Optimale Produktionsplanung ist ein vielversprechendes Mittel, um die Wettbewerbsfähigkeit von Produktionsanlagen für Formulier- und Verpackungsprozesse ohne größere Investitionen in neue Anlagen oder Apparate zu erhalten.

Zwei wesentliche Herausforderungen der kurz- bis mittelfristigen optimalen Produktionsplanung sind die kombinatorische Komplexität und die Modellkomplexität.

Das Problem der kombinatorischen Komplexität führt zu langen Lösungszeiten, die auftreten wenn Planungsprobleme eine bestimmte Größe überschreiten. Die Modellkomplexität wird in industriellen Kontexten zu einer Herausforderung, da Planungsprobleme in diesem Fall viele miteinander verknüpfte Nebenbedingungen beinhalten, die die Modellierung erschweren.



Diese Arbeit leistet einen Beitrag zur Lösung von industriellen Produktionsplanungsproblemen indem zwei verschiedene Lösungsstrategien vorgeschlagen werden. Erstens wird ein zweistufiger Dekompositionsansatz für gemischt-ganzzahlige mathematische Programme (MILPs) vorgeschlagen, der zeitdiskrete und prioritäts-orientierte MILP-Modelle verwendet. Zweitens wird ein Simulations-Optimierungsansatz vorgeschlagen, der auf der Kombination eines evolutionären Algorithmus und einer ereignisdiskreten Simulation basiert, um sehr komplexe Planungsprobleme zu lösen.



Die Ansätze werden an drei Fallstudien getestet, einer rohrlosen, rezeptgesteuerten Demonstrationsanlage mit geringer Komplexität, einem Make-and-Pack Produktionsprozess aus der Konsumgüterindustrie und einer industriellen Batch-Produktionsanlage zur Wirkstoffproduktion. Wo verfügbar, wird die Lösungsqualität, die mit Benchmark-Ansätzen erzielt wurde, herangezogen, um die Wirksamkeit der vorgeschlagenen Optimierungsansätze zu demonstrieren.