Zastosowanie algorytmu genetycznego do harmonogramowania i określania wielkości partii dla zmiennego asortymentu wyrobów

• Autorzy: Oleśkow-Szłapka J. , Pawłowski G.

Warianty tytułu

EN

Application of genetic algorithm for scheduling and lot sizing for variable range of products

• Języki publikacji: PL

Abstrakty

PL

Artykuł proponuje metodę bazującą na algorytmie genetycznym do określania wielkości partii i harmonogramowania produkcji dla zmiennego asortymenty wyrobów - sprzęgieł. Przeprowadzona symulacja komputerowa sprawdza ustalone terminy realizacji poszczególnych zamówień i dąży do minimalizacji całkowitego cyklu obejmującego czasy produkcji i czasy przezbrojeń maszyn. Autorzy przedstawili założenia modelu i jego wstępne wyniki w obszarze generowania optymalnej sekwencji produkcji dla analizowanych sprzęgieł. Kolejnym etapem badań będzie analiza związania z optymalną wielkością partii produkcyjnej - łączenie zamówień lub ich dzielenie w celu zminimalizowania czasów przezbrojeń i zapasów robót w toku.

EN

Article proposes a method based on genetic algorithm to determine the lot size and production scheduling for variable ranges of products - couplings. The simulation computer checks the established deadlines for the various orders and strives to minimize the total cycle for production times and machine changeover times. The authors present the assumptions of the model and its preliminary results in the generation of an optimal production sequence for the analyzed couplings. The next stage of research will be to analyze binding of optimal batch size - combine orders or their share in order to minimize changeover times and inventories of work in progress.

Słowa kluczowe

PL

algorytm genetyczny; harmonogramowanie; wielkość partii; produkcja; przezbrojenie maszyn; zamówienia

EN

genetic algorithm; scheduling; batch size; production; machine changeover; order

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Opis fizyczny: Bibliogr. 17 poz., rys., pełen tekst na CD

Twórcy

autor

Oleśkow-Szłapka J.

• Katedra Zarządzania Produkcją i Logistyki, Politechnika Poznańska, ul. Strzelecka 11, 60-965 Poznań

autor

Pawłowski G.

• Instytut Fizyki Uniwersytetu im. Adama Mickiewicza, ul. Umultowska 85, 61-614 Poznań

Bibliografia

• [1]Knosala R. i Zespół, Zastosowania metod sztucznej* inteligencji w inżynierii produkcji, Wydawnictwo Naukowo-Techniczne, Warszawa 2002.
• [2]Conway W,R., Maxwell L.W., Miller L.W., Theory of scheduling, London, Addison- Wesley Publ. Comp. 1967.
• [3]Johnson S.M., Optimal two-and three-stage production schedules with setup times included, Naval Research Logistics Quarterly, vol. 1, no. 1, pp. 61-68,1954.
• [4]Pawlak M., Algorytmy ewolucyjne jako narzędzie harmonogramowania produkcji, Wydawnictwo naukowe PWN, Warszawa 1999, s. 9.
• [5]Davis L., Job shop scheduling with Genetic Algorithms, In Proceedings of an International Conference on Genetic Algorithms and their applications, edit.by JJ Greffenstette Hillsdadte, N.J. Lawrence Erlbaum Associates, 1985
• [6]Duda Z.( Osyczka A., A genetic algorithm for lot sizing optimization with a capacity loading criterion, 2007 IEEE Congress on Evolutionary Computation
• [7]Filho M.A.F., Santos M.O., Meneses C.N., Asynchronous teams for joint lot sizing and scheduling problem in flow shops, Int. Journal of Production Research, vol. 50, no 20, October 2012, 5809-8822
• [8]Hernandez, W., 8t Siier, C.A., Genetic Algorithms in Lot Sizing Decisions, Proceedings of the Congress on Evolutionary Computation (CEC99), Washington 1999, DC.
• [9]Hop, N.V. and M.T. Tabucanon, Adaptive Genetic Algorithm for Lot- sizing Problem with Self-adjustment Operation Rate, International Journal of Production Economics, Vol. 98, No. 2, 2005, p. 129-135.
• [10]Gaafar L., Applying genetic algorithms to dynamic lot sizing with batch ordering, Computers & Industrial Engineering, 51 (3) (2006), pp. 433-444
• [11]Kimms A., Multi-level single-machine lot sizing and scheduling (with initial inventory), European Journal of Operational Research 89 (1996), pp.86-99
• [12]Kohlmorgen U., Schmeck H., Haase K., Experiences with fine grained parallel genetic algorithms, Annals of Operation Research 90(1999) 203-219
• [13]0leśków J., Metody optymalizacji wielkości partii – analiza porównawcza, rozwój i korzyści wynikające z zastosowania algorytmów genetycznych, [w:] Komputerowo Zintegrowane Zarządzanie pod red. M. Knosali, WNT, Warszawa 2004.
• [14]Quadt D., Kuhn.H., Conceptual Framework for lot sizing and scheduling of flexible flow lines, Int.Journal of Production Research, vol.43, no Hi June 2005, 2291-2308
• [15]Palaniappan PI.K., Jawahar N., A genetic algorithm for simultaneous optimization of lot sizing and scheduling in a flow line assembly, Int. Journal of Prod.Research, vol.49, no 2, January 2011, 375-400
• [16]Xie J., Dong J., Heuristic genetic algorithms for solving a fuzzy economic lot size scheduling problem, Int.Journal of Production Economics 102(2), 2006, 265-288
• [17]Stockton D.J., Quinn L, MRP lot sizing using Genetic Algorithms, BPICS Control December 1993/January 1994, pp.21-27