simulation und Optimierung logistischer Prozesse in der Wärmebehandlung von Stahl. Shaker, Aachen.Google Scholar
  5. Geiger, M. J. (2016). MISTA 2013 Challenge – sourcecode of my contribution [doi:10.17632/cw95t56hjv.1].Google Scholar
  6. Geiger, M. J. (2017). A multi-threaded local search algorithm and computer implementation for the multi-mode, resource-constrained multi-project scheduling problem. European Journal of Operational Research, 256 (3), 729 – 741.Google Scholar
  7. Korf, R. E. (1999). Artificial Intelligence Search Algorithms. In: Atallah, M. J. (Hrsg.). Algorithms and Theory of Computation Handbook, CRC Press, Boca Raton [FL], London, New York [NY].Google Scholar
  8. Kumakura, M. (2013). Advances in Steel Refining Technology and Future Prospects, Technischer Bericht (Nummer 104 - August). Nippon Steel, Steelmaking Technical Department, Tokio.Google Scholar
  9. Lüngen, H.-B.; Fandrich, R.; Schlothmann, B.-J. (2016). Roheisen- und Rohstahlerzeugung, URL: http://www.stahl-online.de/index.php/themen/stahltechnologie/stahlerzeugung/ (Zugriff 14/10/2016).
  10. Schaus, P. (2016). ACP Challenge – Ranking, URL: http://cp2016.a4cp.org/program/acp-challenge-app/ (Zugriff 14/10/2016).
  11. Pierre Schaus, P.; Dejemeppe, C.; Mouthuy, S.; Mouthuy, F.-X.; Allouche, D.; Zytnicki, M.; Pralet, C.; Barnier, N. (2016). The Torpedo Scheduling Problem: Description, URL: http://cp2016.a4cp.org/program/acp-challenge/problem.html (Zugriff 14/10/2016).
  12. Van Peteghem, V.; Vanhoucke, M. (2014). An experimental investigation of metaheuristics for the multi-mode resource-constrained project scheduling problem on new dataset instances. European Journal of Operational Research, 235 (1), 62 – 72.Google Scholar
  13. Zimmermann, J.; Stark, C.; Rieck, J. (2010). Projektplanung – Modelle, Methoden, Management. Springer, Berlin.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2017

Authors and Affiliations

  1. 1.Betriebswirtschaftslehre, insbesondere Logistik ManagementHelmut-Schmidt-Universität HamburgHamburgDeutschland

Personalised recommendations