Formulación y solución de producción que planifica problemas

...

Hubo algún éxito en la aplicación SA a problemas de la fabricación. Unos ejemplos recientes incluyen lo siguiente: Smith et al. (1996) usó SA para solucionar un problema sequencing en la fabricación de automóvil. El Ben-Daya y Al--Fawzan (1996) usó SA para solucionar una máquina sola la tardanza tacaña que programa el problema. Zegordi et al. (1995) combinadoSA con conocimiento sequencing para reducir al mínimo makespan para ¯ ow planificación de tienda. SchmidtJackman (1995) asamblea evaluada sequencing usando SA. Gangadharan y Chandrasekharan (1994) usó un SA heurístico para analizar un problema de bi-criterios en ¯ owshop la planificación. SA también ha sido usado en un número de otros usos incluyendo la planificación de la escuela establece un horario (Abramson, 1991), la asignación espacial de memoria de ordenador (Romero y Sanchez-Flores, 1990), y AP cuadrático (Connolly, 1990; Wilhelm y Sala, 1987).

El GAS también ha sido usado en problemas de la fabricación. Murata et al. (1996) GAS usado para examinar ¯ owshop planificación de problemas. Nuevas vísperas (1995) GAS usado para producir óptimo ¯ owshop secuencias. Kumar y Srinivasan (1996) usado

GAS en una verdadera situación mundial y mejorado el makespan por más del 30 % comparando con la puesta en práctica corriente. Aytug et al. (1994) usó

GA para establecer un esquema iterativo de aprender la planificación óptima dinámica. Mathieu et al. (1994) adaptó GA para solucionar el bi-nivel el problema de programa lineal. Hadj-Alouane y Frijol (1993),

Hadj-Alouane et al. (1993) y Coit et al. (1994) todo consiguió resultados buenos que usan un acercamiento de función de pena dentro de un GA para solucionar programas de optimización discretos.

El GA también ha sido usado en tales problemas de optimización como la planificación de tienda de trabajo (Davis, 1985;

Biegel y Davern, 1990), apresto de redes de comunicaciones (Davis y Cañadas, 1987), planificación de proceso (Vancza y Markus, 1991), ¯ exible diseño de sistema de la fabricación (Hou y Li, 1991), planificación de tarea de multiprocesador (Sieglemann

Frieder, 1991), y un problema de colocación componente modelado como AP cuadrático (Cohoon et al., 1991).

También hubo algún trabajo que se combina SA con GAS. Lo siguiente da un ¯ avor de este trabajo: Kim y Kim (1996) usaron SA Y GA para una producción a corto plazo que programa el problema. Rayo et al. (1995) usó SA Y GA para un problema de planificación en el diseño de barco. Kim et al. (1994) usó GA en la combinación con SA para solucionar un mantenimiento que programa el problema.

Los problemas de producción que estudiamos son relacionados con el problema de transporte de xed-precio(xed-carga) de ® (Barr et al., 1981). En aquel problema, clientes pueden ser asignados a fábricas, con un ® xed el coste y costes unitarios incurridos para cada asignación. Una llave di€erence es que en nuestros sistemas de problema de producción también son incurridos en las coacciones de recurso, que no son el caso en el problema de transporte de xed-precio(xed-carga) de ®.

3. Modelos para la asignación de tareas a los agentes con múltiples recursos

Para formular la (MAP), la siguiente se utiliza la notación:

Cuaderno

El Problema MRGAP ha sido estudiado por Pirkul (1986), Murphy (1986) y Gavish y Pirkul (1982, 1986, 1991). Este problema amplía el HUECO estudiado en Ross y Soland (1975), Nauss (1976),Martello y Toth (1977), Klastorin (1979) Balas y Zemel (1980).

En los tres problemas AP, GAP, y GAP, restricciones para cada tarea (por lotes) que se asignará a uno y sólo un agente. Por lo tanto, no hay división por lotes entre los agentes que se considera en estos modelos.

Sin embargo, en la práctica, es deseable por lotes división entre varios agentes, si las limitaciones de recursos impiden la asignación de todas las unidades de un lote a la más económica e ?? agente EFECTIVA.

Esto es especialmente cierto en los entornos de fabricación repetitiva en lotes de unidades idénticas a menudo son procesados por las máquinas dif ?? Erent para reducir el tiempo de procesamiento o para cumplir con las restricciones de capacidad. Tal división por lotes hace que el costo de instalación adicional y el tiempo, que no se considera en problemas AP, GAP, o MRGAP.

Ejemplos de problemas donde MRGAP (o AP o GAP) no produciría soluciones implementables se presentan a continuación. En el resto de este papel, se utilizan los términos `` agentes '' y `` máquinas ''indistintamente, y nos referimos a una tarea`` '' como una`` Batch '' o `` orden ''.

EJEMPLO:

1. Un taller de trabajo debe programar la producción de dos órdenes, cada uno por el día siguiente. Dos idéntica máquinas están disponibles durante 10 h / día cada una para producir estos lotes. Datos del problema son:

CUADERNO

El tiempo requerido para los lotes 1 y 2 a ambos máquina son 1 + 1X12 = 13 horas y

2,0 + 0,5 x 8 = 6 horas, respectivamente. Dado que cada máquina está disponible por sólo 10 horas / día no es posible asignar lote 1 por completo a una máquina.

Sin embargo, desde el 20 de horas de la máquina están disponibles, Existe Suficiente capacidad para producir dos lotes si se permite la división por lotes

2. Una planta de fabricación automatizado produce artículos 24 h / día. En esta instalación, hay una trabajador / máquina, pero los trabajadores están presentes para el mantenimiento y la realización de ajustes por sólo 8 h /día. Durante los restantes 16 h, el equipo es supervisado por un equipo esquelético, pero no se puede configurar. El mantenimiento preventivo tarda aproximadamente 2 h cada día, dejando un máximo previsto de 6 h / día para configuraciones y 6 + 16 = 22 h / día para las configuraciones y carreras. Así, durante un período de planificación de 20 días, la instalación el tiempo es limitado a 20*6 =120 h para cada máquina. Una restricción adicional limita el tiempo de configuración más plazo tiempo para cada máquina a 20*22= 440 h. Así, cada máquina tiene dos recursos escasos: (1) trabajador tiempo para las configuraciones, y (2) el tiempo de máquina para configuraciones y la producción.

En estos problemas, los operadores podrán configuración diferentemáquinas