Gal, B. (2022). Studie zur anwendungsorientierten Reihenfolgeoptimierung für Remanufacturing-Produktionsplanungssysteme in der Kreislaufwirtschaft [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2022.102007
Circular Economy; Remanufacturing; Production Planing System; Sequence Optimization; Metaheuristic
en
Abstract:
Obwohl die Produktionsplanung von Remanufacturing in der Forschung auf großes Interesse gestoßen ist, können nur wenig reale industrielle Anwendungen wahrgenommen werden. Zusätzlich sind reale Unternehmen mit der Herstellung mehrerer Produkte konfrontiert, wodurch die Produktionsplanung für die Remanufacturing-Produktionsplanungsysteme (RPS) weiter erschwert wird. Dadurch ist es notwendig, jene RPS zu optimieren, bei denen Hersteller mit der Wiederaufbereitung mehrerer Produkte gefordert sind. Zusätzlich sollten optimierte Systeme eine Reihe von Unsicherheiten berücksichtigen, wie z. B. unsichere Qualität, Zeit, Rücklauf und Nachfrage. Aufgrund dieser Unsicherheiten sind Hersteller heuzutage gezwungen kosten- und energieintensive Neuteile zu verwenden. Um diese Probleme zu adressieren, wird in dieser Arbeit eine Reihenfolgeoptimierung eines RPS vorgestellt. Zentral für die Forschungsfrage dieser Arbeit ist, wie durch den Einsatz eines genetischen Algorithmus (in der Programmiersprache Python) der Einsatz von energie- und kostenintensiven Neuteilen durch eine Optimierung des Produktionsablaufs minimiert werden kann. Das Hauptziel dieser Arbeit ist die Entwicklung eines Ansatzes zur Optimierung von RPS zu entwickeln, der die unsichere Qualität der zurückgelieferten Produkte sowieder Variantenvielfalt berücksichtigt. Zusätzlich versucht diese Arbeit, die oben erwähnten Forschungslücken zu schließen, indem ein Verfahren entwickelt wird mit stärkerem Bezug zu industriellen Anwendungen und durch Einbeziehung von Unsicherheiten aus der Realität in die Optimierung. Als Hauptforschungsmethode wird das Prozessmodell von Pfeffer et al. (2007) verwendet, welches aus dem Phasenmodell von Hevner et al. (2004) aus der Design Science abgeleitet wurde. Zusätzlich gibt eine bibliometrische sowie systematische Literaturanalyse den Überblick des aktuellen Forschungsstandes wieder. Die Ergebnisse sind anhand eines realen industriellen Anwendungsfalles von einem Gasmotorenherstellers dargestellt. Eine diskrete Ereignissimulation (DES) in Anylogic wird zu Evaluierungszwecken nach der VDI 3633 (2020a) verwendet, wobei die Ergebnisse des Optimierers mit Benchmarks der aktuellen Produktionsplanung des Gasmotorenherstellers verglichen werden. Die Optimierung bringt eine Gesamtverbesserung des kosten- und energieintensiven Neuteilbedarfs von 45,76 Prozent.
de
Although production planning in remanufacturing systems has attracted great interest from the research community, only a couple of real industrial applications can be perceived.Additionally, in real cases, companies are faced with manufacturing multiple products,which further complicates remanufacturing production planning (RPS). Therefore,there is a need to optimise RPS where manufacturers are involved in remanufacturing multiple products. Also optimized systems should consist of a number of uncertainties,such as uncertain quality, time, return and demand. Because of these uncertainties the manufacturers have to use new parts or components – with both higher environmental impacts, as well as costs.This paper presents a production plan scheduler for a remanufacturing system - focusing on disassembly, machining and reassembly of parts. From the above findings, the central research question for this work results in how to minimize the use of energy- andcost-intensive new parts by optimizing the production flow through the use of a geneticalgorithm (in the Python programming language). The main objective of this work is todevelop an approach to optimize the RPS, under the uncertain quality of the returned products as well as the variety of variants. Secondarily, this work attempts to fill there search gaps mentioned above by developing a method more related to industrial applications and by incorporating real-world uncertainties into the optimization. The main research method used is the process model of Pfeffer et al. (2007), which was derived fromthe phase model of Hevner et al. (2004) from Design Science. In addition, a bibliometricas well as systematic literature analysis gives the state of the art of research. The resultsare presented based on a real industrial use case from a gas engine manufacturer. A discrete event simulation (DES) in Anylogic is used for evaluation purposes according to VDI 3633 (2020a) and the results of the optimizer are compared to benchmarks of the gasengine manufacturer’s current production scheduling. The optimization yields an overall improvement of 45.76 percent in the costly and energy-intensive need for new parts.
en
Additional information:
Zusammenfassung in englischer Sprache Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers