Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  flow shop scheduling
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Production problems have a significant impact on the on-time delivery of orders, resulting in deviations from planned scenarios. Therefore, it is crucial to predict interruptions during scheduling and to find optimal production sequencing solutions. This paper introduces a selflearning framework that integrates association rules and optimisation techniques to develop a scheduling algorithm capable of learning from past production experiences and anticipating future problems. Association rules identify factors that hinder the production process, while optimisation techniques use mathematical models to optimise the sequence of tasks and minimise execution time. In addition, association rules establish correlations between production parameters and success rates, allowing corrective factors for production quantity to be calculated based on confidence values and success rates. The proposed solution demonstrates robustness and flexibility, providing efficient solutions for Flow-Shop and Job-Shop scheduling problems with reduced calculation times. The article includes two Flow-Shop and Job-Shop examples where the framework is applied.
EN
The paper present the concept of stability assessing the of solutions which are construction schedules. Rank have been obtained through the use of task scheduling rules and the application of the KASS software. The aim of the work is the choice of the equivalent solution in terms of the total time of the project. The selected solution optimization task should be characterized by the highest resistance to harmful environmental risk factors. To asses the stability of schedule simulation technique was used.
PL
W artykule zaprezentowana została koncepcja oceny stabilności harmonogramów budowlanych. Harmonogramy są jednym z podstawowych narzędzi wykorzystywanym w zarządzaniu projektami budowlanymi. W przypadku projektów, które dotyczą harmonogramowania procesów jednego typu, jednorodnych lub niejednorodnych, istnieje wiele reguł, takich jak MS, FCFS, LPT, SPT, itp., które mogą być stosowane. Można również zastosować różnego rodzaju heurystyki, takie jak modele wąskich gardeł lub lokalnego przeszukiwania oraz wiele innych. Heurystyki te są tworzone każdego dnia. Procesy budowlane są szczególnie podatne na zagrożenia. Niepewność stała się jednym z głównych czynników wpływających na wykonanie projektu i na ostateczny sukces. Ryzyko w działalności budowlanej jest bardzo wysokie. To bardzo ważne, aby pracować z ryzykiem, jednym ze sposobów jest, wybór najbardziej stabilnego harmonogramu. Projekty budowlane charakteryzują się dużą liczbą uczestników. Planowanie projektu w niepewności i ryzyku jest przedmiotem licznych prac badawczych od czasu wprowadzenia modelu PERT. Istniejące metody, które wyrażają czasy trwania jako zmienne losowe, koncentrują się głównie na szacowaniu prawdopodobieństwa dotrzymania terminu dyrektywnego lub czasu trwania projektu na predefiniowanym poziomie ufności wyniku. W artykule zaprezentowane zostały metody oceny stabilności harmonogramów wykonanych z zastosowanie potokowych metod produkcji. Pierwszym rozpatrywanym zagadnieniem była ocena stabilności dwóch harmonogramów uszeregowaniem z zastosowaniem reguł SPT i LPT opracowanych dla procesów jednorodnych.
EN
In recent years, newer algorithms inspired by nature have been created and used to solve various problems. Therefore, in the paper we present the application of firefly and cockroach algorithms to optimize two queueing systems and permutation flow shop problems with the objective of minimizing the makespan. The article briefly describes these algorithms to solve selected problems and their results. Because these algorithms were originally developed for continuous optimization problems, we introduce a new formula to transform the position of ith individual to solve the discrete problems.
PL
W ostatnich latach wśród metod sztucznej inteligencji coraz większą popularnością cieszą się sztuczne systemy immunologiczne (AIS). Niniejsza praca przedstawia zastosowanie sztucznych systemów immunologicznych do zagadnienia optymalizacji kombinatorycznej, jakim jest problem szeregowania zadań flow shop. Dzięki ewolucji przeciwciał opartej na selekcji klonalnej i dojrzewaniu swoistości sztucznych systemów immunologicznych można znaleźć rozwiązanie, które pozwala zminimalizować długość uszeregowania. Przykładowe eksperymenty dla różnej liczby zadań i maszyn pokazują, że AIS są skuteczną metodą rozwiązującą problem flow shop.
EN
Artificial immune systems (AIS) have been more and more popular with artificial intelligence methods in the past several years. This article presents an application of artificial immune system for combinatorial optimization problems such as flow shop scheduling problem. Thanks to antibodies evolution based on clonal selection and affinity maturation of artificial immune systems, we can find the solution that minimizes the makespan. Some experiments with different number of jobs and machines show that AIS are an effective method for solving flow shop problem.
PL
Praca poświęcona jest deterministycznemu wariantowi problemu optymalizacji przebiegu cyklu wytwórczego w przepływowym systemie wytwarzania powtarzalnego z ograniczeniami składowania. Celem optymalizacji jest wyznaczenie harmonogramu cyklu, na który składają się kolejność wykonywania zadań oraz terminy czasowe rozpoczęcia zadań dla tej kolejności. W pracy przedstawiono modele problemu i pewne jego własności oraz zaproponowano nowej klasy algorytm genetyczny z tzw. ekspresją genów, wykorzystujący nadmiarową informację genetyczną pochodzącą nie tylko od rodziców, ale też od przodków. Przedstawiono wyniki obliczeniowe dla przykładów testowych Taillarda.
EN
This paper deals with the flow shop scheduling problem with no store policy to minimize cycle time criterion. Some properties and models of the problem are presented. We propose new genetic algorithms, with auxiliary gene expression method, which creates offspring using genetic information from both parents as well as from ancestors (grandfather, grandgrandfather). The proposed algorithm has been tested on the Taillard's benchmarks. The presented computational results provide superiority of proposed approach over classical GA.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.