This project addresses production planning, with a focus on improving medium-term planning by integrating capacity constraints and addressing production system as well as demand uncertainty. Production planning typically operates on three levels: long-term, medium-term, and short-term. Long-term planning involves strategic decisions like resource investments and workforce planning. Medium-term planning produces production orders specifying what to produce, when to start, and when to complete. Short-term planning determines order sequencing and allocates additional workforce as needed.

Traditional medium-term Material Requirements Planning (MRP), despite its widespread use, relies on simplifications, assuming infinite resource capacity, deterministic demand, and constant lead times. These assumptions often lead to production plans that do not reflect real-world constraints or uncertainties, such as fluctuating demand and resource availability. This project aimed to overcome these limitations, focusing on developing methods to create production plans that align with actual shop floor conditions.

A key objective was to improve MRP by combining simulation-based and optimization-based approaches. A simulation model was developed to replicate stochastic production system behavior, enabling studies on uncertainty’s impact on MRP performance. Findings showed that higher uncertainty in demand and production processes increases planned lead times and safety stocks. However, using fixed lot sizes partially mitigated the negative effects of high demand variability.

To enhance practical applications of MRP, heuristic models were developed for implementation in Enterprise Resource Planning (ERP) systems. One example, a safety stock relaxation algorithm, demonstrated significant improvements, particularly when forecasts were updated regularly.

The project also addressed production logistics by integrating an optimization model into the simulation framework. This approach produced load-dependent production order releases, significantly outperforming traditional MRP in simulations.

For more complex scenarios, optimization models were designed to find near-optimal solutions for lot sizes and production orders under uncertainty. By integrating these models with the simulation framework, insights were gained into rolling horizon planning and the impact of uncertainty. While the methods performed well for small production systems, further research is required to scale them to larger, more complex systems.

In summary, this project advanced medium-term production planning by addressing capacity constraints and uncertainty through simulation models, heuristics, and optimization techniques. These approaches demonstrated the potential to enhance production system efficiency, reduce inventory, and improve service levels in dynamic and uncertain environments.

Dieses Projekt befasst sich mit der Produktionsplanung, insbesondere mit der Verbesserung der mittel- und kurzfristigen Planung durch die Integration von Kapazitätsrestriktionen und der Berücksichtigung von Unsicherheiten. Die Produktionsplanung wird typischerweise in drei Ebenen unterteilt: langfristig, mittelfristig und kurzfristig. Langfristige Planung umfasst strategische Entscheidungen wie Investitionen in Ressourcen oder Personalplanung. Mittelfristige Planung erstellt Produktionsaufträge, die festlegen, was produziert werden soll, wann die Produktion beginnt und wann sie abgeschlossen sein muss. Kurzfristige Planung bestimmt die Reihenfolge der Produktionsaufträge und stellt bei Bedarf zusätzliche Arbeitskräfte bereit.

Die traditionelle mittel- und kurzfristige Materialbedarfsplanung (MRP) wird trotz ihrer weiten Verbreitung häufig vereinfacht durchgeführt, indem unendliche Kapazitäten, deterministische Nachfrage und konstante Durchlaufzeiten angenommen werden. Diese Annahmen führen oft zu Plänen, die reale Einschränkungen und Unsicherheiten wie schwankende Nachfrage und Ressourcenauslastung nicht ausreichend berücksichtigen. Ziel des Projekts war es, diese Schwächen zu überwinden und Planungsmethoden zu entwickeln, die besser an die tatsächlichen Bedingungen in der Produktion angepasst sind.

Ein zentrales Ziel war die Verbesserung von MRP durch die Kombination von simulations- und optimierungsbasierten Ansätzen. Es wurde ein Simulationsmodell entwickelt, das stochastisches Produktionsverhalten nachbildet und Studien zur Auswirkung von Unsicherheiten auf die MRP-Leistung ermöglichte. Ergebnisse zeigten, dass eine höhere Unsicherheit in der Nachfrage und den Produktionsprozessen zu längeren geplanten Durchlaufzeiten und höheren Sicherheitsbeständen führt. Die negativen Effekte von Nachfrageschwankungen wurden jedoch durch feste Losgrößen abgemildert.

Zur praxisnahen Verbesserung von MRP wurden heuristische Modelle entwickelt, die zukünftig in ERP-Systeme integriert werden könnten. Ein Beispiel ist ein Algorithmus zur Anpassung von Sicherheitsbeständen, der besonders bei regelmäßigen Aktualisierungen der Prognosen signifikante Verbesserungen zeigte.  Darüber hinaus wurde ein Optimierungsmodell mit dem Simulationsmodell kombiniert, um kapazitätsabhängig Produktionsaufträge zu erstellen. Dieses Modell übertraf in Simulationstests das traditionelle MRP deutlich.

Für komplexere Szenarien wurden Optimierungsmodelle entwickelt, um nahezu optimale Lösungen für Losgrößen und Produktionsaufträge unter Unsicherheiten zu finden. Die Integration dieser Modelle mit der Simulation ermöglichte Einblicke in die Effekte rollierender Planung unter Unsicherheit. Während die Ansätze für kleine Produktionssysteme gut funktionierten, ist weitere Forschung nötig, um sie auf größere, komplexere Systeme zu skalieren.

Zusammenfassend hat dieses Projekt die mittel- und kurzfristige Produktionsplanung durch die Berücksichtigung von Kapazitätsbeschränkungen und Unsicherheiten mit Simulationsmodellen, Heuristiken und Optimierungsansätzen erheblich verbessert. Diese Ansätze zeigten großes Potenzial, die Effizienz von Produktionssystemen zu steigern, Bestände zu reduzieren und den Servicelevel zu verbessern.

An, Parragh, (2025) A generic LP relaxation-based matheuristic for bi-objective mixed integer linear programming: application to sustainable supply chain network design. Working Paper

Schlenkrich, Parragh, Cordeau (2025b) Progressive hedging for multi-stage stochastic lot sizing problems with setup carry-over under uncertain demand, Working Paper

Schlenkrich, Seiringer, Altendorfer, Parragh, (2025a) Enhancing Rolling Horizon Production Planning Through Stochastic Optimization Evaluated by Means of Simulation, doi.org/10.48550/arXiv.2402.14506: Open Access Link

Seiringer, Altendorfer, Juan, (2025a) Optimizing Safety Stock Relaxation in MRP: Effective Capacity Load Balancing Through Different Approaches, Working Paper.

Bokor, Seiringer, Altendorfer, (2025) Integrating Simulation Budget Management into Drum-Buffer-Rope: A Study on Parametrization and Reducing Computational Effort, Lecture Notes in Computer Science, Vol 14778 (DSA Proceedings 2024), 220-234, doi.org/10.1007/978-3-031-78238-1_21 Open Access Link

Seiringer, Altendorfer, Uzsoy, (2025) Clearing function-based release date optimization in a multi-item multi-stage MRP planned production system in a rolling-horizon planning environment with multilevel BOM, doi.org/10.48550/arXiv.2503.01862. Open Access Link

Seiringer, Altendorfer, Felberbauer, Bokor, Brockmann, (2025) How Periodic Forecast Updates Influence MRP Planning Parameters: A Simulation Study, Simulation Modelling Practice and Theory (SIMPAT), https://doi.org/10.1016/j.simpat.2025.103115 Open Access Link

Schlenkrich, Parragh, (2024) Capacitated multi-item multi-echelon lot sizing with setup carry-over under uncertain demand, International Journal of Production Economics, 277, 109379, doi.org/10.1016/j.ijpe.2024.109379, Open Access: dx.doi.org/10.2139/ssrn.4530599: Open Access Link

Seiringer, Bokor, Altendorfer (2024) Evaluating Production Planning and Control Systems in Different Environments: A Comparative Simulation Study, Accepted for Proceedings of the 2024 Winter Simulation Conference, 1-12, doi.org/10.48550/arXiv.2405.02015: Open Access Link

Bokor, Altendorfer (2024) Extending CONWIP by flexible capacity and WIP-Cap adjustment for a make-to-order multi-item multi-stage production system, Flexible Services and Manufacturing Journal, 1-30, doi.org/10.1007/s10696-024-09547-9

Seiringer, Bokor, Altendorfer (2024) Evaluating Production Planning and Control Systems in Different Environments: A Comparative Simulation Study, WSC Proceedings 2024, 1539-1550, doi.org/10.1109/WSC63780.2024.10838972 Open Access Link

Seiringer, Altendorfer, Felberbauer (2023) Simulating the Impact of Forecast Related Overbooking and Underbooking Behavior on MRP Planning and a Reorder Point System, WSC Proceedings 2023, 1688-1699, doi.org/10.1109/WSC60868.2023.10408288

Seiringer, Castaneda, Altendorfer, Panadero, Juan (2022a) Applying Simheuristics to Minimize Overall Costs of an MRP Planned Production System, Algorithms, 15 (2), 1-18, doi.org/10.3390/a15020040: Open Access Link

Seiringer, Altendorfer, Castaneda, Gayan, Juan (2022b) Potential of Simulation Effort Reduction by Intelligent Simulation Budget Management for Multi-Item and Multi-Stage Production Systems, Proceedings of the 2022 Winter Simulation Conference, 1864-1875, doi.org/10.1109/WSC57314.2022.10015506: Open Access Link

Seiringer, Altendorfer, Castaneda, Panadero, Juan (2021) Applying simheuristics for safety stock and planned lead time optimization in a rolling horizon MRP system under uncertainty, Proceedings of the 2021 Winter Simulation Conference, 1-12, doi.org/10.1109/WSC52266.2021.9715294: Open Access Link