Im Mittelpunkt ablauforganisatorischer Aspekte der Produktionsplanung steht die effiziente Gestaltung und Durchführung von Produktionsprozessen. Eine zentrale Problemklasse bildet dabei die mit der zeitlichen Zuordnung von Fertigungsaufträgen zu knappen Produktionsfaktoren befaßte Ablaufplanung. Gegenstand der Arbeit ist die Anwendung künstlicher neuronaler Netzwerke zur Lösung von Ablaufplanungsproblemen. Der Einsatz künstlicher neuronaler Netzwerke gründet dabei auf zwei wesentlichen Überlegungen. Einerseits existiert gegenwärtig noch kein Verfahren, mit dem sich optimale Lösungen für allgemeine Ablaufplanungsprobleme ermitteln lassen, wenn auch nur annähernd realistische Problemgrößen vorliegen. Andererseits werden künstliche neuronale Netzwerke in der Ablaufplanung überwiegend zur Formulierung und Lösung von Optimierungsansätzen verwendet, wobei ihr Lösungspotential nur recht unvollständig ausgeschöpft wird. Die parallele und verteilte Struktur künstlicher neuronaler Netzwerke bietet nämlich zudem ein Potential zur Datenanalyse und Informationsverarbeitung, das die effiziente Nutzung empirischen Problemlösungswissens erlaubt. Die Arbeit untersucht daher, ob künstliche neuronale Netzwerke die Integration dieses Wissens in die Lösung von Problemen ermöglichen, bei denen bisher kaum auf die Verwendung situationsspezifischen Wissens zurückgegriffen wird, und wie eine solche Integration zu gestalten ist.
Im Mittelpunkt ablauforganisatorischer Aspekte der Produktionsplanung steht die effiziente Gestaltung und Durchführung von Produktionsprozessen. Eine zentrale Problemklasse bildet dabei die mit der zeitlichen Zuordnung von Fertigungsaufträgen zu knappen Produktionsfaktoren befaßte Ablaufplanung. Gegenstand der Arbeit ist die Anwendung künstlicher neuronaler Netzwerke zur Lösung von Ablaufplanungsproblemen. Der Einsatz künstlicher neuronaler Netzwerke gründet dabei auf zwei wesentlichen Überlegungen. Einerseits existiert gegenwärtig noch kein Verfahren, mit dem sich optimale Lösungen für allgemeine Ablaufplanungsprobleme ermitteln lassen, wenn auch nur annähernd realistische Problemgrößen vorliegen. Andererseits werden künstliche neuronale Netzwerke in der Ablaufplanung überwiegend zur Formulierung und Lösung von Optimierungsansätzen verwendet, wobei ihr Lösungspotential nur recht unvollständig ausgeschöpft wird. Die parallele und verteilte Struktur künstlicher neuronaler Netzwerke bietet nämlich zudem ein Potential zur Datenanalyse und Informationsverarbeitung, das die effiziente Nutzung empirischen Problemlösungswissens erlaubt. Die Arbeit untersucht daher, ob künstliche neuronale Netzwerke die Integration dieses Wissens in die Lösung von Problemen ermöglichen, bei denen bisher kaum auf die Verwendung situationsspezifischen Wissens zurückgegriffen wird, und wie eine solche Integration zu gestalten ist.
Über den Autor
Dr. Andreas Brandt studierte Betriebswirtschaftslehre an der Universität Bayreuth. Er war wissenschaftlicher Mitarbeiter am Lehrstuhl "Wirtschaftsinformatik" der Universität Bayreuth und ist jetzt als Anwendungsentwickler in der Zentralen Informationsverarbeitung eines großen deutschen Medienkonzerns tätig.
Zusammenfassung
Im Mittelpunkt ablauforganisatorischer Aspekte der Produktionsplanung steht die effiziente Gestaltung und Durchführung von Produktionsprozessen. Eine zentrale Problemklasse bildet dabei die mit der zeitlichen Zuordnung von Fertigungsaufträgen zu knappen Produktionsfaktoren befaßte Ablaufplanung. Gegenstand der Arbeit ist die Anwendung künstlicher neuronaler Netzwerke zur Lösung von Ablaufplanungsproblemen. Der Einsatz künstlicher neuronaler Netzwerke gründet dabei auf zwei wesentlichen Überlegungen. Einerseits existiert gegenwärtig noch kein Verfahren, mit dem sich optimale Lösungen für allgemeine Ablaufplanungsprobleme ermitteln lassen, wenn auch nur annähernd realistische Problemgrößen vorliegen. Andererseits werden künstliche neuronale Netzwerke in der Ablaufplanung überwiegend zur Formulierung und Lösung von Optimierungsansätzen verwendet, wobei ihr Lösungspotential nur recht unvollständig ausgeschöpft wird. Die parallele und verteilte Struktur künstlicher neuronaler Netzwerke bietet nämlich zudem ein Potential zur Datenanalyse und Informationsverarbeitung, das die effiziente Nutzung empirischen Problemlösungswissens erlaubt. Die Arbeit untersucht daher, ob künstliche neuronale Netzwerke die Integration dieses Wissens in die Lösung von Problemen ermöglichen, bei denen bisher kaum auf die Verwendung situationsspezifischen Wissens zurückgegriffen wird, und wie eine solche Integration zu gestalten ist.
Inhaltsverzeichnis
1 Einleitung.- 2 Künstliche neuronale Netzwerke.- 3 Ablaufplanung.- 4 Integration künstlicher neuronaler Netzwerke in die dynamische Ablaufplanung.- 5 Schlußbetrachtung.
