search query: @keyword kombinatorinen optimointi / total: 9
reference: 6 / 9
Author: | Kämäräinen, Olli |
Title: | A finite capacity scheduling system for a silicon wafer manufacturer |
Hienokuormitusjärjestelmä piikiekkovalmistajalle | |
Publication type: | Master's thesis |
Publication year: | 1999 |
Pages: | 69 Language: eng |
Department/School: | Teknillisen fysiikan ja matematiikan osasto |
Main subject: | Sovellettu matematiikka (Mat-2) |
Supervisor: | Ruuth, Sampo |
Instructor: | Laakkonen, 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 TF80 | Archive |
Keywords: | production scheduling genetic algorithm combinatorial optimization tuotannon ajoitus geneettinen algoritmi kombinatorinen optimointi |
Abstract (fin): | Tuotannon ajoituksessa määritellään töiden järjestys ja aikataulu tehtaan eri työpisteissä. Työpisteellä on tietty kapasiteetti ja tietty määrä resursseja, kuten koneita. Tuotannon hienokuormituksessa ajoitetaan tuotanto ottamalla työpisteiden kapasiteetit ja resurssit huomioon. Tämän diplomityön tavoitteena on määritellä piikiekkovalmistajalle tuotannon hienokuormitustyökalu, jossa ajoituksen ratkaisee geneettinen algoritmi. Työn teoreettisessa osassa esitellään eri tuotannonohjausalgoritmeja ja tapoja ratkaista tuotannon ajoitus. Työn soveltavassa osassa mallinnetaan piikiekkotuotanto resurssirajoitteisen ajoitusongelman muotoon. Lisäksi hahmotellaan ajoitustyökalun toiminta osana yrityksen tietojärjestelmää. Tuotannon hienokuormitus perustuu usein prioriteettisääntöihin, jotka määräävät työn valinnan vapaana olevassa työpisteessä. Vaikka prioriteettisääntöihin pohjautuva hienokuormitus on yksinkertainen ja joustava, se ei takaa optimaalista ajoitusta. Resurssirajoitteinen tuotannon ajoitus on kuitenkin vaikea kombinatorisen optimoinnin ongelma, eikä sitä useimmiten voida ratkaista optimaalisesti kohtuullisessa laskenta-ajassa. Siksi ajoitusongelmien ratkaisemiseksi on sovellettu mm. metaheuristisia hakumenetelmiä. Geneettiset algoritmit ovat menetelmiä, jotka matkivat luonnon evoluutiomekanismia. Niissä ratkaisujen joukkoa eli populaatiota yritetään parantaa jokaisella algoritmin kierroksella. Populaatioon sovelletaan geneettisiä operaattoreita, valintaa, mutaatiota ja risteytystä. Mallinnuksen tavoitteena on etsiä malli työvaiheen keston laskemiseksi sekä määrittää työvaiheen käyttämät resurssit. Mallia ylläpidetään yrityksen toiminnanohjausjärjestelmässä. Resurssirajoitteinen ajoitusongelma voidaan ratkaista soveltamalla geneettistä algoritmia työvaiheiden prioriteettien määrittämiseen. Tuotannon ajoitus lasketaan eteen- tai taaksepäin sijoittelemalla työvaiheet edeltäjä-seuraaja- suhteiden asettamassa järjestyksessä. Resurssikonflikteja kohdattaessa työvaiheet ajoitetaan prioriteettien mukaisessa järjestyksessä. Ajoitustyökalun suunnittelussa pyritään löytämään yksinkertainen tapa valita ajoitettavat työt siten, että ajoitusongelma säilyisi mahdollisimman pienenä. |
ED: | 1999-06-18 |
INSSI record number: 14494
+ add basket
INSSI