TU Darmstadt / ULB / TUprints

Multi-stage production planning with special consideration of energy supply and demand

Biel, Konstantin :
Multi-stage production planning with special consideration of energy supply and demand.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2017)

This is the latest version of this item.

[img]
Preview
Dissertation - Text (pdf)
Dissertation_Biel.pdf - Accepted Version
Available under Only rights of use according to UrhG.

Download (4MB) | Preview
Item Type: Ph.D. Thesis
Title: Multi-stage production planning with special consideration of energy supply and demand
Language: English
Abstract:

This cumulative dissertation consists of five papers published in different scientific journals. All five papers are concerned with multi-stage production planning. Due to differing foci of the papers, this dissertation is divided into two parts. Part A embraces Papers 1 to 4 and contributes to a research stream that investigates energy aspects in multi-stage production planning. Part B features Paper 5 and investigates the influence of worker learning and forgetting on multi-stage production systems. Aside from the differing foci, the five papers also vary in the methodologies employed. The first paper presents a systematic review of the state of the art of decision support models for energy-efficient production planning. The remaining four papers develop mathematical models for supporting production planning decisions considering different measures to foster energy efficiency (Papers 2 to 4) and considering human factors (Paper 5). Papers 2 to 4 analytically solve the developed mathematical models. In contrast, Paper 5 draws on discrete-event simulation to derive effective production control policies. The following paragraphs summarize the five papers.

Paper 1 systematically reviews the literature on quantitative decision support models which integrate energy considerations into mid-term and short-term production planning of manufacturing companies. The sampled articles are then classified and synthesized with regard to the characteristics of the modeling approaches representing different energy aspects. Based on the discussion of the sampled articles, Paper 1 identifies future research opportunities in the area of energy-aware production planning and thereby sets the stage for Papers 2 to 4 of this dissertation.

Paper 2 studies how waste heat rejected by manufacturing processes in a two-stage production system can be utilized to foster energy-efficient production planning. Among the different ways of recovering waste heat, Paper 2 focuses on the conversion of waste heat into electricity using an Organic Rankine Cycle (ORC). To this end, it first describes this thermodynamic conversion process mathematically and then integrates it into a lot sizing model such that the electricity from the recovered waste heat supports the energy supply of the production stages. In a next step, Paper 2 proposes a solution procedure which derives optimal values for the lot size, the production rates of the two production stages, and the number of shipments between the two production stages that minimize production- and energy-related costs. In a numerical analysis, Paper 2 investigates how considering waste heat recovery in production planning can effectively reduce energy consumption in manufacturing and how it impacts production planning decisions.

Paper 3 extends the model developed in Paper 2 and studies the use of an ORC-based waste heat recovery system (WHRS) combined with an electrical energy storage system (EESS). With the help of an EESS, generation and consumption of electricity from the WHRS can be decoupled. Using mixed integer linear programming (MILP), Paper 3 proposes a mathematical model that integrates time-varying energy prices alongside the technological processes of the WHRS and the EESS into the production planning problem of a serial multi-stage production system. This MILP model determines when production stages should process and how the WHRS and the EESS should be operated to optimize production- and energy-related costs. In a numerical analysis, Paper 3 examines how attaching an EESS to a WHRS can enhance its relevance for energy-aware production planning, particularly through providing the opportunity to store energy generated from waste heat in times of low energy prices and to then use it in times of high energy prices.

Similar to Papers 2 and 3, Paper 4 also contributes to the research stream on energy-aware production planning. However, in contrast to the preceding papers, it focuses on the integration of onsite wind power into production scheduling of a flow shop system. Coordinating production scheduling and the energy supply from an onsite wind turbine poses a major challenge to researchers and practitioners as the intermittent character of wind power due to the vagaries of wind speed adds a stochastic component to production scheduling. The approach suggested in Paper 4 overcomes this challenge by first generating a large number of wind power scenarios that characterize the variability and the time dependence of wind power over time. A systematically reduced subset of these wind power scenarios subsequently serves as an input to a two-stage stochastic optimization procedure. Based on the reduced wind power scenario set, this procedure first computes a production schedule and energy supply decisions that minimize the total weighted flow time and the expected energy cost. The energy supply decisions derive whether the electricity generated by the wind turbine during a given time slot should be used to support the energy supply of the machines or be fed into the grid and thus determine the amount of electricity that needs to be drawn from the grid to guarantee an uninterrupted energy supply of the machines. These energy supply decisions are adjusted in a second step in real time as the actual wind power data are gradually revealed. In a numerical example, the effectiveness of the procedure in incorporating energy supply from non-dispatchable renewable energy sources (RES) in production scheduling is shown under various conditions.

Part B of this dissertation consists of Paper 5. As Papers 1 to 4, Paper 5 is also concerned with efficiently managing multi-stage production systems. Papers 1 to 4 concentrated on how to effectively tailor the operation of production stages to energy supply from WHRSs or RES and time-varying energy prices. In contrast to these works, Paper 5 focuses on how to attune the operation of production stages to human characteristics such as individual worker learning and forgetting. To this end, Paper 5 first develops a generic simulation model of a serial multi-stage production system subject to learning and forgetting effects. Subsequently, it carries out an extensive simulation experiment to identify parameters of the production stages and their interactions which exercise a significant influence on system performance. Paper 5 then proposes flexible buffer management rules to counteract the impact of adverse production parameter combinations detected in the preceding simulation experiment. In a second simulation experiment, the performance of these buffer management rules is evaluated under various input parameter combinations.

Alternative Abstract:
Alternative AbstractLanguage
Die vorliegende kumulative Dissertation umfasst fünf Artikel, die in verschiedenen wissenschaftlichen Zeitschriften veröffentlicht wurden. Alle fünf Artikel befassen sich mit der Produktionsplanung in mehrstufigen Produktionssystemen. Aufgrund unterschiedlicher Schwerpunkte der Artikel ist die vorliegende Dissertation in zwei Teile unterteilt. Teil A umfasst die Artikel 1 bis 4 und beschäftigt sich mit der Berücksichtigung verschiedener energetischer Aspekte in der mehrstufigen Produktionsplanung. Teil B besteht aus Artikel 5 und untersucht den Einfluss von Lern- und Vergessenseffekten auf den Produktionsfluss in mehrstufigen Produktionssystemen. Abgesehen von den unterschiedlichen inhaltlichen Ausrichtungen unterscheiden sich die Artikel auch im Hinblick auf die verwendeten Methoden. In Artikel 1 wird ein systematischer Überblick über die Literatur zur energieeffizienten Produktionsplanung erstellt. Die verbleibenden vier Artikel entwickeln dagegen mathematische Modelle zur Entscheidungsunterstützung unter Berücksichtigung verschiedener Energieeffizienzmaßnahmen (Artikel 2 bis 4) sowie unter Berücksichtigung menschlicher Faktoren (Artikel 5). Die Artikel 2 bis 4 lösen die aufgestellten mathematischen Modelle analytisch. Artikel 5 setzt dagegen diskrete, ereignisorientierte Simulation ein, um effektive Produktionssteuerungspolitiken herzuleiten. Die folgenden Abschnitte fassen die fünf Artikel kurz zusammen. Artikel 1 durchsucht die Literatur systematisch nach wissenschaftlichen Artikeln, die quantitative Modellierungsansätze zur Berücksichtigung energetischer Aspekte in der Produktionsplanung entwickeln. Die gefundenen Modelle werden anschließend nach kurz- und mittelfristigen Planungsmodellen klassifiziert und auf Basis der mathematischen Modellierung der berücksichtigten energetischen Aspekte verglichen. Aufbauend auf dieser Synthese werden zukünftige Forschungsrichtungen aufgezeigt, welche die Artikel 2 bis 4 aufgreifen. Artikel 2 untersucht, wie die Energieeffizienz eines zweistufigen Produktionssystems durch die Einbindung der Rückgewinnung von Abwärme aus den Produktionsprozessen in die Produktionsplanung gesteigert werden kann. Die Abwärme wird mithilfe eines Organic Rankine Cycles verstromt und zur Unterstützung der Deckung des Energiebedarfs der Produktionsstufen verwendet. Zur Entwicklung eines ganzheitlichen Produktionsplanungsmodells wird zunächst der thermodynamische Prozess der Umwandlung der Abwärme in elektrische Energie mathematisch modelliert. Diese mathematische Modellierung wird im nächsten Schritt in ein zweistufiges Losgrößenmodell integriert. Anschließend wird ein Verfahren zur Lösung dieses integrierten Modells entwickelt, welches diejenigen Werte für die Losgröße, die Transportlosanzahl sowie die Produktionsraten der beiden Produktionsstufen berechnet, welche die Summe aus Produktions- und Energiekosten minimiert. In einer numerischen Studie wird untersucht, unter welchen Rahmenbedingungen das integrierte Produktionsplanungsmodell die Umsetzung von Energieeffizienzzielen fördert und inwiefern die Integration der Abwärmerückgewinnung die Produktionsplanungsentscheidungen beeinflusst. Artikel 3 erweitert das Modell aus Artikel 2, indem zusätzlich zum Abwärmerückgewinnungssystem ein Energiespeicher betrachtet wird. Dadurch kann die aus der Abwärme rückgewonnene Energie bei Bedarf gespeichert werden, wodurch Energierückgewinnung und Nutzung der rückgewonnen Energie zeitlich entkoppelt werden. Zur Einbindung des Energiespeichers in das Produktionsplanungsmodell eines seriellen, mehrstufigen Produktionssystems werden zunächst die Lade- und Entladevorgänge des Energiespeichers mathematisch modelliert und in ein gemischt-ganzzahliges lineares Optimierungsmodell integriert. Dieses Optimierungsmodell berechnet, in welchen Perioden im Planungshorizont die Produktionsstufen produzieren sollen und wie der Energiespeicher betrieben werden soll, um die Summe aus Produktions- und Energiekosten zu minimieren. Abschließend wird in einer numerischen Studie die Leistungsfähigkeit des Optimierungsmodells unter Berücksichtigung zeitabhängiger Energiepreise untersucht. Wie die Artikel 2 und 3 entwickelt auch Artikel 4 ein mathematisches Modell zur energieeffizienten Produktionsplanung. Im Unterschied zu den Artikeln 2 und 3 setzt Artikel 4 dabei jedoch nicht auf Unterstützung der Energieversorgung des Produktionssystems durch Abwärmerückgewinnung, sondern durch Windkraftanlagen. Eine große Herausforderung der Integration von Windenergie in die Produktionsplanung erwächst aus der Unsicherheit der Energiebereitstellung durch Windkraftanlagen infolge sich im Zeitablauf teilweise stark verändernder Windgeschwindigkeiten. Zur Abbildung der Variabilität der generierten Windenergie wird in Artikel 4 zunächst eine große Menge an Szenarien erzeugt, welche die in den jeweiligen Planungsperioden zur Verfügung stehende Windenergie beschreiben. Eine systematisch reduzierte Teilmenge dieser Szenarien dient im nächsten Schritt als Eingabeparameter für ein gemischt-ganzzahliges lineares Optimierungsmodell, welches vor Beginn des Planungszeitraums einen Maschinenbelegungs- und einen Energiebezugsplan für ein mehrstufiges Flow-Shop-System berechnet. Das Ziel des Optimierungsmodells besteht in der gleichzeitigen Minimierung der gewichteten Durchlaufzeit sowie der erwarteten Energiekosten. Der Energiebezugsplan, welcher festlegt, ob die vom Produktionssystem benötigte Energie von den Windkraftanlagen bezogen wird oder aus dem Stromnetz bezogen werden muss, wird anschließend sukzessive in jeder Planungsperiode angepasst, wenn die realen Windgeschwindigkeiten und damit die reale Energiebereitstellungskapazität der Windkraftanlagen feststehen. In einer numerischen Studie wird schließlich das integrierte Produktionsplanungsmodell unter unterschiedlichen Windbedingungen und zeitabhängigen Energiepreisen evaluiert. In Teil B der Dissertation beschäftigt sich Artikel 5 ebenfalls mit der effizienten Steuerung mehrstufiger Produktionssysteme. Während sich die Artikel 1 bis 4 mit der effizienten Abstimmung von Produktionsentscheidungen auf die Bereitstellung von rückgewonnener Produktionsprozessabwärme und Windenergie fokussierten, stellt Artikel 5 die effiziente Abstimmung von Produktionsentscheidungen auf menschliche Faktoren wie Lernen und Vergessen ins Zentrum der Betrachtung. Zu diesem Zweck wird zunächst ein diskretes, ereignisorientiertes Simulationsmodel entwickelt, welches ein serielles, mehrstufiges Produktionssystem unter Berücksichtigung von Lernen und Vergessen der zuständigen Arbeiter beschreibt. In einer zweigeteilten Simulationsstudie werden im ersten Schritt Produktionsparameter identifiziert, welche die Systemleistung in signifikanter Weise beeinflussen. Darauf aufbauend werden flexible Puffermanagementregeln erarbeitet, mit deren Hilfe vorher identifizierte, negative Einflüsse bestimmter Produktionsparameter eingeschränkt werden sollen. Im zweiten Teil der Simulationsstudie wird die Leistungsfähigkeit der Puffermanagementregeln unter diversen Produktionsparameterszenarien systematisch überprüft.German
Place of Publication: Darmstadt
Classification DDC: 300 Sozialwissenschaften > 310 Statistik
300 Sozialwissenschaften > 330 Wirtschaft
500 Naturwissenschaften und Mathematik > 500 Naturwissenschaften
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
600 Technik, Medizin, angewandte Wissenschaften > 650 Management
600 Technik, Medizin, angewandte Wissenschaften > 670 Industrielle Fertigung
Divisions: 01 Law and Economics > Betriebswirtschaftliche Fachgebiete > Fachgebiet Produktion und Supply Chain Management
Date Deposited: 06 Dec 2017 12:19
Last Modified: 06 Dec 2017 12:19
URN: urn:nbn:de:tuda-tuprints-70082
Referees: Glock, Prof. Dr. Christoph and Lange, Prof. Dr. Anne
Refereed: 23 November 2017
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/7008
Export:

Available Versions of this Item

Actions (login required)
View Item View Item

Downloads

Downloads per month over past year