Modellierung der einphasigen Häckselkette zur Ressourcenplanung landwirtschaftlicher Logistikprozesse
DOI:
https://doi.org/10.15150/lt.2022.3281Abstract
Landwirtschaftliche Lohnunternehmen stehen häufig vor dem komplexen Planungsproblem, ihre heterogene Fahrzeugflotte bestmöglich auslasten zu müssen. In dieser Arbeit wird ein mathematisches Modell vorgestellt, das sich zur Optimierung einphasiger logistischer Prozesse in der Landwirtschaft, wie der Häcksel- oder Güllekette, eignet. Das Modell bildet den Einsatz von Primärfahrzeugen (Feldhäcksler bzw. Ausbringer) auf dem Feld ab, wobei ihre Auslastung von den ihnen zugewiesenen Sekundärfahrzeugen (Abfahrer bzw. Zubringer) sowie dem Abstand zwischen Feld und Silo abhängt. Anhand der Realdaten zur Maisernte einer Agrargenossenschaft in Brandenburg wird gezeigt, dass sich praktische Problemstellungen softwaregestützt durch gemischt-ganzzahlige Programmierung lösen lassen. Basierend auf dem entwickelten Modell werden verschiedene Planungsszenarien untersucht, um beispielsweise den Zeitgewinn durch den Einsatz zusätzlicher Fahrzeuge oder den Austausch eines Feldhäckslers durch ein leistungsstärkeres Modell zu berechnen.
Literaturhinweise
Amiama, C.; Cascudo, N.; Carpente, L.; Cerdeira-Pena, A. (2015a): A decision tool for maize silage harvest operations. Biosystems Engineering 134, pp. 94–104, https://doi.org/10.1016/j.biosystemseng.2015.04.004
Amiama, C.; Pereira, J.M.; Castro, A.; Bueno, J. (2015b): Modelling corn silage harvest logistics for a cost optimization approach. Computers and Electronics in Agriculture 118, pp. 56–65, https://doi.org/10.1016/j.compag.2015.08.024
Bender, T.; Wittwer, D.; Schmidt, T. (2021): Applying Constraint Programming to the Multi-Mode Scheduling Problem in Harvest Logistics. In: Mes, M.; Lalla-Ruiz, E.; Voß, S. (eds.): Computational Logistics. Springer Cham, pp. 562–577, https://doi.org/10.1007/978-3-030-59747-4
Camarena, E.A.; Gracia, C.; Cabrera Sixto, J.M.(2004): A Mixed Integer Linear Programming Machinery Selection Model for Multifarm Systems. Biosystems Engineering 87(2), pp. 145–154, https://doi.org/10.1016/j.biosystemseng.2003.10.003
Cerdeira-Pena, A.; Carpente, L.; Amiama, C. (2017): Optimised forage harvester routes as solutions to a traveling salesman problem with clusters and time windows. Biosystems Engineering 164, S. 110–123, https://doi.org/10.1016/j.biosystemseng.2017.10.002
Filippi, C.; Mansini, R.; Stevanato, E. (2017): Mixed integer linear programming models for optimal crop selection. Computers & Operations Research 81, S. 26–39, https://doi.org/10.1016/j.cor.2016.12.004
Jensen, M.A.F.; Bochtis, D.; Sørensen, C.G.; Blas, M.R.; Lykkegaard, K.L. (2012): In-field and inter-field path planning for agricultural transport units. Computers & Industrial Engineering 63(4), S. 1054–1061, https://doi.org/10.1016/j.cie.2012.07.004
Lamsal, K.; Jones, P.C.; Thomas, B.W. (2016): Harvest logistics in agricultural systems with multiple, independent producers and no on-farm storage. Computers & Industrial Engineering 91, S. 129–138, https://doi.org/10.1016/j.cie.2015.10.018
Mederle, M.; Bernhardt, H. (2017): Analysis of influencing factors and decision criteria on Infield-Logistics of different farm types in Germany. Agricultural Engineering International: CIGR Journal 19(2), pp. 139–148. https://cigrjournal.org/index.php/Ejounral/article/view/4058
Michels, M.; Weller von Ahlefeld, P.J.; Mußhoff, O. (2019): Akzeptanz und Nutzung von Navigationssoftware durch landwirtschaftliche Lohnunternehmen – Eine Anwendung des Technologieakzeptanzmodells. LANDTECHNIK, Bd. 74 Nr. 4 (2019), https://doi.org/10.15150/lt.2019.3210
Wolsey, L. A. (1998): Integer Programming. New York, John Wiley
