Die Planung von Produktionssystemen umfasst unter anderem Entscheidungen zu Layout, Kapazitäten, Materialflüssen und Abläufen. Zur Bewertung solcher Planungsalternativen werden Simulationsmodelle eingesetzt, um das Systemverhalten unter realitätsnahen Bedingungen abzubilden. Simulation-Optimization-Ansätze ermöglichen es darüber hinaus, automatisiert verbesserte Planungsentscheidungen abzuleiten, anstatt ausschließlich szenariobasiert zu testen.
Aktuelle Forschungsarbeiten erweitern Simulation-Optimization-Methoden zunehmend um Machine-Learning-Verfahren, beispielsweise zur Beschleunigung von Bewertungsprozessen durch Surrogatmodelle. Diese Entwicklungen versprechen eine leistungsfähige und datengetriebene Produktionsplanung, sind jedoch in ihrer Umsetzung und Anwendungsbreite noch nicht einheitlich etabliert.
Im Rahmen einer Bachelor- oder Studienarbeit soll eine strukturierte Literaturübersicht zu Simulation-Optimization in der Produktionsplanung angefertigt werden. Ziel ist es, wissenschaftliche Beiträge zu identifizieren, anhand geeigneter Kriterien zu klassifizieren und daraus aktuelle Forschungsschwerpunkte sowie offene Fragestellungen abzuleiten. Ein besonderer Fokus liegt auf Ansätzen, bei denen Machine Learning zur Unterstützung von Simulation-Optimization eingesetzt wird.
Bei Interesse melden Sie sich bitte bei Judith Schulze.