Optimierung eines praktischen Maschinenbelegungsproblems mittels genetischem Algorithmus (German Edition)
13 Angebote vergleichen

Lieferung aus: Deutschland, Versandkostenfrei.
buecher.de GmbH & Co. KG, [1].
Diplomarbeit aus dem Jahr 2004 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 1,0, Universität Leipzig (Institut für Mathematik), Sprache: Deutsch, Abstract: Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien. Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigen Preisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennoch trotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen dazu angehalten, Möglichkeiten der Kostensenkung zu finden. Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten einsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelle Produktionsplanung und -steuerung notwendig. Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme. Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einer gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfüllt wird. Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu den bekanntesten zählen Branch & Bound Verfahren sowie prioritätsregelbasierte Verfahren. Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedoch aufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefert das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen bei moderater Rechenzeit gute Lösungsqualitäten. Insbesondere genetische Algorithmen scheinen für die Lösung komplexer Optimierungsprobleme besonders gut geeignet zu sein. Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxis einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung bestmöglich plant. Zunächst wird jedoch die Maschinenbelegungsplanung aus theoretischer Sicht innerhalb der Produktionsplanung eingeordnet. Aufgrund der Vielfältigkeit der Maschinenbelegungsprobleme werden diese danach klassifizert. Im Anschluss wird der genetische Algorithmus aus aus mathematischer Sicht erläutert, um dann diese theoretischen Erkenntnisse auf das Praxisbeispiel in einem C Programm anzuwenden. Um einen Performancevergleich zu erhalten, wird ebenfalls kurz das Simulated Annealing theoretisch behandelt und anschließend ebenfals in einem C Programm umgesetzt. Die erzielten Ergebnisse werden grafisch aufbereitet dargestellt. Note: 1,02007. 108 S. 210 mmVersandfertig in 3-5 Tagen, Softcover.

Lieferung aus: Deutschland, sofort lieferbar.
2004, 106 Seiten, Deutsch, Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien.Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigenPreisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennochtrotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmendazu angehalten, Möglichkeiten der Kostensenkung zu finden.Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauchsowie eine Verringerung der Durchlaufzeiten erhebliche Kosteneinsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelleProduktionsplanung und -steuerung notwendig.Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme.Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einergewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfülltwird. Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinen.

Lieferung aus: Vereinigte Staaten von Amerika, zzgl. Versandkosten, Free Shipping on eligible orders over $25, in-stock.
Diplomarbeit aus dem Jahr 2004 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 1,0, Universität Leipzig (Institut für Mathematik), Sprache: Deutsch, Abstract: Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxis einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung bestmöglich plant. Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien. Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigen Preisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennoch trotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen dazu angehalten, Möglichkeiten der Kostensenkung zu finden. Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten einsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelle Produktionsplanung und -steuerung notwendig. Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme. Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einer gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfüllt wird. Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu den bekanntesten zählen Branch & Bound Verfahren sowie prioritätsregelbasierte Verfahren. Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedoch aufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefert das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen bei moderater Rechenzeit gute.

Lieferung aus: Deutschland, E-Book zum Download.
Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien. Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigen Preisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennoch trotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen dazu angehalten, Möglichkeiten der Kostensenkung zu finden. Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten einsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelle Produktionsplanung und -steuerung notwendig. Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme. Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einer gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfüllt wird. Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu den bekanntesten zählen Branch & Bound Verfahren sowie prioritätsregelbasierte Verfahren. Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedoch aufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefert das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen bei moderater Rechenzeit gute Lösungsqualitäten. Insbesondere genetische Algorithmen scheinen für die Lösung komplexer Optimierungsprobleme besonders gut geeignet zu sein. Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxis einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung bestmöglich plant. Zunächst wird jedoch die Maschinenbelegungsplanung aus theoretischer Sicht innerhalb der Produktionsplanung eingeordnet. Aufgrund der Vielfältigkeit der Maschinenbelegungsprobleme werden diese danach klassifizert. Im Anschluss wird der genetische Algorithmus aus aus mathematischer Sicht erläutert, um dann diese theoretischen Erkenntnisse auf das Praxisbeispiel in einem C Programm anzuwenden. Um einen Performancevergleich zu erhalten, wird ebenfalls kurz das Simulated Annealing theoretisch behandelt und anschließend ebenfals in einem C Programm umgesetzt. Die erzielten Ergebnisse werden grafisch aufbereitet dargestellt. Note: 1,0 Diplomarbeit aus dem Jahr 2004 im Fachbereich Wirtschaft - Beschaffung, Produktion, Logistik, Note: 1,0, Universität Leipzig (Institut für Mathematik), Sprache: Deutsch.

Lieferung aus: Deutschland, zzgl. Versandkosten, Versandfertig in 5 - 7 Tagen.
Produktionspraxis. Maschinenbelegung optimieren mittels genetischem Algorithmus, Diplomarbeit aus dem Jahr 2004 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 1,0, Universität Leipzig (Institut für Mathematik), Sprache: Deutsch, Abstract: Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxis einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung bestmöglich plant. Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien. Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigen Preisen, hoher Qualitäat und kurzen Lieferzeiten erfüllen zu können und dennoch trotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen dazu angehalten, Möglichkeiten der Kostensenkung zu finden. Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten einsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelle Produktionsplanung und -steuerung notwendig. Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme. Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einer gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erfüllt wird. Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu den bekanntesten zählen Branch & Bound Verfahren sowie prioritätsregelbasierte Verfahren. Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedoch aufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefert das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen bei moderater Rechenzeit gute Lösungsqualitäten. Insbesondere genetische Algorithmen scheinen für die Lösung komplexer Optimierungsprobleme besonders gut ge.

Lieferung aus: Deutschland, Versandkostenfrei.
Produktionspraxis. Maschinenbelegung optimieren mittels genetischem Algorithmus: Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien.Um die Wünsche nach Sachgütern und Dienstleistungen mit niedrigenPreisen, hoher Qualit?at und kurzen Lieferzeiten erfüllen zu können und dennochtrotz ständig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmendazu angehalten, Möglichkeiten der Kostensenkung zu finden.Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauchsowie eine Verringerung der Durchlaufzeiten erhebliche Kosteneinsparen, ohne dabei Abstriche bei der Qualität zu machen. Dazu ist eine rationelleProduktionsplanung und -steuerung notwendig.Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme.Die Aufgabe besteht darin, eine Zuordnung von Aufträgen zu Maschinen in einergewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmöglich erf?lltwird. Seit den fünfziger Jahren werden die unterschiedlichsten Verfahren zur Lösung von Maschinenbelegungsproblemen vorgeschlagen. Zu denbekanntesten zählen Branch & Bound Verfahren sowie priorit?tsregelbasierte Verfahren.Während Ersteres zwar eine Optimallösung garantiert, dessen Einsatz jedochaufgrund immenser Rechenzeit bei größeren Problemen unmöglich ist, liefertdas zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wieSimulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegenbei moderater Rechenzeit gute Lösungsqualitäten.Insbesondere genetische Algorithmen scheinen für die Lösung komplexer Optimierungsproblemebesonders gut geeignet zu sein.Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionspraxiseinen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegungbestm?glich plant.Zunächst wird jedoch die Maschinenbelegungsplanung aus theoretischer Sichtinnerhalb der Produktionsplanung eingeordnet. Aufgrund der Vielfältigkeit der Maschinenbelegungsprobleme werden diese danach klassifizert. Im Anschluss wird der genetische Algorithmus aus aus mathematischer Sicht erläutert, um dann diese theoretischen Erkenntnisse auf das Praxisbeispiel in einem C Programm anzuwenden. Um einen Performancevergleich zu erhalten, wird ebenfalls kurz das Simulated Annealing theoretisch behandelt und anschließend ebenfals in einem C Programm umgesetzt.Die erzielten Ergebnisse werden grafisch aufbereitet dargestellt.Note: 1,0, Ebook.

Von Händler/Antiquariat, BuySomeBooks [52360437], Las Vegas, NV, U.S.A.
This item is printed on demand. Paperback. Diplomarbeit aus dem Jahr 2004 im Fachbereich Wirtschaft - Beschaffung, Produktion, Logistik, Note: 1, 0, Universitt Leipzig (Institut fr Mathematik), Sprache: Deutsch, Abstract: Markt- und Kundenorientierung stehen im Mittelpunkt moderner Unternehmensstrategien. Um die Wnsche nach Sachgtern und Dienstleistungen mit niedrigen Preisen, hoher Qualitat und kurzen Lieferzeiten erfllen zu knnen und dennoch trotz stndig sinkender Gewinnspannen profitabel zu arbeiten, sind die Unternehmen dazu angehalten, Mglichkeiten der Kostensenkung zu finden. Insbesondere im Produktionsbereich lassen sich durch einen verbesserten Ressourcenverbrauch sowie eine Verringerung der Durchlaufzeiten erhebliche Kosten einsparen, ohne dabei Abstriche bei der Qualitt zu machen. Dazu ist eine rationelle Produktionsplanung und -steuerung notwendig. Die Maschinenbelegungsplanung ist dabei eines der zentralen Probleme. Die Aufgabe besteht darin, eine Zuordnung von Auftrgen zu Maschinen in einer gewissen Reihenfolge zu finden, so dass ein bestimmtes Ziel bestmglich erfllt wird. Seit den fnfziger Jahren werden die unterschiedlichsten Verfahren zur Lsung von Maschinenbelegungsproblemen vorgeschlagen. Zu den bekanntesten zhlen Branch and Bound Verfahren sowie priorittsregelbasierte Verfahren. Whrend Ersteres zwar eine Optimallsung garantiert, dessen Einsatz jedoch aufgrund immenser Rechenzeit bei greren Problemen unmglich ist, liefert das zweite Verfahren meist nur unbefriedigende Ergebnisse. Neuere Verfahren, wie Simulated Annealing, Tabu Search oder genetische Algorithmen liefern hingegen bei moderater Rechenzeit gute Lsungsqualitten. Insbesondere genetische Algorithmen scheinen fr die Lsung komplexer Optimierungsprobleme besonders gut geeignet zu sein. Ziel dieser Arbeit ist es, fr ein konkretes Beispiel aus der Produktionspraxis einen speziellen genetischen Algorithmus zu entwickeln, welcher die Maschinenbelegung bestmglich plant. Zunchst wird jedoch die Maschinenbelegung This item ships from La Vergne,TN.

Von Händler/Antiquariat, Citi Retail [9235530], Lowfield Heath, United Kingdom.
Paperback. Diplomarbeit aus dem Jahr 2004 im Fachbereich Wirtschaft - Beschaffung, Produktion, Logistik, Note: 1,0, Universit t Leipzig (Institut f r Mathematik), Sprache: Deuts.Shipping may be from our UK, US or Australian warehouse depending on stock availability. This item is printed on demand. 112 pages. 0.154.

Lieferung aus: Vereinigtes Königreich Großbritannien und Nordirland, in-stock.
Diplomarbeit aus dem Jahr 2004 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 1,0, Universität Leipzig (Institut für Mathematik), Sprache: Deutsch, Abstract: Ziel dieser Arbeit ist es, für ein konkretes Beispiel aus der Produktionsp.