Refine
Year of publication
Document Type
- conference proceeding (article) (64)
- Article (49)
- Part of a Book (7)
- Book (6)
- conference proceeding (presentation, abstract) (5)
- Report (3)
- conference talk (1)
- Part of Periodical (1)
Is part of the Bibliography
- no (136)
Keywords
- Produktionsplanung (17)
- Hierarchische Produktionsplanung (12)
- Ablaufplanung (9)
- Enterprise-Resource-Planning (9)
- PPS (9)
- Simulation (9)
- Flow-shop-Problem (7)
- Reihenfolgeproblem (6)
- Fertigungsprogrammplanung (5)
- Optimierung (5)
Institute
Begutachtungsstatus
- peer-reviewed (59)
A large number of researchers have addressed social aspects in hierarchical production planning. This article responds to research gaps identified in our previous literature review. Accordingly, consideration of social aspects and the economic implications of social improvements are required in a longer term planning approach. For this, we integrate work intensity as employee utilization in a general mixed-integer programming model for master production scheduling. Following existing fatigue functions, we represent the relationship between work intensity and exhaustion through an employee-utilization-dependent exhaustion function. We account for the economic implications through exhaustion-dependent capacity load factors. We solve our model with a CPLEX standard solver and analyze a case study based on a realistic production system and numerical data. We demonstrate that the consideration of economic implications is necessary to evaluate social improvements. Otherwise, monetary disadvantages are overestimated, and social improvements are, thus, negatively affected. Moreover, from a certain level of work-intensity reduction, demand peaks are smoothed more by pre-production, which requires more core employees, while temporary employment is reduced. Further potential may arise from considering and quantifying other interdependencies, such as employee exhaustion and employee days off. In addition, the relationship between social working conditions and employee turnover can be integrated.
Die Konformitätsanalyse ist eine Technik der statischen Code-Analyse (SCA) zur Software-Qualitätssicherung. Ihr Kernproblem ist, dass Werkzeuge nicht aus bereits eingetretenen Fehlern automatisiert dazulernen. Zur Lösung wurde in dieser Arbeit das maschinelle Lernen (ML) evaluiert, indem ein wissenschaftlich fundierter und praktisch erprobter Ansatz zur unüberwachten Lerntechnik angewandt und das Ergebnis analysiert wurde. Es wurde festgestellt, dass zur Anwendung auf verschiedene Programmiersprachen nur ein sprachspezifisches API Mining-Tool notwendig ist. Ein derartiges Tool durchsucht in parallelisierter Form Codezeilen und normalisiert sie für maschinelle Lernprozesse. Dieses System wurde für die Programmiersprache C# implementiert, da viele Industrieprojekte in dieser Sprache entwickelt werden. Zur funktionalen Validierung wurde in einer Fallstudie gezeigt, dass Regeln mit einem positiven Effekt auf Software-Qualität gelernt wurden. Konkret wurde der Wartungsaufwand eines Code-Smells in einem Beispielprojekt durch das Auslagern einer gelernten Assoziation in eine gemeinsame Methode um den Faktor 30 reduziert. Die Laufzeit des Algorithmus wurde empirisch in acht open-source Repositorys evaluiert. Durch Parallelisierung kann eine durchschnittliche Laufzeitverbesserung von 45,16% erwartet werden. Allerdings wurden bei der Anwendung auch Grenzen deutlich: Viele Assoziationen sind nutzlos, die Regelbewertung ist von einem subjektiven Faktor abhängig und die Wirtschaftlichkeit des Tools ist deshalb nicht transparent. Dennoch belegt diese Arbeit, dass ein ML-basiertes SCA-Tool als ergänzende Qualitätssicherungsmaßnahme im Software-Engineering möglich ist.
Digitale Transformation in Echtzeit: Die Ziele von morgen basierend auf dem Datenmodell von gestern
(2022)
Die Digitale Transformation fordert Unternehmen aller Couleur. Ironischer Weise sind es gerade die bisher verwendeten IT-Systeme mit ihren starren Strukturen, die Unternehmen in Ihrer digitalen Trans-formation oft ausbremsen. Auch wenn die Soft-warehersteller längst reagiert haben und neue, flexib-lere Versionen ihrer Produkte anbieten, so ist ein größerer Softwarewechsel immer noch eine Heraus-forderung für Unternehmen und ein Schritt der wohl-überlegt und geplant sein will. In dieser Arbeit wird deshalb ein Vorgehen vorge-stellt, um mittels In-Memory Technologie und Vir-tualisierung zumindest die wichtigsten Ergebnisse der Transformation bereits auf den bestehenden Da-tenmodellen in Echtzeit zu generieren. Dadurch wird genug Zeit gewonnen, um die eigentliche Transfor-mation der IT-Landschaft geplant und mit der not-wendigen Sorgfalt durchzuführen.
This paper proposes two stochastic programming models for master production scheduling with capacity-load factor scenarios. In contrast to other work on production planning with load-dependent lead times or dynamic capacity loads, we iteratively build a set of realistic capacity-load factor scenarios by simulating the realization of the master production schedules in a rolling horizon environment. Therefore, we integrate the models into a hierarchical production planning and control system that is common in industrial practice and measure the effective capacity-load factors. With these factors, we resolve the master production scheduling problem. Toa evaluate the performance of the proposed models, we compare the stochastic models with the common approach to reduce the nominally available capacity for master production scheduling. In our experiments, the stochastic models significantly reduce the tardiness of production orders caused by capacity bottlenecks.
Storage and retrieval times of goods in inventory processes determine the efficiency of highbay warehouses in companies. These times are highly dependent on the performance of rack feeders. Storage strategies have the greatest influence. The paper shows the impact of an efficient control of rack feeders through storage strategies. Storage strategies which are typically used in industrial inventory processes are analysed. For the analysis a simulation system is implemented, so that the real process times are similar to the simulated ones. This results in recommendations for the use of storage strategies in companies.
Robotic Process Automation als Enabler der Digitalen Transformation der OSRAM Continental GmbH
(2022)
Der vorliegende Artikel befasst sich mit der Automa-tisierung von Unternehmensprozessen mit Hilfe von Robotic Process Automation (RPA). Um die zentrale Frage nach den Potentialen von RPA zu beantworten, wurde gemeinsam mit der OSRAM Continental GmbH eine Fallstudie in der Einkaufsabteilung durchgeführt. In dieser Fallstudie werden die Fähigkeiten von Attended RPA sowie die Unterschiede im Vergleich zu einem bereits im Unternehmen beste-henden Workflow-Automation-Systems untersucht. Die Automatisierung hat gezeigt, dass mittels RPA das Automatisierungspotential eindeutig erweitert werden kann. Jedoch wurden ebenso deutlich, dass die Technologie auf bestimmte Aufgaben begrenzt ist und daher ein hybrider Automatisierungsansatz mit beiden Technologien die vielversprechendste Lösung darstellt.
Aufgrund leistungsbedingter Einschränkungen durch die aktuelle Business-Intelligence-Software PowerBI vergleicht die People-Analytics-Abteilung von Vitesco Technologies diese mit der Alternativsoftware SAP Analytics Cloud. Dafür wurden zunächst aktuelle Herausforderungen im People-Analytics-Umfeld identifiziert und basierend darauf Vergleichskriterien erarbeitet. Als Vergleichsmodell kommt das Kano-Modell zum Einsatz. Die durchgeführte Evaluation favorisiert aus funktionaler Sicht einen Umstieg auf die SAP Analytics Cloud, identifiziert allerdings eine Reihe an Herausforderungen, die einen sofortigen Wechsel einschränken. Zu diesen gehören sowohl die Verfügbarkeit als auch die Qualität der HR-Daten.
This paper introduces a novel chaotic flower pollination algorithm (CFPA) to solve a tardiness-constrained flow-shop scheduling problem with simultaneously loaded stations. This industrial manufacturing problem is modeled from a filter basket production line in Germany and has been generally solved using standard deterministic algorithms. This research develops a metaheuristic approach based on the highly efficient flower pollination algorithm coupled with different chaos maps for stochasticity. The objective function targeted is the tardiness constraint of the due dates. Fifteen different experiments with thirty scenarios are generated to mimic industrial conditions. The results are compared with the genetic algorithm and with the four standard benchmark priority rule-based deterministic algorithms of First In First Out, Raghu and Rajendran, Shortest Processing Time and Slack. From the obtained results and analysis of the relative difference, percentage relative difference and t tests, CFPA was found to be significantly better performing than the deterministic heuristics and the GA algorithm.