Abstract
Dieses Papier führt eine energieorientierte Heuristik für Smart Manufacturing ein. Der Kern der Heuristik ist eine Dispatching-Regel, die zwei verschiedene Entscheidungsarten (Ebenen) unterstützt: (1) ob Nachtschichten besetzt werden sollen oder nicht und (2) ob eine bestimmte Maschine gestoppt werden soll oder nicht. Während bestehende Ansätze häufig die energieorientierte Maschinensteuerung in den Fokus stellen, vernachlässigen sie typischerweise die deutlich höheren Kostenfolgen der Verfügbarkeit von Nachtpersonal. Dieses Papier schließt diese Lücke, indem es sowohl maschinen- als auch systembezogene Entscheidungen in einer einheitlichen Heuristik kombiniert. Die Entscheidung basiert auf dem aktuellen (tageszeitabhängigen) Energiepreis und der aktuellen Auslastung im Produktionssystem, unter Verwendung vordefinierter Schwellenwerte für beide Kriterien. Zur Bewertung der vorgeschlagenen Heuristik wird sie in ein stochastisches Multi-Item-Multi-Stage-Simulationsmodell eines Fertigungssystems eingebettet. Die Kostenaspekte umfassen Energie-, produktionslogistische sowie Arbeitskosten für die Besetzung der Nachtschichten. Die Rechenergebnisse bestätigen, dass der Zielkonflikt zwischen diesen Kostenfaktoren durch die Parametrisierung der zugrunde liegenden Dispatching-Regel – insbesondere durch die Wahl der konkreten Schwellenwerte – effektiv gesteuert werden kann. Zudem zeigt sich, dass die niedrigsten Gesamtkosten erzielt werden, wenn Nachtschichten nur bei sehr niedrigen Energiepreisen aktiviert werden. Auf der unteren (Maschinen-)Ebene erweist es sich als vorteilhaft, Maschinen auch bei moderaten Energiepreisen oder geringer Auslastung weiterlaufen zu lassen, um zu vermeiden, dass zu viel Arbeitsinhalt in die Nachtschichten verschoben wird.
| Translated title of the contribution | Energieeffiziente Schichtbesetzung und Maschinenstopps: eine schwellwertbasierte zweistufige Heuristik |
|---|---|
| Original language | English |
| Title of host publication | International Conference on Industry of the Future and Smart Manufacturing 2025 |
| Publication status | Accepted/In press - 2025 |