scholarly journals Συστήματα αλγορίθμων λεπτομερειακού χρονικού προγραμματισμού παραγωγής

2009 ◽  
Author(s):  
Αθανάσιος Σπανός

Σκοπός της παρούσας διατριβής είναι να διερευνήσει ενδελεχώς τις δυνατότητες εφαρμογής των σύνθετων και πολύπλοκων υβριδικών μεταευρετικών αλγορίθμων του θεωρητικού λεπτομερειακού προγραμματισμού παραγωγής σε πρακτικά προβλήματα. Η ντετερμινιστική μορφή του λεπτομερειακού προγραμματισμού παραγωγής, το λεγόμενο και JSSP (Job Shop Scheduling Problem), έχει απασχολήσει ερευνητές ανά τον κόσμο συστηματικά τις τελευταίες πέντε δεκαετίες. Η βιβλιογραφική ανασκόπηση και υπολογιστική σύγκριση μεταξύ state-of-the-art αλγορίθμων κατέδειξε πως δεν υπάρχει μεμονωμένη στρατηγική που να δύναται να επιλύσει αυτό το δυσεπίλυτο και πολύπλοκο πρόβλημα. Ως εκ τούτου, η έρευνα έχει στραφεί σε γενικευμένους υβριδικούς μεταευρετικούς αλγορίθμους και ειδικούς ευρετικούς μηχανισμούς. Οι μεν πρώτοι αξιοποιούνται κατά κύριο λόγο για τον απεγκλωβισμό της αναζήτησης από τοπικά βέλτιστα, ενώ οι δε δεύτεροι αξιοποιούν γνώση συσχετιζόμενη με το χώρο λύσεων του JSSP. Οι σύγχρονοι state-of-the-art αλγόριθμοι υποβοηθούμενοι πάντα από τη διαρκή εξέλιξη των επεξεργαστών και την επαύξηση της υπολογιστικής ισχύος, έχουν κατορθώσει να επιτυγχάνουν πολύ υψηλή απόδοση και σταθερότητα με μικρό σχετικά υπολογιστικό κόστος για την πλειοψηφία των προβλημάτων μέτρησης απόδοσης του JSSP. Μολαταύτα, γεννάται το ερώτημα: τέτοιου είδους αλγόριθμοι είναι εφαρμόσιμοι και εξίσου αποδοτικοί στην πράξη; Μια πρώτη απάντηση δίνεται από το περιεχόμενο αυτής της διατριβής και συνοψίζεται ως εξής: δεν είναι εφαρμόσιμοι, παρεκτός αν παραμετροποιηθούν σε σημαντικό βαθμό, αλλοιώνοντας την πλειοψηφία των αρχικών τους χαρακτηριστικών, και συνδυαστούν με πρόσθετους ευρετικούς μηχανισμούς και εργαλεία υποστήριξης αποφάσεων. Στην απάντηση αυτή συνηγορεί και η αρχιτεκτονική των συστημάτων APS (Advanced Planning Scheduling) που στοχεύουν στην επίλυση δυναμικών προβλημάτων λεπτομερειακού προγραμματισμού παραγωγής. Τα συστήματα αυτά ενσωματώνουν είτε αναλυτικούς, είτε γενικευμένους προσεγγιστικούς αλγορίθμους και τους ενισχύουν με μια σειρά εργαλείων για την υποστήριξη του χρήστη στη λήψη αποφάσεων. Δυστυχώς, χαρακτηρίζονται από μια σειρά μειονεκτημάτων όπως το υψηλό κόστος κτήσης και παραμετροποίησης, η εξαιρετικά χρονοβόρα διαδικασία δημιουργίας πλάνων παραγωγής, η περιττή λειτουργικότητα, η αδυναμία αφομοίωσης των ιδιαιτεροτήτων της παραγωγής από τους διαθέσιμους αλγόριθμους κ.α.. Συνεπώς, είναι προφανές πως ιδίως για SMEs (Small to Medium Enterprises) τα APS καθίστανται απαγορευτικά και είναι σκόπιμη μια εναλλακτική προσέγγιση. Αυτή είναι και η κύρια συνεισφορά της διατριβής: μια προσέγγιση για την καλύτερη δυνατή εφαρμογή λίαν αποδοτικών αλγορίθμων του JSSP σε πρακτικά προβλήματα υπό τη μορφή ολοκληρωμένων συστημάτων υποστήριξης αποφάσεων DSS (Decision Support Systems). Προκειμένου να καταστρωθεί αυτή η προσέγγιση η ερευνητική διαδικασία χωρίστηκε σε δύο μέρη. Το πρώτο μέρος σχετίζεται με θεματικές ενότητες που άπτονται του ντετερμινιστικού λεπτομερειακού προγραμματισμού παραγωγής. Αρχικά, μελετώνται οι ιδιότητες και το θεωρητικό υπόβαθρο του χώρου λύσεων του JSSP και αναλύονται όλοι οι διαθέσιμοι αλγόριθμοι για την επίλυση προβλημάτων διακριτής βελτιστοποίησης. Εν συνεχεία, τα χρήσιμα συμπεράσματα της ανασκόπησης αξιοποιούνται για την ανάπτυξη ενός παράλληλου υβριδικού μεταευρετικού αλγορίθμου που συνδυάζει γενετικούς αλγόριθμους με αναζήτηση tabu. Τέλος, η αποδοτικότητα του αλγοριθμικού μοντέλου αξιολογείται κατά την εφαρμογή του σε 242 προβλήματα μέτρησης απόδοσης διακριτής παραγωγής (JSSP) και 40 ροϊκής (FSSP- Flow Shop Scheduling Problem). Είναι άξιο μνείας πως ο εν λόγω αλγόριθμος αποδείχθηκε state-of-the-art για το FSSP και ως η state-of-the-art μέθοδος γενετικής τοπικής αναζήτησης για το JSSP. Κατά το δεύτερο μέρος εξετάζεται ποια είναι η προτιμητέα ατραπός για την προσαρμογή του προτεινόμενού αλγορίθμου σε δυναμικά προβλήματα λεπτομερειακού προγραμματισμού. Αρχικά, μελετάται η διάσταση μεταξύ θεωρίας και πράξης και υπερτονίζονται τα σημεία που χρίζουν ιδιαίτερης προσοχής. Κατόπιν, διενεργείται βιβλιογραφική ανασκόπηση αναφορικά με τους αλγόριθμους, τη λειτουργικότητα και τις εφαρμογές των συστημάτων APS. Βάσει των προκύπτοντων συμπερασμάτων, ο προτεινόμενος αλγόριθμος μορφοποιείται ως το DSS eGantt. Η αποδοτικότητα του eGantt αξιολογείται καθολικά από την εφαρμογή του σε μελέτη περίπτωσης, προερχόμενη από τον κλάδο μεταποίησης μετάλλου και ειδικότερα την κλειθροποιḯα. Τα συγκεντρωτικά αποτελέσματα του πρώτου και του δεύτερου μέρους επικυρώνουν την προτεινόμενη προσέγγιση της διατριβής.

2015 ◽  
Vol 775 ◽  
pp. 458-463 ◽  
Author(s):  
Xiang Min Xu ◽  
Xi Fan Yao

Aiming at the flexible flow-shop scheduling problem of cloud manufacturing, this paper introduces event driven concept and apply ontologies to Job-Shop scheduling problem FT46. The inference of ontology models allows the system to gain the dynamic information of workshop, and then rule engine is used to match event patterns to optimize the job shop scheduling problem.


This paper presents two computing model in grid environment to utilize the waiting time of a job on particular machines in Job Shop Scheduling and Flow Shop Scheduling for minimize the makespan or total elapsed time. To determine the sequencing of a job we have applied Fuzzy C-Mean (FCM) clustering algorithm in both Job Shop Scheduling problem and Flow Shop Scheduling problem. Flow Shop Scheduling is a classified case of Job Shop Scheduling in which a specific job sequence is pursued strictly. Two illustrative examples of scheduling problems have been solved by this method and compared our results to some other existing methods discussed in the literature. The experimental result shows that the scheduling system using grid computing can allocate the makespan of service jobs effectively and more efficiently.


Author(s):  
Junwen Ding ◽  
Zhipeng Lü ◽  
Chu-Min Li ◽  
Liji Shen ◽  
Liping Xu ◽  
...  

Population-based evolutionary algorithms usually manage a large number of individuals to maintain the diversity of the search, which is complex and time-consuming. In this paper, we propose an evolutionary algorithm using only two individuals, called master-apprentice evolutionary algorithm (MAE), for solving the flexible job shop scheduling problem (FJSP). To ensure the diversity and the quality of the evolution, MAE integrates a tabu search procedure, a recombination operator based on path relinking using a novel distance definition, and an effective individual updating strategy, taking into account the multiple complex constraints of FJSP. Experiments on 313 widely-used public instances show that MAE improves the previous best known results for 47 instances and matches the best known results on all except 3 of the remaining instances while consuming the same computational time as current state-of-the-art metaheuristics. MAE additionally establishes solution quality records for 10 hard instances whose previous best values were established by a well-known industrial solver and a state-of-the-art exact method.


2013 ◽  
Vol 309 ◽  
pp. 350-357 ◽  
Author(s):  
František Koblasa ◽  
František Manlig ◽  
Jan Vavruška

Nowadays, production scheduling is a greatly debated field of operation research due its potential benefits for improving manufacturing performance. Production scheduling, however, despite the increasing use of APS (Advanced Planning and scheduling Systems) and MES (Manufacturing Enterprise Systems) is still underestimated and one frequently encounters more or less intuitive scheduling using excel spread sheets at workshop level, mainly in SME (Small and Medium Enterprises). Some of the main reasons for this are the complexity of related algorithms and the timespan of the optimization manufacturing operation sequence. The complexity of the algorithms usually leads to a number of operators which are difficult to set up for a usual workshop foreman or manufacturing planner. That is why dispatching rules are widely used in comparison with advanced heuristics, such as Evolution Algorithms (EA). Therefore, operation research should not focus only on getting the best values of the objective function by problem based operators, but also on industrial practice requirements such as operator simplicity and a low timespan of the optimization. This article briefly introduces key principles of the scheduling system developed for the Job Shop Scheduling Problem (JSSP) type of manufacturing. An implemented EA with random key representation, clone and incest control and chromosome repair algorithm is briefly explained. Further, the test results of the evolution operator (e.g. crossover and selection) are presented with respect to the value of the objective function and timespan of the optimization. The research goal is to develop a principle of automatic optimization using EA, where the single parameter to set is required optimization timespan.


2011 ◽  
Vol 21 (12) ◽  
pp. 3082-3093
Author(s):  
Zhu-Chang XIA ◽  
Fang LIU ◽  
Mao-Guo GONG ◽  
Yu-Tao QI

Sign in / Sign up

Export Citation Format

Share Document