Задача производственного планирования с неопределенностью времени выполнения работ
DOI:
https://doi.org/10.22213/2410-9304-2024-1-48-55Ключевые слова:
задача оптимизации, сети Петри, генетический алгоритм, составление производственного расписанияАннотация
Планирование является непременным условием повышения эффективности любого производства и его производительности. Основные задачи при планировании заключаются в минимизации времени и суммарных затрат. Эффективность использования оборудования зависит от организации работы отдельных видов станочного парка при производстве многономенклатурных изделий. Квалифицированное планирование позволяет сократить издержки, связанные с перемещением и складированием сырья и комплектующих. Одной из важных проблем является составление производственного расписания для следующей схемы производственного процесса. Имеется несколько видов оборудования или машин. Машины могут работать параллельно. Может быть несколько машин одинакового типа. Оборудование служит для обработки некоторых изделий или деталей различных типов. Каждая деталь для определенного типа машины имеет продолжительность времени обработки. Кроме того, согласно технологии производственного процесса, для каждой детали существует очередность прохождения операций на том или ином типе машин. В конкретный момент времени одна машина может обрабатывать только одну деталь. Дополнительным условием может быть ограниченность места, где детали ожидают своей очереди на обработку. В статье поставлена задача планирования графика выполнения заданного количества работ различного содержания на заданной последовательности машин различных типов. Под машиной понимается любое устройство, применяемое для выполнения технологической операции, связанной с работой. Каждое изделие или работа имеет индивидуальную последовательность прохождения технологических операций. Учитывается возможность параллельной обработки партий комплектующих, предназначенных для сборки разных изделий, и допускается неопределенность по времени выполнения задания. Для решения задачи минимизации конечного времени применяется генетический алгоритм с представлением хромосомы в виде сети Петри. Проведенные расчеты показали, что неопределенности приводят к увеличению сроков выпуска изделий.Библиографические ссылки
Алтунин А. Е., Семухин М. В. Модели и алгоритмы принятия решений в нечетких условиях: монография. Тюмень: Изд-во ТГУ, 2000. 352 с.
Котов В. Е. Сети Петри: монография. М.: Наука, Главная редакция физико-математической литературы, 1984. 160 с.
Оптимизация технологической составляющей при синтезе структур-стратегий производственных систем машиностроения / А. И. Коршунов, А. П. Кузнецов, В. А. Тененёв, А. В. Тененёва, Б. А. Якимович // Интеллектуальные системы в производстве. 2010. № 2 (16). С. 17-30. ISSN 1813-7911.
L. Wang, Liang Zhang. D.-Z. Zheng. A class of hypothesis-test-based genetic algorithms for flow shop scheduling with stochastic processing time. January 2005The International Journal of Advanced Manufacturing Technology 25(11):1157-1163. DOI:10.1007/s00170-003-1961-y.
Jiayu Shen1, Yuanguo Zhu. A Single Machine Scheduling with Periodic Maintenance and Uncertain Processing Time / International Journal of Computational Intelligence Systems Vol. 13(1), 2020, pp. 193-200.
Zunpu Han, Yong Wang & De Tian.Ant colony optimization for assembly sequence planning based on parameters optimization. Frontiers of Mechanical Engineering, 2021, Vol. 16, Issue 2: 393 - 409DOI: doi.org/10.1007/s11465-020-0613-3.
Blum C. ACO applied to group shop scheduling: a case study on intensification and diversification, Proceedings of ANTS 2002, vol. 2463 of Lecture Notes in Computer Science, pp.14-27, 2002.
Mustafa A. Qamhan, Ammar A. Qamhan, Ibrahim M. Al-Harkan and Yousef A. Alotaibi. Mathematical Modeling and Discrete Firefly Algorithm to Optimize Scheduling Problem with Release Date, Sequence-Dependent Setup Time, and Periodic Maintenance // Mathematical Problems in Engineering Volume 2019, Article ID 8028759, 16 pages, doi.org/10.1155/2019/8028759.
Harwin Kurniawan, Tanika D. Sofianti, Aditya Tirta Pratama, Prianggada Indra Tanaya. Optimizing Production Scheduling Using Genetic Algorithm in Textile Factory // Journal of System and Management Sciences. 2014. Vol. 4, No. 4, pp. 27-44. ISSN 1816-6075.
Dean J. S. (2008). Staff Scheduling by a Genetic Algorithm with a TwoDimensional Chromosome Structure. Parkville: Park University, Information and Computer Science Department, p. 15.
Куцелап К. А., Вороненко В. П., Шалдов А. Э. Составление производственного расписания с использованием алгоритма направленного случайного поиска // Известия ТулГУ. Технические науки. 2015. Вып. 12. Ч. 1. С. 14-22. ISSN 2071-6168.
David R. Morrisona, Sheldon H. Jacobsonb, Jason J. Sauppec, Edward C. Sewell. Branch-and-bound algorithms: A survey of recent advances in searching, branching, and pruning. DiscreteOptimization 19 (2016) 79-102.doi.org/10.1016/j.disopt.2016.01.005.
Zhang A., Wang H., Chen Y., Chen G. Scheduling jobs with equal processing times and a single server on parallel identical machines, Discrete Appl. Math. 213 (2016), 196-206.
Tan Z., Chen Y., Zhang A. On the exact bounds of SPT for scheduling on parallel machines with availability constraints, Int. J. Prod. Econ. 146 (2013), 293-299.
Biao W., Yao E. Lower bounds and modified LPT algorithm for k-partitioning problems with partition matroid constraint, Appl. Math. 23 (2008), 1-8.
Mousavi S. M., Zandieh M. &Amiri, M. An efficient bi-objective heuristic for scheduling of hybrid flow shops.Int J Adv. Manuf. Technol. 54, 287-307 (2011). https://doi.org/10.1007/s00170-010-2930-x
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Станислав Игоревич Великий, Максим Михайлович Горохов, Валентин Алексеевич Тененев
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
