- AutorIn
- Klaus Altendorfer University of Applied Sciences Upper Austria, Steyr (Austria)
- Balwin BokorUniversity of Applied Sciences Upper Austria, Steyr (Austria)
- Wolfgang SeiringerUniversity of Applied Sciences Upper Austria, Steyr (Austria)
- Titel
- Agent-Based Simulation for Energy-Aware Production Scheduling
- Untertitel
- A Structured Practical Guide
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-996293
- Konferenz
- 21. ASIM-Fachtagung Simulation in Produktion und Logistik. Dresden, Germany, 24. bis 26. September 2025
- Quellenangabe
- Simulation in Produktion und Logistik 2025
Herausgeber: Sebastian Rank
Herausgeber: Mathias Kühn
Herausgeber: Thorsten Schmidt
Erscheinungsort: Dresden
Verlag: Technische Universität Dresden, Professur für Technische Logistik
Erscheinungsjahr: 2025
ISBN: 978-3-86780-806-4 - Erstveröffentlichung
- 2025
- DOI
- https://doi.org/10.25368/2025.238
- Abstract (EN)
- This paper presents a structured guide for applying agent-based simulation (ABS) to energy-aware production scheduling under uncertainty. Using a European lead-acid battery manufacturer as a case study, we outline a systematic six-stage Energy-Aware Simulation Development Process implemented in AnyLogic. The approach integrates environmental and planning parameters, enabling flexible experimentation with energy-sensitive scheduling decisions such as batching, machine stopping and threshold-based optimization. Key modelling techniques include multi-layer agent interactions, dynamic energy-dependent process logic, and advanced dispatching rule frameworks. Simulation results highlight trade-offs between energy consumption and production-logistics KPIs. The guide offers broadly applicable methods to support simulation practitioners in developing and analysing energy-focused production models.
- Freie Schlagwörter (DE)
- Simulation, Künstliche Intelligenz, Modellierung, Optimierung, Agentenbasierte Simulation, Modellierungstechniken
- Freie Schlagwörter (EN)
- Simulation, Artificial Intelligence, Modelling, Optimisation, agent-based simulation, modelling techniques
- Klassifikation (DDC)
- 620
- Klassifikation (RVK)
- ZM 9500
- Publizierende Institution
- Technische Universität Dresden, Dresden
- Förder- / Projektangaben
- Austrian Research Promotion Agency „Produktion der Zukunft”
Sched- Energy
ID: #FO999891173 - Government of Upper Austria ENPro
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-996293
- Veröffentlichungsdatum Qucosa
- 18.10.2025
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Englisch
- Lizenz / Rechtehinweis
CC BY 4.0