ツールの配分の問題とバイオブジェクトの柔軟な仕事ショップスケジューリングのための知識主導の教学学習ベースの最適化アルゴリズム

科学分野:

• 事業 事業研究 事業研究
• 製造業 エンジニアリング
• コンピューティング・インテリジェンス コンピューティング・インテリジェンス

背景:

• 伝統的なスケジューリングは,しばしば相互依存性を無視して,資源を独立して扱います.
• フレキシブル・ジョブショップスケジューリング問題 (FJSP) は,ルーティング,シーケンシング,リソースの制約により複雑です.
• 限られたツール容量とツール耐久性は,離散製造の最適化における重要な要因です.

研究 の 目的:

• 離散製造における機械加工プロセスの"グローバル"最適化アプローチを開発する.
• ツールの割り当てを組み込むバイオブジェクトの柔軟なワークショップスケジューリング問題 (FJSP) モデルを提案する.
• 機械のルーティング,操作のシーケンス,および有限のツール容量との強いカップリングに対処するために.

主な方法:

• 混合整数プログラミング (MIP) モデルは,ツールウェアコストと遅延の加重和を最小限に抑えるために構築されました.
• ツールマガジン容量,変数ジョブリリース時間,マシン/ツール互換性など,洗練された制約が統合されました.
• 専門的な戦略を備えた,知識主導の教学学習ベースの最適化 (TLBO) アルゴリズムは,計算上の課題と離散的なソリューションスペースを扱うために設計されました.

主要な成果:

• 提案されたTLBOアルゴリズムは,ソリューション品質,スプレッド,および全体的なメトリックにおいて,従来のメタヒューリスティックよりも優れたパフォーマンスを示しました.
• シミュレーション実験は,複雑な制約に対処し,早期収束を防止するアルゴリズムの有効性を確認しました.
• 多目的共同最適化方法は,順次スケジューリングのアプローチと比較して,よりよい処理決定をもたらしました.

結論:

• 開発された双目的FJSPモデルとTLBOアルゴリズムは,離散製造における機械加工プロセスを最適化するための堅牢なソリューションを提供します.
• この研究は,効率的なスケジューリングのために,資源の相互依存,特にツール容量と磨損を考慮することの重要性を強調しています.
• 提案されたアプローチは,複雑な製造環境のための"グローバル"最適化を達成する上で重要な進歩を提供します.