Optimierungsanwendung
Berichte:
• Optimierungsergebnisse
• Simulationsrechnungen
Ergebnistabellen
2 2019 | moproweb.de 41
Optimierungsanwendung
Ausgangsdaten:
• Molkereibetriebe
• Rohstoff Milch
• Absatz/Erlöse
• Kosten
• Kapazitäten
Modellgenerator:
• Modellierungssprachen
z. B. OPL u. a.
• MS Access/SQL
• Optimierungsmodell
Start Solver:
Solver
• Lösungsprogramme
für Optimierungen,
z. B. Matlab, Ilog CPlex,
Gurobi, R, Frontline
Solvers
2 Vgl. Bayr, Stefan: Märkte und Volatilität, Teil 1 in: Molkereiindustrie, Heft 5/2016, S. 16 – 19.
Berichte:
• Optimierungs-
ergebnisse
• Simulations-
rechnungen
Ergebnistabellen:
Ausgangsdaten:
Molkereibetriebe
Rohstoff Milch
Absatz/Erlöse
Kosten
Kapazitäten
Modellgenerator:
• Modellierungssprachen
z.B. OPL
u.a.
• MS Access/SQL
• Optimierungsmodell
Start Solver:
• Lösungsprogramme
für
Optimierungen,
z.B. Matlab,
Ilog CPlex,
Gurobi, R,
Frontline
Solvers
Solver
Solver-Skript:
• Einlesen Optimierungsproblem
• Setzen Optimierungsparameter
• Optimierungslösung
• Ergebnistabellen (MS Access oder SQL-Server)
Solver-Skript:
• Einlesen Optimierungsproblem
• Setzen Optimierungsparameter
• Optimierungslösung
• Ergebnistabellen (MS Access oder SQL-Server)
dafür sind die kostenoptimale Planung der
innerbetrieblichen und außerbetrieblichen
Logistik und das Zusammenstellen optimaler
Mischungen in der chemischen Industrie
und Nahrungsmittelindustrie. Weitere Beispiele
finden sich in der Belegungsplanung
von Stromnetzen sowie in der Personaleinsatzplanung
großer Unternehmen.
Rohstoff Milch mit
seinen Inhaltsstoffen
bestmöglich verwerten
In der Milchverarbeitung ergibt sich ein
typischer Anwendungsfall der Linearen
Programmierung in der Planung der Rohstoffverwertung:
Jede Molkerei will seinen
angelieferten Rohstoff Milch mit den
wertgebenden Inhaltsstoffen bestmöglich
verwerten. Dabei müssen verschiedene
wichtige und entscheidende Prämissen berücksichtigt
werden. Beispielsweise, dass die
Rohstoff- und Inhaltsstoffbilanzen ausgeglichen
sein müssen, Kuppelprodukte anfallen,
Kapazitätsgrenzen zu beachten sind und der
Rohstoff Milch schlussendlich die möglichst
beste Verwertung hat. Diese Problemstellung
ist nicht trivial und kann nur mit Hilfe
eines mathematischen Optimierungsverfahren
zuverlässig optimal gelöst werden.
Die Vorteile mathematischer Optimierungsverfahren
im Vergleich zu bisher angewandten
Verfahren in der Rohstoffverwertungsplanung
sind:
• Es wird ein Potential für Wirtschaftlichkeitsverbesserungen
gehoben. Dieses Potential
ist von der bisherigen Planungsgüte und der
Komplexität der Rohstoffverwertung abhängig
und kann durchaus mehrere Zehntel Cent
pro kg Rohstoffverarbeitung betragen.
• Es sind schnellere und aussagekräftigere
Simulations- und Szenariorechnungen unter
Berücksichtigung der gegebenen Restriktionen
möglich.
• Es ist die Rohstoffbewertungsproblematik
bei Planungen gelöst, d. h. es finden
keine verzerrenden Effekte der Fett- und
Eiweißbewertung auf die Rohstoffverwertungsplanung
mehr statt. Darauf wurde
bereits an anderer Stelle eingegangen.2
Durch die Einführung von integrierten ERPSystemen
in vielen Unternehmen und wegen
der kostengünstigen Verfügbarkeit von leistungsfähiger
Hard- und Software ist es nun
möglich, die Rohstoffverwertungsplanung in
Molkereien auf der Basis von Optimierungsalgorithmen
praxisreif durchzuführen.
Aufbau einer Optimierungsanwendung
zur
Rohstoffverwertungsoptimierung
Der folgende Aufbau einer Optimierungsanwendung
ermöglicht eine praxisgerechte
Nutzung von Optimierungsalgorithmen
zur Rohstoffverwertungsoptimierung: Er