Zur Seitenansicht
 

Titelaufnahme

Titel
Modelle und Methoden zur Lösung des ressourcenbeschränkten Projektablaufplanungsproblems unter Berücksichtigung praxisrelevanter Aspekte
AutorSchramme, Torben
PrüferSuhl, Leena In der Gemeinsamen Normdatei der DNB nachschlagen ; Fischer, Joachim In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2014
HochschulschriftPaderborn, Univ., Diss., 2014
Anmerkung
Tag der Verteidigung: 30.10.2014
Verteidigung2014-10-30
SpracheDeutsch
DokumenttypDissertation
URNurn:nbn:de:hbz:466:2-15140 Persistent Identifier (URN)
Dateien
Modelle und Methoden zur Lösung des ressourcenbeschränkten Projektablaufplanungsproblems unter Berücksichtigung praxisrelevanter Aspekte [1.93 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Projektablaufplanung als eine Planungsaufgabe des Projektmanagements hat den Zweck, Ausführungszeiträume für alle Aktivitäten eines Projekts festzulegen, sodass alle Ressourcen und Restriktionen eingehalten werden und der so entstehende Projektablaufplan so gut wie möglich die Ziele der Planung abbildet. Diese Arbeit basiert auf aktuellen Veröffentlichungen, welche gezeigt haben, dass es trotz jahrzehntelanger Forschung noch immer eine Lücke gibt zwischen den Praxisanforderungen einer solchen Planung und dem, was mit aktuellen mathematischen Optimierungsmodellen und -verfahren abgebildet und gelöst werden kann. Dies betrifft besonders die Modellierung von flexibel planbaren Ressourcenbedarfen und die Abbildung unterschiedlicher Planungsziele. Während im klassischen Modell der Ressourcenbedarf einer Aktivität konstant über ihre gesamte Dauer ist und die Dauer ebenfalls konstant ist, so gibt es bei flexibel planbaren Bedarfen nur einen Gesamtbedarf für die Aktivität und die resultierende Dauer sowie die Verteilung des Bedarfs auf die einzelnen Zeitperioden der Dauer ist Teil der Optimierungsentscheidung. Dabei kann eine Aktivität beliebig viele konstante und/oder flexibel planbare Bedarfe haben. Als Lösungsverfahren wird ein MIP sowie ein genetischer Algorithmus (GA) entwickelt. Während das MIP mit einem Branch&Cut-Solver nur sehr kleinen Probleminstanzen in akzeptabler Zeit lösen kann, erreicht der GA auch für große Instanzen gute Lösungen in kurzer, konstanter Zeit. Im Gegensatz zu bisher bekannten Heuristiken kann der GA einen Plan unter verschiedenen regulären und nichtregulären Zielfunktionen optimieren und so unterschiedliche Planungsziele abbilden. Die Tests wurden mit drei verschiedenen Zielfunktionen auf abgewandelten PSPLIB-Instanzen sowie einer Fallstudie aus der Praxis durchgeführt.

Zusammenfassung (Englisch)

The purpose of project scheduling in the process of project management is to determine execution periods for all project activities, subject to given resource or time constraints, with the objective that the resulting schedule reflects as much as possible the planning targets. This work is based on current publications that show that despite decades of research, there is still a gap between the requirements of practical planning on the one hand and the modelling and solving abilities of current state-of-the-art solution methods on the other hand. This applies in particular to the modeling of flexible, schedulable resource demands and the ability to incorporate different planning targets. In the classic model, resource demands of an activity are constant over the whole execution period and the length of this period itself is also constant. In contrast, flexible schedulable resource demands have only a total demand for the whole activity, and the activity execution duration plus the demand distribution over that execution time is determined in the optimization process. Activities can have any number of flexible schedulable and/or constant resource demands. For solving this model, two approaches are developed, namely a mixed-integer program (MIP) and a genetic algorithm (GA). While a Branch&Bound solver with the MIP can only solve small sized instances within a reasonable time, the GA achieves good solutions even for larger instances in a short, constant time. Compared to previous metaheuristic approaches, the GA is able to solve schedules under regular and non-regular objective functions and, thus, can handle different planning targets. Three different objective functions are considered in computational tests for modified test instances of the well-known PSPLIB and a case study from practice.