Neues CP-Modell optimiert serielle Batchplanung mit Mindestgrößen

In der seriellen Batchplanung werden ähnliche Aufträge zu Batches zusammengefasst und nacheinander verarbeitet, um teure Umrüstungen zu vermeiden. Trotz großer Erfolge in der Praxis existieren bislang nur drei Constraint‑Programming‑Modelle, die Mindestbatchgrößen berücksichtigen – ein entscheidendes Kriterium in Bereichen wie der Ionenimplantation in der Halbleiterfertigung.

Das neue Modell verzichtet auf die bisher übliche, vorgefertigte virtuelle Batchmenge, die die Problemgröße exponentiell erhöht. Stattdessen nutzt es Schlüssel‑Ausrichtungsparameter, die direkt die Reihenfolgen gleichfamilieniger Aufträge auf den Maschinen abbilden. Dadurch entsteht eine kompaktere Formulierung, die weniger Rechenressourcen beansprucht.

Durch gezielte Suchphasen und stärkere Inferenzstufen der Constraint‑Propagatoren wird die Struktur des Problems zusätzlich ausgenutzt. In umfangreichen Tests mit fast fünftausend Instanzen übertrifft das Modell bestehende Ansätze – sowohl aus der Mixed‑Integer‑Programming‑ als auch aus der Tabu‑Search‑ und CP‑Literatur – bei kleinen bis mittleren Problemen mit bis zu 100 Aufträgen. Auf großen Skalen liefert es Lösungen, die bis zu 25 % besser sind als die bisher erzielten Ergebnisse.