Universität Karlsruhe (TH) Institut für Anwendungen des Operations Research (ANDOR)...

Universität Karlsruhe (TH)

Institut für Anwendungen des Operations Research (ANDOR)

Institutsleitung: Prof. Dr. Gerald Hammer

Dreidimensionale orthogonale Packungsprobleme Eine Übersicht über Ausprägungen und Lösungsmöglichkeiten

Seminararbeit vom 16.02.2004 im WS 2003/04

Betreuung: Dipl.-Math. Peer Giemsch

01.06.2004

Thilo Böltink

http://www.andor.uni-karlsruhe.de/info/

01.06.2004T. Böltink

Einleitung

Problem-ausprägungen

Lösungs-ansätze

Fazit/Fragen/Diskussion

2

zahlreiche Praxisanwendungen:

Beladen von LKWs, Kommissionierpaletten, Containern sowie Verschnitt-, Layout- oder Kapitalanlegeprobleme, Laufzeitaufteilung auf Prozessoren, Werbeblockverteilung

gleiche logische Struktur von Packungsproblemen und Zuschnittproblemen: Dualität von Materie und Raum:

"Cutting and Packing" (C&P)

Praxisbedeutung dreidimensionaler Packungsprobleme:

Bedeutungsanstieg der Logistik in den letzten Jahren

meist dreidimensionale Objekte

Dennoch: Wissenschaft seit 80er Jahren kontinuierlich nur kleine Anzahl von Arbeiten

wettbewerbsrelevanten Bedeutung

Komplexität des Problems

Verbesserungen bestehender Verfahren schwierig

Einleitung: Packungsprobleme



Einleitung


Lösungs-ansätze


3

Überblick über dreidimensionale orthogonale Packungsprobleme

Struktur der Packungsprobleme und ihre verschiedenen Typen transparent machen

Einordnung der in der Literatur sehr uneinheitlich notierten Probleme

gegenwärtiger Stand der zugehörigen Lösungsverfahren

schneller Einstieg in das Gebiet

als Ausgangspunkt zu einer vervollständigenden Literaturrecherche

Zusammenfassungen von ausgewählten Papers, um Relevanz für eigene Forschungszwecke zu überprüfen.

Stand der Forschung und Trends

exemplarisch Heuristik von Gehring/Menschner/Meyer (1990) ausführlich und strukturiert

Die Arbeit stellt den - meines Wissens nach - bisher einzigen Überblick dieser Art in deutscher Sprache dar.

Ziel dieser Arbeit



Einleitung


Lösungs-ansätze


4

Einleitung

Problemausprägungen Merkmale nach Dyckhoff

Die 4-Feld Klassifizierung von Dyckhoff

Die 4-Grundtypen Klassifizierung von Dyckhoff

Problem- und Problemklassendefinition für diese Arbeit

Lösungsansätze Exakte Algorithmen (2)

KS3, PL3, BP3, SP3

Heuristiken (12)

Wall-Building, Column-Building und Layer-Approach

KS3, PL3, BP3, SP3

Das Verfahren von Gehring/Menschner/Meyer

Fazit, Fragen und Diskussion

Inhaltsübersicht



Einleitung


Lösungs-ansätze


5

Packungsproblem: Anordnung kleinerer Objekte innerhalb eines oder mehrerer größerer Objekte

Vielzahl verschiedenartiger Probleme und Bezeichnungen, deren Gemeinsamkeit diese grundsätzliche Struktur ist.

unterscheiden sie sich aber auf einer detaillierteren Ebene in ihren Ausprägungen deutlich voneinander

Merkmale deren Ausprägungen das jeweilige Problem charakterisieren

Probleme mit hinreichend gleichen Ausprägungen können dann zu einer Problemklasse zusammengefasst werden.

Zuordnung einer Lösungsmethodik für alle Probleme der Klasse

Literatur: am meisten Beachtung und Anwendung findende Klassifizierungen: Arbeiten von Dyckhoff (1990, 1992)

Problemausprägungen



Einleitung


Lösungs-ansätze


6

Logische Grundstruktur nach Dyckhoff (a) Es existieren zwei Gruppen von Objekten, die als

geometrische Körper bestimmten Ausmaßes in einem endlich dimensionalen Raum realer Zahlen dargestellt werden:

- ein bestimmter Vorrat an kleinen Objekten

- ein bestimmter Vorrat an großen Objekten

(b) Zwei Aufgaben sind zu bewerkstelligen:

(b1) Jedem großen Objekt muss eine ausgewählte (evtl. leere) Menge von kleinen Objekten zugeordnet werden

(kombinatorische Grundvoraussetzung).

(b2) In jedem großen Objekt müssen diese kleinen Objekte so angeordnet werden, dass sie nicht überlappen und in dieses Objekt passen. Das verbleibende Residuum heißt Leerraum (geometrische Grundvoraussetzung).

Charakterisierung großer und kleiner Objekte sowie deren geometrische Kombination

Merkmale



Einleitung


Lösungs-ansätze


7

i) Geometrische Merkmale sind: - Dimension

- Gestalt

-

Packmusterrestriktionen

ii) kombinatorische Merkmale sind: - Art des Mengenmaßes

- Auswahl an Gestalten

- Vorrat an Objekten

-

Packmusterrestriktionen -

Zuordnungsrestriktionen

iii) weitere Merkmale sind: - Zielfunktion (en)

- Stand der Information

Arten von Merkmalen (Dyckhoff)



Einleitung


Lösungs-ansätze


8

(1) Dimension:

Minimale Anzahl an Dimensionen, um die Geometrie der Packmuster zu beschreiben.

nicht notwendigerweise die räumliche Dimension der kleinen bzw. großen Objekte, sondern das Problem, bzw. präziser: das Packmuster.

• eindimensional• zweidimensional• dreidimensional• mehr (n-) dimensional

! Palettenbeladung: 'Dimension 2+1' statt 3,Verschnittprobleme mit Guillotineschnitt: '1+1' statt 2

Merkmale (1) (Dyckhoff)



Einleitung


Lösungs-ansätze


9

(2) Art des Mengenmaßes:• diskret (durch Natürliche Zahlen)

Anzahl oder Frequenz von Objekten bestimmter Form

• kontinuierlich (durch Reale Zahlen)

z. B. deren Längen, Gewichte oder Durchmesser

können auch summiert werden und stellen so eine weitere Dimension dar, die mit dem eigentlichen Packmuster nichts zu tun hat.

oft als halbe 'Dimension' dem Problem zugeschlagen




Einleitung


Lösungs-ansätze


10

(3) Gestalten:

Die Gestalt eines (kleinen oder großen) Objektes ist eindeutig bestimmt durch seine: Form, Größe und Orientierung

• regelmäßige Formen (insbesondere rechteckige)

• unregelmäßige Formen

Objekte gleicher Form und Größe heißen kongruent.

Objekte gleicher Form, Größe und Orientierung können als identisch betrachtet werden.

Daher sind kongruente Objekte, denen 'jede Orientierung erlaubt' ist, ebenso nicht zu unterscheiden.

Sind 'nur 90-Grad Drehungen erlaubt', können nur kongruente Objekte bestimmter regelmäßiger Formen,

z. B. rechteckigen, als identisch bezeichnet werden.

Falls die 'Orientierung festgelegt' (und nicht vorab gleich) ist, sind kongruente Objekte unterschiedlicher Gestalt.




Einleitung


Lösungs-ansätze


11

(4) Auswahl an Gestalten:

nicht mehr die verschiedenen prinzipiell möglichen Gestalten, sondern das tatsächliche Auftreten verschiedener Gestalten im Vorrat der zu verwendenden Objekte.

• heterogene Auswahl: sehr viele verschiedene Gestalten

• schwach heterogene Auswahl: es lassen sich einige Gruppen identischer bilden

• homogene Auswahl: alle Objekte kongruent oder gar identisch

wichtige Spezialfälle




Einleitung


Lösungs-ansätze


12

(5) Vorrat an Objekten:

charakterisiert durch deren Menge, Reihenfolge und Zeitpunkt.

bereitstehende Menge: unendlich oder begrenzt

- große obere Schranke wirkt wie ein unendlicher Vorrat,

- größten gegenteiligen (begrenzenden) Effekt hat der Vorrat nur eines Objektes

Vorschreiben einer Reihenfolge, nach der die Objekte verwendet werden sollen. (Beziehung zwischen den Objekten:

partielle oder vollständige Ordnung)

Festlegung, zu welchem Zeitpunkt das betreffende Objekt verwendet werden muss.




Einleitung


Lösungs-ansätze


13

(6) Packmusterrestriktionen:

Restriktionen der geometrischen Anordnung der kleinen innerhalb der großen Objekte zusätzlich zu den Basisbedingungen (vgl. (b2))

• Abstandsrestriktionen• Orientierungsrestriktionen• Häufigkeitsrestriktionen• Anordnungsrestriktionen (bzgl. des großen Objektes)

zulässige Lage oder Anzahl der Objektgrenzen bzw. Kanten oder Schnitte zu denen des großen Objektes

rechteckige Objekte: orthogonale und nicht-orthogonale Packmuster.

orthogonale: kleine Objekte immer parallel zu den Kanten des großen angeordnet, so dass alle Seiten orthogonal.

- Guillotine – Schnitte bzw. Muster Bei rekursiver Anwendung kann die Anzahl der Drehungen beschränkt sein (Stufen).

- vernestelte Muster




Einleitung


Lösungs-ansätze


14

(7) Zuordnungsrestriktionen:

Vor Anordnung in (6) ist Zuordnung von kleinem zu großem nötig, bzw. jedem großen Objekt muss eine ausgewählte (evtl. leere) Menge von kleinen (vgl. (b1)) zugeordnet werden. Restriktionen:

Art der ZuordnungTyp I: alle kleinen und großen Objekte (reine

Layoutprobleme)Typ II: alle großen, Auswahl an kleinen ('Beladeprobleme')Typ III: Auswahl an großen, alle kleinen ('Verladeprobleme')

Typ IV: Auswahl an großen und kleinen ('Ladeprobleme') Anzahl an Zuordnungsstufen Anzahl, Häufigkeit oder Reihenfolge von Mustern

Effizienz der Packeinrichtung oder Kundenpackung Dynamik der Zuordnung

• statisch (off-line und on-line Probleme)• dynamisch (verschiedene Aus- und Umladezeitpunkte/-

abschnitte)




Einleitung


Lösungs-ansätze


15

(8) Zielfunktionen(en):

Operationale Subziele i. d. R. konfliktionär und schwierig in einem Modell integrierbar.

meist Auswahl des wichtigsten Ziels und übrigen Satisfaktionsniveau durch Nebenbedingung

Bsp.: Minimierung der Anzahl großer Objekte Minimierung des Leerraums Minimierung des Materialverbrauchs /-kosten Maximierung des Packvolumens /- wertes kleiner Objekte

außerdem denkbar: Zielfunktionen, welche Geometrie der Muster (Layout Optimierung) oder deren Häufigkeit, Reihenfolge oder Kombination optimieren




Einleitung


Lösungs-ansätze


16

(9) Stand der Information:

Problemrelevanten Daten:

• deterministisch, stochastisch oder unsicher

- meist aufgrund des kurzen Planungshorizontes deterministisch

- aber auch Fälle mit stochastischen Schwankungen (z. B. produktionsbedingte Größenvarianz bei Metallplatten)

aus einigen der Merkmale Typen jeweils gleicher Ausprägung bilden

besondere Priorität: möglichst eindeutige Zuordnung von Lösungsmethoden zu Typen

Typen auch durch Lösungsmethodik charakterisiert!

Dyckhoff: Zwei verschiedene Klassifizierungen dieser Art




Einleitung


Lösungs-ansätze


17

sinnvolle Systematisierung steht im Mittelpunkt

identifiziert vier Merkmale als besonders wichtig und verwendet sie daher typdefinierend:

1. Dimension ()2. Art der Zuordnung () 3. Auswahl an Gestalten der großen Objekte () 4. Auswahl an Gestalten der kleinen Objekte ()

Durch Kombination der Ausprägungen dieser Merkmale erhält man 4234 = 96 verschiedene Typen.

Notation übersichtlich als Tupel der Form / / /

Dyckhoff ordnet der neuen Notation die Problembezeichnungen aus der Literatur zu.

4-Feld Klassifizierung (Dyckhoff 1990)



Einleitung


Lösungs-ansätze


18

1. Dimension ():(1) Eindimensional (2) Zweidimensional (3) Dreidimensional (N) N-dimensional

2. Art der Zuordnung (): (B) alle großen Objekte, Auswahl an kleinen ('Beladeproblem' / Typ II)

(V) Auswahl an großen Objekten, alle kleinen ('Verladeprobleme' /Typ III)

3. Auswahl an Gestalten der großen Objekte (): (O) Ein Objekt (one) (I) Identische Gestalten (identical) (homogen) (D) Verschiedene Gestalten (different) (heterogen)

4. Auswahl an Gestalten der kleinen Objekte (): (F) wenige Objekte ('few') verschiedener Gestalt (heterogen)(M) viele Objekte ('many') vieler verschiedener Gestalten (heterogen) (R) viele Objekte relativ ('relatively') weniger versch. Gest. (schwach heterogen)(C) Kongruente ('congruent') Gestalten (homogen)

Notation: / / /




Einleitung


Lösungs-ansätze


19

Beispiel : 1 / V / I / M

klassische Bin-Packing Problem

zugehörig zu diesem Typ bspw. auch Prozessorlaufzeitaufteilungs-, Maschinenbelegungs- und Speicherallokationsprobleme, eindimensionale Vehicle-Loading Problem, klassisches Cutting-Stock Problem unterscheidet sich nur im letzten Merkmal (=R).

1 / B / O / klassisches Knapsack Problem

2 / B / O / C Palettenbeladungsproblem

3 / B / O / Containerbeladungsproblem

n / B / O / z. B. Mehrperiodige Budgetierungprobleme




Einleitung


Lösungs-ansätze


20

Verdichtung zu wenigen bekannten Typen

bessere Übersicht

mehr als 300 Werke der Literatur werden diesen 4 Grundtypen bzw. 26 Spezialtypen zugeordnet

zunächst nur Kombination der zwei wichtigsten Merkmale:

1. Art der Zuordnung • Typ II: alle großen Objekte, Auswahl an kleinen O. ('Beladeproblem') • Typ III: Auswahl an großen Objekten, alle kleinen O. ('Verladeproblem') • Typ IV:Auswahl an großen und kleinen Objekten ('Ladeproblem')

2. Auswahl an Gestalten der kleinen Objekte• homogen • heterogen

- wenige Objekte je Gestalt (heterogen)- viele Objekte je Gestalt (schwach heterogen)

Vier Grundtypen:

4-Grundtypen Klassifizierung (Dyckhoff 1992)



Einleitung


Lösungs-ansätze


21


Abb. 1: Die vier Grundtypen, kombiniert aus 'Art der Zuordnung' und 'Auswahl an Gestalten der kleinen Objekte'



Einleitung


Lösungs-ansätze


22

Bin-Packing Typ (BP): Typ III oder IV, heterogen

Cutting-Stock Typ (CS): Typ III oder IV, schwach heterogen

Knapsack Typ (KS): Typ II, schwach heterogen oder heterogen

Pallet-Loading Typ (PL): Typ II, homogen

weiter differenziert nach:

3. Dimension: (1) Eindimensional (2) Zweidimensional

(3) Dreidimensional

zwölf Grundtypen: BP1, BP2, BP3, CS1, CS2, CS3, KS1, KS2, KS3, PL1, PL2 und PL3




Einleitung


Lösungs-ansätze


23

V. a. bei BP1, KS1 und KS2, PL2 sowie die dreidimensionalen Typen weitgehende Einheitlichkeit in der Literatur

Standardtypen

Im Sinne der hier verwendeten Klassifizierung sind diese Standardtypen Spezialfälle der Grundtypen mit weiteren Standardeigenschaften.

BP2, CS1 und CS2 werden durch verschiedene Ausprägungen weiterer Merkmale zu insgesamt 16 Spezialtypen differenziert.

Typenhierarchie:




Einleitung


Lösungs-ansätze


24


Abb. 2: Typenhierarchie für Packungsprobleme



Einleitung


Lösungs-ansätze


25

Dreidimensionale Probleme: Problemstellung, bzw. Geometrie der Packmuster muss durch mindestens drei Dimensionen beschrieben werden.

! Dreidimensionales Problem Dreidimensionale Objekte

Orthogonale Probleme: Anordnungsrestriktion: parallele Lage der Objektgrenzen bzw. Kanten oder Schnitte zu denen des großen Objektes !

Gestalt der Objekte nur regelmäßige und insbesondere rechteckige Formen !

'kleine Objekte' : 'Kiste'

'große Objekte' : 'Container'

Zuordnung: Off-line

Dreidimensionale orthogonale Packungsprobleme:

Eine gegebene Menge von Kisten wird vollständig oder nur zum Teil orthogonal in eine auswählte Menge bekannter quaderförmi- ger Container gepackt.

- Zielfunktion je nach Problemtyp unterschiedlich

Problemdefinition



Einleitung


Lösungs-ansätze


26

wie in Literatur angeregt:

Ähnlichkeit bzgl. logischer Struktur von Knapsack-, und Pallet-Loading Problemen sowie von Bin Packing, Cutting-Stock und sog. Strip-Packing Problemen:

Knapsack und Bin-Packing Problem als Hauptklassen, übrige (als eigene Klassen bestehen bleibend) untergeordnet

Ähnlichkeit anhand 4-Feld Notation sehr transparent

Kritik: Notation keine ausreichende Unterscheidungsmöglichkeiten (z. B. Strip-Packing Probleme nicht problemlos ausweisbar)

Strip- Packing Probleme als eigene (Unter-)klasse von Bin-Packing Problemen

Unterklassen explizit aufzuführen:

bessere Transparenz und Übersicht

trotz ähnlicher Merkmale große Unterschiede zu Hauptklassen bzgl. Komplexität und Lösungsmethodik

folgende Problemklassifizierung:

Problemklassifizierung



Einleitung


Lösungs-ansätze


27

Knapsack (i.w. S.): KS3 bzw. 3 / B / / , oft 3 / B / O /

Knapsack (i. e. S.): KS3 bzw. 3 / B / / {M, R, F},oft 3 / B / O / {M, R, F}

Aus einer mehr oder weniger heterogenen Menge an Kisten wird eine Auswahl in alle, in begrenzter Anzahl zur Verfügung stehenden, Container gepackt.

Der Wert der eingepackten Kisten soll hierbei maximiert werden. Oft wird der Wert durch die Kistengröße repräsentiert, so dass der oder die Container möglichst voll gepackt werden sollen und möglichst wenig Leerraum bleibt

Pallet-Loading: PL3 bzw. 3 / B / O / C und 2 / B / O / C

Homogene (kongruente oder identische) Kisten werden in einen Container gepackt. Es werden so viele Kisten wie möglich eingepackt.

Da die Kisten homogen sind reduziert sich das geometrische Problem auf zwei Dimensionen, wenn aus den (bei gleicher Orientierung gleich hohen Kisten) identische Schichten gebildet werden, die aufeinander geschichtet werden bis eine gewünschte Packhöhe erreicht ist. Ein möglichst gutes Packmuster aus den Grundflächen der Kisten reicht dann als Lösung aus. Werden die Kisten auch in die anderen beiden Orientierungen gekippt, muss jeweils eine Lösung hierfür gefunden werden und es können dann die drei verschiedenen Schichten in beliebiger Reihenfolge geschichtet werden, um die Höhe günstig auszunutzen. Prinzipiell kann auch mehr als eine Palette vorliegen. Da diese aber auch homogen sind, ist die Lösung für den Fall einer Palette für alle anderen gleichermaßen gültig.

Pallet-Loading Probleme können als spezielle Knapsack Probleme mit homogenen Kisten und Containern (die daher als einer angesehen werden) betrachtet werden.




Einleitung


Lösungs-ansätze


28

Bin-Packing: BP3 bzw. 3 / V / I / und 3 / V / D /

Heterogene Kisten werden i. d. R. vollständig (V, Typ III) in einer Auswahl mehrerer Container verpackt.

Dabei sollen die Kisten in möglichst wenige Container verpackt werden, d.h. die Anzahl an Containern wird minimiert. Sind die Container verschiedenartig (heterogen), so werden ihnen Kosten proportional zum jeweiligen Volumen zugeordnet und dann die Gesamtkosten bzw. das benötigte Gesamtvolumen minimiert.

Cutting-Stock: CS3 bzw. 3 / V / I / RKisten weniger verschiedener Typen (Gestalten) (schwach heterogen) werden i. d. R. vollständig (V, Typ III) in einer Auswahl mehrerer identischer Container verpackt.Cutting-Stock Probleme: spezielle BP Probleme (mit einer weniger heterogenen

Auswahl an verschiedenen Kistentypen und identischen Containern) Reduktion der Komplexität gegenüber Bin-Packing Problemen

Strip-Packing: SP3 bzw. 3 / V / O Heterogene Kisten werden i. d. R. vollständig (V, Typ III) in genau einen Container

verpackt, dessen dritte Dimension (Höhe i. d. R.) offen und unbeschränkt ist. Dabei sollen die Kisten so verpackt werden, dass diese Dimension bzw. Höhe des Containers minimiert wird.

Strip-Packing Probleme: spezielle BP Probleme mit einem in einer (oft als halbe bezeichneten) Dimension unbeschränkten Container.

Dyckhoff: BP Problem mit einem (unendlichen) Vorrat an Containern gleicher Grundfläche und allen möglichen Höhen, aus dem der (eine) Container mit der minimalen Höhe ausgewählt wird.

SP Probleme werden allerdings algorithmisch anders behandelt als BP Probleme.




Einleitung


Lösungs-ansätze


29

eine oder die optimale Lösung

Techniken: Lineare ganzzahlige oder binäre Programme, dynamische Programmierung, Suchbaumverfahren (branch-and-bound), Graphen etc.

bereits BP1 und KS1 NP-vollständig

KS3, BP3 und SP3: unmittelbar als NP-vollständig zu identifizieren, da KS1 und BP1 als Teilprobleme enthalten. Zusätzlich zu dieser kombinatorischen Komplexität tritt dann die geometrische auf (immense Anzahl räumlicher Anordnungsmöglichkeiten)

theoretisch optimale Lösung, aber praktisch kaum anwendbar, da der Rechenaufwand dabei prohibitiv groß würde.

Selbst modernste Rechner rechnen mehreren Stunden und gelangen im worst case auch dann nicht zu einem Ergebnis.

exakte Methoden kaum praktische Bedeutung (fast immer heuristische Lösungsverfahren), aber von wiss. Interesse (s.

u.)

Zugehörigkeit von PL zu dieser Komplexitätsklasse ist noch ungeklärt, einiges spricht aber dafür, dass PL polynomiell lösbar ist

Lösungsansätze: Exakte Algorithmen

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


30

aktuelle Forschung: Entwicklung effizienterer Verfahren

in Zukunft die Anwendung optimaler Packungen in der Praxis: weitere Optimierungspotentiale in logistischen Prozessen

Packen weniger großer Kisten (Heuristik verringert Güte der Lösung drastisch, Anzahl der Variablen und Rechenaufwand geringer)

moderne Algorithmen zunächst in hybriden Ansätzen einsetzen

(Bsp.: sperrige Objekte mit exakten Verfahren anordnen, später die kleinen mit Heuristik in die Lücken packen)

Verfahren, die Ausgangslösung iterativ bis zur Optimallösung verbessern, bei Erreichen eines gewissen Satisfaktionsniveaus oder nach gewisser Laufzeit abbrechen (wenn sie dabei bessere Ergebnisse als eine Heuristik aufweisen)

Algorithmen, die im Mittel in angemessener Zeit optimale Lösungen liefern einsetzen, auch wenn die Laufzeit im Worst Case nicht polynomiell beschränkt ist (Heuristik als Backup bereithalten)

Gütebeurteilung heuristischer Verfahren nur durch Kenntnis der Optimallösung und somit Obergrenze, ohne diese nur Volumen-nutzungsgrade berechenbar

Exakte Algorithmen: Potenziale

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


31

Literatur sehr überschaubar, in den letzten Jahren einige neue Verfahren

einige prominente Arbeiten: • Mannchen (1989): KS3, BP3 Probleme (-> Seminararbeit)

• Chen/Lee/Shen (1995): BP3 , Anpassung an SP3 (-> Seminararbeit)

Dreidimensionale Bin-Packing Probleme:

... + Martello/Pisinger/ Vigo (1997), Schepers (1997)

Dreidimensionale Strip-Packing Probleme:

Schepers(1997): sind "Veröffentlichungen ... nicht bekannt"

Anpassung des linearen Programms von Chen/Lee/Shen (1995)

Dreidimensionale Knapsack Probleme (KS3):

Mannchen (1989), Schepers (1996), Fekete und Schepers (1997), Schepers (1997), Übersicht: Martello und Toth (1990),

Dreidimensionale Pallet-Loading Probleme:

reduzierbar auf PL2: zahlreiche exakte Verfahren:

Christofides und Whitlock (1977), Beasley (1985), Dowsland (1987), Übersicht: Isermann (1987), Christofides und Hadjiconstantinou (1995) lineare Progr., weitere Quellen: Arnold et al. (2002) und Isermann (1998)

Lösungsansätze: Exakte Algorithmen

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


32

innerhalb angemessener Zeit eine möglichst gute Lösung statt vollständiger (Programme) bzw. unvollständiger (branch-and-bound etc.)

Enumeration aller möglichen Lösungen:

Konstruktion einer zulässigen Lösung anhand einiger Regeln (heuristic rules), die geeignet erscheinen, das angestrebte Ziel möglichst gut zu erreichen

Regeln basieren auf dem gesunden Menschenverstand des Gestalters, Kreativität sind keine Grenzen gesetzt

reduzierte Komplexität und Rechenzeit

Zielerreichungsgrad zu Beginn unbekannt und von der Qualität der gewählten Regeln abhängig

Zielerreichungsgrad müsste prinzipiell an der Optimallösung gemessen werden, kann aber i. d. R. nur mit theoretischen Obergrenzen (z. B. Volumen Container) verglichen werden

seit den 80er Jahren Entwicklung diverser Heuristiken, dennoch Zahl nach wie vor relativ überschaubar

Lösungsansätze: Heuristiken

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


33

Heuristiken gehen unterschiedlich vor, dennoch verschiedene Grundstrategien: drei weit verbreitetsten Ansätze:

• Wall-Building Approach

• Column-Building Approach

• Layer Approach sowie Cuboid-Arrangement Approach

allen gemeinsam: Prinzip, den Container bzw. Stauraum sukzessive in Teilräume zu unterteilen und diese dann möglichst gut zu packen

Gesamtproblem zerlegt in mehrere Teilprobleme,

Komplexität deutlich geringer, weil i. d. R. ein- oder zweidimensionale Probleme

mehrere möglichst gute oder gar optimale Teillösungen, aber i. d. R. kein Gesamtoptimum, sondern nur 'gute' Lösung

geringe Abstriche an der Lösungsqualität, aber deutliche Reduktion der Komplexität und Rechenzeit

in der Praxis einzig effiziente Lösungen

Heuristiken: Ansätze

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


34

vor der Rückwand des Containers Wand aus Kisten

sukzessive neue Wände: Folge von Wänden und vertikalen Schichten

auch heterogene Kisten: Frontseite einer Wand nicht eben

nächste Wand wieder mit ebener Rückseite beginnend gepackt

nicht miteinander verbunden, Permutation möglich (z. B. bessere Gewichtsverteilung) vs:

Leerraumverschmelzung (Amalgamation), Rückwände nicht not- wendig eben, nicht vertauschbar (bessere Volumennutzung)

vertikale Schicht (oft missverständlich: 'layer'): Hilfskonstrukt zur Definition der Teilräume

meist Schichtdefinition durch erste platzierte Box: Konzept der LDB (layer determining box).

Verfahren: George und Robinson (1980), Liu und Chen (1981), Bischoff und Marriott (1990),

Gehring/Menschner/Meyer (1990), Wottawa (1996), Bortfeldt und Gehring (1999),

Pisinger (2002)

Heuristiken: Wall-Building Approach

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


35

Bildung einzelner Säulen (columns) bzw. Stapel (stacks) oder Türme (towers)

Grundfläche und Höhe des Containers gut ausnutzen

Säulen auf dem Boden des Containers möglichst optimal angeordnet

nur noch zweidimensionales Verfahren auf die Grundflächen der Stapel anzuwenden

noch bessere Berücksichtigung von Nebenbedingungen wie Gewichtsverteilung, Packen von Aufträgen eines Kunden in nur einen Stapel oder Entladereihenfolgen als beim Wall-Building Approach

Verfahren: Haessler und Talbot (1990), Bischoff und Ratcliff (1995), Gehring und Bortfeldt (1997)

Heuristiken: Column-Building Approach

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


36

legt auf dem Containerboden beginnend sukzessive horizontale 'layer' (Lage, Schicht) aus Kisten übereinander bis die Containerhöhe keine weitere mehr zulässt.

selten möglich komplette Lage aus nur einem Kistentyp zu bilden

Eine (einschichtige) Teillage oder ein (mehrschichtiger) Block aus einem Kistentyp teilt daher die zu packende Grundfläche und erzeugt neben sich und auf sich neue rechteckige Packflächen

Bildung von Blöcken: "Cuboid-Arrangement Approach" (Blockanordnung)

Da Teillagen oder Blöcke aus einem Kistentyp zu bilden sind, bietet sich der Layer Approach eher bei schwach heterogenen Probleme an

inhärente Stabilität

- separates Handling von einzelnen Aufträgen und zwischenzeitliche Entladungen nur schlecht möglich

Verfahren: Bischoff/Janetz/Ratcliff (1995)

Heuristiken: Layer Approach

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


37

Notation: KS3 bzw. 3 / B / O / {M, R, F}

Verfahren: (Zusammenfassende Darstellung s. Seminararbeit)

• Gehring/Menschner/Meyer (1990) (s. u.)

• Bischoff und Ratcliff (1995) Stab. (s. u.), Mehrfach-Entlade-Situationen

• Bischoff/Janetz/Ratcliff (1995) Distributor's PL, Stabilität der Ladung

• Wottawa (1996) (s. u.)

• Gehring und Bortfeldt (1997) genetischer Algorithmus, Hybridisierungen

• Bortfeldt (1998) MCLP, Auswahlproblem, Kooperation mit Anordnungsheuristik

• Pisinger (2002) Streifenbildung,mit Branch-and-bound Verfahren und Backtracking

Heuristiken für KS3 Probleme

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


38

Notation: PL3 bzw. {3,2} / B / O / C

bei Bildung von Schichten gleicher Kistenorientierung: Einfachheit (Reduktion auf PL2) exaktes Verfahren Volumennutzung relativ effiziente Bestimmung optimaler Packmuster notwendige Eigenstabilität (keine Halt gebenden Seitenwände)

Werden Paletten mit heterogenen Kisten in Schichten beladen:per Definition kein PL3, sondern ein KS3 ('Distributor's

Pallet-Loading Problem')

Daher entsprechen PL Probleme nicht direkt Thema dieser Arbeit.

dennoch wichtig, weil in der Praxis große Bedeutung

Literatur:

• Übersichten: Isermann (1987), Dowsland (1985), Dowsland und Dowsland (1992), Wottawa (1996), Isermann (1998) und Arnold et al. (2002)

• allgemeines PL3 (ohne Schichtenbildung/Reduktion auf PL2): wenig Beachtung: George (1992), Wottawa (1996)

Heuristiken für PL3 Probleme

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


39

Notation: BP3 bzw. 3 / V / I / und 3 / V / D /


• Liu und Chen (1981) Computersystem-Implementierung, z. T. interaktiv

• Haessler und Talbot (1990) speziell für LKW-Anhänger/Güterwagons

• Sommerweiß (1996) Distributor's PL, Stabilität (Ladung und Kisten, 'height-density-function', Branch-and-bound

• Wottawa (1996) 'Teilfolgen-Heuristik': Kisten mit min. Seitenlängen- diffferenz, Push-Straight-Insert Alg.

(Verbesserung)

• Bortfeldt (1998) (s. o.)

Notation: SP3 bzw. 3 / V / O /


• George und Robinson (1980) reines Anordnungsverfahren, 'flexible width' 'amalgamation'

• Bischoff und Marriot (1990) Problemabhängigkeit ('domain depen- dency' 'combined heuristics' 'hybride'

Heuristik

• Bortfeldt und Gehring (1999) Tabu-Search, genetischer Algorithmus

Heuristiken für BP3 und SP3 Probleme

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


40

Wie sieht die Anwendung von Heuristiken in der Praxis aus? Welche werden eingesetzt? Wie sehen moderne Heuristiken aus?

präzise feststellen, welche Art von Packungsproblem (Problemtyp, Heterogenität der Kisten, Restriktionen, ...)

Bischoff und Marriot (1990): Performance signifikant von Struktur des zu lösenden Problems abhängig ('domain dependent')

Ad hoc ist keine Heuristik anderen immer überlegen!

verglichene Heuristiken selten uneingeschränkt vergleichbar (d. h., für exakt gleiches Problem inkl. aller NBen etc. entwickelt worden)

zunehmend zusammengesetzte Heuristiken (mehrere verschiedene Heuristiken oder Versionen der selben parallel oder sequentiell)

vertretbare Laufzeit

hybride Heuristiken (zusammenges., die je nach Ausprägung des zu lösenden Problems unterschiedliche

Entscheidungsregeln ('heuristic rules') anwenden; auch exakte Verfahren kombinierbar

Heuristiken: Fazit (1)

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


41

Berücksichtigung der wichtigsten relevanten Nebenbedingungen für Praxisanwendung wichtig! (Forschungsbedarf)

neben traditionellen Heuristiken vermehrt sog. Metaheuristiken, die z. B. genetische Algorithmen, Simulated Annealing oder Tabu-Search Verfahren beinhalten (höherer Aufwand aber bessere Auswahl der Lösung)

insgesamt "beachtlicher Forschungsbedarf": Zahl Veröffentlichungen immer noch relativ gering

Anforderungen der Praxi eher selten ausreichend modelliert

Verbesserungen gegenüber älteren Verfahren oft auch mit größerem Aufwand marginal (Verfahren von George und Robinson (1980) nach wie vor als Referenz für eine effiziente Heuristik genannt)

Heuristiken: Fazit (2)

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


42

Ausgangspunkt: Auftrag einer kleineren Versandagentur, den bisherigen manuellen Beladungsvorgang durch ein leistungsfähigeres computergestütztes Verfahren zu ersetzen

Agentur sammelt verschiedene einzelne Klein-Aufträge für einen Zielhafen in Nordamerika und verfrachtet diese gemeinsam in (20' oder 40') Standard-Frachtcontainern per Schiff

Bisher:

Mitarbeiter nahm Aufträge für einen Container solange entgegen, bis Gesamtvolumen der Kisten einen bestimmten Erfahrungswert erreicht hatte

übergibt dem Frachtaufseher Packliste,

anhand dieser versucht er, die Kisten in den Container zu packen

bildet von der Rückseite beginnend Wände aus Kisten bis Container voll ist

Passen nicht alle Kisten hinein: Umpacken

in einigen Fällen: übrig gebliebene Kisten nicht zu vermeiden

Die Heuristik von Gehring/Menschner/Meyer (1990)

ExakteAlgorithmen

Heuristiken



Einleitung


Lösungs-ansätze


43

jetzt: Ziel, dieses Umpacken durch Generierung zulässiger Staupläne mittels Computer zu vermeiden und dabei den Containerraum möglichst gut auszunutzen

Problemspezifikation:

Ziel: Aus der heterogenen Menge (M) von Kisten soll diese Auswahl (B) in einen (O) Container gepackt werden, die den

Containerleerraum minimiert bzw. maximales Kistenvolumen aufweist. (einschließlich Fall: alle Kisten)

Nebenbedingungen: Gewichtsverteilung: Der Schwerpunkt des beladenen Containers soll innerhalb eines gewissen Toleranz bereichs um den Mittelpunkt des Containers liegen

Annahmen:(1) Alle Kisten sind rechteckig und deren Maße bekannt.(2) Alle Orientierungen der Kisten sind zulässig. (keine Orientierungsrestr.)(3) Jede Kiste kann neben jede andere platziert werden. (keine Abstandsrestr.)(4) Jede Kiste kann auf jede andere gestellt werden. (5) Jede Kisten kann an jeder Stelle des Container platziert werden. (keine

Anordnungsrestriktionen außer: orthogonale Anordnung)

Gehring et al. (1990): Problemspezifikation

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


44

Problemtyp: dreidimensionales Knapsack Problem mit Gewichtsverteilungsrestriktion.

zulässige Gewichtsverteilung kann durch die Heuristik immer (ex-post) erzeugt werden, keine echte Restriktion, da nicht ex-ante in den Ansatz integriert, sondern erwünschter Nebeneffekt ex-post

Benutzer muss Kistenwände nach Terminierung des Algorithmus so vertauschen, dass Restriktion eingehalten wird

Verfahren löst das allgemeine dreidimensionale Knapsack Problem KS3 bzw. 3 / B / O / M

Gehring et al. (1990): Problemtyp

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


45

Lösungsverfahren:

Grundelemente:

(1) Kisten werden in Liste nach Vol. absteigend sortiert gespeichert

(2) Kisten werden von der Rückwand beginnend zu aufeinander folgenden separaten Wänden innerhalb einer gedachten senkrechten Schicht gestapelt (Wall-Building Approach). Die Wände können dann permutiert werden bis die Gewichtsverteilung am besten ist.

(3) Die Tiefe jeder Schicht ergibt sich aus der Tiefe der jeweils ersten platzierten Kiste (LDB)

(4) In Leerräume neben, vor und über einer Kiste wird in dieser Reihenfolge (aber nicht vor der LDB) jeweils das passende Kistenpaar mit dem größten Volumen gepackt. Diese begrenzte Vorausschau erzeugt tendenziell geeignete Oberflächen für das weitere Packen.

(5) Es können viele alternative Staupläne erzeugt werden, aus denen der Frachtaufseher einen geeigneten auswählen kann. Hierzu kann jede LDB in sechs Anordnungen platziert werden. Außerdem können die Elemente 2, 3, ... der Liste jeweils an die erste Stelle versetzt werden, so dass sie als LDB herangezogen werden. Die Kombination beider ergibt viele verschiedene Möglichkeiten.

Gehring et al. (1990): Grundelemente

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


46

Gehring et al. (1990): Container und erste LDB

ExakteAlgorithmen

Heuristiken

Abb. 3: Container und erste LDB


Einleitung


Lösungs-ansätze


47

Verfahrensablauf : Einlesen und Initialisieren der Container- und Kistendaten Kisten nach absteigendem Volumen sortiert in der Liste gespeichert erste Kiste der Liste (mit größtem Volumen) als LDB ausgewählt, der

Schicht zugeordnet und möglichen Anordnungen ('positions') bestimmt (3/2/1 versch. lange Seiten 6/3/1 Möglichkeiten, 3/2/1 versch. Schichttiefen)

Schichtdefinition: Seitenlänge der LDB in Längsrichtung (Tiefe) des Containers = Schichttiefe, Breite und Höhe des Containers (s. u.)

Schicht weiter mit Kisten gefüllt (s. u.) Ermittlung der verbliebenen Länge (Resttiefe, 'residual depth', RD) des

Containers und Prüfung, ob nächste LDB hinein passt- nein oder keine Kisten mehr übrig Container gilt als voll sonst LDB definiert die nächste Schicht

- voll Inputdaten und Packliste werden für diesen Stauplan ausgedruckt, System fragt Benutzer, ob weitere alternative Staupläne erwünscht

ja andere möglichen Anordnungen der ersten Kiste, falls es keine weiteren mehr, andere Kisten an die erste Stelle der Liste gesetzt, erst wenn alle Kisten als LDB in jeweils allen möglichen Anordnungen verwendet wurden, gibt es keine neuen Staupläne mehr Ende.

- nein Ende.

Gehring et al. (1990): Verfahrensablauf

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


48

Gehring et al. (1990): Verfahrensablauf

ExakteAlgorithmen

Heuristiken

Abb. 4: Struktogramm des Verfahrensablaufs

Kernprozesse 'Bestimme Schichtdaten' und 'Fülle Schicht' (s. u.)


Einleitung


Lösungs-ansätze


49

Anordnung der LDB ist gewählt 'Bestimme Schichtdaten' Breite, Höhe und Tiefe einer Schicht bzw. des Containers werden

als LW, LH, LD, bzw. CW, CH, CD bezeichnet Resttiefe RD vor platzierter LDB wird ermittelt und überprüft, ob in

diese noch eine neue Schicht passen wird. wenn die kürzeste aller Seitenlängen der Kisten in der Liste

(MinDim) kleiner ist als die Resttiefe RD (RD < MinDim)

Schichttiefe LD = Tiefe der LDB. - Passt die Kiste mit Seitenlänge MinDim nicht in RD

(RD < MinDim): aktuelle Schicht ist letzte und wird mit der Resttiefe des Containers zu einer Schicht verschmolzen

Schichttiefe LD = CL - CumLD (Summe der

bisherigen LDs) erste Kiste nicht als LDB bezeichnet, Schicht wird von Beginn an mit am besten passenden Kistenpaaren gefüllt.

Gehring et al. (1990): 'Bestimme Schichtdaten'

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


50

Gehring et al. (1990): 'Bestimme Schichtdaten'

ExakteAlgorithmen

Heuristiken

Abb. 5: Struktogramm des Prozesses 'Bestimme Schichtdaten'


Einleitung


Lösungs-ansätze


51

Schicht ist definiert und wird mit Kisten möglichst gut ausgefüllt: Anordnung der LDB der ersten Schicht variiert, alle folgenden LDBs:

hochkant und mit der kürzeren Seite in Richtung Breite angeordnet, um größere Leerquader zu erzeugen, die besser gefüllt werden können

Platzierung einer Kiste in Leerquader: immer maximal drei neue Leerquader – neben, vor und über der Kiste - , die wiederum (in dieser Reihenfolge) gefüllt werden

Reihenfolge wird durch Leerquader-Liste realisiert (Stack (Stapel)) entstehende Leerquader in umgekehrter Reihenfolge in diese Liste

gespeichert, so dass Bearbeitung in gewünschter Reihenfolge treppenförmigen Anordnungen, weil immer in den Leerquader neben

der platzierten Kiste die nächste Kiste platziert wird ist Leerquader gefüllt, wird er aus Liste gelöscht und nächster 'darunter'

wird bearbeitet, d. h., Liste expandiert zunächst und wird dann sukzessive abgearbeitet bis sie leer ist

Physikalische Packvorgang gleiche Reihenfolge wie Algorithmus! Reihenfolge in Packliste festgehalten (Queue-Speicher (Schlange))

Höhe der letzten Kiste = Höhe des benachbarten Leerquaders; kann dieser nicht mehr gefüllt werden: gilt als gefüllt, Höhe als neue Packfläche für weitere Kisten verwendet Praxis: Leerräume mit Material ausfüllen!

Gehring et al. (1990): 'Fülle Schicht'

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


52


ExakteAlgorithmen

Heuristiken

Abb. 7: zugehörige Leerquaderliste (Stack)

Abb. 6: Packstufen innerhalb einer Schicht


Einleitung


Lösungs-ansätze


53

zu füllende Schicht als erster Leerquader Existiert zugeordnete Kiste? (zu Beginn die LDB) Anordnung und Daten in Packliste eingetragen und Gesamtfracht-

daten (Gewicht, Volumen, Frachtkosten) berechnet eine LDB wird aus der Kistenliste gelöscht und MinDim aktualisiert- eigentlicher Füllvorgang eines Leerquaders: Suche nach passendem

Kistenpaar mit größtem Volumen sowie dessen bester Anordnung (2)

- Anordnung und Daten der ersten Kiste des Paares in Packliste eingetragen und Gesamtfrachtdaten berechnet

- Kiste wird aus Kistenliste gelöscht und MinDim aktualisiert- entstandene Leerquader gemäß Reihenfolge in Leerquaderliste (1) - zweite Kiste des Paares muss einem dieser zugeordnet werden aus Liste gelöscht, da sie im nächsten Schritt in dem Quader

angeordnet wird, dem sie zugeordnet wurde Leerquader gilt als voll, falls kein passendes Paar mehr; wird aus

Leerquaderliste gelöscht. Schicht ist voll, wenn Leerquaderliste leer ist.


ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


54


ExakteAlgorithmen

Heuristiken

Abb. 8: Struktogramm des Prozesses 'Fülle Schicht'


Einleitung


Lösungs-ansätze


55

• In einen Leerquader neben der Kiste Bi wird die Kiste Bj angeordnet. drei neue Leerquader

• für die Implementierung: Koordinaten bestimmen

• Falls Leerquader kleiner als MinDim: nicht in die Leerquaderliste, es wird versucht, sie mit benach-barten Leerquadern zu größeren zu verschmelzen

Gehring et al. (1990): 'Bestimme neue Leerquader'

ExakteAlgorithmen

Heuristiken

Abb. 9: Darstellung neuer Leerquader


Einleitung


Lösungs-ansätze


56

1. Schritt: Suche passendes Kistenpaar mit maximalem Volumen Bildung einer Teilliste ('candidate list') der Kistenliste, die nur

Kisten enthält, deren Volumen und Seitenlängen geringer als die des Leerquaders sind, nach absteigendem Volumen sortiert.

Paarbildung durch die Kombination jeder Kiste der Liste mit allen folgenden (kleineren) Kisten

keine Enumeration aller möglichen Kombinationen nötig, da sobald ein passendes Paar gefunden wurde, Suche einschränkbar auf Paare größeren Volumens:

Sei (Bi, Bj) mit i < j das aktuell passende Paar mit größtem Volumen. Paare mit größerem Volumen müssen aus Kisten bestehen, die im Bereich Bi+1, ... ,Bj-1 liegen.

auch degenerierte Paare zulässig (nur eine Kiste) 2. Schritt: Festlegung der 'besten' zulässige Anordnung beider Kisten

durch Entscheidungsregeln: Anordnungen entlang der Tiefe, der Höhe und entlang der Breite

des Containers: erstere am höchsten bewertet, letztere am geringsten mehrere mögliche Anordnungen eines Typs: Höhe als größte

Dimension am höchsten eingestuft, solche mit der Breite am niedrigsten möglichst große neue Leerquader

Gehring et al. (1990): 'Bestimme bestes Kistenpaar und Anordnung beider Kisten'

ExakteAlgorithmen

Heuristiken


Einleitung


Lösungs-ansätze


57

Gehring et al. (1990): 'Bestimme bestes Kistenpaar und Anordnung beider Kisten'

ExakteAlgorithmen

Heuristiken

Abb. 10: Zulässige Anordnungen von Kistenpaaren


Einleitung


Lösungs-ansätze


58

Gehring et al. (1990): Test der Heuristik

ExakteAlgorithmen

Heuristiken

Test mit Daten der Frachtagentur leider nur zwei Testinstanzen: eine aus 21 Kisten und 20' Standard-

Container, andere aus 48 Kisten und 40' Standard-Container

Tab. 1: Kistendaten für Instanz 1.


Einleitung


Lösungs-ansätze


59

Gehring et al. (1990): Ergebnisse

ExakteAlgorithmen

Heuristiken

Ergebnisse: für einige der Staupläne Für erste Instanz ist Stauplan 1 der beste: alle Kisten und somit

größtes Packvolumen. Da Kisten auch Frachtkosten bzw. Werte zugeordnet sind, kann auch

der Gesamtfrachtwert als Zielkriterium berücksichtigt werden. es gibt z. B. Staupläne, die zwei Kisten übrig lassen (Plan 3),

aber höheren Gesamtwert als Staupläne mit einer übrig gebliebenen (Plan 19) aufweisen

Tab. 2: Testergebnisse für Instanz 1


Einleitung


Lösungs-ansätze


60

Gehring et al. (1990): Stauplan 1

ExakteAlgorithmen

Heuristiken

Abb. 11: graphische Darstellung des Stauplanes 1 der ersten Instanz.


Einleitung


Lösungs-ansätze


61

Gehring et al. (1990): Stauplan 1 und Ergebnisse

ExakteAlgorithmen

Heuristiken

Sortierung: Kiste mit dem größten Volumen (Nr. 16) als erste LDB es passen nur noch einige kleinere Kisten noch übrige zweitgrößte Kiste (Nr. 10) als LDB für Schicht 2 drittgrößte ist noch als LDB für Schicht 3 vorhanden letzte (vierte) Schicht besteht aus dem Restraum des Containers,

daher ist Kiste 18 keine LDB (geringere Tiefe als die der Schicht)- Hauptanteil des Leeraumes in Schicht 4, da keine weiteren Kisten

mehr vorhandenRaumnutzungsgrad hier keine aussagekräftige Kenngröße für

die Performance der Heuristik ! bei Instanz 2 bleiben bei allen Stauplänen Kisten übrig

Volumennutzung (75 - 82%) aussagekräftiger für Performance !

- kein systematischer Vergleich auf Basis gleicher Testinstanzen mit anderen Heuristiken !

- kein Vergleich mit manueller Lösungen, da keine Daten dieser Ziel der besseren Packung und Prozessbeschleunigung auf jeden Fall

erreicht durch Erzeugung mehrerer Staupläne Generierung eines Stauplanes: 6 - 15 Sekunden CPU Rechenzeit auf

einem Intel 8086 Prozessor (1990): 10 verschiedene Staupläne in wenigen Minuten mit PC: Anwendung im Tagesgeschäft möglich !


Einleitung


Lösungs-ansätze


62

Diskussion

ExakteAlgorithmen

Heuristiken

Vielen Dank für Ihre Aufmerksamkeit!

Fragen?

Diskussion ...

Universität Karlsruhe (TH) Institut für Anwendungen des Operations Research (ANDOR)...

Documents

Transcript of Universität Karlsruhe (TH) Institut für Anwendungen des Operations Research (ANDOR)...