In diesem Artikel wird ein Verfahren für die Materialbedarfsplanung beschrieben, welches sowohl Ressourcenkapazitäten als auch minimale Losgrößen bei der Erstellung eines Materialbedarfsplans berücksichtigt. Das Verfahren basiert auf einem Regulator Algorithmus (RGA). Die Leistungsfähigkeit des RGA wird beurteilt, indem der RGA mit zwei weiteren Algorithmen der Materialbedarfsplanung, nämlich dem genetischen Algorithmus und dem Material Requirements Planning (MRP), verglichen wird. Die Leistung der Implementierung des RGA, des genetischen Algorithmus und des MRP-Verfahrens wird anhand von Messgrößen gemessen. Als Messgrößen werden Leistungskennzahlen verwendet, die im Rahmen eines Experiments jeweils für den RGA, den genetischen Algorithmus und das Material Requirements Planning berechnet werden. Anschließend werden die von den Algorithmen im Rahmen eines Experiments erzielten Kennzahlwerte miteinander verglichen, um die Leistung der Implementierungen der drei Algorithmen zu beurteilen.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Materialbedarfsplanung unter Berücksichtigung von Ressourcenkapazität und minimaler Losgröße durch einen RGA

  • Matthias Hubert

摘要

In diesem Artikel wird ein Verfahren für die Materialbedarfsplanung beschrieben, welches sowohl Ressourcenkapazitäten als auch minimale Losgrößen bei der Erstellung eines Materialbedarfsplans berücksichtigt. Das Verfahren basiert auf einem Regulator Algorithmus (RGA). Die Leistungsfähigkeit des RGA wird beurteilt, indem der RGA mit zwei weiteren Algorithmen der Materialbedarfsplanung, nämlich dem genetischen Algorithmus und dem Material Requirements Planning (MRP), verglichen wird. Die Leistung der Implementierung des RGA, des genetischen Algorithmus und des MRP-Verfahrens wird anhand von Messgrößen gemessen. Als Messgrößen werden Leistungskennzahlen verwendet, die im Rahmen eines Experiments jeweils für den RGA, den genetischen Algorithmus und das Material Requirements Planning berechnet werden. Anschließend werden die von den Algorithmen im Rahmen eines Experiments erzielten Kennzahlwerte miteinander verglichen, um die Leistung der Implementierungen der drei Algorithmen zu beurteilen.