Разработка программного прототипа управления производственным планом предприятия на основе генетического алгоритма
DOI:
https://doi.org/10.22213/2410-9304-2025-1-65-72Ключевые слова:
оптимизация, оборудование, запасы, план производства, генетический алгоритм, машиностроение, информационная системаАннотация
В статье рассматривается процесс разработки программного прототипа информационной системы для управления производственным планом на предприятиях машиностроения. Главная цель системы - минимизация простоев оборудования и складских запасов продукции, что является важным аспектом в условиях конкурентного рынка. Для достижения этой цели используется генетический алгоритм, который помогает оптимизировать процесс планирования производственных задач. Генетический алгоритм учитывает широкий спектр факторов, таких как разнообразие ресурсов, финансовые ограничения предприятия, включая собственные средства и необходимость привлечения кредитных ресурсов для выполнения крупных заказов. Это делает систему универсальной и гибкой в зависимости от параметров предприятия, таких как объем выпускаемой продукции, доступность ресурсов и финансовые возможности. Особое внимание уделено разработке функции приспособленности, которая описывает желаемый результат системы. Она включает в себя оптимизацию использования ресурсов и минимизацию финансовых затрат. В статье также описана система ограничений, которая помогает учитывать реальную ситуацию на предприятии, включая запасы ресурсов, финансовые возможности и производственные мощности. Эволюционный механизм генетического алгоритма позволяет системе подбирать оптимальные решения для различных производственных сценариев. Результаты исследования показывают, что предложенная система обладает высокой гибкостью и точностью в адаптации под различные финансовые и производственные условия. В ходе работы над системой было рассмотрено несколько сценариев, что позволило определить, как изменяются результаты оптимизации при разных исходных данных. Выводы подтверждают, что использование разработанной информационной системы позволяет снизить издержки на производство и улучшить эффективность работы предприятия, благодаря более рациональному использованию ресурсов и минимизации простоев оборудования.Библиографические ссылки
Wang Kung-Min, Wang Kung-Jeng, Chen, Chou-Cheng. Capacitated production planning by parallel genetic algorithm for a multi-echelon and multi-site TFT-LCD panel manufacturing supply chain // Applied Soft Computing. 2022. Т. 127. DOI 109371. 10.1016/j.asoc.2022.109371.
Системный анализ, математическое моделирование и оптимизация процесса формирования производственного расписания обработки металлоконструкций / А. А.Большаков, Л. А. Слободянюк, О. Е. Шашихина, Я. А. Ковальчук // Вестник Технологического университета. 2021. Т. 24, № 7. С. 84-92.
Kreissner K. MARTin - an open-source platform for microarray analysis // Frontiers in Bioinformatics. 2024. Т. 4. DOI 10.3389/fbinf.2024.1329062.
Автоматизация и управление производством в машиностроении / О. И. Борискин, С. Н. Ларин, Г. А. Нуждин, М. Г. Нуждин // Известия ТулГУ. 2022. № 4. С. 544-551. DOI 10.24412/2071-6168-2022-4-544-551.
İren E., İren G., Kantarcı A. Data Driven Software Testing with Selenium Apache POI Tool // IJMSIT. 2021. Т. 5, № 2. С. 136-139.
Шегай М. В., Попова Н. Н. Генетический алгоритм оптимизации путеводных деревьев // Вестник Московского университета. 2023. Т. 15, №1. С. 54-61. DOI 1055959/MSU/0137-0782-15-2023-1-54-61.
Murphy J., Desell T. Minimizing the EXA-GP Graph-Based Genetic Programming Algorithm for Interpretable Time Series Forecasting // Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2024. С. 1686-1690. DOI 10.1145/3638530.3664173.
Vats P., Mandot M. AVISAR-An Automated Framework for Test Case Selection & Prioritization using GA for OOS // International Journal of Innovative Technology and Exploring Engineering (IJITEE). 2020. Т. 9, №6. С. 1-8. DOI 10.35940/ijitee.F4570.049620.
Charatan Quentin, Kans Aaron.Introducing JavaFX // Programming in Two Semesters. 2022. С. 557-603. DOI 10.1007/978-3-031-01326-3_23.
Johnson Omoniyi, Olamijuwon Jeremiah, Samira Zein, Ekpobimi Harrison. Developing advanced CI/CD pipeline models for Java and Python applications: A blueprint for accelerated release cycles // Computer Science & IT Research Journal. 2024. № 5, С. 2645-2663. DOI 10.51594/csitrj.v5i12.1758.
Keshani Mehdi, Velican Tudor-Gabriel, Bot Gideon, Proksch Sebastian. AROMA: Automatic Reproduction of Maven Artifacts // Proceedings of the ACM on Software Engineering. 2024. № 1, С. 836-858. DOI 10.1145/3643764.
Juneau Josh, Manelli Luciano. Enhancements from Java 9 Through Java 17 // Java 17 Recipes. 2022. С. 49-78. DOI 10.1007/978-1-4842-7963-2_2.
Воробьев М. С., Вахрушева Е. Н., Вологдин С. В. Модель оптимизации выпуска продукции машиностроительного предприятия в условиях неопределенности спроса // Интеллектуальные системы в производстве. 2024. Т. 22, № 1, С. 56-61. DOI 10.22213/2410-9304-2024-1-56-61.
Limkar Karishma, Tamboli Fatima. Impact of Automation // International Journal of Scientific Research in Modern Science and Technology. 2024. №. 3, С. 13-17. DOI 10.59828/ijsrmst.v3i8.243.
Cheng Xin, Lyandres Evgeny, Zhou Kaiguo, Zhou Tong. Labor-Replacing Automation and Finance // Management Science. 2024 DOI 10.1287/mnsc.2022.02658.
Weyrich, Michael. What Is Automation Technology? Basic Terms and Concepts of Automation Technology // Industrial Automation and Information Technology. 2024. С. 9-36. DOI 10.1007/978-3-662-69243-1_2.
Del Gallo, M.; Mazzuto, G.; Ciarapica, F.E.; Bevilacqua, M. Artificial Intelligence to Solve Production Scheduling Problems in Real Industrial Settings: Systematic Literature Review // Electronics. 2023. №12(23). DOI: 10.3390/electronics12234732.
Liu Jianxu, Shen Zhidan, Li Yansong. Digital Economy, Labor Mobility and Industrial Structure Optimization - Empirical Analysis Based on Mediating Effect and Threshold Effect // Applications of Optimal Transport to Economics and Related Topics. 2024. С. 89-104. DOI 10.1007/978-3-031-67770-0_8.
Sobhani Masih. Industrial Automation and AI in industry. 2024. DOI 10.13140/RG.2.2.29988.59529.
Song Erwei, Wang Mingmei, Zhou Xiaoyu, Wang Erqiang, Guo Cun-Yue. Multi-Objective Optimization and Design for Industrial Vinyl Chloride Reactor by Hybrid Model // Processes. 2024. №12. DOI 10.3390/pr12112378.
Zhang Ruochen, Zhu Bin. A multiobjective evolutionary algorithm for optimizing the small-world property // PLoS ONE. 2024. Т. 19, № 12. С. 1-5. DOI 10.1371/journal.pone.0313757.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Андрей Владимирович Дёмышев, Михаил Сергеевич Воробьев, Данил Вячеславович Целищев, Сергей Валентинович Вологдин

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.