AZ IGÉNYSZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK MODELLEZÉSE ÉS HEURISZTIKUS MEGOLDÁSA

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "AZ IGÉNYSZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK MODELLEZÉSE ÉS HEURISZTIKUS MEGOLDÁSA"

Átírás

1 AZ IGÉNYSZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK MODELLEZÉSE ÉS HEURISZTIKUS MEGOLDÁSA Kulcsár Gyula* ABSTRACT: The paper dscusses the shop floor schedulng problem of customzed mass producton, whch can be descrbed as combnng make to stock and make to order type producton at the same tme The focus s set to an extended flexble flow shop schedulng model whch supports alternatve routes, unrelated parallel machnes, sequence dependent setup tmes, product dependent producton rates and lmted machne avalabltes The paper outlnes a new approach to solve the problem A computer framework based on a new data model and heurstc algorthms are developed to determne feasble schedule for customzed mass producton accordng to varous objectves The paper presents the detals of the schedulng model and outlnes the basc steps of the proposed method 1 BEVEZETÉS Napjankban a termelő nagyvállalatok egy része közvetlenül a vevők gényet próbálja meg kszolgáln (pl: háztartás gépek, lámpák gyártása) A versenyképesség növelése érdekében szükséges, hogy mnél jobban alkalmazkodjanak a pac körülmények gyors változásahoz Ennek érdekében a gyártás hatékonyságot és a szállítóképességet kell javítan [12], [13] Az előbbt az erőforrások mnél jobb khasználásával, az utóbbt pedg, előzetes becslésen alapuló raktárra történő gyártással tudják növeln A vállalatok skeressége nagymértékben a megrendelők gényenek magas szntű kelégítésén múlk, ennek egyk fontos feltétele a megrendelésekhez tartozó munkák ütemezésének mnél hatékonyabb megoldása [8] Egy általánosan megfogalmazott ütemezés feladat megoldása az erőforrások allokálásának és a munkák dőbel végrehajtásának megtervezését jelent, annak érdekében, hogy a ktűzött célok megvalósuljanak Ezek a célok sokfélék lehetnek, és dőről dőre változhatnak követve a megfogalmazott elvárásokat A folyamat közel ütemezés a MES (Manufacturng Executon System) szntű, rövd távú valósdejű tervezés feladat megoldását követel meg [2] Ezen a sznten az ütemezés feladat azt jelent, hogy smert és pontosan meghatározott (technológa, anyag stb) korlátozások fgyelembe vételével, a gyártásra kadott, smert belső rendeléseken alapuló munkák elvégzéséhez gyártás erőforrások (gépek, eszközök, stb) allokálását és munkák ndítás dőpontjának sorozatát kell megtervezn úgy, hogy a defnált korlátozások teljesüljenek, és a vállalat magasabb szntjén megfogalmazott célok megvalósuljanak 2 ISMERT ÜTEMEZÉSI MODELLEK A dszkrét gyártás folyamatokban a termékek elkészítése sorozatokban, kötegekben történk A sorozatok nagysága nagyon változó lehet, egyetlen terméktől (pl: nagy értékű alkatrészek vagy teljes egyed gépek gyártása) több ezer, sőt több mlló darab termékg s terjedhet (pl: egyszerű komponensek, alkatrészek tömeggyártása esetén) [15] A dszkrét gyártás folyamatokban a gyártás rendszernt elkülönült gépeken zajlk Attól függően, hogy az egyes műveletek a gyártó (szerelő) műhely gépen hogyan kerülnek végrehajtásra, megkülönböztethetünk soros lletve nem soros elrendezésű gyártórendszereket [14] Tömeggyártás és gény szernt tömeggyártás során a termékek gyártás folyamata az első kategórába tartozk [7] A soros elrendezésű gyártás struktúrához kapcsolódó alapmodellben (Flow Shop) adott számú különböző gép a technológa sorrendnek megfelelően egymás után van elhelyezve A modellt erősen befolyásolja a gépek között munkadarab tárolás lehetősége Ha a gépek között átmenet tárolók kapactás nulla, akkor sznkronzált gyártó (szerelő) rendszerről van szó Véges kapactású bufferek esetén a gyártás assznkron jellegű [11] A termelés során munkakötegek végrehajtásáról kell gondoskodn Ha megengedett hogy az egyes gépeken a munkák sorrendje eltérő legyen, akkor előzéses, ellenkező esetben előzésmentes modellről van szó Ezekről a modellekről és megoldás módszerekről számos munka nyújt részletes áttekntést (pl: [4], [5], [10], [16], [20]) Az alapmodellnek párhuzamos gépekkel történő kbővítéseként smert a rugalmas egyutas (Flexble Flow Shop) modell Ebben a modellben összetett munkahelyek vannak defnálva Mnden egyes munkahelyen adott számú egymással teljesen egyenértékű gép található A gépek száma munkahelyenként eltérő lehet Az egymást követő munkahelyek között korlátlan méretű átmenet tároló helyek kalakítását tételezhetjük fel A munkadarabokat mnden munkahelyen, annak egy kválasztott gépén kell megmunkáln Ebben a modellben tehát megjelenk a gépválasztás feladata s, ugyanakkor továbbra s fontos szerepet játszk a munkák gépenként sorrendjének meghatározása *A Hatvany József Informatka Tudományok Doktor Iskola volt hallgatója, egyetem tanársegéd, Mskolc Egyetem, Informatka Intézet, Alkalmazott Informatka Tanszék emal: kulcsar@attun-mskolchu Témavezető: Dr Erdély Ferenc CSc, tudományos főmunkatárs, a Magyar Tudományos Akadéma Termelésnformatka Kutatóhelye (PIERT)

2 A szakrodalomban számos ckk különböző mélységekben foglalkozk a rugalmas Flow Shop ütemezés modellel (pl: [1], [3], [5], [9], [17], [18], [19]) A témakörhöz tartozó ckkek többsége célfüggvényként a rendeléscsoport legkésőbb befejezés dejét (makespan) használja Sokkal kevesebb eredmény smert határdős gyártás (make to order) esetén a késésekkel kapcsolatos célfüggvények mnmalzálására A jelenleg smert többgépes modellek nem tudják fgyelembe venn egyszerre az gény szernt tömeggyártás jellegzetességet: több művelet együttes végrehajtására képes gépeket, technológa útvonal alternatívákat, gépek változó rendelkezésre állás dőntervallumat, eltérő termelés sebességeket és sorrendfüggő átállás dőket, így szükség van ezeknek a modelleknek a kterjesztésére, továbbfejlesztésére 3 A VIZSGÁLT GYÁRTÁSI FOLYAMAT Az gény szernt tömeggyártást folytató vállalatok különböző típusú termékeket állítanak elő Jellemzően, adott egy rendelés állomány, amelyet a külső rendelések és az előrejelzések fgyelembe vételével a vállalat termeléstervezés szntjén defnálnak Mnden egyes rendelés meghatározott típusú, adott darabszámú egyforma termék, adott határdőre történő legyártását gényl A műhelyszntű rányításban a logsztka egységet a paletta jelent Mnden egyes palettára előre megadott darabszámú, azonos terméket lehet elhelyezn Egy rendelés paletták halmazának s teknthető, ahol a paletták számát a rendelt mennység és a paletták termékfüggő mérete együttesen határozza meg Az általunk vzsgált gyártás struktúra gyártószerelő jellegű, automatzált gépcsoportokból (gépekből és/vagy gépsorokból) áll A termékek előállításához legfeljebb négy, vagy annál kevesebb technológa lépést kell kötött sorrendben végrehajtan A technológa lépések operácók sorozatából tevődhetnek össze Mvel a technológa lépések nem megszakíthatók, ezért ezek teknthetők az ütemezés során a legksebb allokácós egységeknek Az egyes technológa lépések elvégzéséhez a megfelelő gépeken túlmenően meghatározott anyagoknak, komponenseknek s rendelkezésre kell álln adott mennységben A gyártás rugalmas jellegéből következk, hogy egy adott típusú termék különféle anyagok, komponensek, gépek és útvonalak használatával s előállítható Az ütemezés modellben szereplő gépek amelyek valójában különböző gyártás képességekkel rendelkező gépsorok a terméktől függő gyártás sebességekkel, a munkák sorrendjétől függő átállás dőkkel, rendelkezésre állás dőntervallumokkal és egy adott termékcsoportra érvényes technológa lépések egymást követő sorozatával jellemezhetők A gyártás során egy adott gép egyszerre csak egy munkán dolgozhat, és egy adott munka egyszerre csak egy géphez lehet hozzárendelve A gépek között tároló helyek mérete nem korlátozott Az ütemterv elkészítésekor azt s fgyelembe kell venn, hogy az ütemezés dőhorzonton a műhely bzonyos gépe már korább, még be nem fejezett, nem módosítható feladatokkal terheltek, így az utolsó megerősített és érvényben lévő ütemterv következménye hatással vannak az új ütemtervre 4 KITERJESZTETT ÜTEMEZÉSI MODELL Az ütemezés feladatok formáls leírásának eszközeként a szakrodalomban az β γ formalzmus használata a legsmertebb [1] A szmbólumok jelentése a következő: : erőforrás környezetet leíró paraméter lsta, β: korlátozásokat, végrehajtás jellemzőket leíró paraméter lsta, γ: célfüggvényeket ktűző paraméter lsta A lstákban szereplő paraméterekre számos javaslat van az rodalomban A vzsgált ütemezés feladat osztályát (Extended Flexble Flow Shop, EFFS) a következő szmbolkus formában írhatjuk le: M, Q, F, Set, j, m, Cal,4 R, D f (1) Az egyes szmbólumok jelentése a következő: =,,,,, ] [ : Az erőforrás jellege M: többcélú párhuzamos gépek megengedettek 2 : Az alternatív gépek jellege Q: eltérő sebességű (ntenztású) gépek 3 : A művelet sorrend előírása F: a műveletek (technológa lépések) sorrendje kötött 4 : A gépek átállítására vonatkozó előírás Set,j,m : munkák sorrendjétől és géptől függő dőadatok 5 : Erőforrásokra vonatkozó specáls előírások Cal: Gépekre előírt rendelkezésre állás dőntervallumok A gépek csak ezeken belül működhetnek 6 : A munkahelyek maxmáls száma 4: a független technológa lépések száma négy β = [ β 1, β2] β 1 : A munkák ndíthatóságára vonatkozó előírás R : munkánként előírt legkorább ndítás dőpont β 2 : A munkák befejezésére vonatkozó előírás D : munkánként előírt legkésőbb befejezés dőpont γ : A kjelölt célfüggvény, amelynek a mnmumát keressük

3 Az ütemtervek jóságát, mnőségét célfüggvények megfogalmazásával és azok kértékelésével lehet számszerűsíten Valós környezetben nagyon sokféle termelés cél megfogalmazható [6] Ismeretes, hogy a termelés modellek széles körében az smert termelés háromszög állapotváltozó: a lekötött készletsznt, az erőforrás-khasználás és a szállítókészség szükséges és elegendő mértékben meghatározza a termelés folyamat mnősítését [14] A szállítókészség javítására rányuló célfüggvényeket tovább bonthatjuk: határdőhöz kapcsolódó és határdőhöz nem kapcsolódó célfüggvényekre A határdőhöz kapcsolódó célfüggvények megfogalmazásához fgyelembe kell venn a következőket: Adottak a J (=1,,n) munkák Mnden egyes J munkához tartozk D határdő (a legkésőbb dőpont amkorra a munkának el kell készülne) és R legkorább ndítás dőpont (legkorább dőpont amkor a munka végrehajtása elkezdődhet) A munka tényleges ndítás dőpontját S vel, a tényleges befejezés dőpontját C -vel jelölve defnálható mnden munkához a: Határdőtől való eltérés: L = C D (2) Késés: T = max( 0, L ) (3) Kora befejezés: E = max( 0, L ) (4) Ezeket G függvényeknek tekntve, a leggyakrabban alkalmazott célfüggvények kfejezhetők a következő módon: Legnagyobb érték: γ = max( G ) (5) Összeg: G γ = (6) G Átlag: γ = n (7) Továbbá határdőhöz kapcsolódó fontos célfüggvény még a: Késő munkák száma: γ = { T > 0 (8) A munkák fontosságának kfejezésére w súlyokat lehet a munkákhoz hozzárendeln A célfüggvényekben ezek fgyelembe vehetők például a következő módon: Súlyozott maxmum: γ = max( w G ) (9) Súlyozott összeg: γ = w G (10) wg Súlyozott átlag: γ = n (11) A leggyakrabban használt nem határdőhöz kapcsolódó célfüggvények a következők: Legkésőbb befejezés dőpont: γ = max( C ) (12) Összes munka átfutás deje: γ = max( C ) mn( R ) (13) Mnden J munkára kszámítható a saját átfutás deje: Átfutás dő: F = ( C R ) (14) Ezt az F átfutás dőt behelyettesítve a (5) (6) (7) lletve a (9) (10) (11) kfejezésekbe újabb nem határdőhöz kapcsolódó célfüggvényeket kapunk A feladatosztály leírása jól mutatja az ütemezés feladatok sokszínűségét és erős modell függését 5 AZ ÜTEMEZÉSI FELADAT HEURISZTIKUS MEGOLDÁSA Az smertetett ütemezés feladat kombnatorkus tulajdonsága matt az NP teljes feladatosztályba tartozk Ezért az elmélet globáls optmum keresése helyett, olyan megoldás módszerekkel foglalkozunk, amelyek nagy méretű feladatok (pl 500 megrendelés, 3000 munka, 120 gép) esetén s elfogadható dőn belül megvalósítható ütemtervet állítanak elő, úgy hogy a választott célfüggvény értéke mnél közelebb legyen az optmumhoz 51 Megoldás koncepcó A lehető legtágabb értelmezés szernt mnden fzka palettát önálló absztrakt munkának tekntünk A feladat megoldása során lyen munkák kerülnek ütemezésre Nem használunk előre rögzített gyártás sorozatnagyságot A gyártás sorozatnagyságot az azonos beállítással készülő munkák száma adja meg A rendelés sorozatnagyság ennél nagyobb vagy ksebb s lehet Az ütemezés során az egyes gépeken kalakuló gyártás sorozatnagyság az egy munkaköteg, amely két egymást követő beállítás dőntervallum között azonos termékre vonatkozó rendelt munkák sorozata A köteg nagysága tehát dnamkusan változhat, megengedve a rendelés sorozat bontását és egyesítését A modellben feltételezzük, hogy az ütemezés előtt mnden munkához hozzárendelhető egy korlátozás, legkorább kezdés dőpont, amely a kezdő technológa lépés ndíthatóságának dőbel korlátozására vezet vssza a gyártás-szerelés komponensek rendelkezésre állását Az ütemezés alapegységének nem a technológa lépést, hanem a végrehajtás lépést tekntjük Bevezetjük a végrehajtás lépés fogalmát, amely alatt a technológa lépések olyan sorozatát kell érten, amely gépváltás nélkül elvégezhető Egy multfunkconáls gépsorhoz tartozó végrehajtás lépés több technológa lépést tartalmaz, míg egy hagyományos géphez tartozó csak egyet

4 A végrehajtás útvonal (művelet sorrendterv) fogalmát a végrehajtás lépések olyan sorozataként defnáljuk, amelyben az előforduló technológa lépések csak egyszeresen vannak lefedve, azaz a végrehajtás lépések közös része üres halmaz A végrehajtás lépések típusa alapján gépcsoportokat (géptípus osztályokat) defnálunk A gépcsoportokon belül különböző darabszámú és gyártás képességű gépek lehetnek Mvel a gépek nem mnden terméktípust képesek kezeln, így a gépcsoportok terméktípusonként (vagy terméktípus csoportonként) eltérőek Egy ütemterv elkészítésekor mnden egyes munkához: 1 hozzárendelünk egy megfelelő végrehajtás útvonalat, 2 hozzárendelünk egy megfelelő gépet a kválasztott útvonal mnden egyes végrehajtás lépésének megfelelő gépcsoportból, 3 meghatározzuk mnden hozzárendelt gépen a végrehajtás sorban elfoglalt pozícóját, 4 végül defnáljuk mnden hozzárendelt gépen a kezdés dőpontját és kszámítjuk az előzőek smeretében az dőadatat A munkák dőadatanak számítására és az ütemtervek kértékelésére gyors szmulácós eljárást használunk A szmulácó fgyelembe vesz az egyes gépek rendelkezésre állás dőntervallumat, az egyes gépeken az adott munkák sorrendje által meghatározott átállítás dőket, a munka-gép összerendelések alapján számítható megmunkálás dőket A munka aktuáls besorolása (korlátozások: dőablak, sorrend, erőforrás, útvonal) alapján smertté válk az egyes munkák gépenként ndítás dőpontja és a befejezés dőpontja Ezek felhasználásával végül a célfüggvények kértékelésére kerül sor A változó célokhoz való rugalmas alkalmazkodás úgy valósul meg, hogy előre defnálunk célfüggvényeket és ezek közül az ütemezés ndításakor kválasztható az aktuáls célfüggvény 52 Adatmodell A kdolgozott modell egyszerűsített vázának bemutatására a számítógép programozásban általánosan alkalmazott tömbök és struktúrák jelölésrendszerét használjuk A modellben ndexszelt tömböket használunk az adatelérés gyorsítása érdekében Ezekben a tömbökben a gyártás környezetre jellemző enttások (pl: megrendelések, munkák, gépek stb) ndexekkel vannak helyettesítve Ezek nem negatív egészszámok Az ndexek hvatkoznak az egyes objektumok vektorokban elfoglalt pozícójára Ezáltal lehetővé válk az, hogy egy adott tömb adott elemére történő hvatkozásban a tömb ndexe ugyanannak vagy egy másk tömbnek az egyk értéke legyen Az összetartozó értékeket a bázsvektorokban tárolt alapadatokra történő hvatkozások rendszere tartja össze Ennek előnye főként az, hogy egy tetszőleges elemből kndulva az ndexelés szabályok betartásával mnden egyes vele kapcsolatban álló elem közvetlenül, keresés nélkül elérhető A tömbök elemere történő hvatkozás általános formalzmusa a következő: TÖMB_NÉV[INDEX] TÖMB_NÉV[SOR_INDEX][OSZLOP_INDEX] TÖMB_NÉV[DIM_1_INDEX][DIM_2_INDEX] [] [DIM_N_INDEX] Olyan esetekben, amkor a tömb eleme mezőkből felépülő struktúrák (összetett adatszerkezetek), az egyes mezőkre a pont operátor és a mezőnév együttes használatával lehet hvatkozn: TÖMB_NÉV[INDEX]MEZŐ_NÉV TÖMB_NÉV[SOR_INDEX][OSZLOP_INDEX]MEZŐ_NÉV TÖMB_NÉV[DIM_1_INDEX] [] [DIM_N_INDEX] MEZŐ_NÉV A struktúrák mező között tömbök s szerepelhetnek: TÖMB_NÉV[INDEX_1]MEZŐ_NÉV[INDEX_2] [INDEX_3] Egy soronként eltérő elemszámú kétdmenzós tömb általános szerkezetét az 1 ábra szemléltet Ilyen szerkezeteket használunk két különböző (NÉV1 és NÉV2) tömb elemenek összerendelésére, ahol a NÉV1 az alap tömböt, NÉV2 pedg a hozzákapcsolt tömböt jelent 1 K NÉV1_NÉV2 NÉV1 [1] NÉV1 [K] 0 1 N1 N1 NÉV2 [x] 1 ábra: Kapcsolótömb általános szerkezete A bemutatott formalzmus használatával az ütemezés modell enttása a következőképpen írhatók le: A gyártható terméktípusok p (p = 1,, N P ) A termékek alap attrbútuma a következők: P[p]BOM a termék darabjegyzék-azonosítója A lehetséges komponens beépülés kombnácók adottak egy anyagjegyzékben, amelyben ÉS logka operátorok továbbá VAGY logka operátorok kapcsolják össze a komponenseket P[p]EXE a termék gyártás folyamatának azonosítója A termékek legyártásához kötött sorrendű technológa lépéseket ts (ts =1,, 4) kell végrehajtan A különböző termékek előállításához a teljes technológa lépéssorozatot vagy annak egy összefüggő részsorozatát kell végrehajtan (2 ábra) P[p]S a termék gyártásakor előírt gépbeállítás-típus azonosítója A különböző termékek előállításához a gépeket megfelelő módon elő kell készíten a munkák végrehajtása érdekében Ez az azonosító az egyes beállítás operácókat és az előírt paraméterértékeket azonosítja P[p]Q legksebb gyártható darabszám (paletta mérete) A gyártórendszerben paletták mozoghatnak A paletták mérete előre megadott, amely termékfüggő darabszámot jelent 0 1 NK NK NÉV2 [u] NÉV2 [v] Hvatkozás egy adott elem értékére: NÉV1_NÉV2[SOR_INDEX][OSZLOP_INDEX] SOR_INDEX = (1,, K) OSZLOP_INDEX = (0,, NÉV1_NÉV2[SOR_INDEX][0]) NÉV2 [y]

5 Technológa lépések kezdő-befejező TS1 TS2 TS3 TS4 TS1-TS1 EXE1 TS2-TS2 EXE 2 TS3-TS3 EXE 3 TS4-TS4 EXE 4 TS1-TS2 EXE 5 TS2-TS3 EXE 6 TS3-TS4 EXE 7 TS1-TS3 EXE 8 TS3-TS4 EXE 9 TS1-TS4 EXE 10 2 ábra: Gyártás folyamat azonosítók A rendelés állomány belső rendeléseket o (o = 1,, N O ) tartalmaz A rendelések alap attrbútuma a következők: O[o]P a gyártandó terméktípus azonosítója O[o]NP a megrendelt darabszám O[o]CET az előírt legkésőbb befejezés dőpont Mnden egyes o rendelést munkákra bontunk, ahol a munkák számát a rendelt mennység és a paletták termékfüggő mérete együttesen határozza meg A rendelésekhez tovább származtatott attrbútumok rendelhetők: O[o]CST a legkorább kezdés dőpont (a komponensek rendelkezésre állása alapján) O[o]NJ a rendeléshez tartozó munkák száma O[o]FJ a rendeléshez tartozó legksebb sorszámú munka azonosítója Mnden palettát önálló munkának tekntünk, ezek az ( = 1,, N J ) munkák kerülnek ütemezésre A munkák legfontosabb attrbútuma: J[]OID a megrendelés azonosítója A munkákhoz kapcsolódó egyéb adatok hvatkozással elérhetők A műhelyben lévő gépek (gépsorok) m (m=1,, N M ) a következő tulajdonságokkal jellemezhetők: M[m]PR[p] (p= 1,, N P ) termékfüggő gyártás sebességek (dőegység alatt megmunkálható p típusú termékek száma az m gépen) M[m]ST[p1][p2] (p1 = 1,, N P ; p2 = 1,, N P ) terméksorrendtől függő átállás dők (az m gép átállításának deje p1 terméktípus gyártásáról p2 terméktípus gyártására) M[m]NCAL az m géphez tartozó rendelkezésre állás dőntervallumok aktuáls száma M[m]CAL[c] (c = 1,,M[m]NCAL) az m géphez tartozó rendelkezésre állás dőntervallumok sorozata, ahol: M[m]CAL[c]ST a c-edk ntervallum kezdete, M[m]CAL[c]ET a c-edk ntervallum vége A gépek csak a megadott dőntervallumakon belül dolgozhatnak M[m]ES az m gép műveletvégző képességét kfejező végrehajtás lépés típusa A gépek között vannak olyanok, amelyek csak egy, és vannak olyanok s, amelyek több egymást követő technológa lépést képesek elvégezn (3 ábra) TS1 TS2 TS3 TS4 MG1 MG5 MG8 MG10 MG2 MG6 MG9 TECHNOLÓGIAI LÉPÉS GÉPCSOPORT TS MG MG3 MG7 MG4 TERMÉK 1 TERMÉK P 3 ábra: Kterjesztett rugalmas Flow Shop modell Az összes technológa lépést tartalmazó sorozat olyan összefüggő részsorozatát, amely gépváltás nélkül végrehajtható mnt önálló egységet végrehajtás lépésként (es = 1,, 10) kezeljük Négy technológa lépés esetén tíz végrehajtás lépés különböztethető meg A végrehajtás lépések alapján gépcsoportokat mg (mg = 1,, 10) defnálunk (3 ábra) A csoportokon belül különböző darabszámú és gyártás képességű gépek lehetnek Ezeket az összerendeléseket egy kapcsolótömbben MG_M rögzítjük (1ábra: NÉV1 = MG, NÉV2 = M) Mvel a gépek nem mnden terméktípust képesek kezeln (az m gép p terméktípusra vonatkozó gyártás sebessége nulla s lehet: M[m]PR[p] = 0), így a gépcsoportok terméktípusonként eltérő összetételűek lehetnek Ezeket a csoportosításokat a P_MG_M[p][mg][am] kapcsolótömb írja le Ahol: p =1,, N P ; a termékek, mg =1,, 10; a gépcsoportok, am = 1,, P_MG_M[p][mg][0]; a p termék szempontjából az mg gépcsoporthoz tartozó gépek A munkákat végrehajtás útvonalakon mozgatjuk Egy útvonal a végrehajtás lépéseket realzáló gépcsoportok olyan sorozatát fogja egységbe, amelyben az előforduló technológa lépések csak egyszeresen vannak lefedve, azaz a végrehajtás lépések közös része üres halmaz (4 ábra) Mnden végrehajtás útvonalat r (r = 1,,26) a hozzá tartozó gépcsoportokkal együtt az R_MG kapcsolótömbben defnálunk (3 ábra: NÉV1 = R, NÉV2 = MG)

6 A különböző p típusú termékek és azok gyártása során megengedett r végrehajtás útvonalak összerendelése egy P_R kapcsolótömbben leírható (3 ábra: NÉV1 = P, NÉV2 = R) fgyelembe véve a gépek képességet és a termékek gyártás folyamatának végrehajtás-típusat Gépcsoportok Végrehajtás útvonalak TS1 TS2 TS3 TS4 R1 MG1 MG2 MG3 MG4 R2 MG1 MG2 MG7 R3 MG1 MG6 MG4 EXE10 R4 MG1 MG9 R5 MG5 MG3 MG4 R6 MG5 MG7 R7 MG8 MG4 EXE8 EXE9 EXE5 EXE6 EXE7 R8 MG10 R9 MG1 MG2 MG3 R10 MG1 MG6 R11 MG5 MG3 R12 MG8 R13 MG2 MG3 MG4 R14 MG2 MG7 R15 MG6 MG4 R16 MG9 R17 MG1 MG2 R18 MG5 R19 MG2 MG3 R20 MG6 R21 MG3 MG4 R22 EXE1 R23 MG1 EXE2 R24 MG2 EXE3 R25 MG3 MG7 EXE4 R26 MG4 4 ábra: Végrehajtás útvonalak Az elkészítendő új ütemterv szempontjából a gépeknek már meglévő terhelését (amelyeket az utolsó érvényben lévő ütemterv határoz meg) az M_ENGAGED[m] (m = 1,, N M ) tömbben tároljuk Ebből kolvasható az egyes gépek felszabadulásának dőpontja Ez a megoldás az ütemtervek egymáshoz csatolására alkalmas (a beütemezett munkák zárolásának kérdését a ckkben nem részletezzük) Az elkészített ütemtervet annak érdekében, hogy mnden részlete ndexelhető legyen három tömbben tároljuk Ezek a következők: 1 A J_A kapcsolótömb mutatja a munkákhoz hozzárendelt útvonalakat az érntett konkrét gépekkel együtt a következő módon: J_A[][am] Ahol: jelent a munkát ( = 1,, N J ), J_A[][0] jelent az munkához hozzárendelt útvonalat, R_MG[J_A[][0]][0] jelent az útvonal bejárása során érntett gépek számát, J_A[][am] (am=1,, R_MG[J_A[][0]][0]) jelent az munka am-edk végrehajtás lépéséhez rendelt gépet Munka J_A 1 2 NJ Végrehajtás útvonal Hvatkozás példa az munkához rendelt befejező gépre: J_A[][R_MG[J_A[][0]][0] Munka: = 1 Útvonal: J_A[1][0] = 2 Gépek száma: R_MG[2][0] = 3 Az útvonal utolsó gépe: J A[1][3] = 13 5 ábra: A J_A kapcsolótömb felépítése 2 Az M_WLOAD kapcsolótömb mutatja a munkák sorrendjét az egyes gépeken a következő módon: M_WLOAD[m][a] Ahol: m (m= 1,,N M ) jelent a gépet, M_WLOAD[m][0] jelent a munkák számát az m gépen, M_WLOAD[m][a] (a = 1,, M_WLOAD[m][0]) jelent az m gép munkasorozatának a-edk munkáját (3 ábra: NÉV1 = M, NÉV2 = J) 3 Az M_STET tömb tárolja az M_WLOAD tömb munkának dőadatat a következő módon: M_STET[m][a]ST jelent a kezdés dőpontot, M_STET[m][a]SetT jelent az átállás dőtartamát, M_STET[m][a]ProcT jelent a műveletvégzés dőtartamát, M_STET[m][a]ET jelent a befejezés dőpontot A bemutatott adatmodell fontos tulajdonsága, hogy nput adata feltölthetők a termelésnformatka rendszerekben jellemzően tárolt alapadatokból 53 Szmulácós modell A gyártás folyamatot egy szabályalapú számítás eljárással szmuláljuk, amelynek során az összerendelt munka-gép párosok dőadatat értékeljük k (M_STET) A szmulácó során feltételezzük, hogy a gépek között korlátlan méretű átmenet tárolók állnak rendelkezésre és a gépek között tranzakcós dők elhanyagolhatók (A szmulácó továbbfejlesztésével könnyedén elérhető a különböző átmenet tárolás stratégák használata és tranzakcós dők defnálásával a gépek között anyagmozgatás dők fgyelembe vétele s) A számítás folyamat a J_A kapcsolótömb és az M_WLOAD kapcsolótömb adataból ndul k A számítás folyamat végrehajtásához defnáljuk a számítás lépések olyan sorrendjét, amely fgyelembe vesz a következőket: 19 Az útvonal utolsó gépe 8

7 Egy adott munkának egy adott m közbenső géphez tartozó dőadatanak számításához szükséges többek között az munka előző géphez tartozó befejezés dőpontjának smerete és az m gép előző munkájának befejezés dőpontja s A gyártás környezet tartalmaz útvonal csatlakozásokat és szétválásokat (csomópontok), ezért egy adott m gépre több azonos típusú és különböző típusú gépről s érkezhetnek munkák Ezeknek megfelelően a gépcsoportok között sorrend korlátozásokat fogalmazunk meg A korlátozások leírhatók egy egyszerű (körútmentes) rányított gráffal, amelyben a csúcspontok jelentk a gépcsoportokat és az rányított élek mutatják a kötelező sorrendet a befejezés dőpontja az előző munkának az m gépen (M_STET[m][a-1]ET), az munkához tartozó átállás dő az m gépen (M[m]ST[pprev][O[J[]OID]P]) az m gép felszabadulásának dőpontja az előző ütemterv terhelése alól (M_ENGAGED[m]), és az m gépnek a rendelkezésre állás dőntervalluma M[m]CAL[c] (c = 1,, M[m]NCAL) pr = pr - 1; Start pr = 10; pr > 0 mg = Pr_MG[1][pr]; j = 1; OBJ_VALUE = Calc_Obj(M_STET); Stop 0 MG1 1 MG2 2 MG3 3 MG4 j < = MG_M[mg][0] j = j + 1; 0 MG5 1 MG6 0 MG8 1 MG9 0 MG10 2 MG7 6 ábra: Gépcsoportok kapcsolódása Mnden egyes gépcsoporthoz hozzárendeljük a saját befokát (6 ábra) A befok az adott gépcsoportba érkező élek megengedett legnagyobb számát jelent A gépcsoportok keresett sorrendjét úgy kapjuk meg, hogy a befokok növekvő sorrendjének megfelelően rendezzük a gépcsoportokat Az azonos befokú gépcsoportok között a tovább sorrendet a gépcsoportokra jellemző végrehajtás lépések határozzák meg úgy, hogy a több technológa lépés megvalósítására képes gépcsoport lesz a magasabb prortású A gépcsoportokhoz rendelt prortásokat a PRI_MG tömb tartalmazza a következő formában: Prortás: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10 Gépcsoport: {4, 3, 7, 2, 6, 9, 1, 5, 8, 10 A szmulácó fontosabb lépése a 7 ábrán láthatók A számítás folyamatban a prortások nem növekvő sorrendjében vesszük sorra a gépcsoportokat Az adott gépcsoporthoz tartozó összes gépen (párhuzamos gépek) az M_WLOAD tömb által meghatározott sorrendben kszámításra kerülnek a munkákhoz tartozó dőadatok (ST, SetT, ProcT, ET) Az eredmények bekerülnek az M_STET tömbbe A számításban meghatározó szerepet kapnak a műveletkezdés dőpontok Az munka kezdés dőpontját a hozzárendelt m gépen a következő értékek együttesen határozzák meg: a legkorább kezdés dőpontja az munkának (O[J[]OID]CST), a befejezés dőpontja az munkának az előző gépen (M_STET[prev_m][_on_prev_m]ET), Blokk1 a = a + 1; a = = 1 m = MG_M[mg][j]; a = 1; a < = M_WLOAD[m][0] = M_WLOAD[m][a]; Blokk2 J_A[][1] = = m prev_m = get_pm(); _on_prev_m = get_pm(); Blokk3 a = = 1 Blokk4 7 ábra: A szmulácó folyamatábrája A szmulácó alapvetően kétféle működés módot támogat: 1 Független átállások megengedettek: Ez azt jelent, hogy egy adott munka adott gépre érkezése előtt elkezdhető a gép átállítása az adott munka végrehajtásához (pl: 8 ábra e2, e3) 2 Független átállások nem megengedettek: Ez azt jelent, hogy a gépek átállítása csak akkor kezdhető el, amkor az adott munka már a gépre megérkezett Mndkét működés mód esetében az m gépen az munka a sorszámának és az m gépnek az munka útvonalához tartozó sorszámának fgyelembe vételével négy esetet különböztetünk meg (7 ábra: Blokk1, Blokk2, Blokk3, Blokk4) A független átállások engedélyezése (1 működés mód) esetén ezek a következők: Blokk1: az munka útvonalának első gépe az m, és az m gép első munkája az o = J[]OID; pact = O[o]P; M_STET[m][a]SetT = max_all_p( M[m]ST[p][pact] ); M_STET[m][a]ST = max( O[o]CST, M_ENGAGED[m] ); M_STET[m][a]ProcT= P[pact]Q / M[m]PR[pact]; M_STET[m][a]ET = M_STET[m][a]ST + M_STET[m][a]SetT + M_STET[m][a]ProcT; Load_STET_to_CAL( M_STET[m][a]ST, M_STET[m][a]ET, 0, m);

8 Blokk2: az munka útvonalának első gépe m, az m gépnek egy közbenső munkája az o = J[]OID; pact = O[o]P; pprev = O[J[M_WLOAD[m][a-1]]OID]P M_STET[m][a]SetT = M[m]ST[pprev] [pact]; M_STET[m][a]ST = max( M_STET[m][a-1]ET, O[o]CST ); M_STET[m][a]ProcT = P[pact]Q / M[m]PR[pact]); M_STET[m][a]ET = M_STET[m][a]ST + M_STET[m][a]SetT + M_STET[m][a]ProcT; Load_STET_to_CAL( M_STET[m][a]ST, M_STET[m][a]ET, M_ STET [m][a-1]et, m); Blokk3: az munka útvonalának egy közbenső gépe az m, az m gépen az első munka az o = J[]OID; pact = O[o]P; M_STET[m][a]SetT = max_all_p( M[m]ST[p][pact] ); M_STET[m][a]ST = max( M_STET[prev_m][_on_prev_m]ET M_STET[m][a]SetT, M_ENGAGED[m] ); M_STET[m][a]ProcT = P[pact]Q / M[m]PR[pact]; M_STET[m][a]ET = M_STET[m][a]ST + M_STET[m][a]SetT + M_STET[m][a]ProcT; Load_STET_to_CAL( M_STET[m][a]ST, M_STET[m][a]ET, 0, m); Blokk4: az munka útvonalának egy közbenső gépe az m, az m gépnek egy közbenső munkája az o = J[]OID; pact = O[o]P; pprev = O[J[M_WLOAD[m][a-1]]OID]P M_STET[m][a]SetT = M[m]ST[pprev] [pact]; f ( M_STET[prev_m][_on_prev_m]ET <= M_STET[m][a -1]ET) M_STET[m][a]ST = M_STET[m][a -1]ET; else M_STET[m][a]ST = max( M_STET[prev_m][_on_prev_m]ET M_STET[m][a]SetT, M_STET[m][a -1]ET); M_STET[m][a]ProcT = P[pact]Q / M[m]PR[pact]); M_STET[m][a]ET = M_STET[m][a]ST + M_STET[m][a]SetT + M_STET[m][a]ProcT; Load_STET_to_CAL( M_STET[m][a]ST, M_STET[m][a]ET, M_ STET [m][a-1]et, m); A Blokk4 működését bemutató példák a 8 ábrán láthatók A vázolt Gantt dagramon az e1, e2, e3, e4, e5 szmbólumokkal jelölt események a munkák átvtelét jelentk a hozzárendelt előző gépről az aktuáls gépre gép Mx My Mu Mv // setup e1 Gantt dagramm setup e2 e4 setup 8 ábra: A Blokk4 működése e3 e5 dő A kemelt példákon jól megfgyelhető, hogy az e1 esetben az adott gép előző munkájának befejezés deje a meghatározó, ezután következhet a gép átállítása és a munka elndítása e2 esetben az előző munka befejezés dőpontja ksebb, mnt az aktuáls munka befejezés dőpontja az előző gépen, így ennek a különbségnek az értékével korábban kezdődhet a gép átállítása a munka tényleges megérkezése előtt e3 esetben az előző munka befejezés dőpontja jóval ksebb, mnt az aktuáls munka befejezés dőpontja az előző gépen, ezért a gép átállítása a teljes átállítás dővel korábbra tehető, így az befejeződk a munka megérkezésének dőpontjág e4 esetben az előző munka befejezés dőpontja a meghatározó, továbbá azonos terméktípusú munkák követk egymást ezért nncs szükség átállításra, e5 esetben sem szükséges átállítás és a munka előző gépről érkezése domnál A Load_STET_to_CAL eljárás végz az munka kezdés és befejezés dőpontjanak az m gép rendelkezésre állás dőntervallumahoz való llesztését, fgyelembe véve a gép utolsó terhelésének befejezés dőpontját Ennek során, az munka által képvselt fx méretű terhelést (dőablakot) az m gép első (vagys legkorábban kezdődő) megfelelő méretű szabad dőntervallumára balra llesztve helyez el A szmulácó lefutásának eredménye az egyes munkák dőadata, amelyek az M_STET tömbben találhatók Ezek felhasználásával az ütemtervet jellemző célfüggvények (4 fejezet) értéke számíthatók, amelyek az OBJ_VALUE tömbben érhetők el 54 Heursztkus ütemező algortmus Többféle heursztkus megoldás módszert fejlesztettünk k A végrehajtás útvonal és gépek munkákhoz való rendelésének, valamnt a munkák gépenként sorrendjének meghatározása alapján két csoportba sorolhatók az algortmusok Az első csoportba tartoznak a felépítő jellegű heursztkák Ezek a korábban ütemezett és nem módosítható hozzárendelésektől eltekntve üres ütemtervből kndulva, a kválasztott soron következő ütemezendő munkához tartozó útvonalra, gépre és sorrendre vonatkozó döntéseket heursztkus szabályok és szmulácós kértékelés alapján hozzák meg A másodk csoportba tartoznak az teratív javításon alapuló heursztkák Ezeknél a módszereknél egy kezdet megvalósítható ütemtervből kndulva megengedett módosítások és szmulácós kértékelések terálásával alakul k a választott célfüggvénynek jobban megfelelő ütemterv A továbbakban egy lokáls keresés technkán alapuló algortmuson keresztül mutatjuk be az

9 ütemezés feladat megoldásának menetét, felhasználva az 52 és az 53 fejezetben leírtakat Heursztkus kereső eljárás tabulstával: Sch_alg { So = ncalzal( ); Sm = So; TS = 0; for( l = 1; l <= L ; l++ ) { for ( k = 1; k < K; k++ ) { S = Sm; = 1 + random( NJ ); S = kvesz( ); S = random_beszur( ); v = random( V ); for ( p = 1; p < v; p++ ) { m = 1 + random( NM ); h = random( H ); S = random_permutal( h, m ); f ( Nem_eleme_a_tabulstanak( S ) ) { TL_elejere_beszur( S ); f ( TL_elemnek_szama > E ) { TL_utolso_elemet_torl( ); f = szmulaco( S ); f ( k == 1 ) { fk = f; Sk = S; else { f ( fk > f ) { fk = f; Sk = S; //k Sm = Sk; f ( l == 1 ) { fl = fk; Sl = Sk; else { f ( fk < fl ) { fl = fk; Sl = Sk; //l return Sl; A modellben szereplő korlátozások közül a munkákhoz rendelt befejezés határdőket puha (megsérthető) korlátozásnak tekntjük, a célfüggvényekben vesszük fgyelembe azokat Mnden más korlátozást kemény (nem megsérthető korlátozásnak) tekntünk A keresés folyamat során egy kezdet ütemtervből kndulva megengedett módosítások smételt végrehajtásával alakul k a végső ütemterv A kndulás ütemterv eleme a megfelelő tömbökből egyenletes valószínűséggel kválasztott értékekkel vannak ncalzálva A módosító operátor alapvetően kétféle változtatást dézhet elő az ütemtervben: 1 Egy kválasztott munkát kemel az ütemtervből, majd a hozzárendelt útvonalat és gépeket megváltoztatva újra beszúrja azt az ütemtervbe 2 Egy kválasztott gépen a munkák sorrendjét megváltoztatja Egy közbenső lépés során az algortmus bzonyos számú (K) kterjesztett ütemtervet készít a módosító operátor alkalmazásával Ha egy kterjesztett ütemterv szerepel a tabulstán, akkor azt nem értékel k, fgyelmen kívül hagyja Ha egy kterjesztett ütemterv nem szerepel a tabulstán, akkor felkerül a lstára és a legkorábban felvett lstaelem törlődk A szmulácós kértékelést követően, ha a célfüggvénynek a kterjesztett ütemtervre vonatkozó értéke jobb, mnt az adott kterjesztés legjobb értéke, akkor megjegyzésre kerül A kterjesztés legjobb ütemterve lesz a következő lépés kterjesztésének a kndulás bázsa Továbbá, ha ez az érték jobb, mnt a keresés során megtalált legjobb érték akkor ez kerül megjegyzésre Az algortmus leírása során használt azonosítók jelentése a következő: Paraméterek: NJ: A munkák száma NM: A gépek száma E: A Tabulsta maxmáls mérete L: A lépések száma K: Egy lépéssel elérhető szomszédos ütemtervek száma V: Egy adott módosítás során a munkasorrendek változtatásának maxmáls száma H: A permutácó cklusának maxmáls hossza Változók: S: egy megvalósítható ütemterv (megoldás) Az M_WLOAD és a J_A kapcsolótömbök együttesét jelent So: Egy kezdet megoldás, amelynek eleme a megfelelő tömbökből egyenletes valószínűséggel kválasztott értékekkel vannak ncalzálva Sm: Az aktuáls lépés kndulás megoldása, (elmentett megoldás) Sk: A legjobb megoldása az aktuáls kterjesztésnek Sl: A lépések során megtalált legjobb megoldás TL: Tabulsta, amely tltott, korábban már kértékelt megoldásokat tartalmaz dőrend sorrendben f: A célfüggvény S megoldásra vonatkozó értéke fk: A célfüggvény Sk megoldásra vonatkozó értéke fl: A célfüggvény Sl megoldásra vonatkozó értéke : Egy kválasztott munka m: Egy kválasztott gép l: A lépésekhez tartozó cklusváltozó k: A kterjesztésekhez tartozó cklusváltozó v: Az aktuáls permutácók száma p: A permutácókhoz tartozó cklusváltozó h: A permutácó cklusának aktuáls hossza Az smertetett alapalgortmus tovább jelen ckkben nem részletezett bővítő elemeket s tartalmaz Ezek lehetővé teszk az algortmus leállás feltételének összetettebb megfogalmazását (pl: a legjobb érték adott számú lépésben nem javul, a futás dő elér egy megadott korlátot) Továbbá, lehetőséget bztosítanak a keresés paraméterek futás közben történő változtatására (E, K, V, H, L), ezáltal különböző vezérlés stratégák alkalmazását teszk lehetővé

10 6 FUTÁSI EREDMÉNYEK A bemutatott adatmodellt és algortmusokat Borland C++ Bulder 5 fejlesztőrendszerben mplementáltuk Az elvégzett tesztelések közben azt tapasztaltuk, hogy a futás dő alakulását alapvetően befolyásolja a feladat mérete Mnél több munka és gép szerepel a feladatban annál több dőbe telk egyetlen ütemterv kértékelése Ennek az dőtartamnak és a feladat megoldására rendelkezésre álló dőtartamnak az smeretében könnyen megbecsülhető a keresés során kértékelhető ütemtervek maxmáls száma A futás dő szempontjából tovább fontos befolyásoló tényező a feladat nehézség foka Egy feladat nehézség foka annál magasabb, mnél nehezebb az összes kemény korlátozást kelégítve javítan a célfüggvény értékét Erre próbafuttatással kaphatunk becslést Ezeket a becsléseket kndulásként felhasználva, valamnt a keresés paraméterek futás közben történő megfelelő szabályozásával alakítható k a hatékony keresés stratéga Az ütemezés feladat jellemző méretenek és az alkalmazott keresés paramétereknek a futás dőre gyakorolt együttes hatása magas nehézség fokú feladatok esetén az 1 táblázatban látható (Tesztkörnyezet: Intel Pentum 4 2,8 GHz CPU, 512MB DDR333 SDRAM, Mcrosoft Wndows XP OS) 1 táblázat Futás dők NO NJ NM L K Futás dő s mn 9 s mn 35 s Az 1 táblázatban az egyes szmbólumok jelentése a következő: NO a megrendelések száma, NJ a munkák száma, NM a gépek száma, L a lépések száma, K a vzsgált szomszédos ütemtervek száma 10 ábra: A késő munkák számának változása a 3 feladat megoldása közben Ezekben a leegyszerűsített keresés feladatokban az L és K konstansok, a kválasztott célfüggvény pedg a késő munkák száma (8) A késő munkák számának változása a megtett lépések számának függvényében a 9 és 10 ábrákon látható Az eddg elvégzett vzsgálatok gazolták, hogy a javasolt megoldás módszer nagyméretű feladatok esetében s hatékonyan alkalmazható Rugalmasan alkalmazkodk a kválasztott célfüggvényhez és kvárható dőn belül szolgáltatja az eredményt Tovább hatékonyság vzsgálatokat jelenleg s végzünk a kdolgozott algortmusok értékelése és továbbfejlesztése érdekében 7 ÖSSZEFOGLALÁS A ckkben az gény szernt tömeggyártás műhelyszntű ütemezés feladataval foglalkoztunk Az erőforrások allokálásának és a munkák ütemezésének modellezésére egy új kterjesztett rugalmas Flow Shop ütemezés modellt vezettünk be Az alternatív útvonalak, korlátozottan rendelkezésre álló párhuzamos gépek, sorrendfüggő átállás dők, terméktől függő termelés sebességek valamnt határdős munkák együttes fgyelembevételével valós gyártás környezethez alkalmazkodó ütemezés koncepcó kdolgozására helyeztük a hangsúlyt Ismertettünk egy heursztkus megoldás módszert, amely lokáls keresés technkát valamnt ndexelt adatmodellen alapuló gyors kértékelést kombnál KÖSZÖNETNYILVÁNÍTÁS 9 ábra: A késő munkák számának változása az 1 feladat megoldása közben A szerző ezúton mond köszönetet a kutatás és fejlesztés munka támogatásáért a Magyar Tudományos Akadéma Termelésnformatka Kutatóhelyének (alapítva a Mskolc Egyetem Alkalmazott Informatka Tanszékén, Grant No MTA TKI 06108) Az smertetett eredmények a VITAL nevű projekthez (Nemzet Kutatás és Technológa Hvatal, Grant No: 2/010/2004) kapcsolódó kutatás munkák során születtek

11 IRODALOM [1] ACERO-DOMINGUEZ M J, PATERNINA-ARBOLEDA C D, 2004, Schedulng Jobs on a K-Stage Flexble Flow Shop Usng a TOC- (Bottleneck) Procedure, Proceedngs of the 2004 Systems and Informaton Engneerng Desgn Symposum [2] BARKMEYER E, DENNO P, FENG S, JONES A, WALLACE E, 1999, NIST Response to MES Request for Informaton, NISTIR 6397, Natonal Insttute of Standards and Technology: pp [3] BRUCKER P, 1998, Schedulng Algorthms, Sprnger-Verlag, Berln [4] BAUER A, BOWDEN R, BROWNE J, DUGGAN J, LYONS G, 1991, Shop Floor Control Systems From desgn to mplementaton, Chapman &Hall, UK [5] YAMADA T, 2003, Studes on Metaheurstcs for Jobshop and Flowshop Schedulng Problems, PhD Thess, Kyoto Unversty, Japan [6] KULCSÁR GY, ERDÉLYI F, 2005, Producton Goals and Heurstc Methods n Extended Flexble Flow Shop Schedulng Problems, Forum of PhD Students, Mskolc, Hungary pp [7] KULCSÁR GY, HORNYÁK O, ERDÉLYI F, 2005, Shop Floor Decson Supportng and MES Functons n Customzed Mass Producton, Conference on Manufacturng Systems Development - Industry Expectatons, Wroclaw, Poland, pp [8] KURNAZ A, COHN Y, KOREN Y, 2005, A Framework for Evaluatng Producton Polces to Improve Customer Responsveness, CIRP Annals, Volume 54/1, pp [9] LINN R, ZHANG W, 1999, Hybrd Flow Shop Schedulng: A Survey, Computers and Industral Engneerng, 37, pp [10] MCKAY K N, WIERS V C 1999, Unfyng the Theory and Practce of Producton Schedulng, Journal of Manufacturng Systems, Vol 18, No 4, pp [11] MCCLELLAN M, 1997, Applyng Manufacturng Systems, St Luce Press, Florda [12] TÓTH T, ERDÉLYI F, 2004, Research and Development (R&D) Requrements for Up-to-date Producton Plannng & Schedulng (PPS) Systems, The Eleventh Internatonal Conference on Machne Desgn and Producton, pp 13 15, Antalya, Turkey [13] TÓTH T, ERDÉLYI F, 1997, The Role of Optmzaton and Robustness n Plannng and Control of Dscrete Manufacturng Processes, Proceedngs of the 2nd World Congress on Intellgent Manufacturng Processes & Systems, Budapest, Hungary, pp [14] TÓTH T, 2004, Termelés rendszerek és folyamatok, Egyetem tankönyv, Mskolc Egyetem Kadó, Mskolc [15] TÓTH T, 1998, Tervezés elvek, modellek és módszerek a számítógéppel ntegrált gyártásban, Egyetem tankönyv Mskolc Egyetem Kadó, Mskolc [16] TÓTH T, 1994, Heursztkus módszerek termelésprogramozás feladatok megoldására, Oktatás segédlet, Mskolc Egyetem, Mskolc [17] TAILLARD E, 1990, Some Effcent Heurstc Methods for the Flow Shop Sequencng Problem, European Journal of Operatonal Research, 47, (1) pp [18] ZWEBEN M, FOX M S, 1994, Intellgent Schedulng, Morgan Kaufmann Publshng, San Francsco [19] SAUER J, 2006, Modelng and solvng mult-ste schedulng problems, Book secton n: van WEZEL W, JORNA R, MEYSTEL A, Plannng n Intellgent Systems: Aspects, Motvatons and Methods, pp , Wley [20] VÍZVÁRI B, 2004, Ütemezés elmélet, 9 fejezet az IVÁNYI A (szerk), Informatka algortmusok, , ELTE Eötvös Kadó

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Mskolc Egyetem Gépészmérnök és Informatka Kar Informatka Intézet Alkalmazott Informatka Intézet Tanszék 2017/18 2. félév 4. Előadás Dr. Kulcsár Gyula egyetem docens EFFS Prod Sch termelésprogramozó szoftver

Részletesebben

AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK EGY HIBRID MEGOLDÁSI MÓDSZERE

AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK EGY HIBRID MEGOLDÁSI MÓDSZERE AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK EGY HIBRID MEGOLDÁSI MÓDSZERE Kulcsár Gyula egyetemi tanársegéd Miskolci Egyetem, Informatikai Intézet, Alkalmazott Informatikai Tanszék Abstract.

Részletesebben

AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK HEURISZTIKUS MEGOLDÁSI MÓDSZERE

AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK HEURISZTIKUS MEGOLDÁSI MÓDSZERE AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK HEURISZTIKUS MEGOLDÁSI MÓDSZERE Kulcsár Gyula egyetemi tanársegéd Miskolci Egyetem, Informatikai Intézet, Alkalmazott Informatikai Tanszék A cikkben

Részletesebben

Ellenőrző kérdések és lényegre törő válaszok az ütemezési feladatok osztályozása témakörből :

Ellenőrző kérdések és lényegre törő válaszok az ütemezési feladatok osztályozása témakörből : Termeléstervezés és vállalatrányítás Ellenőrző kérdések és lényegre törő válaszok az ütemezés feladatok osztályozása témakörből : 1 Ismertesse az ütemezés feladatok háromelemes osztályozásának alapvető

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Hatvany József Informatikai Tudományok Doktori Iskola

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Hatvany József Informatikai Tudományok Doktori Iskola Miskolci Egyetem Gépészmérnöki és Informatikai Kar Hatvany József Informatikai Tudományok Doktori Iskola ÜTEMEZÉSI MODELL ÉS HEURISZTIKUS MÓDSZEREK AZ IGÉNYSZERINTI TÖMEGGYÁRTÁS FINOMPROGRAMOZÁSÁNAK TÁMOGATÁSÁRA

Részletesebben

MŰSZAKI TUDOMÁNYI DOKTORI ISKOLA. Napkollektorok üzemi jellemzőinek modellezése

MŰSZAKI TUDOMÁNYI DOKTORI ISKOLA. Napkollektorok üzemi jellemzőinek modellezése MŰSZAKI TUDOMÁNYI DOKTORI ISKOLA Napkollektorok üzem jellemzőnek modellezése Doktor (PhD) értekezés tézse Péter Szabó István Gödöllő 015 A doktor skola megnevezése: Műszak Tudomány Doktor Iskola tudományága:

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom 1. Párhuzamosan

Részletesebben

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció Közlekedés létesítmények élettartamra vonatkozó hatékonyság vzsgálat módszerenek fejlesztése PhD Dsszertácó Budapest, 2006 Alulírott kjelentem, hogy ezt a doktor értekezést magam készítettem, és abban

Részletesebben

Periodikus figyelésű készletezési modell megoldása általános feltételek mellett

Periodikus figyelésű készletezési modell megoldása általános feltételek mellett Tanulmánytár Ellátás/elosztás logsztka BME OMIKK LOGISZTIKA 9. k. 4. sz. 2004. júlus augusztus. p. 47 52. Tanulmánytár Ellátás/elosztás logsztka Perodkus fgyelésű készletezés modell megoldása általános

Részletesebben

Forgácsolási paraméterek mûvelet szintû optimalizálása

Forgácsolási paraméterek mûvelet szintû optimalizálása Gépgyártástechnológa 2000/3, pp. 9 15. Forgácsolás paraméterek mûvelet szntû optmalzálása Mkó Balázs 1 - Szánta Mhály 2 - Dr Szegh Imre 3 1 - udományos segédmunkatárs, 2 - Egyetem hallgató, 3 Egyetem docens

Részletesebben

8. Programozási tételek felsoroló típusokra

8. Programozási tételek felsoroló típusokra 8. Programozás tételek felsoroló típusokra Ha egy adatot elem értékek csoportja reprezentál, akkor az adat feldolgozása ezen értékek feldolgozásából áll. Az lyen adat típusának lényeges jellemzője, hogy

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 06/7. félév 7. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom. A projektütemezés alapjai..

Részletesebben

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás. Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 8. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása

Részletesebben

KAPILLÁRIS NYOMÁS GÖRBE MEGHATÁROZÁSA HIGANYTELÍTÉSES POROZITÁSMÉRÉS ADATAIBÓL DETERMINATION OF CAPILLARY PRESSURE CURVE FROM MERCURY POROSIMETRY DATA

KAPILLÁRIS NYOMÁS GÖRBE MEGHATÁROZÁSA HIGANYTELÍTÉSES POROZITÁSMÉRÉS ADATAIBÓL DETERMINATION OF CAPILLARY PRESSURE CURVE FROM MERCURY POROSIMETRY DATA Műszak Földtudomány Közlemények, 84. kötet,. szám (03), pp. 63 69. KAPILLÁRIS NYOMÁS GÖRBE MEGHATÁROZÁSA HIGANYTELÍTÉSES POROZITÁSMÉRÉS ADATAIBÓL DETERMINATION OF CAPILLARY PRESSURE CURVE FROM MERCURY

Részletesebben

1. Ábra: Öt munkehlyből álló mintapélda állomásidő-függvényei L=0,8. s 1 =18 s 2 =17 s 3 =17 s 4 =15 s 5 =15

1. Ábra: Öt munkehlyből álló mintapélda állomásidő-függvényei L=0,8. s 1 =18 s 2 =17 s 3 =17 s 4 =15 s 5 =15 Válasz Dr. Kovács György Professzor Úrnak a Senstvty analyss at producton plannng and producton schedulng models című MTA doktor értekezés bírálatára agyon köszönöm Dr. Kovács György Professzor Úr bírálatát

Részletesebben

Eseményvezérelt szimuláció

Eseményvezérelt szimuláció Hálózat szmulácós technkák (BMEVITTD094/2005) október 3. Vdács Attla Dang Dnh Trang Távközlés és Médanformatka Tanszék Budapest Mszak és Gazdaságtudomány Egyetem Eseményvezérelt szmulácó DES Dscrete-Event

Részletesebben

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege A multkrtérumos elemzés célja, alkalmazás területe, adat-transzformácós eljárások, az osztályozás eljárások lényege Cél: tervváltozatok, objektumok értékelése (helyzetértékelés), döntéshozatal segítése

Részletesebben

Egy negyedrendű rekurzív sorozatcsaládról

Egy negyedrendű rekurzív sorozatcsaládról Egy negyedrendű rekurzív sorozatcsaládról Pethő Attla Emlékül Kss Péternek, a rekurzív sorozatok fáradhatatlan kutatójának. 1. Bevezetés Legyenek a, b Z és {1, 1} olyanok, hogy a 2 4b 2) 0, b 2 és ha 1,

Részletesebben

Algoritmusok és adatszerkezetek I. 10. előadás

Algoritmusok és adatszerkezetek I. 10. előadás Algortmusok és adatszerkezetek I. 10. előadás Dnamkus programozás Feladat: Adott P 1,P 2, P n pénzjegyekkel kfzethető-e F fornt? Megoldás: Tegyük fel, hogy F P P... P... m! 1 2 m 1 Ekkor F P P P P......,

Részletesebben

Példa. Job shop ütemezés

Példa. Job shop ütemezés Példa Job shop ütemezés Egy üzemben négy gép működik, és ezeken 3 feladatot kell elvégezni. Az egyes feladatok sorra a következő gépeken haladnak végig (F jelöli a feladatokat, G a gépeket): Az ütemezési

Részletesebben

ELLÁTÁSI LÁNC VALÓS IDEJŰ OPTIMALIZÁLÁSA ABSZTRAKT

ELLÁTÁSI LÁNC VALÓS IDEJŰ OPTIMALIZÁLÁSA ABSZTRAKT Bánya Tamás ELLÁTÁSI LÁNC VALÓS IDEJŰ OPTIMALIZÁLÁSA ABSZTAKT Jelen kutatómunka céla egy olyan, az ellátás láncok valós deű optmalzálását és analízsét támogató módszer kdolgozása, amely alkalmas az ellátás

Részletesebben

NKFP6-BKOMSZ05. Célzott mérőhálózat létrehozása a globális klímaváltozás magyarországi hatásainak nagypontosságú nyomon követésére. II.

NKFP6-BKOMSZ05. Célzott mérőhálózat létrehozása a globális klímaváltozás magyarországi hatásainak nagypontosságú nyomon követésére. II. NKFP6-BKOMSZ05 Célzott mérőhálózat létrehozása a globáls klímaváltozás magyarország hatásanak nagypontosságú nyomon követésére II. Munkaszakasz 2007.01.01. - 2008.01.02. Konzorcumvezető: Országos Meteorológa

Részletesebben

ALGORITMUSOK, ALGORITMUS-LEÍRÓ ESZKÖZÖK

ALGORITMUSOK, ALGORITMUS-LEÍRÓ ESZKÖZÖK ALGORITMUSOK, ALGORITMUS-LEÍRÓ ESZKÖZÖK 1. ALGORITMUS FOGALMA ÉS JELLEMZŐI Az algortmus egyértelműen végreajtató tevékenység-, vagy utasítássorozat, amely véges sok lépés után befejeződk. 1.1 Fajtá: -

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2017/18 2. félév 3. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása

Részletesebben

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

Részletesebben

Elosztott rendszerek játékelméleti elemzése: tervezés és öszönzés. Toka László

Elosztott rendszerek játékelméleti elemzése: tervezés és öszönzés. Toka László adat Távközlés és Médanformatka Tanszék Budapest Műszak és Gazdaságtudomány Egyetem Eurecom Telecom Pars Elosztott rendszerek játékelmélet elemzése: tervezés és öszönzés Toka László Tézsfüzet Témavezetők:

Részletesebben

Item-válasz-elmélet alapú adaptív tesztelés. Item Response Theory based adaptive testing

Item-válasz-elmélet alapú adaptív tesztelés. Item Response Theory based adaptive testing Abstract Item-válasz-elmélet alapú adaptív tesztelés Item Response Theory based adaptve testng ANTAL Margt 1, ERŐS Levente 2 Sapenta EMTE, Műszak és humántudományok kar, Marosvásárhely 1 adjunktus, many@ms.sapenta.ro

Részletesebben

Az optimális megoldást adó algoritmusok

Az optimális megoldást adó algoritmusok Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.

Részletesebben

RENDSZERSZINTŰ TARTALÉK TELJESÍTŐKÉPESSÉG TERVEZÉSE MARKOV-MODELL ALKALMAZÁSÁVAL I. Rendszerszintű megfelelőségi vizsgálat

RENDSZERSZINTŰ TARTALÉK TELJESÍTŐKÉPESSÉG TERVEZÉSE MARKOV-MODELL ALKALMAZÁSÁVAL I. Rendszerszintű megfelelőségi vizsgálat ENDSZESZINTŰ TATALÉK TELJESÍTŐKÉPESSÉG TEVEZÉSE MAKOV-MODELL ALKALMAZÁSÁVAL I. endszerszntű megfelelőség vzsgálat Dr. Fazekas András István okl. gépészmérnök Magyar Vllamos Művek Zrt. Budapest Műszak és

Részletesebben

Beszállítás AR Gyártási folyamat KR

Beszállítás AR Gyártási folyamat KR 3. ELŐADÁS TERMELÉSI FOLYAMATOK STRUKTURÁLÓDÁSA 1. Megszakítás nélküli folyamatos gyártás A folyamatos gyártás lényege, hogy a termelési folyamat az első művelettől az utolsóig közvetlenül összekapcsolt,

Részletesebben

OPTIMALIZÁLT LÉPÉSKÖZŰ NEWTON-RAPHSON ALGORITMUS EHD FELADAT MEGOLDÁSÁHOZ

OPTIMALIZÁLT LÉPÉSKÖZŰ NEWTON-RAPHSON ALGORITMUS EHD FELADAT MEGOLDÁSÁHOZ Multdszcplnárs tudományok, 3. kötet. (013) 1. sz. pp. 97-106. OPTIMALIZÁLT LÉPÉSKÖZŰ NEWTON-RAPHSON ALGORITMUS EHD FELADAT MEGOLDÁSÁHOZ Száva Szabolcs egyetem adjunktus, Mskolc Egyetem, Anyagszerkezettan

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 1-2. Előadás Dr. Kulcsár Gyula egyetemi docens A tantárgy tematikája 1.

Részletesebben

Gyártórendszerek dinamikája

Gyártórendszerek dinamikája GYRD-7 p. 1/17 Gyártórendszerek dinamikája Gyártásütemezés: az ütemezések analízise Gantt-chart módszerrel, az optimalizálási feladat kitűzése és változatai, megoldás a kritikus út módszerrel Werner Ágnes

Részletesebben

Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések

Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések Algortmusok és adatszerkezetek gyakorlat 09 Rendezések Néhány órával ezelőtt megsmerkedtünk már a Merge Sort rendező algortmussal. A Merge Sort-ról tuduk, hogy a legrosszabb eset dőgénye O(n log n). Tetszőleges

Részletesebben

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

Részletesebben

Hely és elmozdulás - meghatározás távolságméréssel

Hely és elmozdulás - meghatározás távolságméréssel Hely és elmozdulás - meghatározás távolságméréssel Bevezetés A repülő szerkezetek repülőgépek, rakéták, stb. helyének ( koordnátának ) meghatározása nem új feladat. Ezt a szakrodalom részletesen taglalja

Részletesebben

ERP beruházások gazdasági értékelése

ERP beruházások gazdasági értékelése Rózsa Tünde 1 ERP beruházások gazdaság értékelése 1 DE ATC AVK Gazdaság- és Agrárnformatka Tanszék, Debrecen, Böszörmény u. 138 Absztrakt. Egy ERP rendszer bevezetése mnden esetben nagy anyag megterhelést

Részletesebben

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr. Projektütemezés Virtuális vállalat 06-07. félév 5. gyakorlat Dr. Kulcsár Gyula Projektütemezési feladat megoldása Projekt: Projektütemezés Egy nagy, összetett, általában egyedi igény alapján előállítandó

Részletesebben

Hagyományos termelésirányítási módszerek:

Hagyományos termelésirányítási módszerek: Hagyományos termelésirányítási módszerek: - A termelésirányítás határozza meg, hogy az adott termék egyes technológiai műveletei - melyik gépeken vagy gépcsoportokon készüljenek el, - mikor kezdődjenek

Részletesebben

METROLÓGIA ÉS HIBASZÁMíTÁS

METROLÓGIA ÉS HIBASZÁMíTÁS METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.

Részletesebben

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula KOMBINATORIKA ELŐADÁS osztatlan matematka tanár hallgatók számára Szta formula Előadó: Hajnal Péter 2015. 1. Bevezető példák 1. Feladat. Hány olyan sorbaállítása van a a, b, c, d, e} halmaznak, amelyben

Részletesebben

Support Vector Machines

Support Vector Machines Support Vector Machnes Ormánd Róbert MA-SZE Mest. Int. Kutatócsoport 2009. február 17. Előadás vázlata Rövd bevezetés a gép tanulásba Bevezetés az SVM tanuló módszerbe Alapötlet Nem szeparálható eset Kernel

Részletesebben

d(f(x), f(y)) q d(x, y), ahol 0 q < 1.

d(f(x), f(y)) q d(x, y), ahol 0 q < 1. Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés

Részletesebben

GAZDASÁGI ÉS NATURÁLIS CÉLFÜGGVÉNYEK KOMBINÁLT ALKALMAZÁSA EGY EGYSZERŰ LOGISZTIKAI PÉLDÁN

GAZDASÁGI ÉS NATURÁLIS CÉLFÜGGVÉNYEK KOMBINÁLT ALKALMAZÁSA EGY EGYSZERŰ LOGISZTIKAI PÉLDÁN GZDSÁGI ÉS NURÁLIS ÉLFÜGGVÉNY OMINÁL LLMZÁS GY GYSZRŰ LOGISZII PÉLDÁN Pokornyk Norbert aposvár gyetem Gazdaságtudomány ar, aposvár Informatka anszék onzulens: Dr. sukás éla, tanszékvezető, egyetem docens

Részletesebben

Szakmai zárójelentés

Szakmai zárójelentés Szakmai zárójelentés A csoporttechnológia (Group Technology = GT) elvi és módszertani alapjaihoz, valamint a kapcsolódó módszerek informatikai alkalmazásaihoz kötődő kutatómunkával a Miskolci Egyetem Alkalmazott

Részletesebben

TECHNOLÓGIAI ALTERNATÍVÁK HATÁSA RÖVID TÁVÚ TERMELÉS ÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA

TECHNOLÓGIAI ALTERNATÍVÁK HATÁSA RÖVID TÁVÚ TERMELÉS ÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA TECHNOLÓGIAI ALTERNATÍVÁK HATÁSA RÖVID TÁVÚ TERMELÉS ÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA Kulcsár Gyula egy. tanársegéd Erdélyi Ferenc tud. főmunkatárs Miskolci Egyetem, Informatikai Intézet, Alkalmazott Informatikai

Részletesebben

XI. ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA

XI. ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA XI. ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA KOLOZSVÁR, MÁJUS 23-24 OBJEKTUM-ORIENTÁLT ADATBÁZIS RENDSZEREK INDEXELÉSE Irányító tanár: Dr. Varga Vorca, Docens Babes-Bolya Tudományegyetem, Matematka és Informatka

Részletesebben

Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika

Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika Fuzzy rendszerek A fuzzy halmaz és a fuzzy logka A hagyományos kétértékű logka, melyet évezredek óta alkalmazunk a tudományban, és amelyet George Boole (1815-1864) fogalmazott meg matematkalag, azon a

Részletesebben

Termelési folyamat logisztikai elemei

Termelési folyamat logisztikai elemei BESZERZÉSI LOGISZTIKA Termelési logisztika Beszállítás a technológiai folyamat tárolójába Termelés ütemezés Kiszállítás a technológiai sorhoz vagy géphez Technológiai berendezés kiválasztása Technológiai

Részletesebben

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK MÉRNÖKI MATAMATIKA Segédlet a Bessel-függvények témaköréhez a Közlekedésmérnök

Részletesebben

Virtuális vállalat JÁRMŰIPARI ALKATRÉSZGYÁRTÁS TERMELÉSPROGRAMOZÁSI FELADATAINAK MODELLEZÉSE ÉS MEGOLDÁSA

Virtuális vállalat JÁRMŰIPARI ALKATRÉSZGYÁRTÁS TERMELÉSPROGRAMOZÁSI FELADATAINAK MODELLEZÉSE ÉS MEGOLDÁSA Virtuális vállalat JÁRMŰIPARI ALKATRÉSZGYÁRTÁS TERMELÉSPROGRAMOZÁSI FELADATAINAK MODELLEZÉSE ÉS MEGOLDÁSA Dr. Kulcsár Gyula, Dr. Kulcsárné Forrai Mónika Miskolci Egyetem Alkalmazott Informatikai Intézeti

Részletesebben

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell Budapest Műszak és Gazdaságtudomány Egyetem Közlekedésmérnök és Járműmérnök Kar Közlekedésüzem Tanszék HÁLÓZATTERVEZÉSI MESTERISKOLA BEVEZETÉS A KÖZLEKEDÉS MODELLEZÉSI FOLYAMATÁBA Dr. Csszár Csaba egyetem

Részletesebben

Szárítás során kialakuló hővezetés számítása Excel VBA makróval

Szárítás során kialakuló hővezetés számítása Excel VBA makróval Szárítás során kalakuló hővezetés számítása Excel VBA makróval Rajkó Róbert 1 Eszes Ferenc 2 Szabó Gábor 1 1 Szeged Tudományegyetem, Szeged Élelmszerpar Főskola Kar Élelmszerpar Műveletek és Környezettechnka

Részletesebben

Méréselmélet: 5. előadás,

Méréselmélet: 5. előadás, 5. Modellllesztés (folyt.) Méréselmélet: 5. előadás, 03.03.3. Út az adaptív elárásokhoz: (85) és (88) alapán: W P, ( ( P). Ez utóbb mndkét oldalát megszorozva az mátrxszal: W W ( ( n ). (9) Feltételezve,

Részletesebben

A technológiai berendezés (M) bemenő (BT) és kimenő (KT) munkahelyi tárolói

A technológiai berendezés (M) bemenő (BT) és kimenő (KT) munkahelyi tárolói 9., ELŐADÁS LOGISZTIKA A TERMELÉSIRÁNYÍTÁSBAN Hagyományos termelésirányítási módszerek A termelésirányítás feladata az egyes gyártási műveletek sorrendjének és eszközökhöz történő hozzárendelésének meghatározása.

Részletesebben

Az elektromos kölcsönhatás

Az elektromos kölcsönhatás TÓTH.: lektrosztatka/ (kbővített óravázlat) z elektromos kölcsönhatás Rég tapasztalat, hogy megdörzsölt testek különös erőket tudnak kfejten. Így pl. megdörzsölt műanyagok (fésű), megdörzsölt üveg- vagy

Részletesebben

GYÁRTÁSI STRUKTÚRÁK. 8. Szegmentált gyártás

GYÁRTÁSI STRUKTÚRÁK. 8. Szegmentált gyártás GYÁRTÁSI STRUKTÚRÁK 1. Műhely rendszerű gyártás 2. Merev gyártósorok 3. Rugalmas gyártórendszerek 4. Egymástól független alkatrészgyártó szigetek 5. Egymáshoz kapcsolódó gyártó szigetek 6. Folyamatorientált

Részletesebben

Logisztikai költségek

Logisztikai költségek 1 Logsztka ek Vállalat állandó logsztka ek Logsztka teljesítménytol függo ek Logsztka teljesítmény okozta veszteségek Teljes logsztka ek Logsztka teljesítmény hánya okozta ek Vállalat állandó logsztka

Részletesebben

Statisztikai. Statisztika Sportszervező BSc képzés (levelező tagozat) Témakörök. Statisztikai alapfogalmak. Statisztika fogalma. Statisztika fogalma

Statisztikai. Statisztika Sportszervező BSc képzés (levelező tagozat) Témakörök. Statisztikai alapfogalmak. Statisztika fogalma. Statisztika fogalma Témakörök Statsztka Sortszerező BSc kézés (leelező tagozat) 2-2-es tané félé Oktató: Dr Csáfor Hajnalka főskola docens Vállalkozás-gazdaságtan Tsz E-mal: hcsafor@ektfhu Statsztka fogalmak Statsztka elemzések

Részletesebben

Ciklikusan változó igényűkészletezési modell megoldása dinamikus programozással

Ciklikusan változó igényűkészletezési modell megoldása dinamikus programozással Cklkusan változó gényűkészletezés modell megoldása dnamkus programozással Cklkusan változó gényűkészletezés modell megoldása dnamkus programozással DR BENKŐJÁNOS egyetem tanár SZIE 200 Gödöllő Páter K

Részletesebben

4 205 044-2012/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme

4 205 044-2012/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme HU 4 205 044-2012/11 Változtatások joga fenntartva Kezelés útmutató UltraGas kondenzácós gázkazán Az energa megőrzése környezetünk védelme Tartalomjegyzék UltraGas 15-1000 4 205 044 1. Kezelés útmutató

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 1. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens A termelésinformatika alapjai

Részletesebben

Jövedelem és szubjektív jóllét: az elemzési módszer megválasztásának hatása a levonható következtetésekre

Jövedelem és szubjektív jóllét: az elemzési módszer megválasztásának hatása a levonható következtetésekre Tanulmányok Jövedelem és szubjektív jóllét: az elemzés módszer megválasztásának hatása a levonható következtetésekre Hajdu Tamás, az MTA Közgazdaságés Regonáls Tudomány Kutatóközpont Közgazdaságtudomány

Részletesebben

Philosophiae Doctores. A sorozatban megjelent kötetek listája a kötet végén található

Philosophiae Doctores. A sorozatban megjelent kötetek listája a kötet végén található Phlosophae Doctores A sorozatban megjelent kötetek lstája a kötet végén található Benedek Gábor Evolúcós gazdaságok szmulácója AKADÉMIAI KIADÓ, BUDAPEST 3 Kadja az Akadéma Kadó, az 795-ben alapított Magyar

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses mérőrendszerek képességvizsgálata Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek

Részletesebben

Darupályák ellenőrző mérése

Darupályák ellenőrző mérése Darupályák ellenőrző mérése A darupályák építésére, szerelésére érvényes 15030-58 MSz szabvány tartalmazza azokat az előírásokat, melyeket a tervezés, építés, műszak átadás során be kell tartan. A geodéza

Részletesebben

Struktúra nélküli adatszerkezetek

Struktúra nélküli adatszerkezetek Struktúra nélküli adatszerkezetek Homogén adatszerkezetek (minden adatelem azonos típusú) osztályozása Struktúra nélküli (Nincs kapcsolat az adatelemek között.) Halmaz Multihalmaz Asszociatív 20:24 1 A

Részletesebben

Az entrópia statisztikus értelmezése

Az entrópia statisztikus értelmezése Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok

Részletesebben

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

KITERJESZTETT TERMELÉSPROGRAMOZÁSI MODELL ERŐFORRÁS-KORLÁTOS ÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA

KITERJESZTETT TERMELÉSPROGRAMOZÁSI MODELL ERŐFORRÁS-KORLÁTOS ÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA Multidiszciplináris tudományok, 4. kötet. (2014) 1. sz. pp. 19-30. KITERJESZTETT TERMELÉSPROGRAMOZÁSI MODELL ERŐFORRÁS-KORLÁTOS ÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA Kulcsár Gyula Egyetemi docens, Miskolci Egyetem,

Részletesebben

OPTIMÁLIS ERŐFORRÁS-TERVEZÉS

OPTIMÁLIS ERŐFORRÁS-TERVEZÉS KOSZTYÁN ZSOLT TIBOR 9 OPTIMÁLIS ERŐFORRÁS-TERVEZÉS BEVEZETÉS Egy (beruházás, nnovácós stb.) proekt megvalósításánál három fontos szempontot kell szem előtt tartanunk: a lehető legrövdebb dő alatt, a lehető

Részletesebben

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd 1 Ütemezési feladatok Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd tekintettel a feladat gyakorlati fontosságára sok különböző modell tanulmányozására került sor, és a témakör

Részletesebben

ÜTEMEZÉSI MODELL ÉS HEURISZTIKUS MÓDSZEREK AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS FINOMPROGRAMOZÁSÁNAK TÁMOGATÁSÁRA

ÜTEMEZÉSI MODELL ÉS HEURISZTIKUS MÓDSZEREK AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS FINOMPROGRAMOZÁSÁNAK TÁMOGATÁSÁRA MISKOLCI EGYETEM DOKTORI (PHD) TÉZISFÜZETEI HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA ÜTEMEZÉSI MODELL ÉS HEURISZTIKUS MÓDSZEREK AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS FINOMPROGRAMOZÁSÁNAK TÁMOGATÁSÁRA

Részletesebben

A BIZOTTSÁG (EU).../... FELHATALMAZÁSON ALAPULÓ RENDELETE ( )

A BIZOTTSÁG (EU).../... FELHATALMAZÁSON ALAPULÓ RENDELETE ( ) EURÓPAI BIZOTTSÁG Brüsszel, 2018.6.1. C(2018) 3302 fnal A BIZOTTSÁG (EU).../... FELHATALMAZÁSON ALAPULÓ RENDELETE (2018.6.1.) az (EU) 2015/35 felhatalmazáson alapuló rendeletnek a bztosítók és vszontbztosítók

Részletesebben

MEGBÍZHATÓSÁG-ELMÉLET

MEGBÍZHATÓSÁG-ELMÉLET PHARE HU3/IB/E3-L MEGBÍZHAÓSÁG-ELMÉLE Defnícók A legszélesebb körben elfogadott defnícó szernt a megbízhatóság egy elem (termék, rendszer stb.) képessége arra, hogy meghatározott működés feltételek mellett

Részletesebben

MEZŐGAZDASÁGI TERMÉKEK FELVÁSÁRLÁSI FOLYAMATÁNAK SZIMULÁCIÓJA, KÜLÖNÖS TEKINTETTEL A CUKORRÉPÁRA OTKA

MEZŐGAZDASÁGI TERMÉKEK FELVÁSÁRLÁSI FOLYAMATÁNAK SZIMULÁCIÓJA, KÜLÖNÖS TEKINTETTEL A CUKORRÉPÁRA OTKA MEZŐGAZDASÁGI TERMÉKEK FELVÁSÁRLÁSI FOLYAMATÁNAK SZIMULÁCIÓJA, KÜLÖNÖS TEKINTETTEL A CUKORRÉPÁRA OTKA Kutatás téma 2002 2005. Nylvántartás szám: T0 37555 TARTALOMJEGYZÉK 1. Kutatás célktűzések... 2 2.

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Mskol Egyetem Gépészmérök és Iformatka Kar Alkalmazott Iformatka Taszék 2012/13 2. félév 9. Előadás Dr. Kulsár Gyula egyetem does Matematka modellek a termelés tervezésébe és ráyításába Néháy fotosabb

Részletesebben

end function Az A vektorban elõforduló legnagyobb és legkisebb értékek indexeinek különbségét.. (1.5 pont) Ha üres a vektor, akkor 0-t..

end function Az A vektorban elõforduló legnagyobb és legkisebb értékek indexeinek különbségét.. (1.5 pont) Ha üres a vektor, akkor 0-t.. A Név: l 2014.04.09 Neptun kód: Gyakorlat vezető: HG BP MN l 1. Adott egy (12 nem nulla értékû elemmel rendelkezõ) 6x7 méretû ritka mátrix hiányos 4+2 soros reprezentációja. SOR: 1 1 2 2 2 3 3 4 4 5 6

Részletesebben

Vállalatgazdaságtan. Minden, amit a Vállalatról tudni kell

Vállalatgazdaságtan. Minden, amit a Vállalatról tudni kell Vállalatgazdaságtan Minden, amit a Vállalatról tudni kell 1 Termelési rendszer vizsgálata 2 képzeljük el az alábbi helyzetet örököltünk egy gyárat mit csináljunk vele? működtessük de hogyan? Hogyan működik

Részletesebben

KÖZBESZERZÉSI ADATBÁZIS

KÖZBESZERZÉSI ADATBÁZIS 14. melléklet a 44/2015. (XI. 2.) MvM rendelethez KÖZBESZERZÉSI DTBÁZIS Összegez az ajánlatok elbírálásáról I. szakasz: kérő I.1) Név címek 1 (jelölje meg az eljárásért felelős összes ajánlatkérőt) Hvatalos

Részletesebben

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

VARIANCIAANALÍZIS (szóráselemzés, ANOVA) VARIANCIAANAÍZIS (szóráselemzés, ANOVA) Varancaanalízs. Varancaanalízs (szóráselemzés, ANOVA) Adott: egy vagy több tetszőleges skálájú független változó és egy legalább ntervallum skálájú függő változó.

Részletesebben

Gyakorlati segédlet a tervezési feladathoz

Gyakorlati segédlet a tervezési feladathoz Nyugat-magyarországi Egyetem Faipari Mérnöki Kar Terméktervezési és Gyártástechnológiai Intézet Gyakorlati segédlet a tervezési feladathoz Mechanikai megmunkálás (OFM, FM BSC) és Ipari Technológiák II.

Részletesebben

10. Alakzatok és minták detektálása

10. Alakzatok és minták detektálása 0. Alakzatok és mnták detektálása Kató Zoltán Képfeldolgozás és Számítógépes Grafka tanszék SZTE http://www.nf.u-szeged.hu/~kato/teachng/ 2 Hough transzformácó Éldetektálás során csak élpontok halmazát

Részletesebben

Véletlenszám generátorok. 6. előadás

Véletlenszám generátorok. 6. előadás Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes

Részletesebben

A programozás alapjai előadás. Amiről szólesz: A tárgy címe: A programozás alapjai

A programozás alapjai előadás. Amiről szólesz: A tárgy címe: A programozás alapjai A programozás alapjai 1 1. előadás Híradástechnikai Tanszék Amiről szólesz: A tárgy címe: A programozás alapjai A számítógép részegységei, alacsony- és magasszintű programnyelvek, az imperatív programozási

Részletesebben

Balogh Edina Árapasztó tározók működésének kockázatalapú elemzése PhD értekezés Témavezető: Dr. Koncsos László egyetemi tanár

Balogh Edina Árapasztó tározók működésének kockázatalapú elemzése PhD értekezés Témavezető: Dr. Koncsos László egyetemi tanár Balogh Edna Árapasztó tározók működésének kockázatalapú elemzése PhD értekezés Témavezető: Dr. Koncsos László egyetem tanár Budapest Műszak és Gazdaságtudomány Egyetem Építőmérnök Kar 202 . Bevezetés,

Részletesebben

Ember-robot kölcsönhatás. Biztonsági kihívások

Ember-robot kölcsönhatás. Biztonsági kihívások MŐEGYETEM 1782 Budapest Budapest Mőszak és Gazdaságtudomány Egyetem Gépészmérnök Kar Mechatronka, Optka és Gépészet Informatka Tanszék A PhD dsszertácó összefoglalója Ember-robot kölcsönhatás. Bztonság

Részletesebben

Gyártórendszerek Dinamikája. Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok

Gyártórendszerek Dinamikája. Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok GyRDin-02 p. 1/20 Gyártórendszerek Dinamikája Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék

Részletesebben

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap Közlekedésmérnök Kar Jármőtervezés és vzsgálat alapja I. Feladatlap NÉV:..tk.:. Feladat sorsz.:.. Feladat: Egy jármő futómő alkatrész terhelésvzsgálatakor felvett, az alkatrészre ható terhelı erı csúcsértékek

Részletesebben

The original laser distance meter. The original laser distance meter

The original laser distance meter. The original laser distance meter Leca Leca DISTO DISTO TM TM D510 X310 The orgnal laser dstance meter The orgnal laser dstance meter Tartalomjegyzék A műszer beállítása - - - - - - - - - - - - - - - - - - - - - - - - - 2 Bevezetés - -

Részletesebben

Adatszerkezetek 2. Dr. Iványi Péter

Adatszerkezetek 2. Dr. Iványi Péter Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat

Részletesebben

Adatsorok jellegadó értékei

Adatsorok jellegadó értékei Adatsorok jellegadó értéke Varga Ágnes egyetem tanársegéd varga.ag14@gmal.com Terület és térnformatka kvanttatív elemzés módszerek BCE Geo Intézet Terület elemzés forgatókönyve vacsora hasonlat Terület

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/ Operációkutatás I. 2018/2019-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c

Részletesebben

SZÁMITÓGÉPES TERMELÉSIRÁNYÍTÁS

SZÁMITÓGÉPES TERMELÉSIRÁNYÍTÁS Mskolc Egyetem Gépészmérnök Kar SZÁMITÓGÉPES TERMELÉSIRÁNYÍTÁS (Saát felesztéső tananyag) Készítette: Dr. Tóth Tbor egyetem tanár Mskolc 2002. Tartalomegyzék. Bevezetés. Alapfogalmak 3.. A termelésrányítás

Részletesebben

Kvantum-tömörítés II.

Kvantum-tömörítés II. LOGO Kvantum-tömörítés II. Gyöngyös László BME Vllamosmérnök és Informatka Kar A kvantumcsatorna kapactása Kommunkácó kvantumbtekkel Klasszkus btek előnye Könnyű kezelhetőség Stabl kommunkácó Dszkrét értékek

Részletesebben

Ütemezés gyakorlat. Termelésszervezés

Ütemezés gyakorlat. Termelésszervezés Ütemezés gyakorlat egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Feladattípusok Általános ütemezés Egygépes ütemezési problémák Párhuzamos erőforrások ütemezése Flow-shop és job-shop ütemezés

Részletesebben

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr. Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati

Részletesebben

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával AGY 4, Kecskemét Ötvözetek mágneses tulajdonságú fázsanak vzsgálata a hperbolkus modell alkalmazásával Dr. Mészáros István egyetem docens Budapest Műszak és Gazdaságtudomány Egyetem Anyagtudomány és Technológa

Részletesebben