Integriertes Modellkonzept für energieorientierte PPS/Integrated model approach for energy-oriented PPC

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: wt Werkstattstechnik online Jahrgang 116 (2026), Heft 04
Open Access Vollzugriff

wt Werkstattstechnik online

Jahrgang 116 (2026), Heft 04

Autor:innen:
Verlag
VDI fachmedien, Düsseldorf
Copyrightjahr
2026
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Kapitelinformationen

Open Access Vollzugriff

Jahrgang 116 (2026), Heft 04

Integriertes Modellkonzept für energieorientierte PPS/Integrated model approach for energy-oriented PPC

Autor:innen:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Kapitelvorschau:

Der Beitrag stellt einen Ansatz vor, mit dem das Potenzial energieorientierter Maßnahmen innerhalb der PPS bewertet werden kann. Um Zielkonflikte zwischen Energiekosten und logistischen Zielgrößen zu analysieren, werden ein Energie-, ein Scheduling- sowie ein Logistikmodell miteinander gekoppelt. Dieser Ansatz bildet die Basis für einen konzeptionellen Demonstrator, der Unternehmen bei der Bewertung von Maßnahmen zur Reduzierung der Energiekosten unterstützt, ohne die logistischen Zielgrößen zu gefährden.

Literaturverzeichnis

  1. [1] IEA, International Energy Agency: Global Energy Review 2025. Internet: www.iea.org/reports/global-energy-review-2025. Zugriff am 19.03.2026 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  2. [2] IEA, International Energy Agency: Industry. Internet: www.iea.org/energy-system/industry. Zugriff am 19.03.2026 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  3. [3] IEA, International Energy Agency: Electrificity. Internet: www.iea.org/energy-system/electricity. Zugriff am 19.03.2026 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  4. [4] Pavlík, M.; Kurimský, F.; Ševc, K.: Renewable Energy and Price Stability: An Analysis of Volatility and Market Shifts in the European Electricity Sector (2015–2025). Applied Sciences 15 (2025) 12, #6397 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  5. [5] Blaschke, M. J.: Dynamic pricing of electricity: Enabling demand response in domestic households. Energy Policy 164 (2022), #112878 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  6. [6] Mouzon, G.; Yildirim, M. B.: A framework to minimise total energy consumption and total tardiness on a single machine. International Journal of Sustainable Engineering 1 (2008) 2, pp. 105–116 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  7. [7] Wu, X.; Guo, P.; Wang, Y. et al.: Decomposition approaches for parallel machine scheduling of step-deteriorating jobs to minimize totaltardiness and energy consumption. Complex & Intelligent Systems 8 (2022) 2, pp. 1339–1354 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  8. [8] Gao, K.; Huang, Y.; Sadollah, A. et al.: A review of energy-efficient scheduling in intelligent production systems. Complex & IntelligentSystems 6 (2020) 2, pp. 237–249 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  9. [9] Arica, E.; Ogorodnyk, O.; Ranaboldo, M. et al.: A framework for designing a decision support system for energy aware production planning and scheduling. Procedia CIRP 138 (2026), pp. 927–932 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  10. [10] Shao, Z.; Li, W.; Tan, Y. et al.: A systematic energy-aware scheduling framework for manufacturing factories integrated with renewables. International Journal of Production Research 62 (2024) 21, pp. 7644–7659 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  11. [11] Plitsos, S.; Repoussis, P. P.; Mourtos, I. et al.: Energy-aware decision support for production scheduling. Decision Support Systems 93 (2017), pp. 88–97 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  12. [12] Rischmann, M.; Weber, M.; Hiller, T. et al.: Scientific Concept for Analyzing the Potential of Energy-Oriented Production Planning and Control in SMEs. In: Mizuyama, H.; Morinaga, E.; Nonaka, T. et al. (eds.): Advances in Production Management Systems. Cyber-Physical-Human Production Systems: Human-AI Collaboration and Beyond. Cham: Springer Nature Switzerland 2025 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  13. [13] Mullarkey, M. T.; Hevner, A. R.: An elaborated action design research process model. European Journal of Information Systems 28 (2019) 1, pp. 6–20 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  14. [14] Davis, W. S.; Yen, D. C.: The Information System Consultant’s Handbook. Boca Raton, Florida: CRC Press 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  15. [15] Seitz, M.: Datenbasierte Analyse und Prognose des logistischen Systemverhaltens in Produktionsbereichen mit komplexen Materialflüssen. Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  16. [16] VDI Verein Deutscher Ingenieure e.V.: VDI-Richtlinie 5207 Blatt 1. Energieflexible Fabrik – Grundlagen. Ausgabe Juli 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  17. [17] Weinert, N.: Vorgehensweise für Planung und Betrieb energieeffizienter Produktionssysteme. Dissertation, Technische Universität Berlin, 2010 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  18. [18] Härtel, L.: Modellbasierte Datenanalyse zur Identifikation logistischer Schwachstellen in Produktionsbereichen. Dissertation, Gottfried Wilhelm Leibniz Universität Hannover, 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  19. [19] Schuh, G.; Stich, V. (Hrsg.): Produktionsplanung und -steuerung. Heidelberg: Springer Vieweg 2012 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  20. [20] Lödding, H.: Verfahren der Fertigungssteuerung. Heidelberg: Springer 2016 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  21. [21] Schmidt, M.; Nyhuis, P.: Produktionsplanung und -steuerung im Hannoveraner Lieferkettenmodell. Innerbetrieblicher Abgleich logistischer Zielgrößen. Heidelberg: Springer Vieweg 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  22. [22] Stöppler, S.: Nachfrageprognose und Produktionsplanung bei saisonalen und konjunkturellen Schwankungen. Heidelberg: Physica-Verlag HD 1984 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  23. [23] Haupt, R.: Produktionstheorie und Ablaufmanagement. Stuttgart: Poeschel Verlag 1987 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  24. [24] Augenstein, E. M. G.: Rechnergestützte Analyse und Konzeption industrieller Energiesysteme. Dissertation, TH Aachen, 2009 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  25. [25] Kansara, R.; Roldán Serrano, M. I.: Coupled Design and Operation Optimization for Decarbonization of Industrial Energy Systems Using an Open-Source In-House Tool. Eng 5 (2024) 4, pp. 3033–3048, https://doi.org/10.3390/eng5040158 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  26. [26] Bauer, T.; Prenzel, M.; Klasing, F. et al.: Ideal‐Typical Utility Infrastructure at Chemical Sites – Definition, Operation and Defossilization. Chemie Ingenieur Technik 94 (2022) 6, pp. 840–851 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24
  27. [27] Nyhuis, P.; Wiendahl, H.-P.: Logistische Kennlinien. Grundlagen, Werkzeuge und Anwendungen. Heidelberg: Springer Vieweg 2012 Google Scholar öffnen DOI: 10.37544/1436-4980-2026-04-24

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien