haku: @keyword kombinatorinen optimointi / yhteensä: 9
hakutulos-lista
viite: 6 / 9
« edellinen | seuraava »
Tekijä:Kämäräinen, Olli
Työn nimi:A finite capacity scheduling system for a silicon wafer manufacturer
Hienokuormitusjärjestelmä piikiekkovalmistajalle
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:1999
Sivut:69      Kieli:   eng
Koulu/Laitos/Osasto:Teknillisen fysiikan ja matematiikan osasto
Oppiaine:Sovellettu matematiikka   (Mat-2)
Valvoja:Ruuth, Sampo
Ohjaaja:Laakkonen, Jari
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 TF80     | Arkisto
Avainsanat:production scheduling
genetic algorithm
combinatorial optimization
tuotannon ajoitus
geneettinen algoritmi
kombinatorinen optimointi
Tiivistelmä (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 tietueen numero: 14494
+ lisää koriin
« edellinen | seuraava »
INSSI