Artikel
Lizenziert
Nicht lizenziert Erfordert eine Authentifizierung

Dynamische Disposition in rückführungslogistischen Systemen

  • und
Veröffentlicht/Copyright: 17. Mai 2018
Veröffentlichen auch Sie bei De Gruyter Brill
Manuskript einreichen Informationen für Autor*innen
Zeitschrift für wirtschaftlichen Fabrikbetrieb
Aus der Zeitschrift Zeitschrift für wirtschaftlichen Fabrikbetrieb Band 105 Heft 10

Kurzfassung

Die Rückführungslogistik wird in den kommenden Jahren an Relevanz gewinnen. Dies liegt zum einen an der langfristigen Rohstoffentwicklung und zum anderen an der Möglichkeit, Primärrohstoffe durch Sekundärrohstoffe zu substituieren. Der Bereich der Rückführungslogistik unterliegt in der Materialrückführung starken dynamischen Schwankungen, welche die Disposition der Sekundärrohstoffproduktion negativ beeinflussen. Ein multiagentenbasiertes, dynamisches Dispositionsmodell kann hier Abhilfe schaffen. Gegenstand des Beitrags ist die Vorstellung des genannten Modells, das Handlungsempfehlungen für Unternehmen generieren soll.

Abstract

In the last years the importance of reverse logistics was rising within scientific publications. Probably the relevance will rise in the next years, due to the long-term evolution of raw materials and the possibility of the usage of high-quality secondary raw materials. The dynamic characteristics of materials while returning into the production processes influence the production scheduling of secondary raw materials. A model of multi-agent based, dynamic scheduling rules can produce relief in this situation. The detailed consideration of this model will be the main subject of this article and should be supportive to companies in their decision-making processes.

Prof. Dr.-Ing. habil. Dieter Specht leitet den Lehrstuhl für Produktionswirtschaft an der Brandenburgischen Technischen Universität Cottbus.

Dipl.-Verkehrswirtschaftler Dirk Braunisch ist Wissenschaftlicher Mitarbeiter am Lehrstuhl für Produktionswirtschaft. Seine Arbeitsschwerpunkte sind Logistikmanagement und Informationssysteme.

References

1 Mercado, S. V.: Ökonomische Substitutionspotentiale für natürliche Rohstoffe durch Sekundärrohstoffe. Europäische Hochschulschriften: Reihe 5, Volks- und Betriebswirtschaft; Bd. 1810, Lang, Frankfurt am Main1995, S. 27Suche in Google Scholar

2 De Brito, M. P.; Dekker, R.: A Framework for Reverse Logistics. In: Dekker, R.; Fleischmann, M.; Inderfurth, K.; van Wassenhove, L. N. (Hrsg.): Reverse Logistics – Quantitative Models for Closed-loop Supply Chains. Springer-Verlag, Berlin, Heidelberg200310.1007/978-3-540-24803-3_1Suche in Google Scholar

3 Kreislaufwirtschafts- und Abfallgesetz vom 27. September 1994 (BGBl. I S. 2705), das zuletzt durch Artikel 3 des Gesetzes vom 11. August 2009 (BGBl. I S. 2723) geändert worden istSuche in Google Scholar

4 Clausen, U.; Nikel, A.: Ressourcenlogistik – Neue Chancen in Zeiten knapper Rohstoffe. In: Wolf-Kluthausen, H. (Hrsg): Jahrbuch Logistik 2007, free beratung GmbH, Korschenbroich 2007Suche in Google Scholar

5 Wutz, A.: Das Produktalterungsmodell und deterministische Losgrößenmodelle im Rahmen von Reverse Logistics. Verlag Dr. Kovac, Hamburg2008, S. 15–35Suche in Google Scholar

6 Dutz, E.: Die Logistik der Produktverwertung. Huss Verlag, München1996, S. 19–22Suche in Google Scholar

7 Wildemann, H.: Trends in der Distributions- und Entsorgungslogistik – Ergebnisse einer Delphi-Studie. TCW Transfer-Centrum GmbH, München1997, S. 48–49Suche in Google Scholar

8 Fleischmann, M.: Quantitative Models for Reverse Logistics. Springer-Verlag, Berlin, Heidelberg2001, S. 1910.1007/978-3-642-56691-2Suche in Google Scholar

9 Gudehus, T.: Dynamische Disposition – Strategien zur optimalen Auftrags- und Bestandsdisposition. Springer-Verlag, Berlin, Heidelberg2006, S. 1–9Suche in Google Scholar

10 Meier, H. W.: Methoden und Werkzeuge zur Sollentwicklung EDV-gestützter Dispositionssysteme. Europäische Hochschulschriften: Reihe 5, Volks- und Betriebswirtschaft; Bd. 638, Lang, Frankfurt am Main1985, S. 109–116Suche in Google Scholar

11 Ouelhadj, D.; Petrovic, S.: A survey of dynamic scheduling in manufacturing systems. Journal of Scheduling12 (2009) 4, S. 417–43110.1007/s10951-008-0090-8Suche in Google Scholar

12 Gudehus, T.: Dynamische Märkte – Praxis, Strategien und Nutzen für Wirtschaft und Gesellschaft. Springer-Verlag, Berlin, Heidelberg2007, S. 232Suche in Google Scholar

13 Blohm, H.; Beer, T.; Seidenberg, U.; SilberH.: Produktionswirtschaft. NWB, Hamm2008, S. 405Suche in Google Scholar

14 Chan, F. T. S.; Chan, H. K.: Dynamic scheduling for a flexible manufacturing system – The pre-emptive approach. The International Journal of Advanced Manufacturing Technology17 (2001) 10, S. 760–76810.1007/s001700170122Suche in Google Scholar

15 Yamamoto, M.; Nof, S. Y.: Scheduling/rescheduling in the manufacturing operating system environment. International Journal of Production Research23 (1985) 4, S. 705–72210.1080/00207548508904739Suche in Google Scholar

16 Abumaizar, R. J.; Svestka, J. A.: Rescheduling job shops under random disruptions. International Journal of Production Research35 (1997) 7, S. 2065–208210.1080/002075497195074Suche in Google Scholar

17 Bean, J. C.; Birge, J. R.; Mittenthal, J.; Noon, C. E.: Match up Scheduling with Multiple Resources Release Dates and Disruptions. Journal of Operations Research39 (1991) 3, S. 471–48310.1287/opre.39.3.470Suche in Google Scholar

18 Reeves, C. R.: Modern Heuristic Techniques for Combinatorial Problems. Halsted Press, New York1993Suche in Google Scholar

19 Chryssolouris, G.; Subramaniam, V.: Dynamic Scheduling of Manufacturing Job Shops Using Genetic Algorithms. Journal of Intelligent Manufacturing12 (2001) 3, S. 281–29310.1023/A:1011253011638Suche in Google Scholar

20 Glover, F.; Laguna, M.: Tabu Search. Kluwer Academic, Boston199710.1007/978-1-4615-6089-0Suche in Google Scholar

21 Pham, D. T.; Karaboga, D.: Intelligent Optimisation Techniques: Genetic Algorithms, Tabu Search, Simulated Annealing and Neural Networks. Springer-Verlag, London200010.1007/978-1-4471-0721-7_3Suche in Google Scholar

22 Kerr, R. M.; Szelke, E.: Artificial Intelligence in Reactive Scheduling. Chapmann & Hall, London199510.1007/978-0-387-34928-2Suche in Google Scholar

23 Zweben, M.; Fox, M. S.: Intelligent Scheduling. Morgan Kaufmann, San Francisco1994Suche in Google Scholar

24 Nagurney, A.; Toyasaki, F.: Reverse Supply Chain Management and Electronic Waste Recycling: A Multitiered Network Equilibrium Framework for e-Cycling. Transportation Research Part E41 (2005) 1, S. 1–2810.1016/j.tre.2003.12.001Suche in Google Scholar

25 Cowling, P.; Ouelhadj, D.; Petrovic, S.: Multi-agent Systems for Dynamic Scheduling. In: Garagnani, M. (Hrsg.): Proceedings of the 19th Workshop of the UK Planning and Scheduling Special Interest Group. The Open University, UK2000Suche in Google Scholar

26 Kouiss, K.; Pierreval, H.; Mebarki, N.: Using Multi-agent Architecture in FMS for Dynamic Scheduling. Journal of Intelligent Manufacturing8 (1997) 1, S. 41–4710.1023/A:1018540317470Suche in Google Scholar

Online erschienen: 2018-05-17
Erschienen im Druck: 2010-10-27

© 2010, Carl Hanser Verlag, München

Artikel in diesem Heft

  1. Editorial
  2. Akzeptanz für neue Technologien
  3. Inhalt/Contents
  4. Inhalt
  5. Ehrungen
  6. Große Ehre für Berliner Produktionsforscher
  7. Interview
  8. Geschäftsmodell Deutschland und Globalisierung
  9. Berliner Kreis-Mitteilungen
  10. Methodische Nachhaltigkeitsbewertung von Maschinenkomponenten im Entwicklungsprozess
  11. inpro-Innovationsakademie
  12. Produktionsinnovationen als wissenschaftliche Herausforderung
  13. Wirtschaftlich Produzieren
  14. Bohrwerkzeuge aus Keramik – sind sie CFK gewachsen?
  15. Reproduzierbare Fertigung in innovativen Prozessketten
  16. Dynamische Disposition in rückführungslogistischen Systemen
  17. Produktionskennlinien im dynamischen Umfeld
  18. Energieproduktivität
  19. Energiewertstrom
  20. Analyse von Leistungsmessungen
  21. Mitarbeiterqualifizierung
  22. Standortspezifische Gestaltung der Aufbau- und Ablauforganisation
  23. Schulung und Fortbildung im industriellen Umfeld
  24. Wissensmanagement
  25. Wissensmanagement bei Produktwechselprojekten
  26. Wissensbasierte Entscheidungsunterstützung im operativen Fehlmengenmanagement
  27. Technisches Bildungswesen
  28. Kompetenzenzwicklung in Lernfabriken für die Produktion
  29. Studie
  30. Ganzheitliche Produktionssysteme
  31. Vorschau/Preview
  32. Vorschau
https://doi.org/10.3139/104.110413

Artikel in diesem Heft

  1. Editorial
  2. Akzeptanz für neue Technologien
  3. Inhalt/Contents
  4. Inhalt
  5. Ehrungen
  6. Große Ehre für Berliner Produktionsforscher
  7. Interview
  8. Geschäftsmodell Deutschland und Globalisierung
  9. Berliner Kreis-Mitteilungen
  10. Methodische Nachhaltigkeitsbewertung von Maschinenkomponenten im Entwicklungsprozess
  11. inpro-Innovationsakademie
  12. Produktionsinnovationen als wissenschaftliche Herausforderung
  13. Wirtschaftlich Produzieren
  14. Bohrwerkzeuge aus Keramik – sind sie CFK gewachsen?
  15. Reproduzierbare Fertigung in innovativen Prozessketten
  16. Dynamische Disposition in rückführungslogistischen Systemen
  17. Produktionskennlinien im dynamischen Umfeld
  18. Energieproduktivität
  19. Energiewertstrom
  20. Analyse von Leistungsmessungen
  21. Mitarbeiterqualifizierung
  22. Standortspezifische Gestaltung der Aufbau- und Ablauforganisation
  23. Schulung und Fortbildung im industriellen Umfeld
  24. Wissensmanagement
  25. Wissensmanagement bei Produktwechselprojekten
  26. Wissensbasierte Entscheidungsunterstützung im operativen Fehlmengenmanagement
  27. Technisches Bildungswesen
  28. Kompetenzenzwicklung in Lernfabriken für die Produktion
  29. Studie
  30. Ganzheitliche Produktionssysteme
  31. Vorschau/Preview
  32. Vorschau
Heruntergeladen am 12.4.2026 von https://www.degruyterbrill.com/document/doi/10.3139/104.110413/html
Button zum nach oben scrollen