Accessible Unlicensed Requires Authentication Published by De Gruyter November 20, 2021

Konzept zur Lösung von industriellen Reihenfolgeplanungsproblemen

Mittels Quanten-Annealing im Kontext von Industrie 4.0

Concept for Solving Industrial Sequencing Problems
Using Quantum Annealing in the Context of Industry 4.0
Philipp Schworm, Matthias Klar, Moritz Glatt and Jan C. Aurich

Abstract

Das auf quantenmechanischen Prozessen basierende Quanten-Annealing ist eine Technologie, die es erlaubt, Energieminimierungsprobleme effizient zu lösen. Durch die Formulierung von Reihenfolgeplanungsproblemen als Energieminimierungsprobleme bieten sich Potenziale einer zeiteffizienten Lösung mittels Quanten-Annealing. Gegenstand dieses Beitrags ist ein Konzept zur Überführung von Reihenfolgeminimierungsproblemen in eine mittels Quanten-Annealing verarbeitbare Problemformulierung.

Abstract

Quantum annealing, based on quantum mechanical processes, is a technology that allows energy minimization problems to be solved efficiently. By formulating process scheduling problems as energy minimization problems, Potenzials of a time-efficient solution using quantum annealing are offered. The subject of this paper is a concept for the transformation of process scheduling minimization problems into a problem formulation that can be processed using quantum annealing.


Tel.: +49 (0) 631 205-4066

Danksagung

Die Autoren danken dem Ministerium für Wirtschaft, Verkehr, Landwirtschaft und Weinbau Rheinland-Pfalz für die finanzielle Unterstützung im Rahmen des Projektes „Nutzung von Quanten-Annealing zur Reihenfolgeplanung in produzierenden Unternehmen“.

Literatur

1 Westkämper, E.; Decker, M.: Einführung in die Organisation der Produktion (SpringerLehrbuch). Springer-Verlag, Berlin, Heidelberg 2006Search in Google Scholar

2 Stevenson, M.; Hendry, L.; Kingsman, B.: A Review of Production Planning and Control: The Applicability of Key Concepts to the Make-to-Order Industry. International Journal of Production Research 43 (2005) 5, S. 869–898 DOI: 10.1080/002075404200029852010.1080/0020754042000298520Search in Google Scholar

3 Binner, H.: Prozessdigitalisierung und prozessorientierte ERP/PPS/MES-Implementierung. In: Binner, H. (Hrsg.): Organisation 4.0: MITO-Konfigurationsmanagement. Springer Fachmedien Wiesbaden, Wiesbaden 2018, S. 415–446 DOI: 10.1007/978-3-658-20662-8_1210.1007/978-3-658-20662-8_12Search in Google Scholar

4 Grefenstette, J.: Proceedings of the First International Conference on Genetic Algorithms and their Applications. Taylor and Francis, Hoboken 2014 DOI: 10.4324/978131579967410.4324/9781315799674Search in Google Scholar

5 Battaglia, D.; Santoro, G.; Tosatti, E.: Optimization by Quantum Annealing: Lessons from Hard Satisfiability Problems. Physical Review. E, Statistical, Nonlinear, and Soft Matter Physics 71 (2005) 6 Pt 2, S. 66707 DOI: 10.1103/PhysRevE.71.06670710.1103/PhysRevE.71.066707Search in Google Scholar

6 Pinedo, M.: Scheduling. Springer International Publishing, Cham 2016 DOI: 10.1007/978-3-319-26580-310.1007/978-3-319-26580-3Search in Google Scholar

7 Leusin, M.; Frazzon, E.; Uriona Maldonado, M.; Kück, M.; Freitag, M.: Solving the Job-Shop Scheduling Problem in the Industry 4.0 Era. Technologies 6 (2018) 4, S. 107 DOI: 10.3390/technologies604010710.3390/technologies6040107Search in Google Scholar

8 Zhang, J.; Ding, G.; Zou, Y.; Qin, S.; Fu, J.: Review of Job Shop Scheduling Research and its New Perspectives under Industry 4.0. Journal of Intelligent Manufacturing 30 (2019) 4, S. 1809–1830 DOI: 10.1007/s10845-017-1350-210.1007/s10845-017-1350-2Search in Google Scholar

9 Acker, I.: Lösungsverfahren für Job-ShopProbleme. In: Acker, I. (Hrsg.): Methoden zur mehrstufi gen Ablaufplanung in der Halbleiterindustrie. Gabler Verlag, Wiesbaden 2011, S. 91–162 DOI: 10.1007/978-3-8349-6731-2_510.1007/978-3-8349-6731-2_5Search in Google Scholar

10 Mokhtari, H.; Hasani, A.: An Energy-efficient Multi-objective Optimization for Flexible Jobshop Scheduling Problem. Computers & Chemical Engineering 104 (2017), S. 339–352 DOI: 10.1016/j.compchemeng.2017.05.00410.1016/j.compchemeng.2017.05.004Search in Google Scholar

11 Zhang, M.; Tao, F.; Nee, A.: Digital Twin Enhanced Dynamic Job-Shop Scheduling. Journal of Manufacturing Systems 58 (2021), S. 146–156 DOI: 10.1016/j.jmsy.2020.04.00810.1016/j.jmsy.2020.04.008Search in Google Scholar

12 c‘t (ct) – Magazin für Computertechnik: Optimal tunneln – Eine praktische Einführung ins Quanten-Annealing. c‘t 12/2020, S. 150Search in Google Scholar

13 Kreutz-Delgado, K.: Lecture Notes on Quantum Mechanics & Quantum Annealing – Some Background for the D-Wave Quantum Computer and Adiabatic Quantum Computation (2017)Search in Google Scholar

14 Volkswagen AG (Hrsg.): Quantencomputer: Wie Volkswagen damit den Verkehr optimiert (2021). Online unter Search in Google Scholar

15 BMW Group (Hrsg.): Ein Quantensprung für die Mobilität? (2021). Online unter Search in Google Scholar

16 Venturelli, D.; Marchand, D.; Rojo, G.: Job Shop Scheduling Solver Based on Quantum Annealing. In: Proceedings of ICAPS-16 Workshop on Constraint Satisfaction Techniques for Planning and Scheduling (COPLAS) 2016, S. 25–34Search in Google Scholar

17 Kurowski, K.; Wȩglarz, J.; Subocz, M.; Różycki, R.; Waligóra, G.: Hybrid Quantum Annealing Heuristic Method for Solving Job Shop Scheduling Problem. In: Krzhizhanovskaya, V.; Závodszky, G.; Lees, M.; Dongarra, J.; Sloot, P.; Brissos, S.; Teixeira, J. (Hrsg.): Computational Science – ICCS 2020. Springer International Publishing, Cham 2020, S. 502–515 DOI: 10.1007/978-3-030-50433-5_392020Search in Google Scholar

18 Denkena, B.; Schinkel, F.; Pirnay, J.; Wilmsmeier, S.: Quantum Algorithms for Process Parallel Flexible Job Shop Scheduling. CIRP Journal of Manufacturing Science and Technology 33 (2021), S. 100–114 DOI: 10.1016/j.cirpj.2021.03.00610.1016/j.cirpj.2021.03.006Search in Google Scholar

Published Online: 2021-11-20

© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany