УДК 63

Анализ перспективных алгоритмов объемно-календарного планирования позаказного производства мебели

Опубликовано в Лесотехнический журнал · Том 7, Номер 3, 2017 · Страницы 299–306 · Рубрики: Управление. Моделирование. Информатика
DOI 10.12737/article_59c2124049cd45.48567850
Получено: 20.09.2017 Одобрено: 01.11.2017 Опубликовано: 01.11.2017 Язык публикаций: RUS
Авторы
1 Воронежский государственный лесотехнический университет имени Г.Ф. Морозова (кафедра автоматизации производственных процессов, аспирант)
Воронеж, Воронежская область, Россия
2 Воронежский государственный лесотехнический университет имени Г.Ф. Морозова (кафедра автоматизации производственных процессов, заведующий кафедрой)
Воронеж, Воронежская область, Россия
В статье рассматриваются алгоритмы для использования в автоматизированных системах объёмно-календарного планирования позаказного производства мебели. Мелкосерийное и позаказное производство обеспечивает значительную долю мебельного рынка как в России, так и в зарубежных странах. Также оно является перспективным направлением для развития других отраслей промышленности, ориентированных на конечного потребителя. Большинство существующих отечественных систем планирования рассчитаны на крупносерийное и массовое производство, в котором главную роль занимает производительность предприятия. Следовательно, основным показателем, по которому осуществляется оптимизация расписаний, является момент завершения последней работы. Однако позаказное производство имеет намного более сложную структуру показателей, влияющих на успешность предприятия в целом: ключевым показателем в данном случае является не скорейшее окончание всех без исключения работ, а выполнение их не позже установленного времени (т.е. в течение сроков, установленных договорами с заказчиками). Также в позаказном и мелкосерийном производстве важную роль занимает показатель времени, затрачиваемый на переналадку оборудования, связанную с переходом на выпуск продукции другого типа. Если эти и ряд других показателей не имеют значительной роли в крупносерийном производстве, то в мелкосерийном производстве эти показатели имеют значительное влияние на эффективность работы предприятия и ими уже нельзя пренебречь.Рассмотрены три наиболее перспективных математических алгоритма (алгоритм имитация отжига, генетический алгоритм и искусственные нейронные сети), которые позволяют осуществлять оптимизацию расписаний по нескольким критериям применительно к задаче объёмно-календарного планирования позаказного производства мебели.
мебельная промышленность позаказное производство планирование производства алгоритм имитации отжига генетический алгоритм искусственная нейронная сеть.
Текст (PDF): Читать Скачать

Автоматизированные системы управления предприятием (АСУП) существуют около 50 лет и уже прочно вошли во все сферы экономики, а современные промышленные предприятия практически невозможно представить без подобных систем. В настоящее время существует несколько англоязычных терминов (MES, MRP, MRP II, APS, ERP) в разной степени соответствующие понятию АСУП, которые представляют целые классы систем, отличающихся как принципами работы, так и степенью покрытия задач управления предприятиями.

Список литературы

1. Garey, M. R. The complexity of flowshop and jobshop scheduling [Text] / M. R. Garey, D. S. Johnson, R. Sethi // Mathematics of operations research, 1976. − Vol. 1. − iss. 2. − pp. 117-129.

2. Arisha, A. Job shop scheduling problem: an overview. [Text] / A. Arisha, P. Young, M. El Baradie // International conference for flexible automation and intelligent manufacturing, Dublin, Ireland. − 2001. − pp. 682-893.

3. Land, A.H. An automatic method of solving discrete programming problems [Text] / A. H. Land, A. G. Doig // Econometrica. − Vol. 23. − 1960. − pp. 497-520.

4. Загидуллин, Р.Р. Управление машиностроительным производством с помощью систем MES, APS, ERP [Текст] / Р. Р. Загидуллин. // Старый Оскол: ТНТ. − 2011. − 372 с.

5. Ouelhadj, D. Survey of dynamic scheduling in manufacturing systems [Text] / D. Ouelhadj, S. Petrovic // Automated Scheduling, Optimisation and Planning Research Group, School of Computer Science and IT. − 2009. − 27 p.

6. Jones, A. Survey of job shop scheduling techniques [Text] / A. Jones, L. C. Rabelo, A. T. Sharawi // Wiley encyclopedia of electrical and electronics engineering. − 1999. − pp. 17.

7. Meziane, F. Intelligent systems in manufacturing: current development and future prospects. [Text] / F. Mezanie, S. Vadera, K. Kobbacy, N. Proudlov // Integrated manufacturing systems. − 2000. − Vol. 11, iss. 4. − pp. 218-238. DOI: https://doi.org/10.1108/09576060010326221; EDN: https://elibrary.ru/EBKBRT

8. Yusof, Y. Survey on computer-aided process planning [Text] / Y. Yusof, K. Latif // The international journal of advanced manufacturing technology. − 2014. − Vol. 75, iss. 1, pp 77-89. DOI: https://doi.org/10.1007/s00170-014-6073-3; EDN: https://elibrary.ru/ROESHO

9. Залыгин, А.Р. MES-системы с точки зрения организации производства. [Текст] / А.Р. Залыгин // Металлообрабатывающее оборудование. − 2008. − №12. − С. 26-31.

10. Брыкин, А. С. Сквозная информационная поддержка позаказного промышленного производства корпусной мебели [Текст] / А. С. Брыкин, А. В. Стариков // Лесотехнический журнал. − 2013. − №3. − С. 76-82. EDN: https://elibrary.ru/RQQPBJ

11. Hopfield, J.J. Neural networks and physical systems with emergent collective computational abilities [Text] / J.J. Hopfield // Proceedings of the national academy of science of the USA, 1982. − Vol. 79, no. 8, − pp. 2554- 2558.

12. Foo, S.Y. Neural networks for solving job-shop scheduling: Part 1. Problem representation [Text] / S. Y. Foo, Y. Takefuji // Proc. IEEE IJCNN. − 1988. − Vol. 2. − pp. 275-282.

13. Foo, S.Y. Stochastic neural networks for solving job-shop scheduling: Part 2. Architecture and simulations [Text] / S. Y. Foo, Y. Takefuji // Proc. IEEE IJCNN. − 1988. − Vol. 2. − pp. 283-290.

Войти или Создать
* Забыли пароль?