Mathematisches Modell und Algorithmen der Termin- und Reihenfolgeplanung

Größe: px
Ab Seite anzeigen:

Download "Mathematisches Modell und Algorithmen der Termin- und Reihenfolgeplanung"

Transkript

1 Mathematche Modell und Algorthmen der Termn- und Rehenfolgeplanung Dr.-Ing. SU) Yury Zack, Europäche Zentrum für Mechatronk Aachen Dr. rer. nat. Sergey Rotn, Lehrtuhl für Produktonytematk, RWTH Aachen Überblck Termn- und Rehenfolgeplanung betehen n zetlcher Koordnerung enzelner Arbetvorgänge unter Berückchtgung der technologchen Abhänggketen, de begrenzten Kapaztätangebot verchedener Reourcen owe der vorgegebenen Abchlutermne enzelner Aufträge. Al Optmerungkrterum glt her de Mnmerung der maxmalen Auftragdauer. De formulerte Aufgabe entprcht dem konventonellen Job-Shop-Problem vom Typ J Cmax mt zuätzlchen Retrktonen auf Begnn und Abchlu enger Job. E wrd möglch, chon n den erten Schrtten de eventuelle Unlöbarket de Problem fetzutellen. De bher n der Produktonplanung mplementerten Näherungverfahren nd chwer anzuwenden oder weng effektv. Her werden exakte und approxmatve Löungverfahren entwckelt, welche auf equenzeller Annäherung an de optmale Löung von unten beruhen. De Genaugketabchätzung der angenäherten Löungen baert auf den entwckelten Berechnungformeln für de untere Grenze de optmalen Krterumwerte. E werden de Egenchaften der frühet- und pätetmöglchen Starttermne aller Arbetvorgänge unterucht. Darauf baerend wrd de natürlche Ordnung n den Arbetytemen effektv rekontruert oder de Engpäe n der Reourcenkapaztät owe n den vorgegebenen Abchlutermnen enzelner Aufträge entdeckt. De entwckelten Berechnungalgorthmen nd n da nteraktve Programmpaket zur Produktonplanung engebaut.

2 A. Enletung De grundlegende Aufgabe der Termn- und Rehenfolgeplanung beteht n der zetlchen Koordnerung unterchedlcher Arbetvorgänge unter Berückchtgung der technologchen Abhänggketen und der begrenzten Kapaztät eder produzerenden Enhet. Al Augangdaten gelten dabe de Ablauftrukturen, welche technologche Folgen der Arbetvorgänge n edem Fertgungauftrag defneren. Dee Rehenfolgebezehungen owe de Dauer eder Tätgket laen ch n den meten praktchen Fällen m Vorau betmmen. Al Ergebn der Termnplanung glt ene Tabelle, de alle Start- und Endtermne der durchzuführenden Arbetvorgänge enthält. De n unerem Betrag vorgenommene Erweterung der gechlderten Aufgabe auf den Fall, da e zuätzlche Retrktonen auf Begnn und Abchlu enger Fertgungaufträge gbt, entprcht den Anforderungen praktcher Anwendungen. Beonder aktuell t e für de Werktattfertgung. Dennoch auch bem Abchleßen ener Rehe von Leferungverträgen, de gewe Endtermne vorauetzen, hat man chon m Vorfeld de zur Verfügung tehende Produktonkapaztät rchtg abzuchätzen, um de Realerbarket der abzucheßenden Verträge zu prüfen. Wenn de Endtermne für eden komplexen Fertgungauftrag vorlegen, o kann man mt Hlfe der Netzplantechnk de früheten und de päteten Zetpunkte owe de au hnen reulterenden Pufferzeten für ede Tätgket betmmen und dann de mnmale Dauer de Geamtproekt vorert ohne Berückchtgung der Bechränkungen auf de Reourcenkapaztät ermtteln. Verchedene Erzeugne der Fertgungndutre werden oft auf denelben Anlagen produzert, wobe enge Arbetvorgänge de begrenzten Reourcen Anlagen, Vorrchtungen, Tranport uw.) glechzetg benötgen. E t eher Regel al Aunahme, da Kapaztätangebot und -nachfrage aufenander ncht abgetmmt nd. Zwe oder mehr Arbetvorgänge können zu glecher Zet um de freen Kapaztäten werben und damt wären de vorgeehenen Starttermne deer Operatonen ncht durchführbar. Beanpruchen mehrere Fertgungaufträge oder hre enzelnen Arbetvorgänge glechzetg deelben Werkzeugmachnen oder Bearbetungplätze m weteren alle al Arbetyteme bezechnet), o müen be der Produktonplanung de Rehenfolgen der Fertgungaufträge de Auftragfolgen) fetgelegt werden. Man mu außerdem de explzte Belegung der Arbetyteme 2

3 durch de Aufträge ermtteln, d. h. de zetlche Rehenfolge fetlegen, n der ene betmmte Menge von Aufträgen n den Arbetytemen augeführt wrd. Somt tellt de Termn- und Rehenfolgeplanung n der Großerenfertgung mmer ene komplexe Aufgabe dar. De präzerte Aufgabentellung der Termn- und Rehenfolgeplanung beruht auf den folgenden Annahmen :. Jeder Fertgungauftrag hat ene Rehe von betmmten Arbetytemen durchzulaufen, deren Folge m vorau bekannt t. Dee au technologchen Gründen hervorgehende Rehenfolge kann für eden Auftrag ander aufallen.. Ken Fertgungauftrag kann glechzetg n mehr al enem Arbetytem augeführt werden. Ken Arbetytem kann glechzetg mehrere Aufträge auführen.. Der komplexe Fertgungauftrag kann n enzelne aufenanderfolgende Arbetvorgänge endeutg zerlegt werden. De Bearbetungzet ede Arbetvorgange e bekannt und von anderen Bearbetungfaktoren unabhängg. Kene Arbetvorgänge dürfen unterbrochen werden. v. Jedem Fertgungauftrag kann en Begnn- und en Abchlutermn endeutg zugeordnet werden. Dee Zettermne ollen al Unglechungretrktonen treng engehalten werden. De Aufgabe der Termn- und Rehenfolgeplanung beteht nun darn, enen zulägen Ablaufplan für de durchzuführenden Arbetvorgänge zu ertellen, der bezüglch mndeten ener vordefnerten Zelgröße optmal t. Seen E der vorgeehene Abchlutermn und T der Zetpunkt der wrklchen Fertgtellung de -ten Auftrage, o kann al Optmerungkrterum de maxmale Auftragdauer Fmax oder de mttelgewchtete Summe der Termnverpätungen F Σ wl gewählt werden, d. h. ) Mnmere F = max max T oder 2) Mnmere F = w max { T E, } wobe w ΣwL potve Gewchtkoeffzenten bezechnen. Da Optmerungkrterum 2) t für praktche Aufgaben der PPS aktuell; oft haben de Aufträge verchedene Prortät, o da de reguläre Auführung der mehr wegenden Aufträge eher gewährletet werden mu. Der entprechende Termnplan kann m Gegenatz zu Bala u.a. 998)) mt Hlfe der engeführten verchedenen 3

4 Gewchtkoeffzenten kontruert werden. De weteren betrachten wr allerdng nur de Aufgabentellungen mt dem Krterum ). Da zugehörge mehrdmenonale Problem der blnear-boolechen Programmerung, n dem de Größe F max de Rolle ener Zelfunkton pelt, wrd n Abchntt B.II formulert und erläutert. De her engeführte und zu Anfang nur verbal formulerte Aufgabe wurde et Aker und Fredman 955) ehr oft n der Lteratur betrachtet 2. De Löungvorchläge m Berech der Machnenbelegung nd damt umfangrech. We Zäpfel 996) zurecht bemerkt hat, exteren be n Aufträgen und m Arbetytemen b zu n!) m theoretch möglche ncht unbedngt zuläge) Belegungen. De deutet plaubel darauf hn, mt welchem Rechenaufwand eventuell konfrontert wrd, fall man e vorhat, ämtlche Kombnatonen n der Aufgabe zu unteruchen. Daher wurden n der Fachlteratur verchedene exakte und approxmatve Löungverfahren entwckelt: Optmerungverfahren mt gemchten Varablen 3, Branch-and-Bound Methoden 4 u. a. Dennoch werden de meten praxbezogenen Aufgaben b zum heute nur durch de approxmatven Verfahren behandelt, welche phantaevolle Suchheurtken und Prortätregel verwenden 5. Beondere Rückcht verdenen de heurtchen Verfahren von Bala 998) owe von Leon und Wu 992). Dee Verfahren laen de Job-Shop-Probleme mt Zuatzretrktonen behandeln. Im Falle der Inkompatbltät de enttehenden Retrktonytem chaltet ch da Verfahren von Bala automatch auf de Suche nach anderer Löung, welche dem Mnmum der maxmalen Termnverpätung vgl. mt dem Optmerungkrterum 2)) entprcht. De be den meten Anwendungen benutzten approxmatven Verfahren betzen ene Rehe von weentlchen Nachtelen. E exteren zum Bepel kene Auwertungen der Genaugket von ermttelten approxmatven Löungen. Fat alle bher betrachteten Löungverfahren nd ungeegnet, wenn da oben formulerte Schedulngproblem de Zetretrktonen auf den Auftragbegnn oder -chlu hat, und ermöglchen außerdem ncht, n den erten Schrtten de Algorthmu ene eventuell vorhandene Inkompatbltät de kompletten Retrktonytem fetzutellen. In deer Arbet wrd de Aufgabe der Termn- und Rehenfolgeplanung mt Annahme v) formulert und gelöt. Wr unteruchen dabe de Egenchaften der mt Hlfe der Netzplantechnk von Zmmermann 97) ermttelten frühet- und pätetmöglchen Starttermne ämtlcher Arbetvorgänge. Auf den beret n Zack 978) erläuterten Egenchaften von zulägen und optmalen Löungen baerend, laen wr chon n den erten Schrtten de Algorthmu ene große Telmenge von unzulägen Plänen aucheden. E werden dabe de explzt zugeweenen Engpäe 4

5 n der Reourcenkapaztät oder n den auferlegten Zetretrktonen gefunden. Der Berechnungprnzp beruht auf der Contrant-Programmng Methode, de n moderner Lteratur vgl. Dorndorf u.a. 2)) al Contrant Propagaton Technque genannt wrd. Der Hauptunterched beteht her aber n der Wahl de teratv zu löenden Eratzproblem, von deen Löbarket a pror ncht bekannt t. Mehr noch, der her vorgechlagene Algorthmu tützt ch auf kene obere Grenze, welche eventuell fehlt. E werden effektve Berechnungformeln entwckelt, de ene untere Grenze der zu mnmerenden Zelfunkton ) für ede zu unteruchende Telmenge der Termnpläne geben. Al Anfangwert F der Geamtproektdauer wrd ede Mal de mnmale untere Grenze gewählt. Nach der Überprüfung der Kompatbltät wrd entweder ene Aufgabenlöung gefunden oder en neuer Engpa n den Endzetpunkten betmmter Fertgungaufträge fetgetellt. Im Falle ene Engpae ändert ch de mnmale untere Grenze und de neue längere Geamtproektdauer wrd voraugeetzt, d. h. e glt mmer F < F +. Sobald e kene zulägen Löungen b zum neuen Berech der Geamtproektdauer gbt, oll de n deem Iteratonchrtt zuert ermttelte zuläge Löung al optmal gelten. De Funktonaltät der entwckelten Löungverfahren llutrert man anhand enger numercher Bepele. B. Mathematche Problemtellung I. Grundbegrffe und Bezechnungen E werden n Fertgungaufträge n m unterchedlchen Arbetytemen augeführt. Der -te Auftrag enthält J aufenanderfolgende Arbetvorgänge: O, =, J. Somt t eder Arbetvorgang O durch den Multndex α =, endeutg gekennzechnet. Wr defneren: { =, : =,, n, =, K J A = α K, } de Menge ämtlcher Multndze, µ, de Nummer de Arbetytem, da der Arbetvorgang durchläuft, O t, de Bearbetungdauer de Arbetvorgange, O x, den Starttermn de Arbetvorgange, θ, den frühetmöglchen Starttermn de Arbetvorgange, O O O τ, den pätetmöglchen Starttermn de Arbetvorgange, T = x, J ) + t, J ) den wrklchen Endtermn de -ten Fertgungauftrag, 5

6 B untere Schranke für den Begnn de -ten Fertgungauftrag, E obere Schranke für den Abchlu de -ten Fertgungauftrag, F max = max T den wrklchen Endtermn de Geamtproekt, =, n F de m -ten Iteratonchrtt fetgelegte obere Schranke für den Abchlu de Geamtproekt. De ganzwertgen Funktonen µ α ) und t α ), α A owe de Größen B und E, =, n nd al bekannt voraugeetzt. Geucht werden de Realwerte x α ), α A, welche dem Endtermn F max en globale Mnmum lefern. Offenchtlch müen de Größen E mn{ E, F }, =, =, n al effektve obere Schranken n edem Iteratonchrtt gelten. Fall der Wert B bzw. E ncht gegeben t, o wrd B = bzw. E, = F angenommen. De Anfangdaten für de frühet- und pätetmöglchen Starttermne der Arbetvorgänge de -ten Auftrag können nun au folgenden Glechungen ermttelt werden: 3) θ,) =, B θ, + ) = θ, + t,,, K, J = 4) τ, J ) = E t, J ),, τ, ) = τ, t, ), = 2, J Der wrklche Starttermn ede Arbetvorgang O oll den folgenden Bedngungen genügen: 5) θ, x, τ, Folglch hat man den Anfangwert F m Iteratonverfahren o zu wählen, da de Retrktonen 5) urprünglch kompatbel nd. Danach erfolgen numerchen Umformungen, be denen de Werte θ, tegen und de Werte τ, fallen, o da de gewünchte Kompatbltät n 5) eventuell verletzt wrd. In o enem Fall wrd der Wert auf F dermaßen erhöht, da e m Berech F F, F ) mmer F max [ noch kene zulägen Löungen exteren. Der erte Wert F de Schlupfparameter, be dem ene zuläge Löung x,,, A gefunden wrd, glt al exakte Löung der Extremalaufgabe ) bezüglch der Zelfunkton. 6

7 II. Modell der blnear-boolechen Programmerung Anhand der n Abchntt B.I engeführten Bezechnungen kann de Mnmerungaufgabe ) al Problem der blnear-boolechen Programmerung formulert werden. Zunächt betrachten wr aber de dunkten Untermengen der Multndze 6) A k) = { A : µ α) = k} α, k =, m aufgrund deren de Arbetyteme den enzelnen Arbetvorgängen zugeween werden. Um de Paare verchedener Arbetvorgänge n demelben Arbetytem zu bechreben, führen wr noch folgende Mengen en: 7) P = { α, β ) A k) A ) α β } P k) = k :, k =, m U m k= P k) De Rehenfolge der dem k -ten Arbetytem zugeweenen Arbetvorgänge kann durch de boolechen Komponenten γ α, α ), α, α ) P ) der Ecken- 2 2 k Inzdenzmatrx 6 de Graphen parteller Ordnung angegeben werden. Jedem Arbetytem entprcht dabe en egener Graph parteller Ordnung. Dee Graphen können ewel n enen volltändgen Graphen parteller Ordnung verengt werden, der dann zetlche Rehenfolge ämtlcher Arbetvorgänge bechrebt 7. De booleche Varable γ α, α ) t glech En, wenn der Arbetvorgang mt dem Multndex 2 α =, ) dem Arbetvorgang mt α =, ) folgt, ont t γ α, α ) glech Null. Wenn alle Rehenfolgebezehungen n edem Arbetytem fetgelegt nd 8, o nd dann auch ämtlche booleche Varablen defnert. De kontnuerlchen Varablen müen dann zuammen mt den boolechen Varablen folgende blneare Unglechungretrktonen erfüllen: 8) x α ) + t α ) x α )) + γ α, α )) x α ) + t α ) x α )) γ α, α 2) α, α 2) P Außerdem müen de urprünglch fetgelegten Rehenfolgen der Arbetvorgänge m Rahmen ede Fertgungauftrag engehalten werden, d. h. e mu gelten: 9) x, + t, x, + ),, K, J, =, n = Wenn de Schranken B und E =, n ) gegeben nd 9, o enttehen de zuätzlchen Retrktonen:, ) B x,), =, n x, J ) + t, J ) E, =, n 7

8 Um en Problem der mathematchen Programmerung aufzutellen, führen wr de Tchebychevche Hlfvarable η en, de al gemename obere Schranke für de Endtermne aller Fertgungaufträge vorgetellt werden kann. Analog zu 9) mu dann gelten: ) x, J ) + t, ) η, =, n J Entprechend dem Krterum n ) hat man de engeführte Hlfvarable zu mnmeren. Somt lät ch da folgende Modell der blnear-boolechen Programmerung auftellen: Mnmere η 2) BLBP) u. d. N. Retrktonen 8 -) De Mnmerung n 2) erfolgt bezüglch η owe aller x - und γ -Unbekannten. De grundätzlche Komplextät de Problem 2) beteht m Vorlegen der boolechen Unbekannten, o da unere Anfangaufgabe kombnatorchen Charakter erhält. Somt glt e al en dkrete und nchtkonvexe Problem der mathematchen Programmerung. Wenn aber de boolechen Unbekannten ermttelt worden nd, o verwandelt ch 2) n da klache Problem der lnearen Programmerung bezüglch kontnuerlcher Unbekannten x und enfachen Struktur äußert effektv behandelt werden kann. η ), welche aufgrund ener Man unterucht ferner de Egenchaften der zulägen Termnpläne und lät deengen Untermengen von Plänen aucheden, de betmmt kene kompatblen Löungen lefern. Dank deer Stratege erhalten enge booleche Varablen enen fxerten Wert, o da ch da ganze Problem für wetere Behandlung weentlch verenfacht. Sobald alle boolechen Varablen der optmalen Löung ermttelt nd, werden de x -Unbekannten au den enfachen Box-Retrktonen 5) errechnet, da de unteren und oberen Schranken für alle Starttermne m Rahmen unere Algorthmu treng erhalten werden. C. Vorberetende Reultate I. Egenchaften der zulägen und optmalen Termnpläne E e bemerkt, da be wetem ncht alle Kombnatonen von Werten der n ) engeführten boolechen Varablen erlaubt nd, doch nur deengen, de kene Schlefen m volltändgen Graph parteller Ordnung hervorbrngen. Sont t de durch da Retrktonytem 8-) bechrebene zuläge Menge leer. Wenn man de boolechen Varablen al Steuervarablen erklärt, o nd de oben gechlderten 8

9 Bedngungen au der Scht der Kontrolltheore enfache Steuerretrktonen. De kontnuerlchen Varablen x und η, kann man zuglech al Zutandvarablen nterpreteren. Se blden be eder fxerten Steuerung ene konvexe Menge n dem Zutandraum der Termnpläne. De Unglechung η F lät ch be o ener Aulegung al klache Zutandretrkton betrachten. In deem Abchntt unteruchen wr de Egenchaften der Errechbarketmengen bezüglch der Varablen x, wobe de Erfüllung der obentehenden Zutandretrkton voraugeetzt t und en Tel der Steuervarablen γ fetlegt. Behauptung. De boolechen Varablen γ α, α ), 2 α 2 α, ) P erzeugen de Löung de Problem 2) genau dann, wenn e zuammen mt rgendwelchen Werten x α), α A da Retrktonytem 8-) be η = F F t ene ganze Zahl) erfüllen, wohngegen daelbe Retrktonytem be η = F beret nkompatbel t. De Werte x α), α A der entprechenden optmalen Termnpläne blden dann ene konvexe Löungmenge, welche durch de Retrktonen 8-) bechreben t, n denen γ α, α ) = γ α, ), α, ) P und η = F ubttuert nd. 2 α 2 α 2 Behauptung ergbt ene praktche Regel zur Prüfung, ob der Wert F au der engeführten Zutandretrkton η F ) mt mnmaler Dauer de Geamtproekt F zuammenfällt, wenn bekannt t, da F F glt. Behauptung 2. E e bekannt, da der Schlupfparameter F ncht größer al de mnmale Dauer de Geamtproekt t. E lege außerdem en Tel der trantv abgechloenen boolechen Varablen γ α, α 2), α, α 2) P P P ) vor, deren Werte ermttelt nd und ncht geändert werden können, ohne de Kompatbltät de Retrktonytem 8-) be η = zu verletzen. So glt = F genau dann, wenn e olche Werte α, α ), F γ 2, α 2) P \ P α gbt, de zuammen mt den beret ermttelten boolechen Varablen und zuammen mt rgendwelchen Werten x α), α A da Retrktonytem 8-) be η = F erfüllen. F Behauptung 2 lät de Unteruchung ene Steuerytem mt P Steuervarablen auf de Unteruchung de Steuerytem mt P \ P Steuervarablen 9

10 zurückführen. De Verrngerung der Dmenon de Steuerraume führt offenbar zur weentlchen Verenfachung de zu behandelnden Problem 2. En Tel der fetgelegten trantv abgechloenen boolechen Steuervarablen lät ch alo durch de Indexmenge P P endeutg angeben. Wenn de retlchen boolechen Varablen unbetmmt bleben, o entteht de m allgemenen nchtkonvexe Errechbarketmenge P ) bezüglch der Varablen x. Dee Menge glt G al Verengung der durch de Retrktonen 8-) be η = bechrebenen konvexen Mengen, wobe de boolechen Varablen γ α, α 2), α, α 2) P \ P alle möglchen Werte und ) durchlaufen. E t en NP-chwere Problem, enen Punkt der Errechbarketmenge zu fnden bezehungwee de Tatache fetzutellen, da dee Menge leer t. Im zweten Fall gbt e edoch hnrechende Krteren, de durch de Egenchaften der konvexen Enhüllenden von Menge G P ) 3) P ) = { x A) : θ α) x α) τ α), α A } Q F formulert werden können. De mt wllkürlchen ganzzahlgen potven Parametern θ α ) τ α ), α A heßt konvexe Enhüllende von G P ), wenn G P ) Q ) glt. De konvexen Enhüllenden mt unteren und oberen Schranken für de Starttermne laen ch öfter lecht kontrueren oder legen beret vor. P Behauptung 3. E wrd voraugeetzt, da de Menge P ) für den Tel P der fetgelegten boolechen Varablen aufgebaut t. Wenn für zwe Arbetvorgänge O und O β mt α, β ) P k) folgende Unglechungytem Q α 4) θ α ) + t α) > τ β ) θ β ) + t β ) > τ α) mt Parametern au Q P ) erfüllt t, o glt G P ) =. Behauptung 3 ergbt ene praktche Regel zur Auchedung der unzulägen Steuermengen. Nun unteruchen wr wetere Egenchaften der Errechbarketmenge. Behauptung 4. E wrd voraugeetzt, da de Menge P ) für den Tel P der fetgelegten boolechen Varablen aufgebaut t. Wenn für zwe Arbetvorgänge O und O β mt α, β ) P k) folgende Unglechungytem Q α

11 5) θ α ) + t α ) τ β ) θ β ) + t β ) > τ α ) mt Parametern au Q P ) erfüllt t, o glt x α ) x β ) für eden Punkt der Menge G P ), fall e ncht leer t. Behauptung 4 eröffnet den Weg, de neuen boolechen Varablen aufgrund der beret fetgelegten boolechen Varablen endeutg zu betmmen. Fall 5) erfüllt t, o mu γ α, β ) = und γ β, α ) = geetzt werden, wa ene neue Informaton mt ch brngt, wenn α, β ) P. In deem Fall bezechnen wr mt P de trantve Abchleßung von P α, β ) β, ). Derartge Selbterweterung von kann α P auch aufgrund ener Gruppe von den demelben Arbetytem angehörenden Arbetvorgängen erfolgen. De entprechenden Prüfungkrteren auf de Parameter der konvexen Enhüllenden tmmen mt den Anätzen n Carler und Pnon 989) owe n Dorndorf u.a. 2) überen. En Analogon zu Behauptung 3 kann dann ebenfall kontruert werden. Offenchtlch glt G P ) G ). De Menge Q P ) = P kann aber m Verglech zu Q P ) verklenert werden. Behauptung 5. E wrd voraugeetzt, da de Menge P ) für den Tel P der fetgelegten boolechen Varablen aufgebaut t. De unteren und oberen Schranken der Menge Q P ) fallen mt denen von Q P ) zuammen außer vellecht denengen, de au folgenden Glechungen neu zu berechen nd: 6) { τ, ),, + ) t, ) } Q τ, ) = mn τ, =, K, { τ,, p, r) t, ) } τ, = mn τ 7) wobe { θ p, r),, t, ) } θ p, r) = max θ +, { θ p, r ), θ p, r ) + t p, ) } θ p, r ) = max r, r = r +, J p, = α und p, r) = β. Q P ) E e bemerkt, da de nach Formeln 6), 7) zuammengeetzte Menge elbt nemal leer wrd, wenn de Unglechungen 9), 2-23) von nachfolgenden Behauptungen 6, 7 urprünglch erfüllt nd. Wenn de Menge edoch den Bedngungen au Behauptung 3 eventuell mt enem anderen k ) genügt, dann glt ofort G P ) = G ) = P.

12 Behauptung 6. E wrd voraugeetzt, da de Menge P ) für den Tel P der Q fetgelegten boolechen Varablen aufgebaut t, wobe G P ) ncht leer e. Wenn der Arbetvorgang mt dem Multndex Ak) der ganzen Gruppe von α Arbetvorgängen mt Ak), =, J zuvorkommt, d. h. α 8) Jα U =, α ) P und γ, α ) =, γ α, ) =, =, J α o darf der Wert τ ) m folgenden Berech legen: + 9) τ ) mn max { τ α ) t α ) } t α ), mn τ α ) t ) Jα =, Jα =, J = α De entprechenden Schranken der benachbarten Arbetvorgänge deelben Auftrag können gemäß 6) mt, = ) berchtgt werden. Wenn der Arbetvorgang mt dem Multndex Ak) der ganzen Gruppe von Arbetvorgängen mt β Ak), =, J β folgt, d. h. 2) J β U =, β ) P und γ, β ) =, γ β, ) =, =, J β o darf der Wert θ ) m folgenden Berech legen: ) =, J β =, J = β J β 2) θ ) max mn θ β ) + t β ), max { θ β ) + t β } De entprechenden Schranken der benachbarten Arbetvorgänge deelben Auftrag können gemäß 7) mt p, r) = ) berchtgt werden. Behauptung 7. E wrd voraugeetzt, da de Menge P ) für den Tel P der fetgelegten boolechen Varablen aufgebaut t, wobe G P ) ncht leer e. Dann dürfen folgende Unglechungen erfüllt en: Q 22) r τ, mn τ, r) r= +, J r = t, r ),, A 23) + θ, max θ, r) r=, r = r t, r ),, A 2

13 Formeln 9), 2-22) ermöglchen, de Enhüllende Q P ) mt maxmal engen Schranken zu kontrueren. II. Untere Grenzen für de Dauer de Geamtproekt Behauptungen 6, 7 kann man al gewe Vorberetungen zur Unteruchung der unteren Grenze für de mnmale Dauer de Geamtproekt anehen. Wr nehmen an, da de frühetmöglchen Starttermne nach Formeln 3) d. h. unmttelbar au den Engangdaten) berechnet worden nd. Behauptung 8. E glt F low F, wobe F 24) F low J = max max θ,) + t,, max mn θ, + t, =, n k=, m, A k ) =, A k ) Formel 24) wderpegelt de offene Tatache, da de Dauer de Geamtproekt ncht kürzer en kann, al de chnellte Auführung der Arbetvorgänge m Rahmen nur ene Fertgungauftrag oder ene Arbetytem. De Abchätzung der Auführungdauer m Rahmen de k -ten Arbetytem kann edoch verbeert werden. Dazu führen wr aufgrund der beret fetgelegten frühetmöglchen Starttermnen folgende Mengen der Multndze en: 25) ξ k) = {, A k) : θ, ξ } W, k =, m Für den effektven Werteberech der ganzzahlgen Hlfvarable ξ ewel glt: ξ { θ,,, A k) }. De Indexmenge 25) lät ch omt durch de Änderung von k und ξ vareren. Se gbt ede Mal de Arbetvorgänge an, de da k -te Arbetytem durchlaufen und ncht früher al ξ getartet werden können. Nun wrd edem Arbetytem ene charaktertche Zahl zugeween, welche zetlche Spannung n hm ndzert: J ρ k) = max mn θ, + t, + mn t, ) W k, W k ), ξ ξ, ) ) ξ 26) ξ, W k ) = + k =, m Da Maxmum n 26) berechne man nur über deengen Werte ξ, de mt den frühetmöglchen Starttermnen der Arbetvorgänge au dem zuammenfallen. Behauptung 9. E glt F low F, wobe k -ten Arbetytem 3

14 27) F low J = max max θ,) + t,, max ρ k) =, n k=, m = De n 27) defnerte untere Grenze F low t mmer beer al deenge n 25). De Größe F low lät ch aber etwa lechter berechnen. Noch größere Werte der zetlchen Spannungen und damt auch beere untere Grenze) können durch de anchleßende Maxmerung über alle möglchen Telmengen von errecht werden. We Carler 982) gezegt hat, erfordern derartge Berechnungen kenen exponentalen Rechenaufwand. Ak) III. Unteruchung der Retrktonen auf Begnn und Abchlu ede Auftrag De unteren Grenzen für de Dauer de Geamtproekt können hlfrech en, nbeondere wenn de oberen Schranken E, =, n für den Abchlu enzelner Fertgungaufträge gegeben nd. E kann ene präventve Analye deer Schranken durchgeführt werden, bevor komplexe Suchalgorthmen über de Datenmenge getartet nd. Fall max E < F =, n low, o hat de Aufgabe oweo kene Löung. Mndeten ene der oberen Schranken mu dann auf den Wert F low erhöht werden. Zur präventven Analye der vorlegenden oberen Schranken können auch de pätetmöglchen Starttermne augenutzt werden, deren Werte ch nach Formeln 4) mt E, und Mengen der Multndze en: F = Flow errechnen laen. Analog zu 25) führen wr nun folgende 28) ξ k) = {, A k) : τ, + t, ξ } V, k =, m Jede Menge gbt de Arbetvorgänge an, de da ncht päter al ξ beendet werden können. k -te Arbetytem durchlaufen und Behauptung. Wenn der Wert { τ, + t,,, A k) } Arbetytem folgende Unglechung erfüllt: 29) ξ ) = mn θ, + t, ξ >, ξ, V k ) ξ, V k ) ξ für da k -te o mu mndeten ene der Größen E um ξ ) erhöht werden, wobe de, Nummern den Bedngungen: τ, + t, = ξ und, A k) genügen. Sont glt G =. 4

15 De Größe E, kann entweder durch de Erhöhung der unteren Grenze F = Flow oder aufgrund der Lockerung der entprechenden oberen Schranke E geändert werden. Der Fall E, = E für alle Nummern au Behauptung bedeutet, da de getellte Aufgabe kene Löung hat. Mndeten ene der aufgedeckten oberen Schranken mu gelockert werden. De unteren Schranken B, =, n können auf ähnlche Art und Wee unterucht werden, d. h. man formulert Behauptung bezüglch der Mengen W ξ k). D. Baalgorthmen I. Ermttlung enger boolechen Varablen m Rahmen ene Arbetytem Wr etzen vorau, da alle Größen ρ k), k =, m frühzetg berechnet nd. Dann ordnen wr de Arbetyteme entprechend der abtegenden Rehenfolge deer Größen an, d. h. e glt: ρ κ ) ρ κ ), k =, K, m. Für belebge k betrachten wr den folgenden Algorthmu: k k+ Algorthmu k ). Der Kenner z A wrd auf Null geetzt. Schrtt. Für alle Paare der Arbetvorgänge O, O ), α, β ) P κ ) werden de Bedngungen 4-5) geprüft. α β k Wenn de Unglechungen 4) gültg nd, o wrd z : 2, l : = l + und { θ β ) + t β ) τ α ), θ α ) + t α ) τ ) }, l : = mn β geetzt. Dabe t Algorthmu zu Ende. Wenn α =, und β = p, r) de Unglechungen 5) erfüllen, mt α, β ) P, o wrd γ α, β ) : =, γ β, α ) : = fetgelegt und de Menge von Paaren der Multndze wrd durch de trantve Abchleßung von A = P P α, β ) β, ) eretzt. α In deem Fall werden auch l : = l + und : = θ p, r) + t p, r) τ, ) gepechert., l E wrd z : geetzt, fall entweder τ, + t, > τ p, r) oder A = θ, + t, > θ p, r). Dann werden de Werte τ, und θ p, r) owe de entprechenden Schranken der benachbarten Arbetvorgänge deelben Auftrag nach Formeln 6-7) korrgert. Schrtt 2. Für alle Arbetvorgänge O, A κ k ) werden beret fetgelegte Nachfolger und Vorgänger aufgrund der vorlegenden Menge P gefunden. 5

16 α Wenn der Arbetvorgang mt dem Multndex der ganzen Gruppe von Arbet- vorgängen mt, =, zuvorkommt, o wrd der Wert τ ) entprechend J α Formel 9) eventuell verklenert. De entprechenden Schranken der benachbarten Arbetvorgänge deelben Auftrag werden gemäß 6) berchtgt. β Wenn der Arbetvorgang mt dem Multndex der ganzen Gruppe von Arbet- vorgängen mt, =, folgt, o wrd der Wert θ ) entprechend Formel J β 2) eventuell vergrößert. De entprechenden Schranken der benachbarten Arbetvorgänge deelben Auftrag werden gemäß 7) berchtgt. Wenn tatächlche Schrankenänderungen n Schrtt 2 tattgefunden haben, o wrd z : = A geetzt. Damt endet Algorthmu. Nach Ablauf de Algorthmu wrd entweder ncht geändert dann endet er mt z = A ), oder de neue Menge Q aufgebaut, d. h. de neuen unteren und oberen Schranken für de Starttermne berechnet z = A ), oder de Tatache G = fetgetellt z = 2 A ). Im Laufe von Algorthmu werden der Telmenge P P, de beret fetgelegte booleche Varablen angbt, zuätzlche neue Paare der Multndze hnzugefügt. Dadurch erhöht ch automatch de Ordnung der Arbetvorgänge m κ -ten Arbetytem 3. Parallel dazu werden de Größen, l =, 2, K geammelt, k,l mt denen päter de untere Grenze von F max für entgegengeetzten Wert der vorert fetgelegten boolechen Varable berechnet werden kann. II. Zerlegung der Menge zuläger Termnpläne n de Untermengen Man kann Algorthmu k ) mehrmal be fxertem k laufen laen, b er den Kenner z = A augbt, dann kann ene Schlefe über k =, m augeführt werden, wobe de Ermttlung der lokalen Ordnung von den Arbetytemen mt größter Spannung angefangen wrd. De große zetlche Spannung oll de Entwcklung der Menge P eher begüntgen. Trotz der gechlderten Berechnungtratege kann man nemal garanteren, da de Telmenge P b de ganze Menge P augebaut wrd, da heßt alle boolechen Varablen fetgelegt werden. E werden eventuell enge Gruppen der partell geordneten Arbetvorgänge bleben, deren exakte Rehenfolge ch allen durch Algorthmu ncht ermtteln lät. Für de zwe anenander ncht geordneten Arbetvorgänge O und O mt α, β ) P k) t da folgende Unglechungytem α β 6

17 3) θ α ) + t α ) τ β ) θ β ) + t β ) τ α ) mt Parametern au Q P ) erfüllt. Wenn Algorthmu erchöpft t, o blebt der Wert γ α, β ) unbetmmt und man mu de konvexe Enhüllende auf küntlche Q Art und Wee verklenern. De kann entweder durch unmttelbare Telung der Menge m Raum der Zutandvarablen erfolgen, oder mttelbar, durch de Analye der Verzwegung der bher unbetmmten boolechen Varablen, d. h. m Steuerraum. Hermt wrd nur de zwete Berechnungtratege erläutert. E glt de noch ncht fetgelegten boolechen Varablen nach hrer auftegenden Prortät anzuordnen: γ α h), β h) ) mt h), β h) ) P \ P α, h =,, wobe H H 2 de Geamtzahl olcher Varablen m -ten Schrtt de Hauptalgorthmu t. Dabe laen ch verchedene heurtche Anordnungregeln vorchlagen. Jede Mal werden bede Zuweungen γ α H ), β )): = und γ α H ), β )): = H H betrachtet, aufgrund deren ene Verzwegung erfolgt. An Stelle der Menge zwe neue eventuell klenere Mengen hervorgebracht: 3) γ = Q γ = Q = = { x A) Q : max{ θ α h)), θ β h)) + t β h))} x α h)) τ α h)), θ β h)) x β h)) mn{ τ β h)), τ α h)) t β h))}}, { x A) Q : θ α h)) x α h)) mn{ τ α h)), τ β h)) t α h))}, max{ θ β h)), θ α h)) + t α h))} x β h)) τ β h))} Q werden mt Parametern au Q = Q be h = H. Nach deem Schrtt kann weder mt Algorthmu verfahren werden, der wetere booleche Varablen für γ = Q und für γ = Q automatch entellt. Im allgemenen entteht zum Schlu en Bnärbaum. Wr nehmen an, da de konvexen Enhüllenden dee Baume entprechen. Dann glt offenchtlch 32) G U Q ν ) N ν = Q ν ), ν =, N den Endknoten Wenn nach der Behandlung mt Algorthmu fetgetellt wurde, da ede deer Enhüllenden nur den leeren Antel der Errechbarketmenge enthält, o glt G =. 7

18 Dann mu der Parameter F auf F > F vergrößert werden, um de Kompatbltät de Retrktonytem 8-) be η = F + zu erzelen. + Während der Auführung von Algorthmu und der Fetlegung neuer boolecher Varablen ammelt man de Größen, l, l =, 2, K aller eventuellen Engpäe. Behauptung. E glt 33) F + = F + mn, l l=, 2, K F F +, wobe Wenn nach der Behandlung mt Algorthmu alle boolechen Varablen für mndeten enen Knoten de Bnärbaume ermttelt worden nd, o entprechen dee Werte nach Behauptung 2 ener optmalen Steuerung der Starttermne. E könnte dann ken Termnplan ertellt werden, o da da Geamtproekt kürzer al F dauerte. III. Exakte Löungverfahren zur Ermttlung de globalen Optmum In vorhergen Abchntten haben wr ämtlche Vorberetungen getroffen, um nun den Hauptalgorthmu zuammentellen zu können. Er baert auf gradueller Vergrößerung de Parameter F n der Zutandretrkton η F. Be edem Parameterwert wrd de Unteruchung der Errechbarketmenge G durchgeführt, olange ch de vorherge Errechbarketmenge G al leer erwet. Am Anfang de Algorthmu glt e noch, de enfachten Krteren der Löbarket zu prüfen. Algorthmu 2. Der Kenner z A2 wrd auf Null geetzt. Schrtt. E werden de Bedngungen J B + t, E, =, n = geprüft. Fall enge von hnen verletzt nd, o wrd Algorthmu 2 mt der Meldung angehalten, da de entprechenden oberen oder unteren Schranken gelockert werden müen. Sont hat de Aufgabe kene Löung. Schrtt 2. E werden de Werte θ α ), α A nach Formeln 3) berechnet. Auf Grund deer Werte werden de untere Grenze F low und de zetlchen Spannungen enzelner Arbetyteme ρ k), k =, m mt Hlfe von 25-27) betmmt. De untere Grenze wrd al Startwert F : = F κ, low angenommen. De Rehenfolge k abtegenden Spannungen ρ κ ) wrd ermttelt. k Der Zähler äußerer Schlefe wrd auf Null geetzt. k =, m der 8

19 Schrtt 3. E werden de Werte E mn{ E, F }, =,, n = ntalert. Fall de Bedngung max E F =, n, ncht erfüllt t, o wrd Algorthmu 2 mt der Meldung angehalten, da enge obere oder untere Schranken gelockert werden müen. Sont hat de Aufgabe kene Löung. Schrtt 4. E werden de Werte τ α ), α A nach Formeln 4) berechnet. Damt wrd de erte Enhüllende Q kontruert. Be = werden de Bedngungen au Behauptung geprüft. Wenn nach deer Prüfung der Startwert vergrößert werden mu, o etze F : = F + ξ ) und gehe zum Schrtt 3 zurück. Wenn ch de Schranke B oder E al zu eng erwet, o wrd Algorthmu 2 mt der Meldung angehalten, da de entprechende Schranke gelockert werden mu. Sont hat de Aufgabe kene Löung. De Zähler l und d werden auf Null geetzt, Q : = Q. Schrtt 5Q ). E wrd de Schlefe n k =, m organert. Be edem laufenden k wrd Algorthmu k ) zur Unteruchung der konvexen Enhüllende Q augeführt. Wenn deer Algorthmu mt Kenner z = 2 A endet und d = glt, o geh zu Schrtt 8 über. Be d > geh zu Schrtt 7 über. Wenn Algorthmu k ) mt Kenner z endet und dabe alle boolechen Varablen chon fetgelegt nd d. h. Dann geh zu Schrtt 9 über. Wenn Algorthmu be edem A = P = P ), o t de optmale Löung gefunden. k mt Kenner z endet, o geh zu Schrtt 6 über, ont wederhol Schrtt 5, um de Enhüllende Q eventuell weter zu verklenern. Schrtt 6. Setze z : 2, d : = d +. De noch unbetmmten boolechen Varablen A2 = A = werden gemäß auftegender Prortät angeordnet: α h), β h) ) γ, h =, H P ). Setze ferner h = H P ). An Stelle der vorlegenden Enhüllende Q werden zwe neue : γ = γ = Mengen Q und Q entprechend 3) mt Parametern au Q ) kontruert. Setze α h), β h) ): = γ und γ β h), α h) ): = Abchleßung von P α h), β h) ) β h), α )) h. De entprechende trantve wrd al Menge gepechert. Setze ferner γ α h), β h) ): = und γ β h), α h) ): = Abchleßung von P α h), β h) ) β h), α )) h P d. De andere trantve wrd al Menge gepechert. P = Setze ferner Q : = Q γ, = Q : = Q γ d und geh zu Schrtt 5Q ) zurück. 9

20 Schrtt 7. Wenn z = 2 A2, dann ubttuere z A2 : =, P : = Pd geh zu Schrtt 5 Q ) zurück., d Q : = Q, d : = d und Wenn 5 Q ) zurück. z = A2, o ubttuere P : = P d, d Q : = Q, d : = d und geh zu Schrtt Schrtt 8. De Aufgabe mt η F hat kene Löung. Der Wert wrd entprechend 33) vergrößert. Der Zähler wrd geändert: : = +. Dann geh zu Schrtt 3 zurück. Schrtt 9. De trantven Graphen voller Ordnung nd nun für ede Arbetytem aufgebaut. Se entprechen der optmalen Steuerung der Rehenfolgen der Arbetvorgänge und werden durch de entprechenden Kettengraphen repräentert. De optmalen Starttermne werden durch de vorhandenen frühet- oder pätetmöglchen Starttermne fetgelegt: Setze z. B. x α ) : = θ α), Ergebne werden n Form ene Gantt-Dagramm grafch dargetellt. α A. De Der vorgechlagene Algorthmu lefert mmer Antwort, wenn alle oberen Schranken E, =, n gegeben nd. Wenn nur en Tel deer Größen vorlegt und de Möglchket beteht, da de Aufgabe aufgrund der zu engen Bechränkungen unlöbar t, o ollte man Algorthmu 2 modfzeren. De Fertgungaufträge nd zunächt gemäß der auftegenden Abchlutermne anzuordnen, wobe de Aufträge ohne Abchlubechränkung al letzte getellt werden ollen. Dann kontruere man ene Folge von Hlfaufgaben klenerer Dmenon. De erte Hlfaufgabe mu nur zwe erte Fertgungaufträge mt hren oberen Schranken enthalten. Jeder weteren Hlfaufgabe wrd en nächter Fertgungauftrag au der Rehe hnzugefügt, wobe de Belegung aller Arbetyteme tändg unterucht wrd. Algorthmu 2 wrd auf ede Hlfaufgabe der Rehe nach angewendet, da erlaubt de eventuell vorlegende Unlöbarket frühzetg zu entdecken. In den meten Fällen kann auch de untere Grenze m F low der nachfolgenden Hlfaufgabe durch de Löung der vorhergen deutlch verbeert werden, denn e kann nun en Maxmum zwchen F low und dem zuletzt gefundenen Optmalwert für den Start genommen werden. De gechlderte Folge der Hlfaufgaben endet, obald nur Fertgungaufträge ohne Abchlubechränkung n der Rehe bleben. Wenn kene Unlöbarket b dahn entdeckt worden t, o glt auch de Augangaufgabe al löbar. Danach mu Algorthmu 2 für dee ganze Aufgabe mt eventuell verbeerter unterer Grenze) zum letzten Mal getartet werden. Da globale Optmum wrd nun mt Scherhet gefunden. 2

21 Wenn da zu behandelnde Schedulngproblem ehr groß t, o ollte am Schlu der Berechnungen de Möglchket vorbehalten werden, de äußere Schlefe frühzetg mt betmöglcher Löung zu verlaen, denn e geht um de Behandlung ene NPchweren Problem, deen wrklche Berechnungdauer ch m Vorfeld kaum abchätzen lät. Man kann unter Umtänden zur Heurtk wecheln, ndem man etwa größere Zuwäche de Parameter erlaubt, al e n Schrtt 8 von Algorthmu 2 vorgeehen nd. Damt verfehlt man möglcherwee da globale Optmum, erzelt aber de angenäherte Löung mt gerngerem Rechenaufwand. De enzge Vorauetzung dabe t de Löbarket de Problem, de auf Grund der bechrebenen Folge der Hlfprobleme vorert fetzutellen t. De Folge der zetlch bechränkten Fertgungaufträge und der mt hnen verbundenen Hlfaufgaben kann auch ander kontruert werden. De Anordnung darf dabe den auftegenden Abchlutermnen ncht unbedngt entprechen. Be eder Anordnungtratege wrd nur der Fakt der Unlöbarket möglcht frühzetg ermttelt owe de Telmenge der bechränkten Fertgungaufträge, deren Schranken gelockert werden müen. Um we vel ede Schranke geändert werden mu, blebt aber offen. Be praktcher Behandlung der umfangrechen Schedulngprobleme mt zuätzlchen Retrktonen auf Begnn und Abchlu enger Aufträge t de möglcht große Zahl von Varanten der notwendgen Schrankenänderungen m Falle der Unlöbarket von Bedeutung. Jede Art der notwendgen Retrktonverletzung kann nachträglch mt Hlfe de alternatven Optmerungkrterum 2) bewertet werden. Somt erkennt der Benutzer alle vorhandenen Engpäe, modfzert ene Engangdaten gezelt und teuert e ukzev n Rchtung der Löbarket. Zum Zweck der Ermttlung ämtlcher Engpäe m Falle der Unlöbarket kann en Sonderalgorthmu ohne Hlfretrkton F η F ) vorgechlagen werden, der Algorthmu 2 edoch ähnlch t und allen auf de Arbetvorgänge au den zetlch bechränkten Fertgungaufträgen angewendet wrd. De volltändgen Varanten werden tel aufgrund Algorthmu, tel aufgrund de eventuell auftretenden Bnärbaume zuammengetellt. Wenn nur de m Snne 2) klenten Engpäe zu ermtteln nd, o glt e en neue Branch-and-Bound Verfahren für de Probleme vom Typ J Σ w L zu entwckeln. E. Illutratve und numerche Bepele Da Job-Shop-Problem mt zuätzlchen Retrktonen auf Begnn und Abchlu enger Aufträge kann m Enzelfall recht unterchedlche Egenchaften erween. 2

22 Da n deer Arbet bechrebene Verfahren reagert darauf genauo egenartg. Zunächt werden zwe llutratve Bepele, mt und ohne Löbarket de Problem, angeführt. Bepel. E werden 3 Fertgungaufträge betrachtet, welche n 4 verchedenen Arbetytemen augeführt werden. De Anzahl der Arbetvorgänge n edem Fertgungauftrag entprcht genau der Anzahl der Arbetyteme 4. Sämtlche Engangdaten nd n Tabelle dargetellt, wobe de Zuweung enzelner Arbetvorgänge den Arbetytemen mt Hlfe der Buchtaben antatt Zahlen) fetgelegt wrd. De Datentabelle enthält n hrem rechten Tel de Dauer aller Arbetvorgänge und de Schranken für Begnn und Abchlu der entprechenden Fertgungaufträge, fall dee Schranken vorhanden nd. Tab. : Engangdaten für Bepel = = = 2 = 3 = 4 = = 2 = 3 = 4 A B C D # # 2 A C B A # 2 3 D C B D # 3 B E Bevor Algorthmu 2 auf da vorlegende Problem angewendet wrd, nd de Engangdaten n bezug auf de Löbarket zu prüfen. Dazu benutzen wr den Sonderalgorthmu ohne Hlfretrkton η F ), der de Arbetvorgänge au dem zweten und drtten Fertgungauftrag analyert. Für dee Arbetvorgänge werden frühet- und pätetmöglche Starttermne nach Formeln 3-4) berechnet. Schon m Laufe von Algorthmu tellen ch folgende Bezehungen herau: θ 2,2) + t2,2) > τ 3,2) θ 3,2) + t3,2) > τ 2,2) De bedeutet, da be den gegebenen Werten und E kene zulägen Termnpläne exteren: Entweder mu der zwete Abchlutermn auf 26, oder der drtte Abchlutermn auf 44 erhöht werden. Man kann n dem vorlegenden Bepel lecht prüfen, da dee notwendgen Bedngungen der Löbarket zuglech auch hnrechend nd. Somt nd ämtlche Engpäe n den Engangdaten entdeckt worden. E2 3 Bepel 2. E werden weder 3 Fertgungaufträge und 4 Arbetyteme betrachtet. De Engangdaten entprechen Tabelle, dennoch wrd nun ken Abchlutermn dem zweten Fertgungauftrag zugeween. 22

23 Gemäß 24) und 27) glt: F = max{6,} und F = max{6,4}. Für low low wetere Berechnungen wrd de enfachere untere Grenze F low = 6 verwendet. Schon m Laufe von Algorthmu wrd fetgetellt, da der Schlupfparameter F = 6 auf den nächten Wert F 26 erhöht werden mu. Im zweten Schrtt von Algorthmu = 2 erfolgt zum erten Mal ene Verzwegung, wobe bede Äte de Bnärbaume zu den Löungen führen. De Löungmenge n dem vorlegenden Bepel beteht alo au zwe unterchedlchen Termnplänen mt zwe verchedenen Rehenfolgen der Arbetvorgänge m Arbetytem B. In der erten Löungvarante kommt de Operaton,2) hnter der Operaton 3,3); n der zweten herrcht umgekehrte Ordnung. In Tabelle 2 wrd nur de erte Löungvarante dargetellt. Tab. 2: Berechnungwerte n Algorthmu 2 m Falle von Bepel 2 Kenner, aller Arbetvorgänge Schranken für Starttermne Schranken für Starttermne am Anfang F =6 ) zum Schlu F = F 26 ) θ, ) τ, ) θ, ) τ, ) x, = Optmale Start- und Endtermne, ) 2,) 2 35,) ,4) ,3) ,2) ,3) ,2) ,2) ,3) ,) 2 5 3,4) ,4) Der optmale Termnplan wrd n Abbldung 2 mt Hlfe de Gantt-Dagramm veranchaulcht. Unten n derelben Abbldung t da Ergebn de heurtchen Löungverfahren au Domchke u. a. 997) 5 zu ehen. De ntenve Betrachtung de Job-Shop Schedulng Problem n der Lteratur hat zu der Zuammentellung umfangrecher und allgemen anerkannter Tetdatenätze geführt, mt deren Hlfe e möglch t, de Effzenz von Verfahren durch Anwendung auf dee Datenätze zu verglechen; ehe z. B. Jan und Meeran 999). Zunächt wurde de Funktonaltät de entwckelten Löungalgorthmu anhand klacher Tetaufgaben FT6x6 und FTx au Fcher und Thompon 963) geprüft. Danach wurden von un zwe andere Tetaufgaben DMU. bzw. DMU2. mt zuätzlchen Retrktonen auf Abchlu aller Fertgungaufträge kontruert und numerch gelöt. De Tetaufgaben tammen au den Datenätzen von Demrkol, Mehta, Uzoy 996), 23

24 Abb. : Gant-Dagramme für exakte Löungen der Job-Shop Probleme DMU 2x5 24

25 generert für zwe verchedene Problemklaen J Cmax bzw. J 2et Cmax. De Tetaufgabe DMU. wurde mt den Werten E = 272, 23, 95, 27, 3, 25, 2, 333, 44, 38, 36, 22, 45, 26, 645, 825, 9, 29, 335, 34) und de Tetaufgabe DMU2. mt den Werten E = 3235, 475, 285, 5, 288, 37, 4425, 2285, 3755, 9, 26, 353, 635, 3745, 2555, 32, 75, 45, 285, 73) augebaut. Obwohl de Datenätze von Demrkol ehr komplexe Schedulngprobleme blden und bher überwegend zur Tetung nur heurtcher Verfahren benutzt wurden, hat uner Algorthmu de beden Tet gut übertanden, we e au Tabelle 3 hervorgeht. Tab. 3: Berechnungdauer für de zwe letzten Schrtte de Algorthmu Datenatz n m H max LB F CPU, ec FT6x *) FTx *) DMU *) DMU *) De entprechenden optmalen Termnpläne werden n Abbldung mt Hlfe der Gantt-Dagramme veranchaulcht. Darauf kann man ehen, we de Blocktruktur der exakten Löung von DMU2. durch de anweenden Zuatzretrktonen zertört wrd. Abb. 2: Gantt-Dagramme für exakte und für angenäherte Löung von Bepel 2 k8 = D k7 = C k6 = B k = A = 3 2 = 2 = 3,) 3,2) 3,3) 2,),) 3,) 3,2) 3,3) 2,),) 3,4),4) 2,2),3),2) 2,3) 2,4) 3,4) 2,2) 2,3) 2,4),2),3),4) Zetache k8 = D k7 = C k6 = B k5 = A 4 3 = 3 2 = 2 = 3,),4) 3,4),3) 3,2) 2,2),2) 3,3) 2,3),) 2,) 2,4) 3,) 3,2) 3,3) 3,4) 2,) 2,2) 2,3) 2,4),),2),3),4) Zetache 25

26 Anmerkungen Vgl. Zäpfel 996) und Zack 978). 2 Al zugehörge Lteraturtellen können folgende Beträge genannt werden: Gffler und Thompon 96), Hoch 973), Segel 974), Zack 978), Brucker und Jurch 993), Lawler u. a. 993), Blazewcz u. a. 993), Brucker 995), Zäpfel 996). De neuten Lteraturhnwee fndet man auch n Blazewcz u. a. 996) owe n Jan und Meeran 999). 3 Sehe Carler und Pnon 989) owe Krell 958). 4 Lee dazu: Brucker und Jurch 993) owe Brucker 995), Charlton und Death 97), Ahour und Heremath 973), Barker und McMahon 985), Carler und Pnon 989), Applegate und Cook 99). 5 Sehe: Zäpfel 996), Brucker und Jurch 993), Lawler u. a. 993), Blazewcz u. a. 993), Aker und Fredman 955), Gffler und Thompon 96), Charlton und Death 97), Ahour und Heremath 973), Haupt 989), Storer u. a. 992), Book und Whte 965), Bowman 959), Manne 96), Dantzg 96). 6 Mehr dazu lee n der Monographe von Ore 962). 7 Der volltändge Graph parteller Ordnung wrd zum Bepel n Brucker 995) auführlcher dkutert. 8 De bedeutet, da ch alle Graphen parteller Ordnung n de trantven Graphen voller Ordnung verwandelt haben. 9 Wenn de untere Schranke für den Begnn rgendene Fertgungauftrag ncht gegeben t, o wrd e durch Null eretzt und der erte Tel von Retrktonen ) blebt betehen. D. h. zwe Sonderlöungen, mt frühet- und pätetmöglchen Starttermnen, können au der Löungmenge de Optmerungproblem lecht rekontruert werden. Der optmale Wert elbt darf dabe unbekannt bleben. 2 E e bemerkt, da de urprünglche Anzahl der Steuervarablen von der Anzahl der Zutandvarablen quadratch abhängt, wohngegen de optmale Steuerung nur mt recht wengen Werten defnert werden kann. Se nd ogar um m wenger al de Anzahl der Zutandvarablen. De retlchen Komponenten der optmalen Steuerung kann man au dem enfachen Prnzp der Trantvtät reproduzeren. 3 De entprcht der Berechnungtratege von Carler und Pnon 989) namen Immedate electon. 26

27 4 Dee Bedngung entprcht den klachen Vorauetzungen für de Job-Shop Probleme. Sehe z. B. n Fher und Thompon 963). In der Prax dürfen de Dmenonen edoch recht belebg aufallen. 5 Bdrektonale Enplanen, Punkt 5.6.3, S. 46 Heurtche Verfahren zur Mnmerung der Zykluzet. Lteratur [] Aker, S. B. und Fredman, J. 955) A non-numercal approach to producton chedulng problem, Operaton Reearch 3, [2] Applegate, D. und Cook, W. 99) Acomputatonal tudy of the ob-hop chedulng problem, ORSA Journal on Computng 3, [3] Ahour, S. und Heremath, S. R. 973) A branch-and-bound approach to the ob-hop chedulng problem, Int. J. Product. Re. ), [4] Bala, E., Lanca, G., Serafn, P. und Vazacopoulo, A. 998) Job-hop chedulng wth deadlne, J. Combnatoral Optmzaton 4), [5] Barker, J. R. und McMahon, G. B. 985) Schedulng the general ob-hop, Management Scence 3, [6] Blazewcz, J., Domchke W. und Pech E. 996) The ob hop chedulng problem: Conventonal and new oluton technque. Eur. J. Oper. Re. 93, -33 [7] Blazewcz, J., Ecker, K., Schmdt, G. und Weglanz, J. 993) Schedulng n Computer and Manufacturng Sytem, Berln et al [8] Bowman, E. H. 959) The chedule-equencng problem, Operaton Reearch 75), [9] Brook, G. H. und Whte, C. R. 965) An algorthm for fndng optmal or nearoptmal oluton to the producton chedulng problem, J. Ind. Engng., [] Brucker, P. 995) Schedulng Algorthm, Sprnger-Verlag: Berln, Hedelberg und New York [] Brucker, P. und Jurch, B. 993) A new lower bound for the ob-hop chedulng problem, Eur. J. Oper. Re. 642), [2] Carler, J. 982) The one-machne equencng problem, Eur. J. Oper. Re., [3] Carler, J. und Pnon, E. 989) An algorthm for olvng the ob-hop problem, Management Scence 352), [4] Charlton, J. und Death, C. C. 97) A method of oluton for general machnechedulng problem, Operaton Reearch 8, [5] Dantzg, G. B. 96) A machne-ob chedulng model, Management Scence 62), 9-96 [6] Demrkol, E., Mehta, S. und Uzoy R. 996) Benchmarkng for hop chedulng problem, Reearch Memorandum No. 96-4, Purdue Unverty [7] Domchke, W., Scholl, A. und Voß, St. 997) Produktonplanung. Ablauforganatorche Apekte, Sprnger-Verlag: Berln, Hedelberg [8] Dorndorf, U., Pech E. und Phan Huy, T. 2) Contrant propagaton technque for dunctve chedulng problem, J. Artfcal Intellgence 22,

28 [9] Fcher, H. und Thompon, G. L. 963) Probabltc learnng combnaton of local ob-hop chedulng rule, Indutral Schedulng, J. F. Math and G. L. Thompon edtor), Prentce-Hall, Englewood Clff, NJ [2] Gffler, B. und Thompon, G. L. 96) Algorthm for olvng productonchedulng problem, Operaton Reearch 8, [2] Haupt, R. 989) A urvey of prorty rule-baed chedulng, OR-Spectrum, 3-6 [22] Hoch, P. 973) Betrebwrtchaftlche Methoden und Zelkrteren der Rehenfolgeplanung be Werktatt- und Gruppenfertgung, Frankfurt a.m. und Zürch [23] Jan, A. S. und Meeran S. 999) Determntc ob-hop chedulng: Pat, preent and future. Eur. J. Oper. Re. 3, [24] Krelle, W. 958) Ganzzahlge Programmerungen. Theore und Anwendungen n der Prax, Unternenehmenforchung 2, 6-75 [25] Land, A. H., Laporte, G. und Mlot, P. 978) A unfed formulaton of the machne chedulng problem, Eur. J. Oper. Re. 2, [26] Lawler, E. L., Lentra, J. K., Rnnooy Kann, A. H. G. und Shmoy, D. B. 993) Sequencng and Schedulng: Algorthm and complexty, Logtc of Producton and Inventory, S.C. Grave et.al Hrg), Amterdam-London, [27] Leon, V. J. und Wu, S. D. 992) On chedulng wth ready-tme, due-date and vacaton, Naval Reearch Logtc 39, [28] Manne, A. S. 96) On the ob-hop chedulng problem, Operaton Reearch 82), [29] Ore, Ř. 962) Theory of graph, Amercan Mathematcal Socety. Colloquum Publcaton, Vol. 38 [3] Segel, Th. 974) Optmale Machnenbelegungplanung, Betrebwrtchaftlche Studen: Nr. 2, Berln [3] Storer, R. H., Wu, S. D. und Vaccar R. 992) New earch pace for equencng problem wth applcaton to ob chedulng, Management Scence 38, [32] Zack, Yu. A. 978) Certan properte of chedulng theory problem, Autom. and Remote Control 39, 99-7 [33] Zäpfel, G. 996) Grundzüge de Produkton- und Logtkmanagement, Verlag Walter de Gruyter, Berln New York [34] Zmmermann, H.-J. 97) Netzplantechnk, Verlag Walter de Gruyter, Berln New York 28

29 Zuammenfaung E wrd de Aufgabe der Termn- und Rehenfolgeplanung n Form ene Job-Shop- Problem mt zuätzlchen Retrktonen auf Begnn und Abchlu enger Job betrachtet. Auf Ba fetgetellter Egenchaften von frühet- und pätetmöglchen Starttermnen ämtlcher Arbetvorgänge gelngt e qualtatve Auwertungen von unten für de Geamtproektdauer zu erhalten. Dadurch werden chon n den erten Schrtten de Algorthmu de Termnpläne mt notorch unzuläger Ordnung der Arbetvorgänge augecheden und de Engpäe n der Reourcenkapaztät und/oder n den vorgegebenen Endtermnen enzelner Aufträge gefunden. E werden exakte und approxmatve Löungverfahren entwckelt, de ch auf ener equenzellen Annäherung von unten an de Menge der zulägen Löungen beruhen und mtande nd, n edem Iteratonchrtt de Kompatbltät de vorlegenden Retrktonytem, welche enen ch teratv präzerenden gemenamen Endtermn für alle exterende Aufträge mt enchleßt, numerch effektv zu prüfen. Be ukzever Lockerung de gemenamen Endtermn oll de zuert entdeckte kompatble Löung zuglech al optmal gelten. Summary The temporal and capacty plannng n the form of ob-hop problem wth addtonal retrcton on the ntaton and completon of everal ob condered. On the bae of determned properte of the earlet and latet poble tme for the ntaton of chedulng operaton we ucceed n obtanng of effectve low bound for the proect duraton. Ung thee we can cut off the plan wth wttngly nadmble order of operaton from the frt tep of the algorthm, and determne conflct n the reource and/or n the precrbed perod for completon of certan ob. Accurate and approxmate numercal method are developed, baed on the ucceve approxmaton to the feable et "from below", whch permt on each teraton to control effcently the compatblty of the arng contrant, whch nclude the teratvely refned common temporal retrcton on the completon of all ob. The frt compatble oluton, found n the proce of progreve relaxaton of the common temporal retrcton, ha to be optmal. 29

3 g-adische Ziffernentwicklung reeller Zahlen

3 g-adische Ziffernentwicklung reeller Zahlen 1 3 g-adche Zffernentwcklung reeller Zahlen In deem Kaptel e tet 2 g N und Z g = {0, 1, 2, 3,..., g 1} N. Motvaton: Wr wollen jede potve reelle Zahl x > 0 n der Ba g 2 dartellen (g-adche Dartellung von

Mehr

Validierung der Software LaborValidate Testbericht

Validierung der Software LaborValidate Testbericht Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Kapitel 7. Netzplantechnik CPM/PERT. - Bezeichnung der Aktivitäten und ihre Beschreibung - Festlegung der Vorgänger - Dauer der Aktivitäten

Kapitel 7. Netzplantechnik CPM/PERT. - Bezeichnung der Aktivitäten und ihre Beschreibung - Festlegung der Vorgänger - Dauer der Aktivitäten Kaptel 7 Netzplantechnk CPM/PER ALG. 7. 1 (CPM) Schrtt 1 (Aulten der Aktvtäten): Stelle ene abelle au mt olgenden Inormatonen: - Bezechnung der Aktvtäten und hre Bechrebung - Fetlegung der Vorgänger -

Mehr

Schätzfehler in der linearen Regression (1) Einführung

Schätzfehler in der linearen Regression (1) Einführung Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler

Mehr

Erzeugung mit einer rotierenden flachen Spule

Erzeugung mit einer rotierenden flachen Spule 2. Snuförmge Wechelpannung De elektromagnetche Indukton t ene der Grundlagen unerer technchen Zvlaton. Der Strom, der au der Steckdoe kommt, t bekanntlch en Wecheltrom. De hn verurachende Wechelpannung

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Netzsicherheit I, WS 2008/2009 Übung 2. Prof. Dr. Jörg Schwenk

Netzsicherheit I, WS 2008/2009 Übung 2. Prof. Dr. Jörg Schwenk Netzcherhet I, WS 2008/2009 Übung 2 Prof. Dr. Jörg Schwenk 27.10.2008 1 SPA Aufgabe 1 Se führen ene SPA auf ene Chpkarte au, auf er DES mplementert t. Dabe meen Se en Stromverbrauch währen er PC1 Permutaton

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Algorithmische Bioinformatik

Algorithmische Bioinformatik Algorthmche Bonformatk HMM Algorthmen: Forward-Backward Baum-Welch Anwendung m equenzalgnment Ulf Leer Wenmanagement n der Bonformatk Formale Defnton von HMM Defnton Gegeben Σ. En Hdden Markov Modell t

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

Suchprobleme. B. G. Teubner Stuttgart Von Dr. rer. nat. Rudolf Ahlswede o. Professor an der Universität Bielefeld

Suchprobleme. B. G. Teubner Stuttgart Von Dr. rer. nat. Rudolf Ahlswede o. Professor an der Universität Bielefeld Suchprobleme Von Dr. rer. nat. Rudolf Ahlwede o. Profeor an der Unvertät Belefeld und Dr. math. Ingo Wegener w. Atent an der Unvertät Belefeld Mt 22 Fguren B. G. Teubner Stuttgart 1979 - 5 - Inhalt TEIL

Mehr

Abenteuer Führung. Der Survival Guide für den ersten Führungsjob. Die erste Führungsaufgabe ist kein Zuckerschlecken!

Abenteuer Führung. Der Survival Guide für den ersten Führungsjob. Die erste Führungsaufgabe ist kein Zuckerschlecken! SEMINARPROGRAMME Abenteuer Führung Der Survval Gude für den ersten Führungsjob De erste Führungsaufgabe st ken Zuckerschlecken! Junge Hgh Potentals erkennen das schnell. Her taucht ene unangenehme Überraschung

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Kurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA

Kurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA B.K.L. - Integratnervce für ffene Syteme Kurznfrmatn zu ergänzenden Mdulen und Dentletungen der B.K.L.- bem Enatz vn SER DOMEA Stand: 5/2003 De B.K.L.- t et velen Jahren DOMEA -Partner und hat für Kunden

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines Sequental mnmal optmzaton: A fast Algorthm for Tranng Support Vector machnes By John C. Platt (998) Referat von Joerg Ntschke Fall der ncht-trennbaren Tranngs-Daten (/) In der Realtät kommen lnear ncht-trennbare

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

Technische Universität München Zentrum Mathematik Diskrete Optimierung: Fallstudien aus der Praxis. Das Cutting Stock-Problem

Technische Universität München Zentrum Mathematik Diskrete Optimierung: Fallstudien aus der Praxis. Das Cutting Stock-Problem 1 Problem Technsche Unverstät München Zentrum Mathematk Dskrete Optmerung: Fallstuden aus der Praxs Barbara Wlhelm Mchael Rtter Das Cuttng Stock-Problem Ene Paperfabrk produzert Paperrollen der Brete B.

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Manhattan-Metrik anhand des Beispiels

Manhattan-Metrik anhand des Beispiels Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 136/2009, 19-21

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 136/2009, 19-21 Von emprschen Daten zum Modell: Das Monod-Modell NORBERT BRUNNER und MANFRED KÜHLEITNER Vele Wachstumsvorgänge lassen sch mt Hlfe ener Exponentalfunkton beschreben. Man denke etwa an de Znsesznsrechnung.

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. Gründe für Lagerbestände

3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. Gründe für Lagerbestände 3. Systeme des Bestandsmanagements Was st Bestandsmanagement? Grob gesagt, wrd m Bestandsmanagement festgelegt, welce Mengen enes Produktes zu welcem Zetpunkt zu bestellen snd Herdurc wrd der Bestand enes

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende Taste! [ ] A - Drücken Se erst de Taste [ALPHA] und dann

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

Mehr

Streuungs-, Schiefe und Wölbungsmaße 1

Streuungs-, Schiefe und Wölbungsmaße 1 aptel IV Streuung-, Schefe und Wölbungmaße B... Lagemaße von äufgketvertelungen geben allen weng Aukunft über ene äufgketvertelung. Se bechreben zwar en Zentrum deer Vertelung, geben aber kenen Anhaltpunkt

Mehr

Zwei Sätze von Joseph Wolstenholme. Johann Cigler

Zwei Sätze von Joseph Wolstenholme. Johann Cigler Zwe Sätze von Joseh Wolstenholme Johann Cgler Vor enger Zet sandte mr Herr P., en hlosohsch gebldeter älterer Mann, enge Bemerkungen zu enem Resultat von Joseh Wolstenholme, das er folgendermaßen formulerte:

Mehr

Numerische Methoden II

Numerische Methoden II umersche Methoden II Tm Hoffmann 23. Januar 27 umersche Bespele umersche Methoden zur Approxmaton von Dervatpresen: - Trnomsche Gttermethode - Implzte Fnte Dfferenzen - Explzte Fnte Dfferenzen - Crank-colson

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

II. Das Bestimmtheitsmaß R 2

II. Das Bestimmtheitsmaß R 2 II. Da Betmmthetmaß R Bepel: (a) ( ) ( )( ) - - 6 6 b ˆ /, und b ˆ, ˆ +, (b) ( ) ( )( ) - / -/ / / 6 6 b ˆ /, und b ˆ, ˆ +, D.h. de KQ-Geraden nd n beden Fällen glech, aber 7. Elementare Regrenrechnung

Mehr

Modellbildung und Simulation

Modellbildung und Simulation /8 Modellbldung und Smulaton Grundätzlche Be der Modellerung komplexer Syteme ollte nach folgenden Schrtten ytematch vorgegangen werden (ehe z. B. [] ):. Zuammentragen der Vorgaben Zel: Sammeln und Aufbereten

Mehr

Algorithmen und ihre Programmierung -Teil 3-

Algorithmen und ihre Programmierung -Teil 3- Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

1. Graphen 8. B={{d,e},{b,d},{a,b},{d,f},{b,c}}.

1. Graphen 8. B={{d,e},{b,d},{a,b},{d,f},{b,c}}. . Graphen 8 Bespel: f 5 5 d e 7 7 a 4 b 6 c Für den obenstehenden zusammenhängenden Graphen soll en Mnmalgerüst konstruert werden. Wr ordnen zunächst de Kanten des Graphen nach wachsender Bewertung, d.h.

Mehr

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13 M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.

Mehr

Universität Karlsruhe (TH)

Universität Karlsruhe (TH) Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor

Mehr

Approximationsalgorithmen. Facility Location K-Median. Cheng, Wei 12. Juli

Approximationsalgorithmen. Facility Location K-Median. Cheng, Wei 12. Juli Approxmatonsalgorthmen aclty Locaton K-Medan heng We 12. Jul aclty Locaton Defnton Gegeben: möglche Standorte = { 1 2 m } Städte = { 1 2 n } Eröffnungskosten f für Verbndungskosten c zwschen und Dreecksunglechung

Mehr

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. . Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Vorlesung: "Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA)"

Vorlesung: Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA) 6 Zuverlägke und Produklebenzyklu 6. Genaugke und Fehlerverhalen 6.2 Technche Zuverlägke 6.2. Klafkaon von Aufällen 6.2.2 Aufall- und Überlebenwahrchenlchke 6.2.3 Fehlerrae 6.3 Zuverlägke von Hardware-Funkonen

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Bei Strecken höherer Ordnung wird auch hier die Strecke durch die Methode der Ersatzzeitkonstante

Bei Strecken höherer Ordnung wird auch hier die Strecke durch die Methode der Ersatzzeitkonstante Lösung Übung 9 Aufgabe: eglerauslegung mt blnearer Transformaton n s In der kontnuerlchen egelungstechnk wrd für gewöhnlch en PI-egler verwendet, um de größte Zetkonstante zu kompenseren bzw. be IT-Strecken

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

Contents blog.stromhaltig.de

Contents blog.stromhaltig.de Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete

Mehr

Wahl auf Bäumen: FireWire

Wahl auf Bäumen: FireWire Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable

Mehr

Polytop-Modell. Tim Habermaas 26. Juni 2010

Polytop-Modell. Tim Habermaas 26. Juni 2010 Polytop-Modell Tm Habermaas 26. Jun 2010 Inhaltsverzechns 1 Enletung 1 2 Polytop 2 3 Quellprogramm 3 3.1 Begrffe.................................. 3 3.1.1 Indexraum und Indexvektor................... 3

Mehr

Induktive Strombegrenzung für AC-gespeiste SGTC mit netzsynchroner rotierender Funkenstrecke

Induktive Strombegrenzung für AC-gespeiste SGTC mit netzsynchroner rotierender Funkenstrecke Induktve Strombegrenung für AC-gespeste SGTC mt netsynchroner roterender Funkenstrecke Es wrd von ener SGTC ausgegangen, welche mt ener 5 H-netfrequen-synchron roterenden prmären Funkenstrecke ausgestattet

Mehr

Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie

Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie Prof. Dr. Jürgen Dassow Otto-von-Guercke-Unverstät Magdeburg Fakultät für Informatk Coderungstheore und Kryptographe Sommersemester 2005 1 2 Inhaltsverzechns 1 Defnton und Charakterserung von Codes 5 1.1

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

18. Vorlesung Sommersemester

18. Vorlesung Sommersemester 8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten

Mehr

Mathematik für das Ingenieurstudium

Mathematik für das Ingenieurstudium Mathematk für das Ingeneurstudum von Martn Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck m Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzechns schnell und portofre

Mehr

4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973)

4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973) 4. Raenmonoones Schedulng Rae-Monoonc Schedulng (LIU/LAYLAND 973) 4.. Tasbeschrebung Tas Planungsenhe. Perodsche Folge von Jobs. T = {,..., n } Tasparameer Anforderungsze, Bereze (release me) Bearbeungs-,

Mehr