Dieter Weninger

Dr. Dieter Weninger, Akad. Rat

Department of Data Science (DDS)
Lehrstuhl für Analytics & Mixed-Integer Optimization

Raum: Raum 03.386
Cauerstraße 11
91058 Erlangen

• Telefon: +49 9131 85-67188
• Faxnummer: +49 9131 85-67162
• E-Mail: dieter.weninger@math.uni-erlangen.de

Projekte

• Process optimization for hospital logistics

  (Drittmittelfinanzierte Einzelförderung)

  Laufzeit: seit 01-01-2020
  Mittelgeber: Industrie
  URL: https://en.www.math.fau.de/edom/projects-edom/logistics-and-production/process-optimization-for-hospital-logistics/
  →Mehr Informationen

• Dekompositionsmethoden für ganzzahlig-kontinuierliche Optimalsteuerung (A05) (2018 - 2022)

  (Drittmittelfinanzierte Gruppenförderung – Teilprojekt)

  Titel des Gesamtprojektes: TRR 154: Mathematische Modellierung, Simulation und Optimierung am Beispiel von Gasnetzwerken
  Laufzeit: 01-07-2018 - 30-06-2022
  Mittelgeber: DFG / Sonderforschungsbereich / Transregio (SFB / TRR)
  Abstract

  Ziel ist die Entwicklung mathematischer Verfahren zur Lösung ganzzahlig-kontinuierlicher Optimalsteuerungsprobleme auf Transportnetzwerken mittels Dekomposition. Auf der obersten Hierarchieebene (Master) stehen ganzzahlige, auf der untersten kontinuierliche Variablen im Mittelpunkt. Neben Schnittebenen soll das Sub-Problem auch Disjunktionen an den Master übergeben, um somit nicht konvexe Optimalsteuerungsprobleme global lösen zu können. Der Schwerpunkt liegt insgesamt auf der mathematischen Analyse strukturierter MINLPs vor dem Hintergrund hierarchischer Modelle.

  →Mehr Informationen

• Development of new Linear and Integer Programming Techniques to solve Supply Chain Management Problems

  (Drittmittelfinanzierte Einzelförderung)

  Laufzeit: seit 01-03-2010
  Mittelgeber: Industrie
  Abstract

  Supply Chain Management (SCM) deals with the combination of procurement, production, storage, transport and delivery of commodities. Problems of this kind occur in all kinds of industry branches. Since the integrated planning of these processes contains a high potential for optimization it is of great importance for the companies’ efficiency.

  The method of choice to find optimal solutions in SCM is linear and integer programming. Nevertheless, there are big challenges to overcome – concerning both hardware and algorithms – due to very detailed and therefore large models. Additionally there may occur numerical difficulties that standard techniques cannot deal with.

  As a consequence, the problem’s mathematical formulation has to be done carefully and new methods need to be implemented to improve the performance of MIP algorithms.

  →Mehr Informationen

Publikationen

Lehre