Universität Bayreuth

Jörg Rambau


Anschrift:
Herr Prof. Dr. Jörg Rambau
Universität Bayreuth
Fakultät I - Mathematik, Physik und Informatik
Lehrstuhl Wirtschaftsmathematik
Straße:
Universitätsstr. 30
Ort:
95440 Bayreuth
Tel.:
0921 55-7350
Fax:
0921 55-7352

Leistungsprofil:
Praxisrelevante Forschungsgebiete:
  • Diskrete Optimierung: Lösung großer Optimierungsprobleme mit ganzzahligen oder ja/nein-Entscheidungsvariablen mit garantierter Güte.
  • Supply Chain Management: Zum Beispiel mathematische Optimierung der Warenbestellung und -verteilung.
  • Optimale Einsatzplanung: Zum Beispiel mathematische Optimierung der Laserschweißroboter-Einsatzplanung.
  • Optimale Stundenplanung: Zum Beispiel mathematische Optimierung von Zeiten und Räumen für Universitätskurse mit dem Ziel der Vermeidung von Überschneidungen.

Praxisrelevante aktuelle Projekte:
  • Optimierung unter Unsicherheit (Anwendungsfälle: Fahrzeugeinsatzplanung, Modewarendistribution, Patiententransport)
  • Optimierung mehrstufiger Lagersysteme (Anwendungsfälle: Ersatzteillagersysteme für Automobilhersteller)
  • Strategieoptimierung in Sportspielen (Anwendungsfälle: Beach-Volleyball, Basketball)

Praxisrelevante Ausstattung/Messmethoden:
  • Mehrere Computeserver mit Software zur Lösung großer ganzzahliger linearer Optimierungsaufgaben.


Publikationen:
  • Miriam Kießling, Sascha Kurz, Jörg Rambau, 2021: An exact column-generation approach for the lot-type design problem. In: TOP : An Official Journal of the Spanish Society of Statistics and Operations Research, 29, 741-780.
  • Susanne Hoffmeister, Jörg Rambau, 2021: Strategy Optimization in Sports via Markov Decision Problems. In: Hans Georg Bock, Willi Jäger, Ekaterina Kostina, Hoang Xuan Phu (Hrsg.): Modeling, Simulation and Optimization of Complex Processes HPSC 2018 : Proceedings of the 7th International Conference on High Performance Scientific Computing, Hanoi, Vietnam, March 19-23, 2018. - Cham : Springer, 277-322.
  • Ton de Kok, Christopher Grob, Marco Laumanns, Stefan Minner, Jörg Rambau, Konrad Schade, 2018: A typology and literature review on stochastic multi-echelon inventory models. In: European Journal of Operational Research, 269, 955-983.
  • Sascha Kurz, Jörg Rambau, Jörg Schlüchtermann, and Rainer Wolf, 2015: The Top-Dog Index: A New Measurement for the Demand Consistency of the Size Distribution in Pre-Pack Orders for a Fashion Discounter with Many Small Branches, Annals of Operations Research, 229, 1, 541-563.
  • Jörg Rambau, Konrad Schade, 2014: The stochastic guaranteed service model with recourse for multi-echelon warehouse management, Mathematical Methods of Operations Research, 79, 1-34.
  • Jörg Rambau, Cornelius Schwarz 2014: Solving a vehicle routing problem with resource conflicts and makespan objective with an application in car body manufacturing, Optimization Methods and Software, 29, 2, 353-375.


Kooperationsangebot für die Wirtschaft / Praxis:
Bevorzugte Form der Kooperation:
  • Beratung
  • FuE
  • Bachelor-/Master-/Diplomarbeit
  • Doktorarbeit

Angebote der Zusammenarbeit:
  • Alle Arten schwieriger Planungsaufgaben, in denen ja/nein-Entscheidungen am wichtigsten sind: Route A wählen – ja oder nein? Auftrag j direkt nach Auftrag i bearbeiten – ja oder nein? Kurs 1 in Zeitslot A abhalten – ja oder nein?

Bestehende Kooperationen:
Mit Hochschulen:
Prof. Dr. Stefan Minner, TU München
Supply Chain Management und Model Predictive Control
seit 2011

Prof. Dr. Ton de Kok, TU Eindhoven, NL
Supply Chain Management und Model Predictive Control
seit 2011

Prof. Dr. Anita Schöbel, FH ITWM Kaiserslautern
Optimierung unter Unsicherheit
seit 2015

Mit anderen Institutionen:
Ralf Borndörfer, Konrad-Zuse-Zentrum für Informationstechnik Berlin
Ganzzahlige Optimierung
seit 2005

Mit Unternehmen:
Christopher Grob, Beiersdorf AG, Hamburg
Supply Chain Management und Model Predictive Control
seit 2011

Dr. Konrad Schade, Volkswagen AG Kassel
Supply Chain Management und Model Predictive Control
seit 2011




Zurück zur Liste
Falls dies ihr Profil ist, können Sie es hier nach dem Login bearbeiten.