Zur Seitenansicht
 

Titelaufnahme

Titel
Solution approaches for the deterministic and the stochastic management of multiple projects assigning human resources with heterogeneous skill efficiencies / Thomas Felberbauer
VerfasserFelberbauer, Thomas
Begutachter / BegutachterinDörner, Karl F. ; Affenzeller, Michael
ErschienenLinz, November 2015
UmfangXX, 104 Seiten : Illustrationen
HochschulschriftUniversität Linz, Univ., Dissertation, 2015
Anmerkung
Zusammenfassung in englischer Sprache
SpracheDeutsch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Projektmanagement / Reihenfolgeplanung / Personaleinsatzplanung / heterogene Fähigkeiten / gemischte ganzzahlige Optimierung / stochastische Optimierung / Metaheuristik / Frank Wolfe Algorithmus
Schlagwörter (EN)project management / project scheduling / personnel planning / heterogeneous skills / mixed integer linear programming / stochastic modeling / metaheuristic / Frank Wolfe algorithm
Schlagwörter (GND)Projektmanagement / Reihenfolgeplanung / Personaleinsatz / Heterogenität / Stochastische Optimierung / Ganzzahlige Optimierung / Metaheuristik
URNurn:nbn:at:at-ubl:1-6335 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist gemäß den "Hinweisen für BenützerInnen" verfügbar
Dateien
Solution approaches for the deterministic and the stochastic management of multiple projects assigning human resources with heterogeneous skill efficiencies [15.54 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

In dieser Dissertation werden bestehende Modellformulierungen für Projektmanagement und Personalplanung um realitätsnahe Anforderungen und um die Annahme von stochastischen Durchführungszeiten erweitert. In den entwickelten quantitativen Lösungsmethoden werden sowohl heuristische als auch exakte Optimierungsmethoden miteinander verknüpft um minimale Personaleinsatzkosten zu erreichen.

Im ersten Hauptteil der Dissertation wird ein bereits veröffentlichtes, deterministisches, lineares Projektreihenfolge- und Personalplanungsmodell um zwei praktische Anforderungen erweitert. Die erste Erweiterung modelliert die Möglichkeit der Unterbrechung des Durchführungsprozesses zwischen zwei Projektperioden. Die zweite Modellerweiterung bildet die Entscheidung zwischen unterschiedlichen Anstellungsverhältnissen ab. Da das exakte Verfahren in ansprechender Zeit teilweise keine Lösungen mehr finden konnte, wurde eine hybride Metaheuristik entwickelt, die das Problem in ein Projekt-Reihenfolgeproblem und ein Personalplanungsproblem unterteilt.

Um die Performance des entwickelten metaheuristischen Lösungsansatzes zu bewerten, wurden die Ergebnisse der Heuristik mit jenen des exakten Lösungsverfahrens verglichen. Die Resultate zeigten, dass die entwickelte Metaheuristik für kleine und mittlere Probleme vergleichbare Ergebnisse wie das exakte Optimierungsverfahren lieferte. Zusätzlich konnte die entwickelte Lösungsmethode auch für große Testinstanzen gute Ergebnisse liefern bei denen das exakte Verfahren keine Lösungen mehr finden konnte.

Im zweiten Hauptteil der Dissertation wird ein stochastisches Optimierungsmodell präsentiert. Dabei wird die Information über den zu erwartenden Aufwand der Arbeitspakete als unsichere Information angenommen. Für die entwickelte Matheuristik werden die Startzeitpunkte der einzelnen Arbeitspakete metaheuristisch bestimmt und das Personalplanungsproblem mit dem Frank-Wolfe-Algorithmus gelöst. Für synthetisch generierte Testinstanzen, die aber an eine reale Problemstellung angelehnt sind, wird der Vorteil der stochastischen Optimierung gegenüber den deterministischen Modellen aufgezeigt.

Zusätzlich werden aus den Ergebnissen einer Parametervariation Entscheidungsempfehlungen für die Praxis abgeleitet.

Zusammenfassung (Englisch)

In this thesis, quantitative solution approaches for project management and personnel planning models are developed. Existing literature is extended by modeling two problem extensions and by considering stochastic information about project work package processing times.

To begin with, we extend a recently developed model for project scheduling and staffing by addressing two practically important features, namely the possibility of interruptions between the execution periods of a project and the decisions between different types of labor contracts. A hybrid metaheuristic employs a decomposition of the problem into a project scheduling problem and a personnel planning problem. To test the solution approaches, we compare the outcome of the developed hybrid metaheuristic with the results obtained by applying the exact solver to the considered optimization problem. The numerical tests show that the metaheuristic performs well for small to medium-sized test instances and offers good solutions for larger instances where the exact solver fails to return a feasible solution.

Second, we develop a stochastic optimization model for simultaneous project scheduling and personnel planning, inspired by a previously developed deterministic model. To address the problem of assigning work packages to multi-skilled human resources with heterogeneous skills, the uncertainty regarding work package processing times is addressed. A metaheuristic, using iterated local search, determines the project schedules. The staffing sub-problem is solved by means of the Frank-Wolfe algorithm for convex optimization. Experimental results for synthetically generated test instances are provided and some insights comparing deterministic and stochastic planning are derived.