Algorytmy immunologiczne w szeregowaniu zadań produkcyjnych

• Autorzy: Bożena Skołud , Iwona Wosik

Warianty tytułu

Immune Algorithms in Production Jobs Scheduling

• Języki publikacji: PL

Abstrakty

Tendencje w nowoczesnych przedsiębiorstwach - zmienność asortymentu, wielowersyjność, współbieżność wykonywanych zadań, wzrastające wymagania co do terminowości realizowanych zadań powodują, że przedsiębiorstwa stoją przed problemem znalezienia kompromisu pomiędzy zaspokojeniem oczekiwań klientów a nieprzekroczeniem kosztów wytworzenia. W warunkach konkurencyjnego rynku na przedsiębiorstwa wywiera się presję przyspieszenia wprowadzenia na rynek nowego produktu. Zmiany sytuacji na rynku i zmienny popyt powodują, że producenci muszą szybko na nie reagować, by utrzymać lub zdobyć nowego klienta. Przedsiębiorstwa prześcigają się więc w zastosowaniu technik wspomagających działania w ramach technicznego (TPP) i organizacyjnego przygotowania produkcji (OPP). W ramach OPP, a w szczególności w zakresie rozwiązywania problemów szeregowania (logicznego przepływu) zadań, dąży się do jak najlepszego wykorzystania potencjału produkcyjnego, przy równoczesnym spełnieniu oczekiwań klientów. Ze względu na swoją złożoność, problem ten nie znalazł uniwersalnego rozwiązania. W tej pracy, dla problemu szeregowania zadań zaproponowano algorytm immunologiczny, który posiada zdolność do efektywnego przeszukiwania przestrzeni rozwiązań. (fragment tekstu)

EN

It is important to shorten time of new production order attending. time of production process and to improve productivity and to execute the total production programme. Scheduling problem is one of the major issues on the quick response to continuously changing customers' demands. In the paper, the Multi Objective Immune Algorithm (MOIA) for scheduling problems is proposed. The goal of MOIA is to generate a Pareto curve that enables the decision-maker to make explicit trade-offs between conflicting objective functions. The decision-maker can use two, three or four criteria in optimisation process: makespan minimization; total tardiness minimization; total flow time minimization; total idle time of machines minimization. The decision-maker is released from his obligation to have knowledge about used criteria and their interactions in process of objective functions' weights defining. MOIA reaches one most suitable solution from Pareto-optimal solutions set. In order to find best searching strategy of best schedule various researches were made. MOIA has been used for solving flow shop, job shop and open job shop scheduling problems. The production system can deal with sequence dependent setup times or normal setup times, and production batch flow can be parallel or combination of the series flow and parallel flow. MOIA reaches compromise solutions for contradictive criteria of scheduling problems in short period of time. (original abstract)

Słowa kluczowe

PL

Teoria szeregowania zadań; Optymalizacja wielokryterialna; Algorytmy

EN

Task scheduling theory; Multiple criteria optimization; Algorithms

• Czasopismo: Zarządzanie Przedsiębiorstwem / Polskie Towarzystwo Zarządzania Produkcją
• Rocznik: 2008
• Numer: nr 1
• Strony: 47--56

Twórcy

autor

Bożena Skołud

• Politechnika Śląska

autor

Iwona Wosik

• Politechnika Śląska

Bibliografia

• [1] Alisantoso D., Khoo L. P., Jiang P. Y.: An immune algorithm approach to the scheduling of a flexible PCB flow shop, Int J Adv Manuf Technol 2003,22, pp. 819-827.
• [2] Arroyo J.E.C.: Genetic local search for multi-objective flowshop scheduling problems. "European Journal of Operational Research" 2005, Vol. 167, pp. 717-738.
• [3] Bertel S.: A genetic algorithm for an industrial multiprocessor flow shop scheduling problem with recirculation, "European Journal of Operational Research" 159, 651-662.
• [4] Bilkay O., Anlagan O., Kilic S.E: Job shop schedulin using fuzzy logic, Int J Adv Manuf Technol 2004. no. 23, pp. 606-619.
• [5] Brans J. P., Vincke P. H.: A preference ranking organisation method, "Management science", Vol. 31, No. 6 (1985), pp. 647-656.
• [6] Cai X., Li K. N.: A genetic algorithm for scheduling staff of mixed skills under multi-criteria, "European Journal of Operational Research", no. 125 (2000), pp. 359-369.
• [7] Cochran J. K.. Horng S-M, Fowler J. W.: A multipopulation genetic algorithm to solve multi-objective scheduling problems for parallel machines, "Computers & Operational research" 2003, VoI. 30, pp. 1097-1102.
• [8] Gajpal Y., Pajendran Ch.: An ant-colony optimization algorithm for minimizing the completion-time variance of jobs in flowshops, "International Journal of Production Economics" 101 (2006), pp. 259-272.
• [9] Gupta K.: Simulation based multiobjective Schedule optimization in semiconductor manufacturing, Proceedings of the 2002 Winter Simulation Conference.
• [10] Kurz M., E., Askin R., G.: Scheduling flexible flow lines with sequence-dependent setup times, "European Journal of Operational Research", no. 159 (2004), pp. 66-82.
• [11] Kis T.: A review of exact solution methods for the nonpreemptive multiprocessorflowshop problem, "European Journal of Operational Research", no. 164, pp. 592-608.
• [12] Lova A.: A multicriteria heuristic method to improve resource allocation in multiproject scheduling, "European Journal of Operational Research" no. 127, pp. 408-424.
• [13] Low Ch., Yip Y., Wu T-H.: Modelling and heuristics of FMS scheduling with multiple objectives, "Computers and Operations Research", no. 33 (2006), pp. 674-694.
• [14] Mattfeld D. C.: An efficient genetic algorithm for job shop scheduling with tardiness objectives, "European Journal of Operational Research", no. 155 (2004), pp. 616-630.
• [15] Montusiewicz J.: Ewolucyjna analiza wielokryterialna iv zagadnieniach technicznych. Instytut Podstawowych Problemów Techniki PAN, Warszawa 2004.
• [16] Ponnambalam S. G., Ramkumar V., Jawahar N.: A TSP-GA multi-objective algorithm for flowshop scheduling, Int J Adv Manuf Technol 2004, Vol. 23, pp. 909-915.
• [17] Ruiz-Torres A. J.: Generating Pareto schedules with outsource and internal parallel resources, "International Journal of Production Economics", no. 103 (2006), pp. 810-825.
• [18] Skołud B.: Planowanie wieloasortymentowej produkcji rytmicznej. Zeszyty naukowe Politechniki Śląskiej. Mechanika z. 136, Gliwice 2000.
• [19] Skołud B., Wosik I.: Multi-objective genetic and immune algorithms for butch scheduling problem with dependent setups. Recent developments in artificial intelligence methods, Gliwice 2007, s. 185-196.
• [20] Skołud B., Wosik I.: Logika rozmyta w przeszukiwaniu wielokryterialnej przestrzeni rozwiązań dla problemu szeregowania zadań, "Metody i techniki zarządzania w Inżynierii Produkcji", rocznik II, Bielsko-Biała 2008, s 173-182.
• [21] Skołud B., Wosik I.: An immune algorithm and fuzzy logic for multicriteria optimization in the area of scheduling (w druku).
• [22] Wosik I.: The multi-objective immune algorithm fine tuning using fuzzy logie. 5,h International PhD Conference on Mechanical Engineering, Pilsen, s. 309-312.
• [23] Wróblewski K.: Podstawy sterowania przepływem produkcji, WNT, Warszawa 1993.