search query: @keyword geneettinen algoritmi / total: 21
reference: 15 / 21
Author: | Parviainen, Olli |
Title: | Ennakoivaan simulointiin perustuva panostuotannon optimointi |
Batch production optimization by evolutionary computation and predictive simulation | |
Publication type: | Master's thesis |
Publication year: | 2001 |
Pages: | 139 Language: fin |
Department/School: | Teknillisen fysiikan ja matematiikan osasto |
Main subject: | Informaatiotekniikka (Tik-61) |
Supervisor: | Kaski, Samuel |
Instructor: | Hämäläinen, Jari |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 5304 | Archive |
Keywords: | simulation batch production scheduling evolutionary computation genetic algorithm simulointi panostuotanto evoluutiolaskenta geneettinen algoritmi |
Abstract (fin): | Laajojen teollisuusprosessien hallintaa voidaan helpottaa ennakoivalla simuloinnilla, jolloin prosessin käyttäytymistä lähitulevaisuudessa simuloidaan tietokoneen avulla. Ennakoivan simuloinnin avulla pystytään tunnistamaan tulevia ongelmatilanteita etukäteen ja puuttumaan ongelmiin hyvissä ajoin. Työssä tutkittiin ennakoivaan simulointiin perustuvaa yleiskäyttöistä ajosuunnittelumenetelmää, jonka avulla panosprosesseille voitaisiin automaattisesti tuottaa tulevien vuorokausien aikana suoritettavat ohjaustoimenpiteet sisältävä ajosuunnitelma. Menetelmässä prosessikohtaiset ajosuunnittelutavoitteet esitetään optimointitehtävänä, joka ratkaistaan geneettisellä algoritmilla. Geneettisen algoritmin kohdefunktio lasketaan simuloiden prosessin käyttäytymistä suunniteltavan ajanjakson aikana. Ajosuunnittelumenetelmä toimi hyvin, kun sitä sovellettiin kahden erityyppiseen esimerkkiprosessin ajosuunnittelutehtävien ratkaisemiseen. Perinteisesti panosprosessien ajosuunnitteluun on käytetty operaatiotutkimuksen menetelmiä, kuten lineaarista sekalukuoptimointia. Näihin menetelmiin verrattuna työssä käytetyllä menetelmällä voidaan ratkaista myös epälineaarisia ajosuunnittelutehtäviä ja hyödyntää suoraan tuotantolinjan simulointimallia. |
ED: | 2001-10-17 |
INSSI record number: 17981
+ add basket
INSSI