Multi-objective layout planning and scheduling for mass customization assembly systems with AGV material handling

Abstract

Over the past two centuries, the manufacturing industry has experienced substantial paradigm shifts, driven by technological progress and rising customer demands. The most recent transformation, the Fourth Industrial Revolution, marks the shift from mass production to highly personalized mass customization. Modern manufacturing systems must now handle great product variety in volatile environments characterized by fluctuating customer demands, shrinking lot sizes, and shorter product life cycles. To remain competitive, assembly systems must become increasingly flexible by adopting multi-purpose machines, lean inventory management, and adaptable material handling, such as automated guided vehicle (AGVs). Novel optimization methods are required to address the planning challenges of these dynamic systems. One major determinant of shop floor performance is the facility layout planning (FLP) problem: the task of arranging machines optimally within a given space. Ideal layouts align production capabilities with expected customer demand and minimize material handling costs by placing interrelated machines close together. However, traditional FLP assumes static or periodic material flows, which are no longer representative of modern mass customization environments. Evaluating layout performance under such conditions requires a complex integration between the FLP problem, job-shop scheduling problem, and AGV dispatching problem, all of which are independently NP-hard. While layout planning addresses shop floor design, scheduling and dispatching represent the shop floor control problem. Despite their strong interdependence, these areas are often studied in isolation, resulting in a substantial research gap. This thesis addresses that gap through a unified treatment of these problems. We propose a comprehensive problem formulation that captures all core aspects identified throughout a multi-year collaboration with industry partners. The resulting formulation covers a generalized multi-objective brownfield unequal-area problem with machine selection and integrated dynamic flexible assembly job-shop scheduling problem with stochastic processing times, rush orders, multiple-load AGV dispatching, and limited buffers. The proposed methods are successively developed throughout the thesis and culminate in a hybrid approach composed of an outer multi-objective evolutionary algorithm (MOEA) for generation of candidate layouts and an inner real-time capable heuristic scheduling and dispatching algorithm with deadlock detection and avoidance. This strategy balances optimality with computational efficiency and is unique in its extensive problem coverage, extending beyond the capabilities of existing methods in the literature. We evaluate our methods across multiple case studies and algorithm configurations, including comparisons with the closest state-of-the-art alternatives. Through these experiments, we demonstrate the success of our overall solution strategy, identify effective genetic operators, show how surrogate models enable substantial runtime savings, underscore the importance of exploration and exploitation for MOEAs, and establish the benefits of a dynamic product selection for rush order responsiveness, among other findings. Overall, this thesis signifies a substantial advancement in addressing the planning challenges of modern mass customization assembly systems, while also opening several avenues for future research.

Über die letzten zwei Jahrhunderte hat die fertigende Industrie tiefgreifende Paradigmenwechsel erlebt, bedingt durch technologischen Fortschritt sowie steigende Kundenanforderungen. Die jüngste Transformation kam im Zuge der vierten industriellen Revolution und markiert den Übergang von der Massenproduktion zur hochgradig individualisierten Massenfertigung. Heutzutage müssen Fertigungssysteme daher eine große Produktvielfalt abbilden, trotz volatiler Umgebungsbedingungen durch schwankende Kundennachfragen, sinkende Losgrößen und kürzere Produktlebenszyklen. Um wettbewerbsfähig zu bleiben, ist zunehmende Flexibilität erforderlich, was durch den Einsatz von Mehrzweckmaschinen, schlankem Bestandsmanagement und anpassungsfähiger Materialflusstechnik wie fahrerlosen Transportsystemen (FTS) erreicht wird. Um den Planungsherausforderungen solcher dynamischen Systeme zu begegnen, sind neuartige Optimierungsmethoden erforderlich. Ein wesentlicher Faktor für die Leistungsfähigkeit von Produktionsstätten ist das Problem der Layoutplanung (LP), das die Aufgabe umfasst, Maschinen optimal im vorgegebenen Raum anzuordnen. Ideale Layouts stimmen die Produktionskapazitäten mit der erwarteten Kundennachfrage ab und minimieren die Materialflusskosten, indem sie funktional zusammenhängende Maschinen räumlich beieinander platzieren. Traditionelle LP-Ansätze gehen jedoch von statischen oder periodischen Materialflüssen aus, was in modernen Produktionsumgebungen nicht mehr zutrifft. Um die Performanz einer Produktionsstätte unter diesen Bedingungen beziffern zu können, ist eine komplexe Integration des LP-Problems mit dem Job-Shop-Scheduling-Problem und dem FTS-Einsatzplanungsproblem erforderlich, wobei alle diese Probleme unabhängig voneinander NP-schwer sind. Während sich die Layoutplanung auf die Gestaltung der Fläche bezieht, betreffen Scheduling und Einsatzplanung dessen operative Steuerung. Trotz ihrer Verflechtungen werden diese Bereiche häufig isoliert untersucht, was zu einer erheblichen Forschungslücke führt. Diese Dissertation schließt große Teile der Forschungslücke durch eine einheitliche Betrachtung der genannten Problemstellungen. Hierzu wird eine umfassende Problemformulierung vorgestellt, welche alle zentralen Aspekte abdeckt, die im Rahmen einer mehrjährigen Zusammenarbeit mit Industriepartnern identifiziert wurden. Die Formulierung beinhaltet ein allgemeines, multikriterielles LP-Problem mit Maschinen unterschiedlicher Größen und nicht vorgegebener Anzahl, wobei eine existierende Produktionsstätte überholt werden muss. Hierzu kommt ein integriertes, dynamisches, flexibles Job-Shop-Scheduling-Problem mit Montagevorgängen, stochastischen Bearbeitungszeiten, Eilaufträgen, FTS-Einsatzplanung mit Mehrfachladung und begrenzten Pufferkapazitäten von Maschinen. Die Lösungsansätze für dieses komplexe Problem werden im Verlauf der Arbeit schrittweise entwickelt und gipfeln in einem hybriden Ansatz. Dieser besteht aus einem äußeren multikriteriellen evolutionären Algorithmus (MKEA) zur Generierung von Layoutkandidaten und einem inneren echtzeitfähigen heuristischen Scheduling- und Einsatzplanungsalgorithmus mit Erkennung und Vermeidung von Deadlocks. Dieser Ansatz stellt einen Ausgleich zwischen Optimalität und Rechenaufwand dar, und zeichnet sich durch eine umfassende Problemabdeckung aus, welche deutlich über die Abdeckung bestehender Methoden in der Literatur hinausgeht. Unsere Methoden werden in mehreren Fallstudien und Algorithmuskonfigurationen evaluiert, einschließlich Vergleichen mit den ähnlichsten etablierten Verfahren. Durch diese Experimente demonstrieren wir den Erfolg unseres allgemeinen Ansatzes, identifizieren effektive genetische Operatoren, zeigen mögliche Laufzeiteinsparungen durch Surrogatmodelle, unterstreichen die Bedeutung von Exploration und Exploitation für MKEAs und belegen die Vorteile einer dynamischen Produktauswahl für die rasche Bearbeitung von Eilaufträgen, nebst weiteren Erkenntnissen. Insgesamt erbringt diese Dissertation einen bedeutenden Fortschritt in Bezug auf die Planung von modernen Fertigungssystemen im Bereich der hochgradig individualisierten Massenfertigung und eröffnet gleichzeitig zahlreiche neue Forschungsperspektiven.