Dynamische Regelselektion in der Reihenfolgeplanung

Lieferzeit: Lieferbar innerhalb 14 Tagen

59,99 

Prognose von Steuerungsparametern mit Gaußschen Prozessen

ISBN: 3658079819
ISBN 13: 9783658079819
Autor: Heger, Jens
Verlag: Springer Vieweg
Umfang: xx, 167 S., 34 s/w Illustr., 167 S. 34 Abb.
Erscheinungsdatum: 04.12.2014
Auflage: 1/2015
Produktform: Kartoniert
Einband: Kartoniert

Jens Heger stellt ein Verfahren vor, das auf der prioritätsregelbasierten Reihenfolgeplanung aufbaut. Da keine Regel existiert, die in allen Situationen das anvisierte Zielkriterium bestmöglich erreicht, findet eine dynamische Auswahl bzw. Adaption der Regeln statt. Die dafür nötige Wissensbasis wird mit vorgelagerten Simulationsstudien berechnet. Erstmals werden mithilfe der Gaußschen Prozesse Regression Modelle gelernt, die für nicht untersuchte Situationen Prognosen über das Verhalten der Regeln abgeben. Die Evaluation in der Werkstatt- bzw. flexiblen Fließfertigung hat gezeigt, dass die Gaußschen Prozesse zu signifikant besseren Prognoseergebnissen geführt haben und dass dieses neu entwickelte Steuerungsverfahren zu ebensolchen Leistungssteigerungen führte.Der Inhalt – Dynamik und Effizienz in der Produktionslogistik Aufgaben der Produktionsplanung und steuerung Analyse bekannter Ansätze zur Reihenfolgeplanung und Regression Lernverfahren zur Verbesserung der prioritätsbasierten Reihenfolgeplanung Dynamische Selektion von Prioritätsregeln bzw. Adaption ihrer Parameter Die Zielgruppen – Dozierende und Studierende der Informatik und Produktionstechnik bzw. Logistik sowie des Operations Research  Produzierende Unternehmen, Software und Beratungsfirmen im Bereich der Produktionsplanung und steuerung Der AutorDr.Ing. Jens Heger ist tätig im Bremer Institut für Produktion und Logistik an der Universität Bremen mit dem Forschungsschwerpunkt der Reihenfolgeplanung, Prozessoptimierung und des maschinellen Lernens.

Artikelnummer: 7477827 Kategorie:

Beschreibung

Jens Heger stellt ein Verfahren vor, das auf der prioritätsregelbasierten Reihenfolgeplanung aufbaut. Da keine Regel existiert, die in allen Situationen das anvisierte Zielkriterium bestmöglich erreicht, findet eine dynamische Auswahl bzw. Adaption der Regeln statt. Die dafür nötige Wissensbasis wird mit vorgelagerten Simulationsstudien berechnet. Erstmals werden mithilfe der Gaußschen Prozesse Regression Modelle gelernt, die für nicht untersuchte Situationen Prognosen über das Verhalten der Regeln abgeben. Die Evaluation in der Werkstatt- bzw. flexiblen Fließfertigung hat gezeigt, dass die Gaußschen Prozesse zu signifikant besseren Prognoseergebnissen geführt haben und dass dieses neu entwickelte Steuerungsverfahren zu ebensolchen Leistungssteigerungen führte.

Autorenporträt

Dr.-Ing. Jens Heger ist tätig im Bremer Institut für Produktion und Logistik an der Universität Bremen mit dem Forschungsschwerpunkt der Reihenfolgeplanung, Prozessoptimierung und des maschinellen Lernens.

Herstellerkennzeichnung:


Springer Vieweg in Springer Science + Business Media
Abraham-Lincoln-Straße 46
65189 Wiesbaden
DE

E-Mail: juergen.hartmann@springer.com

Das könnte Ihnen auch gefallen …