haku: @keyword genetic algorithms / yhteensä: 16
hakutulos-lista
viite: 14 / 16
« edellinen | seuraava »
Tekijä:Pöyhönen, Harri
Työn nimi:Paperitehtaan tuotannon karkeasuunnitelman optimointi geneettisillä algoritmeilla
Optimizing the Production Schedule of Paper Mill by Using Genetic Algorithms
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:1997
Sivut:84      Kieli:   fin
Koulu/Laitos/Osasto:Tietotekniikan osasto
Oppiaine:Automaatiotekniikka   (Aut-84)
Valvoja:Halme, Aarne
Ohjaaja:Karhu, Panu
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark T80     | Arkisto
Avainsanat:production planning
scheduling
genetic algorithms
Tiivistelmä (fin):Tämän diplomityön tavoitteena on ollut tutkia paperitehtaan tuotannonsuunnitteluprosessia ja erityisesti tuotannon karkeasuunnitelman optimointiin vaikuttavia asioita.
Tutkimuksen perusteella tavoitteena oli kehittää mahdollisimman yleispätevä karkeasuunnitelman optimointimalli.
Henkilökohtaisten tietokoneiden ja heurististen optimointimenetelmien nopea kehittyminen on tehnyt karkeasuunnitelman optimoinnista entistä kiinnostavamman, sillä lisääntynyt laskentateho mahdollistaa yhä monimutkaisempien ongelmien ratkaisemisen.
Tässä työssä tutkittiin geneettisten algoritmien perusominaisuuksia ja niiden soveltuvuutta paperitehtaan tuotannon karkeasuunnitelma optimoitiin.

Karkeasuunnittelun perustavoitteena on jakaa paperitehtaassa tuotettavat tilaukset tehtaan paperikoneille ja määrittää kunkin koneen tilausten valmistusjärjestys siten, että tuotannon kokonaiskustannukset ovat mahdollisimman pienet ja jälkikäsittelykapasiteetti on riittävä tämän tuotannon toteuttamiseen.
Tärkeimmät kustannukset paperikoneen ajo-ohjelman tilausjärjestyksen optimoinnissa ovat: laadunvaihtokustannukset, tuotettavien ajojen koosta aiheutuvat kustannukset ja tilausten valmistusajankohdasta aiheutuvat kustannukset eli varastointi-, varo- ja myöhästymiskustannukset.

Geneettiset algoritmit ovat optimointiongelmien ratkaisemiseen käytettäviä adaptiivisia metodeja, jotka jäljittelevät biologisten orgaanien geneettisiä toimintoja.
Geneettisten algoritmien toiminnan perusajatuksia ovat luonnossa vallitsevat vahvimman selviytymisen ja luonnollisen valinnan periaatteet, joiden avulla eri lajit kehittyvät sukupolvien kuluessa selviytymään entistä paremmin muuttuvassa ympäristössään.

Koeaineistolla suoritetut optimointikokeet tuottivat erittäin lupaavia tuloksia.
Optimointimallin parametroinnilla pystytään tehokkaasti ohjamaan optimoinnin tuottamia ratkaisuja, mikä myös osoittaa optimointimallin ja optimoinnin toimivuutta ja käytettävyyttä.
ED:1998-01-08
INSSI tietueen numero: 12787
+ lisää koriin
« edellinen | seuraava »
INSSI