scholarly journals Grid Computing Model to Solve Job Shop Scheduling and Flow Shop Scheduling by Fuzzy C-Mean Algorithm

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.

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.


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.


2014 ◽  
Vol 1036 ◽  
pp. 875-880 ◽  
Author(s):  
Iwona Paprocka ◽  
Wojciech M. Kempa ◽  
Krzysztof Kalinowski ◽  
Cezary Grabowik

In the paper a job shop and flow shop scheduling problems with availability time constraint for maintenance are considered. Unavailability time due to maintenance is estimated basing on information about predicted Mean Time To Failure/To First Failure and Mean Time of Repair of a machine. Maintenance actions are introduced into a schedule to keep the machine available in a good operation condition. The efficiency of predictive schedules (PS) is evaluated using criteria: makespan, flow time, total tardiness, idle time. The efficiency of reactive schedules (RSs) is evaluated using criteria: solution and quality robustness. For basic schedule generation Multi Objective Immune Algorithm is applied. For predictive scheduling Minimal Impact of Disturbed Operation on the Schedule is applied. After doing computer simulations for the job shop scheduling problem following question arises: do dominated Pareto optimal basic schedules achieve better PSs? Although a single Pareto-optimal solution is achieved on Pareto-optimal frontier three different schedules have the same quality in the flow shop scheduling problem. The question is: which schedule is the most robust solution?


2014 ◽  
Vol 651-653 ◽  
pp. 2125-2129
Author(s):  
Fu Lin Su ◽  
Yue Guang Li

In this paper, according to the characteristics of permutation flow shop scheduling problem. A Novel Firefly Algorithm was used to solve the permutation flow shop scheduling problem, the algorithm was experimented and the experimental results show that the new algorithm to be successful in locating multiple solutions and better accuracy. The experimental result demonstrates that the Improve firefly algorithm can get better solutions to permutation flow shop scheduling problem.


Sign in / Sign up

Export Citation Format

Share Document