AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK HEURISZTIKUS MEGOLDÁSI MÓDSZERE
|
|
- Zsuzsanna Farkasné
- 9 évvel ezelőtt
- Látták:
Átírás
1 AZ IGÉNY SZERINTI TÖMEGGYÁRTÁS TERMELÉSPROGRAMOZÁSÁNAK HEURISZTIKUS MEGOLDÁSI MÓDSZERE Kulcsár Gyula egyetemi tanársegéd Miskolci Egyetem, Informatikai Intézet, Alkalmazott Informatikai Tanszék A cikkben az igény szerinti tömeggyártás termelésprogramozási feladatával foglalkozunk A korszerű gyártó-szerelő rendszerekben jellemzően előforduló alternatív technológiai útvonalak, korlátozottan rendelkezésre álló többfunkciós párhuzamos gépek, sorrendfüggő átállási idők, terméktől függő termelési sebességek valamint határidős munkák együttes figyelembevételével gyakorlati igényekhez alkalmazkodó ütemezési koncepciót mutatunk be Az erőforrások allokálásának és a munkák ütemezésének modellezésére egy új kiterjesztett rugalmas Flow Shop ütemezési modellt használunk Ismertetünk egy heurisztikus megoldási módszert, amely lokális keresési technikát valamint indexelt adatmodellen alapuló gyors szimulációs kiértékelést kombinál 1 BEVEZETÉS Napjainkban a termelő nagyvállalatok egy része közvetlenül a vevők igényeit próbálja meg kiszolgálni (pl: háztartási gépek, lámpák gyártása) A versenyképesség növelése érdekében szükséges, hogy minél jobban alkalmazkodjanak a piaci körülmények gyors változásaihoz Ennek érdekében a gyártási hatékonyságot és a szállítóképességet kell javítani [12], [13] Az előbbit az erőforrások minél jobb kihasználásával, az utóbbit pedig, előzetes becslésen alapuló raktárra történő gyártással tudják növelni A vállalatok sikeressége nagymértékben a megrendelők igényeinek magas szintű kielégítésén múlik, ennek egyik fontos feltétele a megrendelésekhez tartozó munkák ütemezésének minél hatékonyabb megoldása [8] A finomprogramozás a gyártásirányítás (Manufacturing Execution System, MES) szintjén fellépő rövid távú, valósidejű tervezési feladat megoldását követeli meg [2] Ezen a szinten az ütemezési feladat azt jelenti, hogy ismert és pontosan meghatározott (technológiai, anyag stb) korlátozások figyelembe vételével, a gyártásra kiadott, ismert belső rendeléseken alapuló munkák elvégzéséhez gyártási erőforrások (gépek, eszközök, stb) allokálását és munkák indítási időpontjának sorozatát kell megtervezni úgy, hogy a definiált korlátozások teljesüljenek, és a vállalat magasabb szintjén megfogalmazott célok megvalósuljanak A diszkrét gyártási folyamatokban a gyártás rendszerint elkülönült gépeken zajlik Attól függően, hogy az egyes műveletek a gyártó (szerelő) műhely gépein hogyan kerülnek végrehajtásra, megkülönböztethetünk soros illetve nem soros elrendezésű gyártórendszereket [14] Tömeggyártás és igény szerinti tömeggyártás során a termékek gyártási folyamata az első kategóriába tartozik [7] A soros elrendezésű gyártási struktúrához kapcsolódó alapmodellben (Flow Shop) adott számú különböző gép a technológiai sorrendnek megfelelően egymás után van elhelyezve Minden munkadarab ezeken a gépeken halad végig Ha megengedett hogy az egyes gépeken a munkák sorrendje eltérő legyen, akkor előzéses, ellenkező esetben előzésmentes modellről van szó Ezekről a modellekről és megoldási módszereikről számos munka nyújt részletes áttekintést (pl: [4], [5], [10], [11], [16], [15], [20]) Az alapmodellnek párhuzamos gépekkel történő kibővítéseként ismert a rugalmas egyutas (Flexible Flow Shop) modell Ebben a modellben összetett munkahelyek vannak definiálva
2 Minden egyes munkahelyen adott számú egymással teljesen egyenértékű gép található A gépek száma munkahelyenként eltérő lehet A munkadarabokat minden munkahelyen, annak egy kiválasztott gépén kell megmunkálni Ebben a modellben tehát megjelenik a gépválasztás feladata is, ugyanakkor továbbra is fontos szerepet játszik a munkák gépenkénti sorrendjének meghatározása A szakirodalomban számos cikk különböző mélységekben foglalkozik a rugalmas Flow Shop ütemezési modellel (pl: [1], [3], [5], [9], [17], [18], [19]) A témakörhöz tartozó cikkek többsége célfüggvényként a rendeléscsoport legkésőbbi befejezési idejét (makespan) használja Sokkal kevesebb eredmény ismert határidős gyártás (make to order) esetén a késésekkel kapcsolatos célfüggvények minimalizálására A jelenleg ismert többgépes modellek nem tudják figyelembe venni egyszerre az igény szerinti tömeggyártás jellegzetességeit: több művelet együttes végrehajtására képes gépeket, technológiai útvonal alternatívákat, gépek változó rendelkezésre állási időintervallumait, eltérő termelési sebességeket és sorrendfüggő átállási időket, így szükség van ezeknek a modelleknek a kiterjesztésére, továbbfejlesztésére 2 A VIZSGÁLT GYÁRTÁSI FOLYAMAT Az igény szerinti tömeggyártást folytató vállalatok különböző típusú termékeket állítanak elő Jellemzően, adott egy rendelés állomány, amelyet a külső rendelések és az előrejelzések figyelembe vételével a vállalat termeléstervezés szintjén definiálnak Minden egyes rendelés meghatározott típusú, adott darabszámú egyforma termék, adott határidőre történő legyártását igényli A műhelyszintű irányításban fontos szerepet játszik a logisztikai egység, amely előre megadott darabszámú, azonos termék együttesét jelenti Az általunk vizsgált gyártási struktúra gyártó-szerelő jellegű, automatizált gépcsoportokból (gépekből és/vagy gépsorokból) áll A gépek közötti anyagmozgatás eszköze a paletta Egy rendelés paletták halmazának is tekinthető, ahol a paletták számát a rendelt mennyiség és a paletták termékfüggő mérete együttesen határozza meg A termékek előállításához legfeljebb négy, vagy annál kevesebb műveletet kell kötött sorrendben végrehajtani A műveletek operációk sorozatából tevődhetnek össze Mivel a műveletek nem megszakíthatók, ezért ezek tekinthetők az ütemezés során a legkisebb allokációs egységeknek Az egyes műveletek elvégzéséhez a megfelelő gépeken túlmenően meghatározott anyagoknak, komponenseknek is rendelkezésre kell állni adott mennyiségben A gyártás rugalmas jellegéből következik, hogy egy adott típusú termék különféle anyagok, komponensek, gépek és útvonalak használatával is előállítható Az rendszerben szereplő gépek amelyek valójában különböző gyártási képességekkel rendelkező gépsorok a terméktől függő gyártási sebességekkel, a munkák sorrendjétől függő átállási időkkel, rendelkezésre állási időintervallumokkal és egy adott termékcsoportra érvényes műveletsorozattal jellemezhetők A gyártás során egy adott gép egyszerre csak egy munkán dolgozhat, és egy adott munka egyszerre csak egy géphez lehet hozzárendelve A gépek közötti tároló helyek mérete nem korlátozott Az ütemterv elkészítésekor azt is figyelembe kell venni, hogy az ütemezési időhorizonton a műhely bizonyos gépei már korábbi, még be nem fejezett, nem módosítható feladatokkal terheltek, így az utolsó megerősített és érvényben lévő ütemterv következményei hatással vannak az új ütemtervre
3 3 KITERJESZTETT ÜTEMEZÉSI MODELL Az ütemezési feladatok formális leírásának eszközeként a szakirodalomban az α β γ formalizmus használata a legismertebb [1] A szimbólumok jelentése a következő: α: erőforrás környezetet leíró paraméter lista, β: korlátozásokat, végrehajtási jellemzőket leíró paraméter lista, γ: célfüggvényeket kitűző paraméter lista A listákban szereplő paraméterekre számos javaslat van az irodalomban Mivel a vázolt ütemezési feladat nem sorolható be egyik ismert ütemezési feladatosztályba sem, így egy új kiterjesztett (Extended Flexible Flow Shop, EFFS) modellt vezettünk be a feladat formális leírására [6]: M, Q, F, Set i, j, m, Cal,4 Ri, Di f (1) Az egyes szimbólumok jelentése a következő: α = α, α, α, α, α, ] [ α6 α 1 : Az erőforrás jellege M: többcélú párhuzamos gépek megengedettek α 2 : Az alternatív gépek jellege Q: eltérő sebességű (intenzitású) gépek α : A műveleti sorrend előírása F: a műveletek sorrendje kötött 3 α 4 : A gépek beállításra vonatkozó előírás Set i,j,m : terméksorrendtől és géptől függő időadatok α 5 : Erőforrásokra vonatkozó speciális előírások Cal: Gépekre előírt rendelkezésre állási időintervallumok A gépek csak ezeken belül működhetnek α : A munkahelyek maximális száma 4: a műveletek száma négy 6 β = [ β 1, β2] β 1 : A munkák indíthatóságára vonatkozó előírás R i : munkánként előírt legkorábbi indítási időpont β 2 : A munkák befejezésére vonatkozó előírás D i : munkánként előírt legkésőbbi befejezési időpont γ : A kijelölt célfüggvény, amelynek a minimumát keressük 4 AZ ÜTEMEZÉSI FELADAT HEURISZTIKUS MEGOLDÁSA Az ismertetett ütemezési feladat kombinatorikus tulajdonságai miatt az NP teljes feladatosztályba tartozik Ezért az elméleti globális optimum keresése helyett, olyan megoldási módszerekkel foglalkozunk, amelyek nagy méretű feladatok (pl 600 megrendelés, 3000 munka, 160 gép) esetén is elfogadható időn belül megvalósítható ütemtervet állítanak elő, úgy hogy a választott célfüggvény értéke minél közelebb legyen az optimumhoz 41 Megoldási koncepció A lehető legtágabb értelmezés szerint minden fizikai palettát önálló absztrakt munkának tekintünk A feladat megoldása során ilyen munkák kerülnek ütemezésre Nem használunk előre rögzített gyártási sorozatnagyságot A gyártási sorozatnagyságot az azonos beállítással készülő munkák száma adja meg A rendelési sorozatnagyság ennél nagyobb vagy kisebb is lehet Az ütemezés során az egyes gépeken kialakuló gyártási sorozatnagyság az egy munkaköteg, amely két egymást követő beállítási időintervallum közötti azonos termékre vonatkozó rendelt munkák sorozata A köteg nagysága tehát dinamikusan változhat, megengedve a rendelési sorozat bontását és egyesítését
4 A modellben feltételezzük, hogy az ütemezés előtt minden munkához hozzárendelhető egy korlátozás, legkorábbi kezdési időpont, amely a kezdő technológiai lépés indíthatóságának időbeli korlátozására vezeti vissza a gyártási-szerelési komponensek rendelkezésre állását TS1 TS2 TS3 TS4 MG1 MG2 MG3 MG4 MG5 MG6 MG7 MG8 MG9 MG10 TECHNOLÓGIAI LÉPÉS GÉPCSOPORT TS MG TERMÉK 1 TERMÉK P 1 ábra: Kiterjesztett rugalmas Flow Shop modell A gépek által végrehajtható műveleteket technológiai lépésként értelmezzük Bevezetjük a végrehajtási lépés fogalmát, amely alatt a technológiai lépések olyan sorozatát kell érteni, amely gépváltás nélkül elvégezhető Egy multifunkcionális gépsorhoz tartozó végrehajtási lépés több technológiai lépést tartalmaz, míg egy hagyományos géphez tartozó csak egyet Az ütemezés alapegységének nem a technológiai lépést, hanem a végrehajtási lépést tekintjük A végrehajtási útvonal fogalmát a végrehajtási lépések olyan sorozataként definiáljuk, amelyben az előforduló technológiai lépések csak egyszeresen vannak lefedve, azaz a végrehajtási lépések közös része üres halmaz A végrehajtási lépések típusai alapján gépcsoportokat (géptípus osztályokat) definiálunk (1 ábra) A gépcsoportokon belül különböző darabszámú és gyártási képességű gépek lehetnek Mivel a gépek nem minden terméktípust képesek kezelni, így a gépcsoportok terméktípusonként (vagy terméktípus csoportonként) eltérőek Ezeket a modell tulajdonságokat figyelembe véve a termelési finomprogramot a 2 ábrán vázolt módon oldjuk meg
5 Termék Felhasználó Technológia Rendelés Modell építő Ütemterv Ütemező Célfüggvény értékek Erőforrás Munkák Feladatok Anyag Szimulátor Modell objektumok Idő adatok Ütemterv Értékelő Teljesítmény mutatók 2 ábra: A kifejlesztett ütemező rendszer működése A termelésinformatikai rendszerek adatbázisában tárolt adatok felhasználásával a modellépítő definiálja a rendszerben lévő objektumokat Kiemelt fontosságú feladata, hogy a rendeléseket (order) felbontja munkákra (job) és definiálja a korlátozásokat Az ütemező az ütemterv elkészítésekor minden egyes munkához hozzárendel egy megfelelő végrehajtási útvonalat, továbbá hozzárendel egy megfelelő gépet a kiválasztott útvonal minden egyes végrehajtási lépésének megfelelő gépcsoportból, valamint meghatározza minden hozzárendelt gépen a végrehajtási sorban elfoglalt pozícióját Ezáltal a munkákat feladatokra (task) botja fel Egy feladat az egy adott munka adott végrehajtási lépésének adott gépen történő megvalósítását jelenti A feladatok és munkák időadatainak számítására gyors szimulációs eljárást használunk A szimuláció figyelembe veszi az egyes gépek rendelkezésre állási időintervallumait, az egyes gépeken az adott munkák sorrendje által meghatározott átállítási időket, a munka-gép összerendelések alapján számítható megmunkálási időket A munka aktuális besorolása (korlátozások: időablak, sorrend, erőforrás, útvonal) alapján ismertté válik az egyes munkák gépenkénti indítási időpontja és a befejezési időpontja Az időadatok felhasználásával előre definiált célfüggvények kiértékelésére és teljesítmény mutatók számítására kerül sor Ez alapján történik meg az ütemterv minősítése A változó célokhoz való rugalmas alkalmazkodás úgy valósul meg, hogy előre definiálunk célfüggvényeket és ezek közül a felhasználó az ütemezési folyamat során kijelölheti az aktuális célfüggvényt vagy célfüggvényeket Az ütemező az ütemterv minősítése alapján módosítja az ütemtervet A folyamat ismétlésével javítható az ütemterv 42 Adatmodell A modellben indexszelt tömböket használunk az adatelérés gyorsítása érdekében Ezekben a tömbökben a gyártási környezetre jellemző entitások (pl: megrendelések, munkák, gépek stb) indexekkel vannak helyettesítve Ezek nem negatív egészszámok Egy ilyen index megadja egy adott objektum adott tömbben elfoglalt pozícióját Ezáltal lehetővé válik az, hogy egy adott tömb adott elemére történő hivatkozásban a tömb indexe ugyanannak vagy egy másik tömbnek az egyik értéke legyen Az összetartozó értékeket a bázisvektorokban tárolt alapadatokra történő hivatkozások rendszere tartja össze Ennek előnye főként az, hogy
6 egy tetszőleges elemből kiindulva az indexelési szabályok betartásával minden egyes vele kapcsolatban álló elem közvetlenül, keresés nélkül elérhető Az adatmodell legfontosabb entitásai a következők: A gyártható terméktípusok p (p = 1,, N P ) A rendelés állomány belső rendelései o (o = 1,, N O ) A rendelések felbontásából származó i (i = 1,, N J ) munkák A műhelyben lévő gépek (gépsorok) m (m=1,, N M ) Gépcsoportok mg (mg = 1,, 10) Technológiai lépések (ts = 1,, 4) Végrehajtási lépések (es = 1,, 10) Végrehajtási útvonalak (r = 1,,26) Egy soronként eltérő elemszámú kétdimenziós tömb általános szerkezetét a 2 ábra szemlélteti Ilyen szerkezeteket használunk két különböző (NÉV1 és NÉV2) tömb elemeinek összerendelésére, ahol a NÉV1 az alap tömböt, NÉV2 pedig a hozzákapcsolt tömböt jelenti Az adatmodell entitásainak jellemző relációi a következők: Adott gépcsoportba tartozó gépek a műveletvégző képességek alapján MG_M Adott termék szempontjából adott gépcsoportba tartozó gépek P_MG_M Adott végrehajtási útvonalhoz tartozó gépcsoportok R_MG Adott termék szempontjából használható útvonalak P_R NÉV1_NÉV2 0 1 N1 1 NÉV1 [1] N1 NÉV2 [x] NÉV2 [y] K NÉV1 [K] 0 1 NK NK NÉV2 [u] NÉV2 [v] Hivatkozás egy adott elem értékére: NÉV1_NÉV2[SOR_INDEX][OSZLOP_INDEX] SOR_INDEX = (1,, K) OSZLOP_INDEX = (0,, NÉV1_NÉV2[SOR_INDEX][0]) 2 ábra: Kapcsolótömb általános szerkezete Egy ütemterve annak érdekében, hogy minden részlete indexelhető legyen három részből épül fel Ezek a következők: 1 Egy J_A kapcsolótömb mutatja a munkákhoz hozzárendelt útvonalakat az érintett konkrét gépekkel együtt a következő módon: J_A[i][am] Ahol: i jelenti a munkát (i = 1,, N J ), J_A[i][0] jelenti az i munkához hozzárendelt útvonalat, R_MG[J_A[i][0]][0] jelenti az útvonal bejárása során érintett gépek számát, J_A[i][am] (am=1,, R_MG[J_A[i][0]][0]) jelenti az i munka am-edik végrehajtási lépéséhez rendelt gépet 2 Egy M_WLOAD kapcsolótömb mutatja a munkák sorrendjét az egyes gépeken a következő módon: M_WLOAD[m][ai] Ahol: m (m= 1,,N M ) jelenti a gépet, M_WLOAD[m][0] jelenti a munkák számát az m gépen, M_WLOAD[m][ai] (ai = 1,, M_WLOAD[m][0]) jelenti az m gép munkasorozatának ai-edik munkáját (2 ábra: NÉV1 = M, NÉV2 = J)
7 3 Egy M_STET tömb tárolja az M_WLOAD tömb munkáinak időadatait a következő módon: M_STET[m][ai]ST jelenti a kezdési időpontot, M_STET[m][ai]SetT jelenti az átállás időtartamát, M_STET[m][ai]ProcT jelenti a műveletvégzés időtartamát, M_STET[m][ai]ET jelenti a befejezési időpontot A vázolt adatmodell fontos tulajdonsága, hogy input adatai feltölthetők a termelésinformatikai rendszerekben jellemzően tárolt alapadatokból 43 Szimulációs modell A szimuláció egy adott ütemterv munka-gép összerendeléseiből (J_A) és a munkák gépenkénti sorrendjéből (M_WLOAD) indul ki A gyártási folyamatot egy szabályalapú számítási eljárással szimuláljuk, amelynek során az ütemterv időadatait értékeljük ki (M_STET) A szimuláció során feltételezzük, hogy a gépek között korlátlan méretű átmeneti tárolók állnak rendelkezésre A számítási folyamat végrehajtásához definiáljuk a számítási lépések olyan sorrendjét, amely figyelembe veszi a következőket: Egy adott i munkának egy adott m közbenső géphez tartozó időadatainak számításához szükséges többek között az i munka előző géphez tartozó befejezési időpontjának ismerete és az m gép előző munkájának befejezési időpontja is A gyártási környezet tartalmaz útvonal csatlakozásokat és szétválásokat (csomópontok), ezért egy adott m gépre több azonos típusú és különböző típusú gépről is érkezhetnek munkák Ezeknek megfelelően a gépcsoportok között sorrendi korlátozásokat fogalmazunk meg A korlátozások leírhatók egy egyszerű (körútmentes) irányított gráffal, amelyben a csúcspontok jelentik a gépcsoportokat és az irányított élek mutatják a kötelező sorrendet 0 MG1 1 MG2 2 MG3 3 MG4 0 MG5 1 MG6 0 MG8 1 MG9 0 MG10 2 MG7 3 ábra: Gépcsoportok kapcsolódásai Minden egyes gépcsoporthoz hozzárendeljük a saját befokát (3 ábra) A befok az adott gépcsoportba érkező élek megengedett legnagyobb számát jelenti A gépcsoportok keresett sorrendjét úgy kapjuk meg, hogy a befokok növekvő sorrendjének megfelelően rendezzük a gépcsoportokat Az azonos befokú gépcsoportok között a további sorrendet a gépcsoportokra jellemző végrehajtási lépések határozzák meg úgy, hogy a több technológiai lépés megvalósítására képes gépcsoport lesz a magasabb prioritású: Prioritás: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} Gépcsoport: {4, 3, 7, 2, 6, 9, 1, 5, 8, 10} A számítási folyamatban a prioritások nem növekvő sorrendjében vesszük sorra a gépcsoportokat Az adott gépcsoporthoz tartozó összes gépen (párhuzamos gépek) az M_WLOAD tömb által meghatározott sorrendben kiszámításra kerülnek a munkákhoz tartozó időadatok (műveletkezdési időpont, setup idő, műveleti idő, bejezési időpont) Az eredmények bekerülnek az M_STET tömbbe
8 A számításban meghatározó szerepet kapnak a műveletkezdési időpontok Az i munka kezdési időpontját a hozzárendelt m gépen a következő értékek együttesen határozzák meg: a legkorábbi kezdési időpontja az i munkának, a befejezési időpontja az i munkának az előző gépen, a befejezési időpontja az előző munkának az m gépen, az i munkához tartozó átállási idő az m gépen, az m gép felszabadulásának időpontja az előző ütemterv terhelése alól, és az m gépnek a rendelkezésre állási időintervallumai Definiáltunk egy olyan eljárást, amely elvégzi az i munka kezdési és befejezési időpontjainak az m gép rendelkezésre állási időintervallumaihoz való illesztését, figyelembe véve a gép utolsó terhelésének befejezési időpontját Ennek során, az i munka által képviselt fix méretű terhelést (időablakot) az m gép első (vagyis legkorábban kezdődő) megfelelő méretű szabad időintervallumára balra illesztve helyezi el A szimuláció lefutásának eredményei az egyes munkák időadatai, amelyek az M_STET tömbben találhatók 44 Ütemtervek értékelése A kiszámított időadatok felhasználásával egy ütemterv jóságát, minőségét célfüggvények megfogalmazásával és azok kiértékelésével lehet számszerűsíteni Valós környezetben nagyon sokféle termelési cél megfogalmazható [6] Ismeretes, hogy a termelési modellek széles körében az ismert termelési háromszög állapotváltozói: a lekötött készletszint, az erőforrás-kihasználás és a szállítókészség szükséges és elegendő mértékben meghatározza a termelési folyamat minősítését [14] A modellünkben kiemelt szerepet játszanak a határidőhöz kapcsolódó célfüggvények, ugyanis a határidőket nem korlátozásként vesszük figyelembe, hanem célfüggvénybe építjük azokat Az i munka határidejét D i -vel a tényleges befejezési időpontját C i -vel jelölve definiálható a munka határidőtől való eltérése: Li = Ci Di (2) és késése: T i = max( 0, Li ) (3) Ezeket G i -vel jelölve kapjuk a következő gyakran alkalmazott célfüggvényeket: Gi i γ = max( Gi ) (4), γ = G i (5) és γ = (6) i i n Továbbá, fontos célfüggvény még a késő munkák száma γ = { i Ti > 0} (7) A munkákhoz hasonlóan a megrendelésekre vonatkoztatva is számítjuk a fenti célfüggvényeket 45 Heurisztikus ütemező algoritmus Többféle heurisztikus megoldási módszert fejlesztettünk ki A végrehajtási útvonal és gépek munkákhoz való rendelésének, valamint a munkák gépenkénti sorrendjének meghatározása alapján két csoportba sorolhatók az algoritmusok Az első csoportba tartoznak a felépítő jellegű heurisztikák Ezek a korábban ütemezett és nem módosítható hozzárendelésektől eltekintve üres ütemtervből kiindulva, a kiválasztott soron következő ütemezendő munkához tartozó útvonalra, gépre és sorrendre vonatkozó döntéseket heurisztikus szabályok és szimulációs kiértékelés alapján hozzák meg A második csoportba tartoznak az iteratív javításon alapuló heurisztikák Ezeknél a módszereknél egy kezdeti megvalósítható ütemtervből kiindulva megengedett módosítások és szimulációs kiértékelések iterálásával alakul ki a választott célfüggvénynek jobban megfelelő ütemterv
9 A továbbiakban az ütemterv elkészítését kombinált módszerrel - egy keresési feladatként fogalmazzuk meg Majd egy módosított tabukeresési technikával oldjuk meg a feladatot A megoldás során felhasználjuk a fejezetben leírtakat Az ütemezés során a modellben szereplő korlátozások közül a munkákhoz rendelt befejezési határidőket puha (megsérthető) korlátozásnak tekintjük, a célfüggvényekben vesszük figyelembe azokat Minden más korlátozást kemény (nem megsérthető korlátozásnak) tekintünk A keresési folyamat során egy kezdeti ütemtervből kiindulva megengedett módosítások ismételt végrehajtásával alakul ki a végső ütemterv A kiindulási ütemterv elkészíthető felépítő jellegű heurisztikus szabály alkalmazásával, kézi ütemezéssel vagy a megfelelő tömbökből véletlenszerűen kiválasztott értékek felhasználásával A módosító operátor alapvetően kétféle változtatást idézhet elő az ütemtervben: 1 Egy kiválasztott munkát kiemel az ütemtervből, majd a hozzárendelt útvonalat és gépeket részben, vagy teljes egészében megváltoztatva újra beszúrja azt az ütemtervbe 2 Egy kiválasztott gépen a munkák sorrendjét megváltoztatja Egy keresési folyamat egy közbenső lépése során az algoritmus bizonyos számú (K) kiterjesztett ütemtervet készít a módosító operátor alkalmazásával Ha egy kiterjesztett ütemterv szerepel a tabulistán, akkor azt nem értékeli ki, figyelmen kívül hagyja Ha egy kiterjesztett ütemterv nem szerepel a tabulistán, akkor felkerül a listára és a legkorábban felvett listaelem törlődik A szimulációs kiértékelést követően, ha a célfüggvénynek a kiterjesztett ütemtervre vonatkozó értéke jobb, mint az adott kiterjesztés legjobb értéke, akkor megjegyzésre kerül A kiterjesztés legjobb ütemterve lesz a következő lépés kiterjesztésének a kiindulási bázisa Továbbá, ha ez az érték jobb, mint a keresés során megtalált legjobb érték akkor ez kerül megjegyzésre Az algoritmus paraméterei a következők: A tabulista maximális mérete A lépések száma Egy adott kiterjesztés során vizsgált szomszédos ütemtervek maximális száma Egyidejűleg módosítható gépek maximális száma A munkasorrendet megváltoztató permutáció ciklusának maximális hossza Az ismertetett alapalgoritmus további bővítő elemeket is tartalmaz Ezek lehetővé teszik az algoritmus leállási feltételének összetettebb megfogalmazását (pl: a futási idő elér egy megadott korlátot) Továbbá, lehetőséget biztosítanak a keresési paraméterek futás közben történő változtatására, ezáltal különböző vezérlési stratégiák alkalmazását teszik lehetővé 6 FUTÁSI EREDMÉNYEK A bemutatott adatmodellt és algoritmusokat Borland C++ Builder 5 fejlesztőrendszerben implementáltuk Az elvégzett tesztelések közben azt tapasztaltuk, hogy a futási idő alakulását alapvetően befolyásolja a feladat mérete, és nehézségi foka Az ütemezési feladat jellemző méreteinek és az alkalmazott keresési paramétereknek a futási időre gyakorolt együttes hatása magas nehézségi fokú feladatok esetén az 1 táblázatban látható (Tesztkörnyezet: Intel Pentium 4 2,8 GHz CPU, 512MB DDR333 RAM, Microsoft Windows XP)
10 1 táblázat Ütemezés feladatok NO NJ NM L K Futási idő s min 9 s min 35 s Az 1 táblázatban az NO a megrendelések számát, NJ a munkák számát, NM a gépek számát, L a lépések számát, K a vizsgált szomszédos ütemtervek számát jelenti Ezekben a leegyszerűsített keresési feladatokban az L és K konstansok, a kiválasztott célfüggvény pedig a késő munkák száma A célfüggvény változása a megtett lépések számának függvényében a 4 ábrán látható 4 ábra: A késő munkák számának változása az 3 feladat megoldása közben Az eddig elvégzett vizsgálatok igazolták, hogy a javasolt megoldási módszer nagyméretű feladatok esetében is hatékonyan alkalmazható Rugalmasan alkalmazkodik a kiválasztott célfüggvényhez és kivárható időn belül szolgáltatja az eredményt További hatékonysági vizsgálatokat jelenleg is végzünk a kidolgozott algoritmusok értékelése és továbbfejlesztése érdekében 7 ÖSSZEFOGLALÁS A cikkben az igény szerinti tömeggyártás műhelyszintű ütemezési feladataival foglalkoztunk Az erőforrások allokálásának és a munkák ütemezésének modellezésére egy új kiterjesztett rugalmas Flow Shop ütemezési modellt vezettünk be Az alternatív útvonalak, korlátozottan rendelkezésre álló párhuzamos gépek, sorrendfüggő átállási idők, terméktől függő termelési sebességek valamint határidős munkák együttes figyelembevételével valós gyártási környezethez alkalmazkodó ütemezési koncepciót mutattunk be Ismertettünk egy heurisztikus megoldási módszert, amely lokális keresési technikát valamint indexelt adatmodellen alapuló gyors kiértékelést kombinál KÖSZÖNETNYILVÁNÍTÁS A szerző ezúton mond köszönetet a kutatási és fejlesztési munka támogatásáért a Magyar Tudományos Akadémia Termelésinformatikai Kutatóhelyének (alapítva a Miskolci Egyetem Alkalmazott Informatikai Tanszékén, Grant No MTA TKI 06108) Az ismertetett eredmények a VITAL nevű projekthez (Nemzeti Kutatási és Technológiai Hivatal, Grant No: 2/010/2004) kapcsolódó kutatási munkák során születtek
11 IRODALOM [1] ACERO-DOMINGUEZ M J, PATERNINA-ARBOLEDA C D, 2004, Scheduling Jobs on a K-Stage Flexible Flow Shop Using a TOC- (Bottleneck) Procedure, Proceedings of the 2004 Systems and Information Engineering Design Symposium [2] BARKMEYER E, DENNO P, FENG S, JONES A, WALLACE E, 1999, NIST Response to MES Request for Information, NISTIR 6397, National Institute of Standards and Technology: pp [3] BRUCKER P, 1998, Scheduling Algorithms, Springer-Verlag, Berlin [4] BAUER A, BOWDEN R, BROWNE J, DUGGAN J, LYONS G, 1991, Shop Floor Control Systems From design to implementation, Chapman &Hall, UK [5] YAMADA T, 2003, Studies on Metaheuristics for Jobshop and Flowshop Scheduling Problems, PhD Thesis, Kyoto University, Japan [6] KULCSÁR GY, 2006, Az igényszerinti tömeggyártás termelésprogramozásának modellezése és heurisztikus megoldása, GÉP, A Gépipari Tudományos Egyesület Műszaki Folyóirata, LVII évfolyam 2006/10 szám, pp 3-13 [7] KULCSÁR GY, HORNYÁK O, ERDÉLYI F, 2005, Shop Floor Decision Supporting and MES Functions in Customized Mass Production, Conference on Manufacturing Systems Development - Industry Expectations, Wroclaw, Poland, pp [8] KURNAZ A, COHN Y, KOREN Y, 2005, A Framework for Evaluating Production Policies to Improve Customer Responsiveness, CIRP Annals, Volume 54/1, pp [9] LINN R, ZHANG W, 1999, Hybrid Flow Shop Scheduling: A Survey, Computers and Industrial Engineering, 37, pp [10] MCKAY K N, WIERS V C 1999, Unifying the Theory and Practice of Production Scheduling, Journal of Manufacturing Systems, Vol 18, No 4, pp [11] MCCLELLAN M, 1997, Applying Manufacturing Systems, St Lucie Press, Florida [12] TÓTH T, ERDÉLYI F, 2004, Research and Development (R&D) Requirements for Up-to-date Production Planning & Scheduling (PPS) Systems, The Eleventh International Conference on Machine Design and Production, pp 13 15, Antalya, Turkey [13] TÓTH T, ERDÉLYI F, 1997, The Role of Optimization and Robustness in Planning and Control of Discrete Manufacturing Processes, Proceedings of the 2nd World Congress on Intelligent Manufacturing Processes & Systems, Budapest, Hungary, pp [14] TÓTH T, 2004, Termelési rendszerek és folyamatok, Egyetemi tankönyv, Miskolci Egyetemi Kiadó, Miskolc [15] TÓTH T, 1998, Tervezési elvek, modellek és módszerek a számítógéppel integrált gyártásban, Egyetemi tankönyv Miskolci Egyetemi Kiadó, Miskolc [16] TÓTH T, 1994, Heurisztikus módszerek termelés-programozási feladatok megoldására, Oktatási segédlet, Miskolci Egyetem, Miskolc [17] TAILLARD E, 1990, Some Efficient Heuristic Methods for the Flow Shop Sequencing Problem, European Journal of Operational Research, 47, (1) pp [18] ZWEBEN M, FOX M S, 1994, Intelligent Scheduling, Morgan Kaufmann Publishing, San Francisco [19] SAUER J, 2006, Modeling and solving multi-site scheduling problems, Book section in: van WEZEL W, JORNA R, MEYSTEL A, Planning in Intelligent Systems: Aspects, Motivations and Methods, pp , Wiley [20] VÍZVÁRI B, 2004, Ütemezés elmélet, 9 fejezet az IVÁNYI A (szerk), Informatikai algoritmusok, , ELTE Eötvös Kiadó
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.
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
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
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..
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,
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
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
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
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
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.
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
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
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.
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
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Megoldásjavító szabályzókör A Kybernos egyszerűsített modellje Klasszikus termelésirányítási
Általános algoritmustervezési módszerek
Általános algoritmustervezési módszerek Ebben a részben arra mutatunk példát, hogy miként használhatóak olyan általános algoritmustervezési módszerek mint a dinamikus programozás és a korlátozás és szétválasztás
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
Diszkrét termelési folyamatok ütemezési feladatainak modellezése és számítógépi megoldása
HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA ÖSSZEVONT TUDOMÁNYOS SZEMINÁRIUMA 2013 Diszkrét termelési folyamatok ütemezési feladatainak modellezése és számítógépi megoldása Dr. Kulcsárné Forrai
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
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
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék 2012/13 2. félév 4. Előadás Dr. Kulcsár Gyula egyetemi docens Gyártórendszerek egyszerűsített irányítási modellje Zavaró
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Rugalmas gyártórendszerek Milyen gyártóberendezés-csoport tekinthető rugalmas gyártórendszernek?
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
Rugalmas gyártórendszerek (FMS) termelésprogramozása (ismétlés DTFSZTIR)
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Rugalmas gyártórendszerek (FMS) termelésprogramozása (ismétlés DTFSZTIR) 2013/14 1. félév 1. Előadás Dr. Kulcsár Gyula
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
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.
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
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,
számítógépes megoldása
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR TUDOMÁNYOS DIÁKKÖRI DOLGOZAT Rugalmas Flow Shop ütemezési feladatok modellezése és számítógépes megoldása Kozma Ildikó I. éves mérnök informatikus (MSc)
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 4. Előadás Dr. Kulcsár Gyula egyetemi docens A termelésinformatika alapjai
Módszer köztes tárolókat nem tartalmazó szakaszos működésű rendszerek ütemezésére
Módszer köztes tárolókat nem tartalmazó szakaszos működésű rendszerek ütemezésére Doktori (PhD) értekezés tézisei Holczinger Tibor Témavezető: Dr. Friedler Ferenc Veszprémi Egyetem Műszaki Informatikai
ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ
ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ 1 TARTALOM 1.1 A MODELLEZÉS ÉS SZIMULÁCIÓ META-SZINTŰ HATÉKONYSÁGÁNAK JAVÍTÁSA A. Az SMM definiálása, a Jackson Keys módszer kiterjesztése
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
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
A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c
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
A gyártási rendszerek áttekintése
SZÉCHENYI ISTVÁN EGYETEM GYŐR Gyártócellák (NGB_AJ018_1) A gyártási rendszerek áttekintése Bevezetés A tantárgy célja A gyártócellák c. tárgy átfogóan foglalkozik a gyártás automatizálás eszközeivel, ezen
Vállalati modellek. Előadásvázlat. dr. Kovács László
Vállalati modellek Előadásvázlat dr. Kovács László Vállalati modell fogalom értelmezés Strukturált szervezet gazdasági tevékenység elvégzésére, nyereség optimalizálási céllal Jellemzői: gazdasági egység
A megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások
MISKOLCI EGYETEM DOKTORI (PH.D.) TÉZISFÜZETEI HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA A megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások Készítette:
Logisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
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
EGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA
infokommunikációs technológiák EGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA Témavezető: Tarczali Tünde Témavezetői beszámoló 2015. január 7. TÉMAKÖR Felhő technológián
Felvételi tematika INFORMATIKA
Felvételi tematika INFORMATIKA 2016 FEJEZETEK 1. Természetes számok feldolgozása számjegyenként. 2. Számsorozatok feldolgozása elemenként. Egydimenziós tömbök. 3. Mátrixok feldolgozása elemenként/soronként/oszloponként.
8., ELŐADÁS VIRTUÁLIS LOGISZTIKAI KÖZPONTOK ALKALMAZÁSAI. Klaszter, mint virtuális logisztikai központ
8., ELŐADÁS VIRTUÁLIS LOGISZTIKAI KÖZPONTOK ALKALMAZÁSAI Klaszter, mint virtuális logisztikai központ Feladatai: a beszállítói feladatok kis és középvállalatok versenyképességeinek fokozása érdekében,
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Tanszék 2013/14 2. félév 5. Gyakorlat Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Klasszikus termelésirányítási
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
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
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
Gyártási termelési folyamat és a Microsoft Dynamics AX 2012 R2 logisztikai szolgáltatások
Gyártási termelési folyamat és a Microsoft Dynamics AX 2012 R2 logisztikai szolgáltatások Ez a dokumentum gépi fordítással készült, emberi beavatkozás nélkül. A szöveget adott állapotában bocsátjuk rendelkezésre,
22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
Dr. habil. Maróti György
infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu
Programozás II. előadás
Nem összehasonlító rendezések Nem összehasonlító rendezések Programozás II. előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Programozás II. 2 Rendezés
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
Programozási módszertan. Mohó algoritmusok
PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás
KITERJESZTETT MODELLEK ÉS MÓDSZEREK ERŐFORRÁS-KORLÁTOS TERMELÉSÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA KITERJESZTETT MODELLEK ÉS MÓDSZEREK ERŐFORRÁS-KORLÁTOS TERMELÉSÜTEMEZÉSI FELADATOK MEGOLDÁSÁRA PHD
SIMATIC IT Preactor APS
SIMATIC IT Preactor APS Piacvezető termeléstervező és -ütemező szoftver A SIMATIC IT Preactor APS termeléstervező és -ütemező szoftvercsalád a gyártási folyamatok követésének és tervezésének hatékony integrációját
MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN
infokommunikációs technológiák MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN Készítette: Árgilán Viktor, Dr. Balogh János, Dr. Békési József, Dávid Balázs, Hajdu László, Dr. Galambos Gábor, Dr. Krész
Görbe- és felületmodellezés. Szplájnok Felületmodellezés
Görbe- és felületmodellezés Szplájnok Felületmodellezés Spline (szplájn) Spline: Szakaszosan, parametrikus polinomokkal leírt görbe A spline nevét arról a rugalmasan hajlítható vonalzóról kapta, melyet
Mérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben
Mérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben Tantárgy Tárgykód I. félév ősz II. félév tavasz Algoritmusok
Termeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite
Termeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite Alkalmazásával 214 Monostori László egyetemi tanár Váncza József egyetemi docens 1 Probléma Igények
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Tanszék 2013/14 2. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens Ismétlés, összefoglalás (TIA) Termeléstervezés
A Szállítási feladat megoldása
A Szállítási feladat megoldása Virtuális vállalat 201-2014 1. félév 4. gyakorlat Dr. Kulcsár Gyula A Szállítási feladat Adott meghatározott számú beszállító (source) a szállítható mennyiségekkel (transportation
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Tanszék 2013/14 2. félév 6.-7. Előadás Dr. Kulcsár Gyula egyetemi docens A termelésinformatika alapjai 6.-7.
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 1.-2. Előadás Dr. Kulcsár Gyula egyetemi docens A termelésinformatika
Előfeltétel: legalább elégséges jegy Diszkrét matematika II. (GEMAK122B) tárgyból
ÜTEMTERV Programozás-elmélet c. tárgyhoz (GEMAK233B, GEMAK233-B) BSc gazdaságinformatikus, programtervező informatikus alapszakok számára Óraszám: heti 2+0, (aláírás+kollokvium, 3 kredit) 2019/20-es tanév
INFORMATIKA javítókulcs 2016
INFORMATIKA javítókulcs 2016 ELMÉLETI TÉTEL: Járd körbe a tömb fogalmát (Pascal vagy C/C++): definíció, egy-, két-, több-dimenziós tömbök, kezdőértékadás definíciókor, tömb típusú paraméterek átadása alprogramoknak.
MULTIDISZCIPLINÁRIS TUDOMÁNYOK
HU ISSN 2062-9737 MULTIDISZCIPLINÁRIS TUDOMÁNYOK A Miskolci Egyetem közleménye 4. kötet 1. szám (2014) MISKOLCI EGYETEMI KIADÓ 2014 MULTIDISZCIPLINÁRIS TUDOMÁNYOK A Miskolci Egyetem közleménye 4. kötet
Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra
Szegedi Tudományegyetem Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék Dr. Németh Tamás Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra SZTE TTIK, Móra Kollégium,
Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések
BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu
Algoritmizálás. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar
Algoritmizálás Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 0.1. Az algoritmikus tudás szintjei Ismeri (a megoldó algoritmust) Érti Le tudja pontosan
Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek
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
Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma
Egyes logisztikai feladatok megoldása lineáris programozás segítségével - bútorgyári termelési probléma - szállítási probléma Egy bútorgyár polcot, asztalt és szekrényt gyárt faforgácslapból. A kereskedelemben
Doktori Ertekez es J osvai J anos Sz echenyi Istv an Egyetem, M uszaki Tudom anyi Kar 2012
Doktori Értekezés Jósvai János Széchenyi István Egyetem, Műszaki Tudományi Kar 2012 Jósvai János Proaktív termelésütemezési, logisztikai módszerek és ipari alkalmazásaik doktori értekezés Témavezetők:
2. Visszalépéses keresés
2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának
Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)
Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus
Ipar 4.0: digitalizáció és logisztika. Prof. Dr. Illés Béla Miskolci Egyetem, GÉIK, Logisztikai Intézet Miskolc, április 19.
Ipar 4.0: digitalizáció és logisztika Prof. Dr. Illés Béla Miskolci Egyetem, GÉIK, Logisztikai Intézet Miskolc, 2018. április 19. Az előadáson érintett témák Termelés és piaci hatások Új piaci színtér
Gyártási folyamatok tervezése
Gyártási folyamatok tervezése Dr. Kardos Károly, Jósvai János 2006. március 28. 2 Tartalomjegyzék 1. Gyártási folyamatok, bevezetés 9 1.1. Gyártó vállalatok modellezése.................. 9 1.1.1. Számítógéppel
Rekurzió. Dr. Iványi Péter
Rekurzió Dr. Iványi Péter 1 Függvényhívás void f3(int a3) { printf( %d,a3); } void f2(int a2) { f3(a2); a2 = (a2+1); } void f1() { int a1 = 1; int b1; b1 = f2(a1); } 2 Függvényhívás void f3(int a3) { printf(
Készítette: Ellenőrizte: Jóváhagyta:
FOGLALKOZÁSI TERV Nyíregyházi Főiskola Gyártórendszerek tervezése c. tan- 2009/2010. tanév, II. félév GM.III. évfolyam Gyak.jegy, 2 kredit tárgy Műszaki Alapozó és Gépgyártástechnológia Tanszék Tanítási
Kontrollcsoport-generálási lehetőségek retrospektív egészségügyi vizsgálatokhoz
Kontrollcsoport-generálási lehetőségek retrospektív egészségügyi vizsgálatokhoz Szekér Szabolcs 1, Dr. Fogarassyné dr. Vathy Ágnes 2 1 Pannon Egyetem Rendszer- és Számítástudományi Tanszék, szekersz@gmail.com
Adaptív dinamikus szegmentálás idősorok indexeléséhez
Adaptív dinamikus szegmentálás idősorok indexeléséhez IPM-08irAREAE kurzus cikkfeldolgozás Balassi Márton 1 Englert Péter 1 Tömösy Péter 1 1 Eötvös Loránd Tudományegyetem Informatikai Kar 2013. november
Java II. I A Java programozási nyelv alapelemei
Java II. I A Java programozási nyelv alapelemei Miskolci Egyetem Általános Informatikai Tanszék Utolsó módosítás: 2008. 02. 19. Java II.: Alapelemek JAVA2 / 1 A Java formalizmusa A C, illetve az annak
Amortizációs költségelemzés
Amortizációs költségelemzés Amennyiben műveleteknek egy M 1,...,M m sorozatának a futási idejét akarjuk meghatározni, akkor egy lehetőség, hogy külön-külön minden egyes művelet futási idejét kifejezzük
Vállalatirányítás HÁLÓTERVEZÉS. Tevékenység Jel Kódjel megelőző követő tevékenység jele. A - C 6 Munkaerő-szükséglet 2. B - F 8 műszaki tervezése 3.
HÁLÓTERVEZÉS 1. Egy hálótervről az alábbi adatok ismertek: Közvetlenül Tevékenység Jel Kódjel megelőző követő tevékenység jele 1. Generálterv kidolgozása A - C 6 Munkaerő-szükséglet. meghatározása és gyári
ANALÍZIS TANSZÉK Szakdolgozati téma. Piezoelektromos mechanikai redszer rezgését leíró parciális
Piezoelektromos mechanikai redszer rezgését leíró parciális di erenciálegyenlet el½oállítása és megoldása Témavezet½o: Dr. Kovács Béla Rugalmas és pizoelektromos rétegekb½ol álló összetett mechanikai rendszer
(Solid modeling, Geometric modeling) Testmodell: egy létező vagy elképzelt objektum digitális reprezentációja.
Testmodellezés Testmodellezés (Solid modeling, Geometric modeling) Testmodell: egy létező vagy elképzelt objektum digitális reprezentációja. A tervezés (modellezés) során megadjuk a objektum geometria
Adatszerkezetek I. 7. előadás. (Horváth Gyula anyagai felhasználásával)
Adatszerkezetek I. 7. előadás (Horváth Gyula anyagai felhasználásával) Bináris fa A fa (bináris fa) rekurzív adatszerkezet: BinFa:= Fa := ÜresFa Rekord(Elem,BinFa,BinFa) ÜresFa Rekord(Elem,Fák) 2/37 Bináris
Hidraulikus hálózatok robusztusságának növelése
Dr. Dulovics Dezső Junior Szimpózium 2018. Hidraulikus hálózatok robusztusságának növelése Előadó: Huzsvár Tamás MSc. Képzés, II. évfolyam Témavezető: Wéber Richárd, Dr. Hős Csaba www.hds.bme.hu Az előadás
Algoritmusok és adatszerkezetek gyakorlat 06 Adatszerkezetek
Algoritmusok és adatszerkezetek gyakorlat 06 Adatszerkezetek Tömb Ugyanolyan típusú elemeket tárol A mérete előre definiált kell legyen és nem lehet megváltoztatni futás során Legyen n a tömb mérete. Ekkor:
Programfejlesztési Modellek
Programfejlesztési Modellek Programfejlesztési fázisok: Követelmények leírása (megvalósíthatósági tanulmány, funkcionális specifikáció) Specifikáció elkészítése Tervezés (vázlatos és finom) Implementáció
Logisztikai hálózatok funkcionális elemekre bontása intralogisztikai
Logisztikai hálózatok funkcionális elemekre bontása intralogisztikai rendszerekben Minden rendszer, és így a logisztikai hálózatok is egymással meghatározott kapcsolatban lévő rendszerelemekből, illetve
VIKKK III: firány: Korszer technológia rendszerek fejlesztése, se, optimalizálása
VIKKK III: firány: Korszer technológia rendszerek fejlesztése, se, optimalizálása Szeifert Ferenc Veszprémi Egyetem, Folyamatmérnöki Tanszék Veszprém, 2006. január Elzmény projektek: Projektek Vegyipari
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
Az informatika kulcsfogalmai
Az informatika kulcsfogalmai Kulcsfogalmak Melyek azok a fogalmak, amelyek nagyon sok más fogalommal kapcsolatba hozhatók? Melyek azok a fogalmak, amelyek más-más környezetben újra és újra megjelennek?
Véletlen sorozatok ellenőrzésének módszerei. dolgozat
Eötvös Loránd Tudományegyetem Informatikai Kar Komputeralgebra Tanszék Véletlen sorozatok ellenőrzésének módszerei dolgozat Témavezető: Dr. Iványi Antal Miklós egyetemi tanár Készítette: Potempski Dániel
út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.
1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost
Ütemezési modellek. Az ütemezési problémák osztályozása
Ütemezési modellek Az ütemezési problémák osztályozása Az ütemezési problémákban adott m darab gép és n számú munka, amelyeket az 1,..., n számokkal fogunk sorszámozni. A feladat az, hogy ütemezzük az
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék 2012/13 1. félév 4. Előadás Dr. Kulcsár Gyula egyetemi docens A CIM fejlődése Specializálódás (1980-as évek vége) A termelővállalatokat