Filters

Settings

Now showing1 - 4 of 4
  • Some of the metrics are blocked by your 
    consent settings
    Item type:Project, Access status: without files ,
    I³-Project - Cyber Physical Energy Systems - Sustainability, Resilience and Economics
    It is common goal to avoid greenhouse gas (GHG) emissions as soon as possible to overcome issues regarding climate change. In Germany, most reduction can be observed in the electricity sector due to intensive expansion of renewables like wind and photovoltaic energy. Renewable energy mostly arises in form of electric energy, therefore the ongoing GHG reduction is mainly located in the electricity sector. To decarbonize the whole energy system, electric energy should be used in other sectors too which leads to the concept of sector coupling. During energy transition, single big producer will be exchanged by geographically dispersed supply-dependent decentralized energy resources (DER) with different energy quality. Because energy conversion, for example from electricity via Power-to-Gas to hydrogen or further to synthetic methane, is always entailed by efficiency loss, direct electrification of these sectors is a part of this transition. However, this conversion path provides long-term energy storage options with the ability to compensate for seasonal intermittency in energy production. To maintain today’s high standard of supply availability, new concepts for flexibility provision have to be developed in this context. The creation of new flexibility options, which can be provided by generator side as well as demand side, requires sophisticated information and communication technologies (ICT) to achieve the high information density needed. Furthermore, sector coupling happens not only on the primary physical part, but also on the secondary digital part. Fig. 1 below depicts these two coupling paths. Energy transition and sector coupling requires not only changes on the physical and digital side, but also on the market side. Detailed availability of data, e.g. due to the ongoing roll out of smart meters, and the lack of tradability with small amounts of energy produced by DER will result in possible new market concepts. One example for this are virtual power plants, which make use of geographically distributed producer and pooling effects in form of combination of different technologies and more precise forecast possibilities due to stochastic effects. Despite a large number of existing energy models, these mostly consider only one sector. As soon as more sectors participate in the modelled energy provision, modeling depth decreases due to complexity and computational cost. Although simplifications led to the possibility of simulating the overall system, this approach diminishes the result accuracy. Market-related considerations are also often considered specifically for individual sectors. The goal of this project is to develop a co-simulation platform that takes dynamic effects on the physical side into account and is capable of simulating event based ICT models and protocols. Furthermore, optimization algorithms are developed and investigated which allow simulation of coupled effects for this holistic approach and derive optimal operating conditions on the background of the German energy policy goal triangle.
      566
  • Some of the metrics are blocked by your 
    consent settings
    Item type:Project, Access status: without files ,
    I³-Lab - Business Analytics – Optimierungspotenziale und strategische Risiken für maritime logistische Systeme
    „Business Analytics“ beschreibt die systematische und kontinuierliche Auswertung betrieblich anfallender Daten. Dies umfasst sowohl die Analyse von Daten aus der Vergangenheit als auch die Erstellung von Prognosen sowie die auf diesen Daten basierende, mit mathematischen Methoden optimierte Entscheidungsfindung. Die maritime Logistik beschäftigt sich mit der Planung, Gestaltung und Steuerung von Waren- und Informationsströmen im Zusammenhang mit seegebundenen Transporten, z.B. von Containern. Zu den in diesem Bereich betrachteten maritimen logistischen Systemen zählen zum Beispiel Containerterminals, an denen Schiffe be- und entladen werden, aber auch das Netzwerk der Schiffsrouten. In der maritimen Logistik ergeben sich große Potenziale für die Anwendung von „Business Analytics“, denn dieser Bereich verfügt mittlerweile über sehr große Datenmengen, z.B. bzgl. Schiffsbewegungen und Wetterdaten. Diese umfangreichen Datenmengen können durch innovative Datenanalyse- und Optimierungsmethoden nutzbar gemacht und verwertet werden. So wird die Entwicklung verbesserter Strategien, z.B. im Personal- und Flotteneinsatz, und neuer Lösungen, z.B. im autonom gesteuerten Schiffsverkehr, ermöglicht. Dabei sollten jedoch stets die angewandten Methoden kritisch reflektiert und auf strategische und ethische Risiken hin untersucht werden. Im Rahmen dieses Projektes wird das Ziel verfolgt, für ausgewählte Problemstellungen aus dem Bereich der maritimen Logistik zu untersuchen, welche Chancen der verstärkte Einsatz von „Business Analytics“, also von Methoden der Datenanalyse und Optimierung, bietet und welche operativen und strategischen Risiken für Unternehmen hiermit verbunden sein können. Die Abbildung verdeutlicht zudem den interdisziplinären Charakter des Projektes. In diesem kooperieren vier Institute der Technischen Universität Hamburg, und jedes Institut bringt seine spezielle wissenschaftliche Kompetenz und Expertise in das Projekt ein, um die zu untersuchenden Sachverhalte aus unterschiedlichen Blickwinkeln zu beleuchten. Ein konkreter Forschungsgegenstand im Projekt ist zum Beispiel das Leercontainermanagement. Aufgrund von Marktungleichgewichten müssen häufig Container leer transportiert werden, um anschließend wieder zum Einsatz kommen zu können. Es ist jedoch ökonomisch und ökologisch wünschenswert, die Anzahl dieser Leertransporte gering zu halten. Mit „Business Analytics“ können mithilfe von Vergangenheitsdaten Leercontainerbewegungen in der Vergangenheit analysiert werden. Daraus lassen sich Prognosen über die zukünftigen Bedarfe ableiten, die dann in einem mathematischen Modell zur zukünftigen Steuerung der Leercontainerströme berücksichtigt werden können. Ein weiterer Forschungsbereich, der auch aus strategischer und ethischer Perspektive von großem Interesse ist, ist die Entwicklung von Methoden des sog. Revenue Management. Dabei wird untersucht, wie einerseits Unternehmen ihre Dienstleistungen, z.B. einen Containertransport oder eine Kreuzfahrt, möglichst profitabel verkaufen können, aber dabei gleichzeitig der Anspruch des Kunden an Transparenz und Fairness gewahrt werden kann. Weitere Forschungsthemen im Projekt sind z.B. die Schiffseinsatzplanung und die Entwicklung von Nachfrageprognosen.
      6768
  • Some of the metrics are blocked by your 
    consent settings
    Item type:Project, Access status: without files ,
    Revenue Management in der Make-to-Order Produktion
    Die Make-to-Order Produktion zählt zu den jüngsten Anwendungsgebieten des Revenue Managements und ist dementsprechend erst wenig erforscht. Doch auch in der Auftragsproduktion ist die Produktionskapazität verderblich und sollte optimal genutzt werden. Sobald die Produktion stillsteht, kann die Produktionszeit im Nachhinein nicht mehr genutzt werden. Es stellt sich die Frage, welcher Auftrag angenommen und welcher vielleicht lieber abgelehnt werden sollte, um den Umsatz zu maximieren; denn wenn zu viele niederwertige Aufträge angenommen werden, kann es sein, dass später eintreffende, höherwertige Aufträge aufgrund von nicht ausreichender Restproduktionskapazität abgelehnt werden müssen (Umsatz­ver­drängung). Allerdings ist es nicht sicher, ob zu einem späteren Zeitpunkt überhaupt noch höherwertigere Aufträge eintreffen werden. In diesem Fall kann durch zu häufige Ablehnung von niederwertigen Aufträgen die Produktionskapazität eventuell nicht vollständig ausgelastet werden (Umsatzverlust). Demzufolge ist ein Kompromiss zwischen Umsatzverdrängung und Umsatzverlust zu bestimmen. Im Gegensatz zu den klassischen Auftragsannahmemodellen werden mithilfe des Revenue Managements die eingegangenen Aufträge nicht nur anhand der verfügbaren Produktionskapazität bezüglich der Annahme bzw. Ablehnung evaluiert, sondern es werden auch eine Nachfrageprognose und die Wertigkeit der Nachfrage berücksichtigt. In der Auftragsproduktion ist die Besonderheit, dass die wichtigen, wiederkehrenden Kunden, welche demzufolge einen hohen Kundenwert aufweisen, aufgrund von beispielsweise Sonderkonditionen geringere Preise als Neukunden bezahlen müssen. Folglich besitzen unterschiedliche Kundengruppen verschiedene Wertigkeiten bezüglich des Kundenwerts und der Nachfragewertigkeit. Somit sind die konkurrierenden Zielsetzungen zwischen der Erreichung von angestrebten Servicegraden je Kundengruppe und der Maximierung der Deckungsbeiträge ein wichtiger Aspekt, welche in der Forschung vom Revenue Management in der Make-to-Order Produktion berücksichtigt werden sollte.
      103
  • Some of the metrics are blocked by your 
    consent settings
    Item type:Project, Access status: without files ,
    Revenue Management in der Kreuzfahrtindustrie
    Kreuzfahrten erfreuen sich großer und stetig zunehmender Beliebtheit in allen Teilen der Welt. Entsprechend wuchsen und wachsen die Anzahlen transportierter Passagiere kontinuierlich. Gleichzeitig werden die vertriebenen Kreuzfahrtprodukte komplexer, und die eingesetzten Kreuzfahrtschiffe größer und größer. Analog zu anderen Industrien, wie der Airline- und Hotelindustrie und dem Container-Transport, kann die Kreuzfahrtindustrie dabei vom Einsatz der Methoden und Instrumente des Revenue Managements profitieren. Der möglichst ertragreiche Vertrieb der vorhandenen Kapazitäten innerhalb von Kreuzfahrtnetzwerken stellt dabei das Ziel dar, und kann nicht immer mit der maximal möglichen Auslastung ebendieser Kapazitäten gleichgesetzt werden. In diesem Forschungsvorhaben werden die Potentiale für den erfolgreichen Einsatz von Revenue Management in der Kreuzfahrtindustrie untersucht. Zu diesem Zweck werden mathematische Optimierungsmodelle zur Kapazitätszuweisung und darauf aufbauend Politiken zur Buchungsannahmesteuerung entwickelt.
      85