Multi-criteria Model for Production Plan Management of a Machine-building Enterprise
DOI:
https://doi.org/10.22213/2410-9304-2024-2-49-56Keywords:
genetic algorithm, intelligent system, production planning, volume scheduling, machine-building enterpriseAbstract
The concept of developing an intelligent system to manage the planning of a manufacturing enterprise, and a description of the functionality and modules of the information system are given. In general, operational planning is a complex task of optimizing the construction of a production plan, which includes several criteria and faces various limitations. Multi-criteria is associated with the need for order fulfillment priority in accordance with the law, and the non-linearity of the task is due to technological limitations of production. One of the criteria is to maximize the fulfillment of contractual obligations to supply products to customers. Another criterion is to maximize profits from the sale of the entire range of manufactured products. The limitations in this task are the storage capacity, availability of raw materials and components, the time of operations, the workload of equipment and the priority of orders. Two approaches to solve the optimization problem of managing the production plan are considered, and block diagrams of the implementation of the proposed algorithms are provided. In the first approach, the initial problem is reduced to a combination of linear programming problems, for which the simplex method or the Gomori method are used in practice. A more effective approach to solving this extreme problem is the use of a genetic algorithm and its modifications. The scientific novelty of the conducted research lies in the systematic application of mathematical and computer modeling methods to build an optimal operational production plan. The experience of practical implementation of software systems confirms that intelligent production plan management systems are able to increase the efficiency of enterprise business proce sses, allowing organizations to plan production and allocate resources in market conditions optimally.References
Тененев В. А., Шаура А. С. Решение задач нелинейного программирования общего вида генетическим алгоритмом // Интеллектуальные системы в производстве. 2019. Т. 17, № 4. С. 137-142. DOI 10.22213/2410-9304-2019-4-137-142.
Du Ke-Jing, Li Jian-Yu, Wang Hua, Zhang Jun. Multi-objective multi-criteria evolutionary algorithm for multi-objective multi-task optimization // Complex & Intelligent Systems. 2022. vol. 9. pp. 1211-1228. DOI 10.1007/s40747-022-00650-8.
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. vol. 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.
Козловская Е. Б., Пацук О. В. Экономическая эффективность применения метода локального поиска для задачи оперативного планирования // Наука Красноярья. 2022. Т. 11, № 1. С. 24-39. DOI 10.12731/2070-7568-2022-11-1-24-39.
Местников С. В., Эверстова Г. В. Преобразование Жордана - Гаусса и линейная оптимизация. Якутск: Северо-Восточный федеральный университет имени М. К. Аммосова, 2019. 160 с. ISBN 978-5-7513-2733-0.
Смагин Б. И., Машин В. В. Критический анализ решения задачи целочисленного линейного программирования методом Гомори // Наука и Образование. 2022. Т. 5, № 1.
Firmansyah Firmansyah, Panjaitan Dedy, Salayan Madyunus, Silalahi Alistraja. Optimization of Production Costs with Simplex Method // Journal of Community Research and Service. 2020. Vol. 4, no. 2. Pp. 66-76. DOI 10.24114/jcrs.v4i2.15277.
Князева О. О., Сосковец Л. А. Методика решения задач линейного программирования. Омск: Издательский центр КАН, 2021. 110 с. ISBN 978-5-907156-78-4.
Тененев В. А., Якимович Б. А. Генетические алгоритмы в моделировании систем: монография. Ижевск: Изд-во ИжГТУ, 2010. 306 с. ISBN 978-5-7526-0472-0.
Бром А. Е., Королев С. А. Разработка алгоритма линеаризации оптимизационной задачи планирования производственной программы // Наука и бизнес: пути развития. 2021. № 11 (125). С. 86-91.
Shibuya Masahiro, Chen Xuebin. Production Planning and Management Using Gantt Charts // Journal of Mechanics Engineering and Automation. 2021. Vol. 11. Pp. 68-76. DOI 10.17265/2159-5275/2021.03.002.
Богданов А. И., Монгуш Б. С. Нелинейные математические модели оптимизации плана производства предприятия легкой промышленности // Наука и бизнес: пути развития. 2020. № 4 (106). С. 21-25.
Алякин Д. С. Добросовестное исполнение договорных обязательств по российскому праву // Вестник Санкт-Петербургского университета. Право. 2022. № 13 (1). Pp. 107-127. DOI 10.21638/spbu14.2022.106.
Ran Wenxue, Liu Sen, Zhang Zhe. A Polling-Based Dynamic Order-Picking System considering Priority Orders // Complexity. 2020. Vol. 3. Pp. 1-15. DOI 10.1155/2020/4595316.
Бром А. Е., Сидельников И. Д. Конструкционно-технологические факторы в формировании материально-технического снабжения машиностроительного производства // Наука и бизнес: пути развития. 2019. № 12 (102). С. 77-81.
Voronov R., Shabaev A., Prokhorov I. Optimal Volume Planning and Scheduling of Paper Production with Smooth Transitions by Product Grades // Electronics. 2023. vol. 12, no. 15. 3218. DOI 10.3390/electronics12153218.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Андрей Владимирович Демышев, Сергей Валентинович Вологдин
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution 4.0 International License.