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
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Simple assembly line balancing
EN
Assembly line balancing is one of the challenges that appear when technological process of an assembly is being developed. It is a particularly difficult, computably complex task, belonging to the NP-complete class. Apart from the task mentioned above, this group includes a number of key computational problems. Due to the practical value of these complexities, as well as great cost reductions related to their optimisation, precise algorithms are being constantly investigated for them. These tasks include scheduling, compaction, permutation, sequencing, etc. What is vital, effectively developed algorithms for resolving one of the NP problems are easy to be implemented into another ones, which makes the assembly line balancing universal. The article describes balancing of an assembly line pictured as graphs. Basic concepts and im¬portant assumptions were discussed, including the restrictions and types of simple straight assembly line balancing.
PL
W artykule opisano zagadnienia dotyczące balansowania linii montażowej przedstawionej za pomocą grafów. Określono podstawowe pojęcia, omówiono niezbędne założenia, w tym ograniczenia oraz odmiany prostego zadania balansowania prostej linii montażowej.
PL
W artykule omówiono metody heurystyczne stosowane w balansowaniu linii montażowej. Algorytmy oparte na metodach heurystycznych cechują się łatwością implementacji, dużą elastycznością i liniową złożonością obliczeniową, co w praktyce pozwala rozwiązać każdy problem w bardzo krótkim czasie. Jednak wadą tych metod jest generowanie rozwiązań przybliżonych, które mogą się znacznie różnić od rozwiązań optymalnych. Autorzy porównali 18 statycznych reguł heurystycznych i dwa sposoby przyporządkowania operacji do balansowania linii montażowej. Analizę wykonano dla 14 różnych zadań liczących od 29 do 297 operacji; łącznie przeanalizowano ponad 8700 rozwiązań. Uzyskane wyniki poddano analizie statystycznej, na podstawie której określono skuteczność poszczególnych reguł heurystycznych. Najlepsze rozwiązania, średnio o 2,2% gorsze od rozwiązań optymalnych, generowała heurystyka MaxPW.
EN
A comparative analysis of eighteen different heuristics of assembly line balancing problem is considered in the paper. Heuristics are one of method used for solve line balancing problem. Algorithms based on heuristics are flexible, easy to implementation and because of liner complexity provided to very quickly solution, but often they could provide not effective solution. Fourteen problems, form 29 to 297 operation each, with different cycle times are used to comparative heuristics, total over 8700 solution was considered. This solution has been analysed by statistical method. The best solution was generated by MaxPW heuristics, average error for this heuristic was 2.2% worse than optimal solution.
3
Content available remote Balansowanie linii montażowej z wykorzystaniem algorytmów ewolucyjnych
PL
Algorytmy ewolucyjne są metodą coraz częściej stosowaną do rozwiązywania problemów kombinatorycznych. Intencją autorów było zbudowanie algorytmu ewolucyjnego rozwiązującego problem balansowania linii montażowej. Algorytm został zaimplementowany za pomocą systemu Delphi 6.0. Przedstawiono wyniki działania programu dla czterech różnych zadań: Lutzl, Lutz2, TongeTO oraz Wee-Mag. Otrzymane rezultaty porównano z rozwiązaniami dokładnymi i w wielu przypadkach otrzymano rozwiązania tożsame z optymalnymi, średnia efektywność algorytmu dla zadań testowych wyniosła ponad 98%.
EN
Evolution algorithms are an example of the use of a random element within an algorithm for combinatorial problems. In this paper, a genetic algorithm to solve assembly line balancing problems is proposed. The developed genetic algorithm is coded in Delphi 6.0 and compared with optimal solution for four different problems: Lutzl, Lutz2, TongeTO and Wee-Mag. It is found that the proposed genetic algorithm could found a lot of optimal solution, with its medium efficiency more than 98 per cent.
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.