Project

Stochastische modellering en optimalisatie van productie- en assemblagesystemen en gerelateerde logistieke processen

Code
bof/baf/4y/2024/01/766
Duration
01 January 2024 → 31 December 2025
Funding
Gewestelijke en gemeenschapsmiddelen: Bijzonder Onderzoeksfonds
Research disciplines
  • Natural sciences
    • Operations research and mathematical programming
  • Social sciences
    • Mathematical methods, programming models, mathematical and simulation modelling
  • Engineering and technology
    • Manufacturing management
Keywords
External and internal logistics processes design and optimization Production planning and scheduling High-Mix Low-Volume manufacturing and assembly Operators cognitive and ergonomic overload optimization
 
Project description

High-Mix, Low-Volume (HMLV) productie of assemblage verwijst naar omgevingen waarin een grote verscheidenheid aan productlijnen “high-mix” worden geproduceerd of geassembleerd in relatief kleine hoeveelheden “low-volume”. Het ontwerpen van een productie- of assemblagesysteem om efficiënt en effectief te werken in deze omgeving en om hetzelfde productiviteitsniveau te bereiken als systemen die zijn ontworpen voor lage mix en hoge volumes (LMHV) omgevingen, vereist dat een hoge mate van flexibiliteit, wendbaarheid en aanpassingsvermogen van zowel de machines als de mensen in het ontwerp wordt ingebouwd. Deze flexibiliteit, wendbaarheid en het aanpassingsvermogen creëren op hun beurt een aantal uitdagingen die grondig moeten worden aangepakt, uiteenlopend van het oplossen van de daaruit voortvloeiende complexe plannings- en scheduling problemen, tot het ontwerpen en uitvoeren van efficiënte en effectieve externe en interne logistieke processen, tot het beheren van het personeelsbestand en het handhaven van het welzijn van de werknemers. Dit onderzoeksproject wil deze uitdagingen aanpakken door geschikte optimalisatiemodellen en algoritmen te ontwikkelen die rekening houden met de stochasticiteit van kritische parameters van het systeem, zoals vraagmix en -volume, opbrengst en machinestilstand, maar ook met de cognitieve en ergonomische overbelasting van operators. Deze optimalisatiemodellen vallen meestal in de klasse van stochastische mixed-integer optimalisatieproblemen, en sommige behoren zelfs tot de klasse van bilevel stochastische mixed-integer optimalisatieproblemen.