Operations Research in der Circular Economy

Institut

Institut für Werkzeugmaschinen und Betriebswissenschaften

Typ

Bachelorarbeit / Semesterarbeit / Masterarbeit /

Inhalt

experimentell / theoretisch /  

Beschreibung

Ausgangssituation

Die wachsenden Anforderungen an Nachhaltigkeit und Kreislaufwirtschaft erfordern innovative Lösungen für effiziente Demontageprozesse am Ende des Produktlebenszyklus – insbesondere in der Automobilindustrie. Die Umsetzung sogenannter R-Strategien (Reuse, Remanufacturing, Recycling) erfordert präzise Entscheidungen darüber, welche Komponenten demontiert werden sollen und wie diese weiterverwendet werden können. Die Komplexität dieser Entscheidungen ergibt sich aus der Vielzahl möglicher Demontagepfade sowie der unterschiedlichen wirtschaftlichen und ökologischen Bewertungen.

Zielsetzung der Arbeit

Ziel dieser Arbeit ist es, verschiedene Optimierungsansätze zur Pfadfindung in einer bestehenden, modellierten Baustruktur zu identifizieren, zu implementieren und miteinander zu vergleichen. Dabei sollen insbesondere heuristische Verfahren wie Ant Colony Optimization, Bee Colony Optimization oder andere Optimierungsalgorithmen. Die Verfahren werden im Kontext der Demontageplanung angewendet, um die optimale Demontagetiefe bzw. den effizientesten Rückbaupfad zu ermitteln.

Die Arbeit baut auf einer bestehenden Modellierung aus einem laufenden Forschungsprojekt mit einem Automobilhersteller auf. Die Optimierungsalgorithmen sollen dabei auf ein reales Beispielprodukt der Lernfabrik des iwb angewendet werden.

Ein besonderer Fokus liegt auf dem Vergleich der entwickelten oder angepassten Algorithmen hinsichtlich Lösungsqualität, Rechenzeit und Robustheit. Bei außergewöhnlich innovativen oder leistungsfähigen Ansätzen ist eine Mitautorenschaft bei einer wissenschaftlichen Veröffentlichung möglich.

Voraussetzungen

• Fortgeschrittenes Studium (Ingenieurwissenschaften oder TUM-BWL)
• Auch als IDP für Informatiker möglich
• Fundierte Kenntnisse in Operations Research und Optimierungsverfahren
• Sehr gute Programmierkenntnisse in Python
• Ausgeprägtes analytisches Denkvermögen und strukturierte Arbeitsweise
• Interesse an praxisnaher Forschung im Bereich Circular Economy und nachhaltiger Produktgestaltung
• Sehr hohe Eigenmotivation

Tags

Brunnenkant IWB

Möglicher Beginn

sofort

Kontakt

Finn-Augustin Brunnenkant
Raum: 2302
finn.brunnenkantiwb.tum.de

Ausschreibung