Abschlussarbeiten


Hier finden Sie ausgeschriebene Abschlussarbeitsthemen, gegliedert nach Forschungsbereichen. Leitlinien und hilfreiche Tipps zur Ausarbeitung von Abschlussarbeiten und sonstigen wissenschaftlichen Arbeiten finden Sie unter Downloads und Links. Alle genannten Themen lassen sich ggf. und nach vorheriger Absprache mit den Betreuern und mit entsprechend angepasstem Umfang als Projekt-, Bachelor- oder Masterarbeit bearbeiten.

Zudem besteht für Sie als Studierende jederzeit die Möglichkeit, mit eigenen Ideen oder Vorschlägen zu Fragestellungen aus den unten genannten Themengebieten an uns heranzutreten und mit uns gemeinsam ggf. zu einem passenden Thema für Ihre Projekt- oder Abschlussarbeit auszugestalten.

 


Themengebiete

Optimierungsprobleme in der Logistik
Optimierungsmethoden werden auf zahlreiche Fragestellungen der Logistik angewendet. Aufgrund der Struktur von logistischen Fragestellungen bietet sich die Darstellung in mathematischen Modellen an. Die Komplexität solcher Probleme bringt zahlreiche interessante Themen hervor, wie zum Beispiel die Untersuchung von Modellierungsansätzen und Lösungsmethoden in den Feldern Tourenplanung, Standortplanung oder Liefernetzwerkgestaltung.


Quantitative Modellierung innovativer Logistikkonzepte

Immer wieder berichtet die Branchen- und Fachpresse über Unternehmen, die sich diversen logistischen Neuerungen und Herausforderungen stellen, wie man an folgenden Beispielen gut erkennen kann: Der Medizintechnik-Hersteller „Dräger“ hat kürzlich seine Produktions- und Lagerstandorte zusammengelegt, was zu diversen Anpassung innerhalb der Logistikkette (z.B. betreffend der Kommissionierung und des Transports von Rohstoffen sowie fertigen Produkten) führt (BVL LOG.mail Nr. 3 vom 19.01.2017). Der bekannte Online-Händler amazon plant den Neubau von Logistikzentren, um Pakete selbst zustellen zu können anstatt sie wie bisher üblich mit KEP-Dienstleistern zu versenden (BVL LOG.mail Nr. 3 vom 19.01.2017). In Karlsruhe kann man sich im Rahmen des Pilotprojekts „Kalix“ die eigenen Einkäufe von den teilnehmenden Geschäften noch am selben Tag nach Hause liefern lassen (BVL Magazin „Zwei“ 2016). Das Schweizer Unternehmen Imaginecargo will mit sog. „Bike-Bahn-Bike-Zustellung“ CO2-Emissionen reduzieren (BVL Magazin „Zwei“ 2016). Und in der Automobilbranche werden ganzheitliche Logistik- und Mobilitätskonzepte wie das „Connected Car“ entwickelt, bei dem sich die Fahrzeuge automatisiert über den aktuellen Verkehrsfluss, Ampelphasen, Baustellen oder freie Parkplätze austauschen (BVL Magazin „Eins“ 2016). Hinter den meisten dieser Ideen, Konzepte und technischen Entwicklungen stehen quantitative Modelle zur Entscheidungsunterstützung. Im Rahmen verschiedener Projekt-, Bachelor- oder Masterarbeiten soll recherchiert, strukturiert dargelegt und möglichst im Rahmen eines eigenen Beispiels demonstriert werden, welche quantitativen Modelle oder Verfahren in den einzelnen Fällen Anwendung finden oder finden könnten.

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Tobias Klein, Kai Hoth, Lorenz Kolley

Effiziente Lösungsverfahren für gemischt-ganzzahlige Optimierungsprobleme in der Logistik

Häufig können praktische Probleme der Logistik mit Hilfe von gemischt-ganzzahligen linearen Programmen modelliert und gelöst werden. Bekannte Probleme stammen dabei beispielsweise aus dem Bereich der Tourenplanung (Vehicle Routing Probleme), z.B. mit praktischen Anwendungen in der Paketzustellung. Neuere Fragestellungen auf diesem Gebiet behandeln unter anderem multimodale Liefersysteme für Zustellungen auf der letzten Meile. Zuordnungsprobleme und Standortplanung sind weitere Problembereiche, welche als gemischt-ganzzahliges lineares Programm dargestellt werden können. Im Gegensatz zur klassischen linearen Programmierung wird das Lösen von gemischt-ganzzahligen linearen Programmen aufgrund der zusätzlichen Beschränkungen der Ganzzahligkeit einiger Entscheidungsvariablen erschwert. Daher werden effiziente Lösungsverfahren benötigt, um solche Programme in (für die Problemstellung) akzeptabler Zeit lösen zu können. Exakte Verfahren wie Branch-and-Cut berechnen für solche Probleme ganzzahlige optimale Lösungen, weisen meist jedoch im Vergleich zu heuristischen Verfahren einen erhöhten Rechenaufwand auf, während heuristische Verfahren i.d.R. schnell zu einem Ergebnis kommen, dieses aber nicht unbedingt der optimalen Lösung entspricht. Abschlussarbeiten auf diesem Gebiet können sich mit Heuristiken und exakten Schnittebenenverfahren (Separationsverfahren) oder mit dem Vergleich bestehender heuristischer und exakter Lösungsverfahren befassen. Da in diesen Arbeiten in der Regel die Modelle und Verfahren implementiert werden müssen, sind Kenntnisse in einer höheren Programmiersprache, bspw. in Python oder Java, wünschenswert. Mögliche Fragestellungen und Anwendungsgebiete sind unter anderem:

  • Letzte-Meile Lieferungen mit Drohnen (und LKWs)
  • Standortplanung von Depots und Lagerhäuser
  • Auswahlkriterien und Auswahlstrategie von Schnittebenenverfahren für ein auszuwählendes Logistikproblem
  • Konzeption und Implementierung von problemspezifischen Schnittebenenverfahren

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei bei den Ansprechpartner*innen:
Tobias Klein

Optimierung in der Evakuierungsplanung
Ein wichtiges Thema in der humanitären Logistik ist die Evakuierungsplanung. Sowohl bei Naturkatastrophen als auch bei Katastrophen menschlicher Genese (z.B. Terroranschläge, Dammbrüche…) ist die Evakuierung Betroffener sowohl vor als auch nach Eintritt der Katastrophe häufig von hoher Relevanz. Bei der Optimierung in der Evakuierungsplanung kann der Fokus dabei auf unterschiedlichen Aspekten liegen, bspw. der Routenoptimierung, der Evakuierungsnetzwerkoptimierung oder der Zuordnung der zu Evakuierenden zu Schutzbauten.

Ein wichtiges Modell für die lineare Optimierung in der Evakuierungsplanung ist das Cell Transmission Model (CTM) von Carlos Daganzo (1994) und dessen Erweiterung zum System Optimal Traffic Assignment (SO-DTA) Problem von Athanasios Ziliaskopoulus (2000). Für diese generischen Modelle zur Planung von Verkehrsflüssen wurden einige evakuierungstechnische Erweiterungen entwickelt, die das CTM und SO-DTA für unterschiedliche Aspekte der Evakuierung anpassen. Studien- und Abschlussarbeiten bieten sich dabei u.a. in folgenden Themenbereichen an:


Contraflowstrategien in der systemoptimalen Evakuierung

Die Idee hinter Contraflow-Strategien ist es, die Durchflusskapazität in Teilen des Verkehrsnetzwerkes zu erhöhen indem dort die Verkehrsflussrichtung umgekehrt wird. Dies wird durch die Freigabe von Fahrspuren für den Gegenverkehr erreicht. Leitfrage: Wie können Contraflowstrategien im CTM/SO-DTA umgesetzt werden?

Lichtsignalsteuerung in der systemoptimalen Evakuierung

Die Durchflusskapazität von Verkehrsnetzen ist an die effiziente Schaltung von Lichtsignalen gekoppelt, die i.d.R. so eingestellt ist, dass sie täglich vorhersehbare Verkehre möglichst gut bewältigt. Da sich die bei einer Evakuierung anfallenden Verkehre jedoch stark von regelmäßigen Verkehren unterscheiden, kann sich eine angepasste Signalsteuerung positiv auf die systemoptimale Evakuierungszeit auswirken. Leitfrage: Welche Möglichkeiten zur Lichtsignalsteuerung können im CTM/SO-DTA umgesetzt werden und welche praktischen Auswirkungen hat dies?

Beachtung von Staubildung in der Evakuierungsplanung

Ein großes Problem in der Evakuierungsplanung ist die Bildung von Verkehrsstaus, da hier nicht mehr in der systemoptimalen Freiflussgeschwindigkeit gefahren wird, bei welcher das Verkehrsnetzwerk die größte Gesamtflusskapazität bietet. Da die Effekte von Verkehrsstaus nicht-linearen Charakter besitzen, ist oftmals die Linearisierung dieser Effekte zur Anwendung von geeigneten Lösungsverfahren notwendig. Die Betrachtung von Nicht-Linearitäten ist somit ein wichtiger Aspekt bei der Lösung von Evakuierungsproblemen. Leitfrage: Was sind unterschiedliche Ansätze zur Staubetrachtung im CTM/SO-DTA und wie wird mit nicht-Linearitäten umgegangen?

Berücksichtigung von Schattenevakuierung

Um konkrete Handlungsempfehlungen aus der Evakuierungsplanung ableiten zu können, ist die korrekte Einschätzung der Verkehrssituation über den Betrachtungszeitraum im betrachteten Netzwerk, die nicht durch die Optimierung gesteuert werden kann, ausschlaggebend. Dieser Verkehr wird Schattenevakuierung genannt. Die häufige Annahme eines leeren Verkehrsnetzwerks bei der Evakuierungsplanung ist i.d.R. dafür mitverantwortlich, dass Ergebnisse nur theoretischer Natur sind. Die fundierte Schätzung der Eingangsparameter bzgl. der Schattenevakuierung des CTM/SO-DTAs kann somit eine wichtige Aufgabe sein. Leitfrage: Wie sind die Eingangsparameter des CTM/SO-DTA zu wählen, damit Schattenevakuierung angemessen berücksichtigt wird?

Unsicherheiten in der Evakuierungsplanung

Häufig wird in der (linearen) Optimierung von vollständiger Information bezüglich der anfallenden Verkehre ausgegangen. Da dies in der Evakuierung nicht der Fall ist, ist eine Betrachtung von Unsicherheiten in der Parametrisierung oder Modellierung nötig. Leitfrage: Wie kann die Unsicherheit von Eingangsdaten im CTM/SO-DTA betrachtet werden?

Effiziente Lösungsverfahren für die Evakuierungsplanung

Aufgrund der natürlichen Größe von Evakuierungsproblemen, kommen exakte Lösungsverfahren schnell an ihre Grenzen. Gerade wenn durch Modellerweiterungen ganzzahlige Entscheidungsvariablen auftreten, ist die Entwicklung eines problemspezifischen Lösungsverfahrens unumgänglich, um Implikationen für die Praxis abzuleiten. Leitfrage: Welche problemspezifischen Lösungsverfahren gibt es für das CTM/SO DTA und deren Erweiterungen und auf welchen metaheuristischen Konzepten beruhen diese gegebenenfalls?

Wesentlicher Teil der Abschlussarbeiten ist immer die Beantwortung der Leitfrage durch Sichtung und Aufbereitung der relevanten Literatur zum entsprechenden Thema sowie Vorstellung der relevanten Modellerweiterung des CTM/SO-DTAs und ihre Funktion. Des Weiteren sollen einfachere Modelle, Modellbestandteile oder Algorithmen in einer passenden Optimierungssoftware implementiert und für ein eigenes Beispiel gelöst werden. Zusätzliche Arbeitsschritte ergeben sich aus dem Typ der Arbeit.

Literaturverzeichnis

  • Daganzo, Carlos F. (1994): "The cell transmission model: A dynamic representation of highway traffic consistent with the hydrodynamic theory". Transportation Research Part B: Methodological 28 (4), S. 269–287. DOI: 10.1016/0191-2615(94)90002-7.
  • Ziliaskopoulos, Athanasios K. (2000): "A Linear Programming Model for the Single Destination System Optimum Dynamic Traffic Assignment Problem". Transportation Science 34 (1), S. 37–49.
Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Tobias Klein

Humanitäre Logistik
Naturkatastrophen ebenso wie von Menschen verursachte Katastrophen können verheerende Folgen für die betroffene Region und Gesellschaft haben. Ziel der humanitären Logistik ist es daher, die negativen Auswirkungen von Katastrophen mit Hilfe von geeigneten Maßnahmen zu minimieren. Dabei wird die Arbeit von Hilfsorganisationen durch die enorme Unsicherheit bezüglich Ort, Zeitpunkt und Ausmaß einer Katastrophe erschwert. Um die Betroffenen trotzdem schnellstmöglich mit den nötigen Hilfsgütern, wie Wasser oder Medikamenten, versorgen zu können, werden quantitative Optimierungsmodelle zur Entscheidungsunterstützung herangezogen.


Modellierungsansätze zur Berücksichtigung von Unsicherheiten in der humanitären Logistik

Naturkatastrophen zeichnen sich durch extreme Unsicherheiten aus, da vor ihrem Eintritt weder der Zeitpunkt, noch der Ort, noch das Ausmaß der Zerstörung bekannt sind. Um aber die Hilfsorganisation bei der Vorbereitung auf eine Naturkatastrophe trotzdem bestmöglich unterstützen zu können, müssen Modelle entwickelt werden, die unsichere Eingangsdaten mitberücksichtigen. Ziel der Arbeit ist es, verschiedene Modellierungsansätze zur Berücksichtigung von Unsicherheiten vorzustellen und diese miteinander zu vergleichen. Darauf aufbauend sollen mathematische Modelle u.a. auf die folgenden Fragen untersucht werden: Welche Unsicherheiten erschweren besonders die Entscheidungsfindung von Hilfsorganisationen? Welche Modellierungsansätze werden in der Literatur zur Katastrophenlogistik besonders häufig genutzt und wie geeignet sind diese zur Erfassung real auftretender Unsicherheiten?

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Tobias Klein

Optimierungspotentiale für maritime logistische Systeme
Die maritime Logistik beschäftigt sich mit der Planung, Gestaltung und Steuerung von Waren- und Informationsströmen im Zusammenhang mit seegebundenen Transporten, z.B. von Containern. Zu den in diesem Bereich betrachteten maritimen logistischen Systemen zählen zum Beispiel Containerterminals, an denen Schiffe be- und entladen werden, aber auch das Netzwerk der Schiffsrouten.


i³-Lab Business Analytics – Optimierungspotentiale und strategische Risiken für maritime logistische Systeme

Im Rahmen des i³-Lab Business Analytics besteht für Studierende die Möglichkeit, Abschlussarbeiten zu diesem Themenkomplex zu bearbeiten.
Ein konkreter Forschungsgegenstand im Projekt ist zum Beispiel das Leercontainermanagement. Aufgrund von Marktungleichgewichten müssen häufig Container leer transportiert werden, um anschließend wieder zum Einsatz kommen zu können. Es ist jedoch ökonomisch und ökologisch wünschenswert, die Anzahl dieser Leertransporte gering zu halten. Dies kann bspw. unter Nutzung unternehmensunabhängiger Leercontainerlager außerhalb des Hafengebietes, aber auch durch den direkten Austausch bzw. die Weitergabe von Containern erfolgen.
Weitere mögliche Themen umfassen unter anderem die Optimierung von Containertransporten im Hinterland (von Seehäfen) per LKW, Zug oder Binnenschiff. Hierbei können Ansätze zur Reduzierung der Verkehrsbelastung oder Reduzierung der CO2-Emmissionen untersucht werden. Die Optimierung von Schiffsrouten sowohl in der Containerschifffahrt, die hauptsächlich nach Fahrplan fährt, als auch in der Trampschifffahrt für Schüttgut und flüssige Güter ist ein weiteres interessantes Thema. Ferner bestehen auch Optimierungsansätze für Containerterminals, z.B. bei der Kaikanten- und Liegeplatzplanung, in den Containerlagern oder in der Slotplanung für LKW und Schienenverkehre, die im Rahmen von Abschlussarbeiten untersucht werden können.
Die Implementierung von mathematischen Modellen, die in der Regel Bestandteil jeder Abschlussarbeit ist, und/oder die Analyse und Auswertung von Daten kann beispielsweise in GUSEK oder Python erfolgen.
Die konkrete Themenstellung wird in Absprache mit dem Betreuer entwickelt.
Weitere Informationen zum Forschungsprojekt hier.

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Lorenz Kolley

Mobilitätsdienste
In den vergangenen Jahren sind neue Mobilitätsdienste entstanden, die vermehrt Techniken des Operations Research einsetzen, um Prozesse effizient zu gestalten und in die Gewinnzone zu gelangen. Zu den neuen Mobilitätsdienstleistungen zählen unter anderem Bikesharing (wie StadtRAD, nextbike, JUMP und Mobike), Carsharing (wie ShareNow und Oply), Ridesharing (wie Uber, BlaBlaCar, MOIA und ioki) und E-Scootersharing (wie Lime, Bird, TIER, Circ, Voi).


Optimierung von innovativen Mobilitätsdienstleistungen

Zu jeder Art der neuen Mobilitätsdienste gibt es unterschiedliche Fragestellungen, die mithilfe von Optimierungsmethoden beantwortet werden können.
Beim stationären oder freefloating Bikesharing sind die Fahrten der Servicetransporter zum Umparken und Reparieren der Fahrräder oder die Frage nach bestmöglichen neuen Standorten für Fahrradstationen Themen, die mathematisch optimiert werden können.
Das Carsharing hat ähnliche Fragestellungen wie das Bikesharing. Eine zusätzliche Fragestellung ist z.B. die Optimierung der Betankung (mit Kraftstoff oder Strom) der Fahrzeuge in zeitlicher und/oder örtlicher Hinsicht.
Das Ridesharing, welches Ridehailing (Taxifahrten), Carpooling (Pendlergemeinschaften) und Ridepooling (Sammeltaxifahrten) beinhaltet, kann in unterschiedlicher Weise von Methoden des Operations Research profitieren. Zum Beispiel kann das Routing der Fahrzeuge und das Matching zwischen Fahrzeugen und Kunden optimiert oder dynamic pricing zur Erlösmaximierung genutzt werden. Auf dem Uber Engineering Blog finden sich einige Artikel und Paper zu dem Thema, z.B. "Dynamic Pricing and Matching in Ride-Hailing Platforms".
Der in Deutschland wohl neueste Mobilitätsdienst ist das E-Scootersharing. Bei den E-Scootern handelt es sich um elektrisch angetriebene Roller. Wissenschaftliche Literatur zur Optimierung dieses Mobilitätsdienstes ist noch kaum vorhanden. Ein möglicher Untersuchungsgegenstand ist zum Beispiel die Optimierung der Abendfahrten, die erforderlich sind, um die Scooter einzusammlen und über Nacht aufzuladen. E-Scooter-sharinganbieter sind zum Beispiel myTaxi mit der Marke Hive, Bird, Lime oder Tier Mobility.
Die Implementierung von mathematischen Modellen, die in der Regel Bestandteil jeder Abschlussarbeit ist, und/oder die Analyse und Auswertung von Daten kann beispielsweise in GUSEK oder Python erfolgen.
Die konkrete Themenstellung wird in Absprache mit dem Betreuer entwickelt.

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Lorenz Kolley

Energietechnik und Energiewirtschaft
Energie ist für nahezu alle Lebensbereiche von zentraler Bedeutung. Aufgrund der Unverzichtbarkeit der Energiegewinnung auf der einen Seite sowie ihrer ökologischen Auswirkungen auf der anderen Seite handelt es sich um ein Themengebiet von großer gesellschaftlicher Relevanz. Die Energieerzeugung durch verschiedene Rohstoffe und Prozesse, die Energieverteilung und –speicherung sowie die Energienutzung durch private und gewerbliche Endverbraucher bieten viele Möglichkeiten zur Verbesserung der Effizienz. Optimierungen bewegen sich dabei im Zieldreieck zwischen Versorgungssicherheit, Wirtschaftlichkeit und ökologischer Nachhaltigkeit.


Optimierung in der Energietechnik und -wirtschaft

In vielen Industriebereichen stellt der Energieverbrauch einen erheblichen Kostenfaktor dar und ist somit Gegenstand möglicher Optimierungsmaßnahmen. Die Umgestaltung technischer Prozesse oder Anpassungen von Produktportfolios oder Produktionsprogrammen bieten beispielsweise Ansätze zur energetischen Optimierung. Aufgrund der Eigenschaft der Energie als unterstützende Ressource sind dabei verschiedene technische und wirtschaftliche Nebenbedingungen sowie unterschiedliche Zielsetzungen zu berücksichtigen. In der Energiewirtschaft treten insbesondere im Rahmen der Energiewende Fragestellungen auf, die die Anwendung von Optimierungsmodellen und –methoden nahelegen. Die Sektorenkopplung beruht auf der Vernetzung einer Vielzahl von Akteuren mit unterschiedlichen Funktionen und individuellen Zielen. Die zunehmende Dezentralisierung in der Erzeugung durch viele kleine Erzeugungsanlagen, sowie die Volatilität erneuerbarer Energien sorgen für eine hohe Komplexität. Die Gestaltung von Energienetzen erfolgt hinsichtlich der Ziele Versorgungssicherheit, Wirtschaftlichkeit und ökologischer Nachhaltigkeit. Die konfliktäre Beziehung dieser Ziele zueinander erfordert die Bestimmung entsprechender kompromissbasierter Lösungen. Abschlussarbeiten können Optimierungen des Betriebs von Smart Grids oder einzelner Anlagen zum Gegenstand haben und die Minimierung von Kosten oder Emissionen als Ziel verfolgen. Bestandteil einer solchen Arbeit ist neben der Implementierung eines solchen Modells die Auswertung und Analyse der Ergebnisse eines Anwendungsbeispiels. Die konkrete Themenstellung wird in Absprache mit dem Betreuer entwickelt.
Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Kai Hoth

Optimierung der Liegeplatzplanung an Containerterminals
Containerterminals (CTs) bilden die wesentliche Schnittstelle zwischen Seetransporten und dem Hinterland. Zu den zahlreichen Planungsaufgaben des wasserseitigen Containerumschlags gehört die Planung der Liegeplätze für ankommende Containerschiffe, d.h. die optimale Nutzung der vorhandenen Kapazität. Die Kapazität eines Kais ergibt sich dabei aus seiner Länge und der Betriebszeit des CTs in der Planungsperiode. Das sogenannte Berth Allocation Problem (BAP) beinhaltet die Planung der Liegeplätze für ankommende Schiffe. Seine Lösung soll die Frage beantworten, zu welchem Zeitpunkt ein Containerschiff an welcher Position am Kai festgemacht werden soll. Darüber hinaus wird entschieden, ob und, wenn ja, welche Schiffe abgelehnt werden müssen, um die knappe Ressource Kai optimal zu nutzen. Am CT können dabei verschiedene Ziele verfolgt werden. Es können betriebswirtschaftliche Kennzahlen optimiert werden, indem z.B. ein maximaler Erlös oder eine möglichst hohe Auslastung des Kais angestrebt werden. Aus der Kundenperspektive sollte vor allem der Kundennutzen, im Sinne einer qualitativ hochwertigen Dienstleistung, maximiert werden, d.h. es sollten z.B. Wartezeiten der Schiffe auf die Abfertigung minimiert werden.


Identifizierung von Clustern in Modellformulierungen für das Liegeplatzplanungsproblem

Im Operations Research werden reale Entscheidungsprobleme vereinfacht in mathematischen Modellen abgebildet und gelöst. In über 20 Jahren der Forschung zum Problem der Liegeplatzplanung wurden zahlreiche solcher mathematischen Modelle für das BAP entwickelt und immer weiter verbessert, die sich in ihrer Formulierung mehr oder weniger unterscheiden. Um ein besseres Verständnis für die zugrundeliegenden Überlegungen bei der Modellierung und deren Vor- und Nachteile zu erhalten, sollen geeignete Cluster über die existierenden Modellformulierungen in der relevanten Literatur gebildet werden.
Das Ziel Ihrer Arbeit wird es sein, repräsentative Basismodelle zu identifizieren, auf welche die Modellformulierungen der im Cluster enthaltenen Modelle zurückzuführen sind. Inhaltlich werden Sie daher in Ihrer Untersuchung (1) einen Überblick über die relevante Literatur geben, (2) Modelle aus der einschlägigen Literatur hinsichtlich ihrer Formulierung geeignet gruppieren und (3) die Grundtypen (Basismodelle) als Repräsentation für die gefundenen Gruppen vorstellen. Je nach Umfang der Arbeit können Sie zudem die Basismodelle anhand eines Anwendungsbeispiels beispielsweise hinsichtlich der Lösungsgeschwindigkeit und der Zielerreichung analysieren.
Ihre Ergebnisse fließen mit in unsere Forschung zur Optimierung der Liegeplatzplanung an Containerterminals ein. Die Implementierung von mathematischen Modellen, die in der Regel Bestandteil jeder Abschlussarbeit ist, und/oder die Analyse und Auswertung von Daten kann beispielsweise in Python erfolgen.
Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Lorenz Kolley

Disruption Management in der Liegeplatzplanung

Wie für alle realen Probleme gilt auch bei der Liegeplatzplanung, dass Informationen unvollständig oder falsch sein können. Insbesondere die Ankunftszeit der Containerschiffe am Containerterminal ist zum Zeitpunkt der Planung unsicher oder unbekannt. Reaktive Ansätze, wie das Disruption Management, zielen darauf ab, die Umsetzbarkeit des Liegeplatzplans zu erhalten, wenn neue Informationen verfügbar sind, die von den ursprünglichen Erwartungen abweichen.
Das Ziel Ihrer Arbeit wird die Anwendung und Analyse eines reaktiven Optimierungsmodells zur Liegeplatzplanung sein. Dafür sind auch die theoretischen Grundlagen und der Stand der relevanten Forschung zur Liegeplatzplanung unter Unsicherheit darzulegen und zu diskutieren.
Ihre Ergebnisse fließen mit in unsere Forschung zur Optimierung der Liegeplatzplanung an Containerterminals ein. Die Implementierung von mathematischen Modellen, die in der Regel Bestandteil jeder Abschlussarbeit ist, und/oder die Analyse und Auswertung von Daten kann beispielsweise in Python erfolgen.


Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Lorenz Kolley