The group scheduling problem commonly arises in cellular manufacturing systems, where parts are grouped into part families. It is characterized by a sequencing task on two levels: on the one hand, a sequence of jobs within each part family has to be identified while, on the other hand, a family sequence has to be determined. In order to solve this NP-hard problem usually heuristic solution approaches are used. In this thesis different aspects of group scheduling are discussed and problem specific heuristics are developed to solve group scheduling problems efficiently. Thereby, particularly characteristic properties of flowshop group scheduling problems, such as the structure of a group schedule or missing operations, are identified and exploited. In a simulation study for job shop manufacturing cells several novel dispatching rules are analyzed. Furthermore, a comprehensive review of the existing group scheduling literature is presented, identifying fruitful directions for future research.

Re-entrant permutation flow shop problems occur in practical applications such as wafer manufacturing, paint shops, mold and die processes and textile industry. A re-entrant material flow means that the production jobs need to visit at least one working station multiple times. A comprehensive review gives an overview of the literature on re-entrant scheduling. The influence of missing operations received just little attention so far and splitting the jobs into sublots was not examined in re-entrant permutation flow shops before. The computational complexity of makespan minimization in re-entrant permutation flow shop problems requires heuristic solution approaches for large problem sizes. The problem provides promising structural properties for the application of a variable neighborhood search because of the repeated processing of jobs on several machines. Furthermore the different characteristics of lot streaming and their impact on the makespan of a schedule are examined in this thesis and the heuristic solution methods are adjusted to manage the problem’s extension.

The group scheduling problem commonly arises in cellular manufacturing systems, where parts are grouped into part families. It is characterized by a sequencing task on two levels: on the one hand, a sequence of jobs within each part family has to be identified while, on the other hand, a family sequence has to be determined. In order to solve this NP-hard problem usually heuristic solution approaches are used. In this thesis different aspects of group scheduling are discussed and problem specific heuristics are developed to solve group scheduling problems efficiently. Thereby, particularly characteristic properties of flowshop group scheduling problems, such as the structure of a group schedule or missing operations, are identified and exploited. In a simulation study for job shop manufacturing cells several novel dispatching rules are analyzed. Furthermore, a comprehensive review of the existing group scheduling literature is presented, identifying fruitful directions for future research.

Re-entrant permutation flow shop problems occur in practical applications such as wafer manufacturing, paint shops, mold and die processes and textile industry. A re-entrant material flow means that the production jobs need to visit at least one working station multiple times. A comprehensive review gives an overview of the literature on re-entrant scheduling. The influence of missing operations received just little attention so far and splitting the jobs into sublots was not examined in re-entrant permutation flow shops before. The computational complexity of makespan minimization in re-entrant permutation flow shop problems requires heuristic solution approaches for large problem sizes. The problem provides promising structural properties for the application of a variable neighborhood search because of the repeated processing of jobs on several machines. Furthermore the different characteristics of lot streaming and their impact on the makespan of a schedule are examined in this thesis and the heuristic solution methods are adjusted to manage the problem’s extension.

Die Bachelorarbeit behandelt die Themen der Selbstorganisation in Produktionssystemen im Kontext von Industrie 4.0. Dabei wird gezeigt, wie man mithilfe von einer Ameisenkolonieoptimierung die Reihenfolgeplanung organisieren kann.:Abbildungsverzeichnis Tabellenverzeichnis Formelverzeichnis 1. Einleitung 1.1. Motivation 1.2. Ziele 1.3. Vorgehensweise 2. Sich selbst organisierende Produktionen 2.1. Begriffserklärung 2.2. Stand der Technik 2.3. Reihenfolgeplanung als ein Problem der Selbstorganisation 2.3.1. Begriffserklärung 2.3.2. Stand der Technik 2.3.3. Umsetzung in einer Selbstorganisation 3. Ameisenkolonieoptimierung 3.1. Begriffserklärung 3.2. Allgemeine Umsetzung 3.3. Konkrete Umsetzungen 3.4. Vor- und Nachteile 3.5. Anwendungsbeispiele 4. Entwicklung einer Ameisenkolonieoptimierung für ein sich selbst organisierendes Produktionssystem 4.1. Analyse des gegebenen sich selbst organisierenden Produktionssystems 4.1.1. Grobanalyse des Systems 4.1.2. Feinanalyse der bisherigen Reihenfolgeplanung 4.2. Entwurf der Reihenfolgeplanung durch Prinzipien der Ameisenkolonieoptimierung 4.3. Implementierung der Prinzipien der Ameisenkolonieoptimierung 5. Empirische Untersuchung der implementierten Ameisenkolonieoptimierung 5.1. Beschreibung der gegebenen Produktionsdaten 5.2. Szenarienuntersuchung zur Funktionsfähigkeit 5.2.1. Schichtwechselszenario 5.2.2. Abnutzungs- und Wartungsszenario 5.2.3. Vergleichsszenario 5.3. Untersuchung hinsichtlich der Laufzeit und des Speicherbedarfs 5.3.1. Laufzeit 5.3.2. Speicherbedarf 6. Zusammenfassung und Ausblick 6.1. Zusammenfassung 6.2. Ausblick Quellenverzeichnis / The bachelor thesis is about self organization in production systems in the context of Industry 4.0. Its about ant colony optimization for scheduling in the production planning.:Abbildungsverzeichnis Tabellenverzeichnis Formelverzeichnis 1. Einleitung 1.1. Motivation 1.2. Ziele 1.3. Vorgehensweise 2. Sich selbst organisierende Produktionen 2.1. Begriffserklärung 2.2. Stand der Technik 2.3. Reihenfolgeplanung als ein Problem der Selbstorganisation 2.3.1. Begriffserklärung 2.3.2. Stand der Technik 2.3.3. Umsetzung in einer Selbstorganisation 3. Ameisenkolonieoptimierung 3.1. Begriffserklärung 3.2. Allgemeine Umsetzung 3.3. Konkrete Umsetzungen 3.4. Vor- und Nachteile 3.5. Anwendungsbeispiele 4. Entwicklung einer Ameisenkolonieoptimierung für ein sich selbst organisierendes Produktionssystem 4.1. Analyse des gegebenen sich selbst organisierenden Produktionssystems 4.1.1. Grobanalyse des Systems 4.1.2. Feinanalyse der bisherigen Reihenfolgeplanung 4.2. Entwurf der Reihenfolgeplanung durch Prinzipien der Ameisenkolonieoptimierung 4.3. Implementierung der Prinzipien der Ameisenkolonieoptimierung 5. Empirische Untersuchung der implementierten Ameisenkolonieoptimierung 5.1. Beschreibung der gegebenen Produktionsdaten 5.2. Szenarienuntersuchung zur Funktionsfähigkeit 5.2.1. Schichtwechselszenario 5.2.2. Abnutzungs- und Wartungsszenario 5.2.3. Vergleichsszenario 5.3. Untersuchung hinsichtlich der Laufzeit und des Speicherbedarfs 5.3.1. Laufzeit 5.3.2. Speicherbedarf 6. Zusammenfassung und Ausblick 6.1. Zusammenfassung 6.2. Ausblick Quellenverzeichnis