haku: @keyword kombinatorinen optimointi / yhteensä: 9
viite: 6 / 9
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 Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen 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
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
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
INSSI