Sie befinden Sich nicht im Netzwerk der Universität Paderborn. Der Zugriff auf elektronische Ressourcen ist gegebenenfalls nur via VPN oder Shibboleth (DFN-AAI) möglich.
mehr Informationen...
ger: Das anhaltende Wachstum der Produktvielfalt in der Automobilindustrie bringt viele Herausforderungen mit sich. Einzelne Montagelinien werden für eine Vielzahl unterschiedlicher Fahrzeuge ausgelegt. Um trotz ungleicher Bearbeitungszeiten der Aufträge eine hohe Auslastung der Montagelinien zu gewährleisten, ist eine effiziente Produktionsplanung und -steuerung notwendig. In dieser Arbeit wird der Mixed-Model-Sequencing Ansatz zur Optimierung der Einsteuerung verwendet. In diesem Prozess wird die endgültige Montagereihenfolge bestimmt. Dazu muss kurzfristig auf unerwartete Ereignisse reagiert werden, die eine Veränderung der ursprünglich geplanten Sequenz erzwingen. Es wird zunächst ein statisches Resequenzierungsproblem betrachtet, das beim Integrieren von Aufträgen in eine gegebene Sequenz zu lösen ist. Aufgrund der Komplexität des untersuchten Problems liegt der Fokus auf der Entwicklung heuristischer Methoden. Diese werden in den dynamischen Kontext bei Betrachtung kompletter Produktionsschichten eingebettet. Die Anpassung der Modelle und Verfahren an alle relevanten Praxisaspekte nimmt eine wesentliche Rolle ein. Die Ansätze werden hinsichtlich verschiedener Ziele analysiert und bewertet. Dazu werden reale Produktionsdaten verwendet, um insbesondere die Praxistauglichkeit der entwickelten Algorithmen zu garantieren.
eng: The continuous growth of product diversity in the automotive industry involves many challenges. Single assembly lines are designed to handle a large number of different cars. To ensure a high capacity utilization of these assembly lines despite diverging workloads of the orders, efficient production planning and controlling is mandatory. In this work the mixed-model-sequencing approach is applied to optimize the production controlling process. This process determines the final production sequence. The production sequence is transformed in the short term based on unforeseen events that force alterations of the planned sequence. First a static resequencing problem is considered that must be solved when inserting orders into a given sequence. Due to the high complexity of this problem the focus is put on the development of heuristic methods. These methods are embedded into the dynamic context to consider entire production shifts. The adaptation of the models and procedures to all practice-oriented features is an essential part of the work. The approaches are analyzed and valued regarding different objectives. Therefore, real production data have been used to ensure the suitability for practical use of the developed algorithms.