Sie lernen ein geeignetes MILP-Modell zur integrierten Standort-, Kapazitäts- und Technologieplanung für synthetischen Kraftstoffe unter abstrahierenden Annahmen aufzustellen, in Python zu implementieren und mittels des Gurobi-Solver zu lösen, sowie durch die Analyse der Optimierungsergebnisse Handlungsempfehlungen abzuleiten. Dafür benutzen Sie das generische OR-Modell vom Warehouse Location Problem und lernen es auf ein fachspezifische Modell anzupassen.

Dieser Kurs ist der erste Teil einer Reihe. Später im Kurs verlinken wir Ihnen auch den folgenden Kurs, der jedoch auf Masterniveau ist und gegebenenfalls erst in einem späteren Semester für Sie relevant wird.

Voraussetzungen für diesen Kurs
  • Generelle Kenntnisse von Linearer Programmierung
  • Generelle Kenntnisse von Netzwerkplanung

Die Voraussetzungen können zum Beispiel durch Besuchen der Vorlesung Produktion und Logistik von Lehrstuhl Operationsmanagement der RWTH Aachen erlangt werden. Zur Wiederholung jedoch sind entsprechende Vorlesungsmaterialien und Übungsmaterialien hier noch mal eingebunden. Diese sind auch immer durch entsprechende Videos ergänzt.


Gliederung

Allgemeines: Anleitungen und Zielsetzung des Kurses

Arbeitsumgebung Einrichten: Anleitung zur Einrichtung der benötigten Programme, sowie kurze Einführungen in die Programme

Modellierung und Optimierung: Bereich, in dem Sie Grundlagen zur Modellierung und Optimierung erlernen, um anschließen die Case Study zu bearbeiten.


Bei Fragen und Anregungen wenden Sie sich bitte an den Kursmoderator Stephan Bogs (stephan.bogs@om.rwth-aachen.de)

Última modificación: miércoles, 4 de enero de 2023, 11:38