Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Optimierungsprobleme in der Industrie Dipl.-Inf. Matthias Rupp
2006-01-20, TU Darmstadt
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Gliederung
Einleitung
Anwendungen, Modelle, Verfahren
Schweißzellenproblem
Einf¨ uhrung, Komplexit¨at, Algorithmen
Editionsproblem
Vorstellung
Zusammenfassung
Fazit, Literatur Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beteiligte Institutionen Diplomarbeit Zeitoptimale Bearbeitungs” reihenfolgen f¨ ur mehrere Schweißroboter: Modelle und Algorithmen“ → www.mrupp.info
Projekt OptiSpot → www.frankfurt-consulting.de
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Optimierung Modelle & Verfahren
Einleitung
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Optimierung Modelle & Verfahren
Optimierung in der Industrie
Branchen:
Bereiche:
I
Chemische Industrie
I
Produktion, Fertigung
I
Automobilindustrie
I
Prozesse, Arbeitsvorg¨ange
I
Halbleiterindustrie
I
Qualit¨atssicherung
I
Energiewirtschaft
I
Transport, Logistik
I
Einzelhandel
I
...
I
Milit¨ar
I
...
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Optimierung Modelle & Verfahren
Optimierungsprobleme
Minimiere
f :D→W
I
Einschr¨ankung von D durch Nebenbedingungen.
I
Stochastische Multi-Stage Modelle
I
L¨ osungsans¨atze erfordern mehr Struktur → Vielfalt an Formulierungen
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Optimierung Modelle & Verfahren
Modelle & Verfahren (Klassifikation) Modelle: I
deterministisch vs. stochastisch
I
diskret vs. kontinuierlich
I
algebraisch vs. beliebig
Verfahren: I
deterministisch vs. stochastisch
I
exakt vs. heuristisch
I
analytisch vs. algorithmisch
Eigenschaften algebraischer Funktionen (stetig, ableitbar, . . .). Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Optimierung Modelle & Verfahren
Modelle & Verfahren (Auswahl) I
Deterministische mathematische Programmierung I I
I
Stochastische Programmierung I I
I
Multi-Stage Modelle Probabilistische Nebenbedingungen
Stochastische Suchverfahren I I I
I
(Nicht) lineare Programmierung (Gemischte) ganzzahlige Programmierung
Simuliertes Abk¨ uhlen Evolution¨are Algorithmen Iterierte lokale Suche
Andere I I I
Statistische Methoden, Bayes Ans¨atze Fortsetzungs- und Gl¨attungsmethoden Intervall-Methoden Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Das Schweißzellenproblem
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Hintergrund I
Automobilindustrie
I
Automatisierte Fertigung von Fahrzeugen
I
Karosserierohbau: Punktschweißen
I
Fertigungsstraße / Roboterg¨arten
I
Stationen (Gruppen von Industrierobotern)
I
Durchlaufendes Werkst¨ uck
I
Gesucht: Programmierung der Roboter mit minimaler Gesamtbearbeitungszeit
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Beschreibung Eingabe: I
Station (Geometrie, Schleusen)
I
Roboter (Anzahl, Geometrie, Kenndaten, Position, Ausrichtung)
I
Werkzeuge (Geometrie, Roboter)
I
Werkst¨ uck (Geometrie)
I
Schweißpunkte (Position, Typ, Zeit, Orientierung)
I
Nebenbedingungen(Gleichzeitigkeit,Reihenfolge,Ausschluss,...)
Ausgabe: I
Vollst¨andiges kollisionsfreies Programm (Bewegungen, Verriegelungen) f¨ ur alle Roboter mit minimaler Gesamtbearbeitungszeit Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Vereinfachung I Eingabe: I
Station (Geometrie, Schleusen)
I
Roboter (Anzahl, Geometrie, Kenndaten, Position, Ausrichtung)
I
Werkzeuge (Geometrie, Roboter)
I
Werkst¨ uck (Geometrie)
I
Schweißpunkte (Position, Typ, Zeit, Orientierung)
I
Nebenbedingungen(Gleichzeitigkeit,Reihenfolge,Ausschluss,...)
Ausgabe: I
Vollst¨andiges kollisionsfreies Programm (Bewegungen, Verriegelungen) f¨ ur alle Roboter mit minimaler Gesamtbearbeitungszeit Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Schwierigkeiten Gegeben m Roboter, n Schweißpunkte sowie Nebenbedingungen, finde ein vollst¨andiges kollisionsfreies Programm mit minimaler Gesamtbearbeitungszeit. Schwierigkeiten: I
Gegenseitige Beeinflussung der Roboter
I
Unterschiedliche Wege und Wegzeiten
I
Wegplanung und Ansteuerung
I
Modellierung der Roboter
→ Weitere Vereinfachung n¨otig
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Einordnung Involvierte Gebiete: I
Optimierung
I
Wegplanung
I
Kollisionserkennung
I
Roboteransteuerung
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Einordnung Involvierte Gebiete: I
Optimierung
I
Wegplanung
I
Kollisionserkennung
I
Roboteransteuerung
→ Reduktion auf Optimierungsaspekt Andere Arten der Vereinfachung sind m¨oglich und sinnvoll!
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Vereinfachung II Definition (WCP-A) Gegeben sei ein ungerichteter, vollst¨andiger Graph G = (V , E ) mit Kantengewichten c : E → R≥0 und m ausgezeichnete Knoten s1 , . . . , sm ∈ V . Finde eine Partitionierung von V in m Mengen L1 , . . . , Lm ⊆ V sowie eine Anordnung σi : {1, . . . , |Li |} → Li ,
σi bijektiv,
jeder dieser Mengen, so dass σi (1) = si und i |−1 |LX max c ({σi (j), σi (j + 1)}) 1≤i≤m j=1
minimal ist. Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Komplexit¨at
I
TSP ist Spezialfall des WCP-A ⇒ TSP ≤pm WCP-A
I
WCP-A ∈ NP ⇒ WCP-A NP-vollst¨andig ⇒ WCP-A ≤pm TSP
I
Problem: ≤pm liefert per se keine l¨osungserhaltende Reduktion
I
Wesentlicher Unterschied zwischen WCP-A und TSP ist das Optimierungskriterium
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Algorithmen
I
Naive Methode erfordert L¨osen von mn TSPs.
I
Optimale L¨osung z.B. durch ganzzahlige Programmierung Beispiel: Concorde-Bibliothek f¨ ur TSP [Cook et al]
I
Gute L¨osung durch stochastische Suchverfahren. Beispiel: Lin-Kernighan-Helsgaun Heuristik f¨ ur TSP [Helsgaun, 2000]
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Stochastische Suchverfahren
13 implementierte Verfahren: I
Evolution¨are Algorithmen (2 Varianten)
I
Populationsbasierte Algorithmen (3 Varianten)
I
Simuliertes Abk¨ uhlen (5 Varianten)
I
Iterierte lokale Suche (2 Varianten)
I
Memetische Algorithmen (1 Variante)
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Datens¨atze 18 zuf¨allige Problemdatens¨atze: m n
2 10
2 50
3 50
4 50
2 100
3 100
4 100
6 100
8 100
m n
3 200
4 200
6 200
8 200
12 200
6 500
8 500
12 500
12 1000
11 Produktionsdatens¨atze: m n
4 107
4 194
2 32
2 43
2 67
Matthias Rupp
2 9
2 9
4 16
4 19
2 50
2 23
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Vergleich L¨ osungsg¨ ute: Platzierung Produktionsdaten 1 ILS 2 2 ILS 1 3 MEM 4 SAN ···
zuf¨allige Daten ILS 2 MEM ILS 1 SAN
Alle Daten ILS 2 MEM ILS 1 SAN
ILS = Iterierte Lokale Suche, MEM = Memetischer Algorithmus, SAN = Simuliertes Abk¨ uhlen Anzahl Funktionsauswertungen: I
ILS 1 ben¨otigt 2x bzw. 4x mehr Auswertungen als SAN.
I
ILS 2 ben¨otigt 200x bzw. 700x mehr Auswertungen als ILS 1. Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Beschreibung Vereinfachung Komplexit¨ at L¨ osungen
Fazit
I
Neues Problem im Bereich der automatisierten Fertigung
I
Reduktion auf Optimierungsaspekt liefert WCP-A
I
Vergleich stochastischer Suchverfahren auf Testdatens¨atzen Fortf¨ uhrung:
I
I
I I
Ber¨ ucksichtigung von Kollisionen (Approximation der Geometrien, Kollisionsintegral) Verriegelungsprogramme Zangenwechsel, Bewegung des Werkst¨ ucks
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Vorstellung
Das Editionsproblem
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Vorstellung
Hintergrund & Beschreibung Hintergrund: I
Automobilindustrie
I
Fertigungs- und Absatzplanung von Automobilen ¨ Ubertragbar auf andere konfigurierbare Produkte
I
Beschreibung: I
Produkt in diskreten Merkmalskombinationen orderbar
I
Liste mit vergangenen Abs¨atzen liegt vor
I
Gesucht ist eine partielle Merkmalskombination, die in der Vergangenheit oft geordert wurde
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Vorstellung
Formale Definition Definition (Editionsproblem) Gegeben eine bin¨are Matrix M ∈ {0, 1}n×m , finde Spalten p1 , . . . , pk ∈ {1, . . . , m} und Werte w1 , . . . , wk ∈ {0, 1} so dass j Mj,p = w1 ∧ . . . ∧ Mj,p = wk k 1 k nm maximal wird. Anmerkungen: I
Der Faktor k/nm normiert auf [0, 1]
I
Vom Muster erfasster Anteil der Matrix
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Vorstellung
Beispiel 0 1 0 0 0 0 0 0 0 1 0 0
0 1 1 0 0 0 1 1 0 1 0
0 0 0 1 1 1 0 0 0 0 1
1 0 0 1 1 1 1 1 0 1 1 1
1 0 1 0 1 1 0 1 1 1 0
0 1 0 1 0 0 1 0 0 0 1
1 0 0 0 0 0 0 0 1 0 0
0 1 1 0 1 1 0 1 0 1 0
Matthias Rupp
0 0 0 1 0 0 1 0 0 0 1
1 0 0 1 1 1 1 1 0 1 1 0
n = 11, m = 10 p1 = 1, p2 = 4, p3 = 10 w1 = 0, w2 = 1, w3 = 1 |{3, 4, 5, 6, 7, 10}| · 3/110 = 6 · 3/110 = 18/110 ≈ 16.4%
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Vorstellung
Ans¨atze
I
Vorverarbeitung (mehrfach auftretende Zeilen)
I
Branch & Bound
I
Ganzzahlige Programmierung
I
Stochastische Suchverfahren
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Fazit Literatur
Zusammenfassung
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Fazit Literatur
Fazit
I
Bedeutung von Optimierung in der Industrie
I
Vielfalt an Problemtypen & L¨osungsans¨atzen
I
Stellvertretend zwei Optimierungsprobleme aus der Industrie
I
Unterschiede in Modellierbarkeit, Komplexit¨at
Matthias Rupp
Optimierungsprobleme in der Industrie
Einleitung Schweißzellenproblem Editionsproblem Zusammenfassung
Fazit Literatur
Matthias Rupp: Zeitoptimale Bearbeitungsreihenfolgen f¨ ur mehrere Schweißroboter: Modelle und Algorithmen, Diplomarbeit, Johann-Wolfgang-Goethe Universtit¨at, 2004. www.mrupp.info Frankfurt Consulting Engineers, www.frankfurt-consulting.de, 2006. David Applegate, Robert Bixby, Vaˇsek Chv´atal, William Cook: Traveling Salesman Problem, www.tsp.gatech.edu, 2006. Keld Helsgaun: An Effective Implementation of the Lin-Kernighan Traveling Salesman Heuristic, European Journal of Operational Research, Band 126 (1), Elsevier, 2000-10-01.
Matthias Rupp
Optimierungsprobleme in der Industrie
Suchraumgr¨oße I Satz Der Suchraum des WCP-A hat die Gr¨oße
n+m−1 n
n!.
Beweisidee [Rupp, 2004]. Aufstellen einer Rekursionsgleichung in m: an,m :=
n X n i=0
i
i! an−i,m−1 f¨ ur m > 1,
an,1 := n!.
L¨ osen der bivariaten exponentiellen Erzeugendenfunktion A(y , z) :=
XX
an,m
n≥0 m≥1
y y mz n = ... = . n! 1−z −y
Entwicklung um y = z = 0 liefert die Koeffizienten. Matthias Rupp
Optimierungsprobleme in der Industrie
Suchraumgr¨oße II I
TSP hat Suchraumgr¨oße 12 (n − 1)!.
I
Problem: WCP-A hat zwei Parameter, n und m.
I
F¨ ur |V | = n + m als Eingabegr¨oße w¨achst das TSP schneller: 1 Suchraumgr¨oße WCP-A = . Suchraumgr¨oße TSP (m − 1)!
I
F¨ ur n als Eingabegr¨oße w¨achst das WCP-A schneller: Suchraumgr¨oße WCP-A n+m−1 = · n. Suchraumgr¨oße TSP n
I
In der Praxis ist m konstant.
Matthias Rupp
Optimierungsprobleme in der Industrie
Ausblick: Geometrieapproximation I
Matthias Rupp
Optimierungsprobleme in der Industrie
Ausblick: Geometrieapproximation II
Matthias Rupp
Optimierungsprobleme in der Industrie
Ausblick: Geometrieapproximation III
Matthias Rupp
Optimierungsprobleme in der Industrie
Ausblick: Geometrieapproximation IV
Matthias Rupp
Optimierungsprobleme in der Industrie
Ausblick: Geometrieapproximation V
Matthias Rupp
Optimierungsprobleme in der Industrie
Ausblick: Geometrieapproximation VI
Matthias Rupp
Optimierungsprobleme in der Industrie