برنامه ریزی فروشگاه جریان یک مشکل بهینه سازی کلاسیک است که در محیط های تولیدی ایجاد می شود که در آن مجموعه ای از مشاغل باید بر روی یک سری ماشین ها در یک سفارش ثابت پردازش شود.هدف این است که تعیین توالی مشاغل از طریق طبقه بندی فروشگاه برای به حداقل رساندن معیارهای مانند زمان کامل مطابقت، کل زمان بیکار، یا گوش / مجازات واقعی فروشگاه جریان است که اغلب شامل ده ها روش های سنتی تجزیه و تحلیل ماشین است - با استفاده از روش های سخت افزاری و تقاضا می تواند آنها را حل کند.

درک جریان Shop Scheduling

در یک فروشگاه جریان کلاسیک، هر شغل باید بر روی مجموعه ای از ماشین ها در همان ترتیب پردازش شود.برای مثال، شغل 1 باید از طریق ماشین A، سپس B، سپس C و به طور مشابه برای تمام مشاغل دیگر پردازش شود. ماشین آلات نمی توانند دو شغل را به طور همزمان پردازش کنند و هر عمل دارای زمان فرآیند شناخته شده است. مشکل تصمیم گیری پیدا کردن یک شغل (یا یک نمونه) است که یک توالی دقیق را حتی منجر به حداقل رساندن یک انفجار کوچک می کند.

انواع مشکلات فروشگاه جریان

  • فروشگاه جریان تغییر مسیر: [FLT 1] توالی مشاغل در هر ماشین یکسان است.
  • فروشگاه جریان های فشرده: چندین ماشین موازی در هر مرحله وجود دارد.
  • ] فروشگاه جریان قابل تنظیم: [FLT 1 ] ماشین ها می توانند برای عملیات های مختلف استفاده شوند و انعطاف پذیری مسیریابی را اضافه کنند.
  • فروشگاه جریان انتظار (FLT 1) پردازش یک کار باید مداوم باشد، بدون اینکه بین ماشین ها انتظار داشته باشید.

هر نوع محدودیت ها را معرفی می کند که باید رضایت داشته باشد و برنامه ریزی محدودیت را به یک چارچوب مدل سازی ایده آل تبدیل کند، زیرا محدودیت ها می توانند بدون بازسازی کل رویکرد اضافه یا حذف شوند.

برنامه نویسی Constraint چیست؟

برنامه نویسی Constraint یک پارادایم برای حل مشکلات ترکیبی است که به طور ضمنی محدودیت هایی را بیان می کند که باید نگه داشته شود.یک مدل CP شامل متغیرهای (با دامنه های محدود یا نامحدود) و مجموعه ای از محدودیت هایی است که ترکیبات وابسته به ارزش احتمالی را محدود می کند. The Solver از الگوریتم های انتشار استفاده می کند و جستجوی Heuristics برای کشف فضا راه حل بر خلاف برنامه نویسی سنتی صحیح، هنگامی که CP پیچیده یا غیر قابل تفاوت هستند، همه زمان های غیر قابل مشاهده است.

برای برنامه ریزی، مدل های CP به طور معمول از متغیرهای تصمیم گیری فاصله برای نشان دادن شروع، پایان و مدت هر عملیات استفاده می کنند.The Solver سپس گسترش محدودیت را اعمال می کند تا اطمینان حاصل شود که هیچ دو عملیات در یک دستگاه همپوشانی ندارد، عملیات اولویت شغلی و ظرفیت منابع فراتر نمی رود.

درخواست برنامه ریزی برای جریان فروشگاه Scheduling

قدرت CP در توانایی خود برای ترکیب محدودیت های ناهمگنی است، زمانی که مدل سازی یک فروشگاه جریان، اجزای زیر تعریف می شوند:

متغیرهای و Domains

  • متغیرهای توالی: تصمیم بگیرید که ترتیب نسبی مشاغل (اغلب به عنوان متغیرهای صحیح برای موقعیت یا تغییر موقعیت نشان داده می شود.
  • فواصل عملیاتی: هر عمل یک متغیر فاصله با شروع، پایان و طول (زمان پردازش) است.
  • ] منابع ماشین: یک منبع غیر نظامی (یا تجمعی برای ماشین آلات موازی) که هیچ همپوشانی ندارد.

Core Constraintss

  • محدودیت های پیش بینی: [FLT 1] برای هر کار، عملیاتی که باید قبل از شروع عملیات i 1 به پایان برسانم.
  • محدودیت ظرفیت ماشین: هیچ دو عملیات را نمی توان در همان زمان پردازش کرد.
  • همه محدودیت های متفاوت: در فروشگاه های جریان جهش، متغیر سفارش برای هر دستگاه باید یک جهش از 1 ...n.
  • محدودیت های اضافی: تاریخ انتشار، تاریخ های مقرر، زمان تنظیم و پنجره های تعمیر و نگهداری به راحتی می توان اضافه کرد.

تابع Objective

رایج ترین هدف به حداقل رساندن اس اس اس اس اس اس اس اس (Cmax) است، با این حال، CP می تواند کل کمبود وزن، زمان بیکار یا هر متریک سفارشی را بهینه سازی کند.The Solver از استراتژی های جستجوی مختلف پشتیبانی می کند: تقسیم دامنه و یا جستجوی بزرگ محله (LNS).

فرآیند حل با حل کننده های CP

استفاده از یک حل کننده مدرن CP (به عنوان مثال، IBM ILOG CP Optimizer، Google OR-Tools یا Choco) شامل مراحل زیر است:

  1. مدل فرمول: فروشگاه جریان را به متغیرهای و محدودیت های تصمیم گیری ترجمه کنید.
  2. گسترش محدودیت: [FLT 1] حل کننده به طور خودکار دامنه ها را با استنتاج از محدودیت ها کاهش می دهد.
  3. جستجو: یک استراتژی جستجو (به عنوان مثال، "اولین شکست") یک متغیر را انتخاب می کند و ارزش را تعیین می کند؛ تکرار می کند.
  4. (و اگر به بن بست رسید، باز گشت و گذار و تلاش برای جبران خسارت و جبران خسارت.
  5. قابلیتimization: پس از پیدا شدن راه حل ممکن، حل کننده به جستجو برای بهتر شدن تا زمانی که بهینه سازی ثابت شده است.

این رویکرد اغلب راه حل های خوب را به سرعت پیدا می کند، حتی برای موارد بزرگ، زیرا گسترش مناطق بزرگ فضای جستجو را تنظیم می کند.

مزایای برنامه نویسی Constraint

برنامه نویسی Constraint چندین مزیت متمایز برای برنامه ریزی فروشگاه جریان ارائه می دهد:

  • محدودیت های دنیای واقعی پیچیده (به عنوان مثال، زمان تنظیم وابسته به توالی، قوانین تغییر کارکنان) می تواند به طور طبیعی بدون ترفندهای خطی سازی مدل سازی شود.
  • حل و فصل عملیاتی: [FLT 1] هنگامی که شرایط تغییر می کند (یک ماشین خراب می شود)، مدل را می توان با محدودیت های جدید تعمیر کرد و حل کننده می تواند از اطلاعات جستجوی قبلی استفاده کند.
  • شتاب در مقیاس: در حالی که CP زمان را تضمین نمی کند، آن را به مراتب بهتر از تحریک brute-force و اغلب جبران MILP در مشکلات به شدت محدود است.
  • مدیریت چند منظوره: CP می تواند اهداف خلاصه ای ازlexicographic یا وزنه برداری را اداره کند و اکتشاف جلو Pareto با چندین اجرا امکان پذیر است.
  • Integration with Heuristics: جستجوی بزرگ محله، که در آن CP برای کشف محله تولید شده توسط یک اکتشافی، راه حل عالی برای موارد بسیار بزرگ است.

برنامه های کاربردی real-World Application

بسیاری از صنایع موفق به استقرار سیستم های برنامه ریزی مبتنی بر CP شده اند:

خانه »

در مونتاژ خودرو، بیش از 100 شغل ممکن است نیاز به عبور از جوشکاری، نقاشی و ایستگاه های مونتاژ نهایی داشته باشد. Constraints شامل هزینه های تغییر رنگ و الزامات ابزار است. مدل ACP می تواند یک برنامه ایجاد کند که زمان تنظیم را تا 20 تا 30٪ کاهش دهد در حالی که تاریخ های مربوط به آن است.

سازنده :

ساخت و ساز Wafer شامل صدها عملیات در دستگاه های گران قیمت است. CP دسته بندی، جریان های تجدید پذیر و محدودیت های اتاق تمیز و دقیق را انجام می دهد.

مراقبت های بهداشتی Scheduling

بیمارستان ها جراحی های برنامه ریزی شده را در چندین اتاق عامل، خلیج های بهبودی و تیم های تخصصی انجام می دهند. CP به کاهش زمان انتظار بیمار و به حداکثر رساندن استفاده از منابع در حالی که به دسترسی به جراح و چرخه های استریل سازی ابزار احترام می گذارد، کمک می کند.

لجستیک و جنگ

سفارش انتخاب، بسته بندی و حمل و نقل در مراکز توزیع می تواند به عنوان یک فروشگاه جریان مدل سازی شود. CP تضمین می کند که سفارشات در یک توالی پردازش می شوند که زمان سفر و ازدحام را به حداقل می رساند.

چالش ها و مسیرهای آینده

علی رغم قدرت، چالش های برنامه نویسی محدود با چالش های بسیار بزرگ (صدها شغل، ده ها دستگاه)، CP هنوز هم ممکن است نیاز به زمان طولانی داشته باشد. رویکردهای هیبریدی - ترکیب CP با برنامه نویسی خطی ترکیبی (MILP) یا متشاری - مناطق تحقیقات فعال هستند.

علاوه بر این، ظهور محاسبات ابری اجازه می دهد تا مدل های CP بر روی سیستم های توزیع شده حل شوند، بیشتر به تقاضاهای زمان واقعی برای ادغام IoT و دوقلوهای دیجیتال به این معنی است که محدودیت ها می توانند به صورت پویا به عنوان جریان داده های طبقه فروشگاه به روز شوند.

نتیجه گیری

برنامه نویسی Constraint یک رویکرد بالغ و در حال تکامل برای برنامه ریزی فروشگاه جریان است.با اجازه دادن به تمرین کنندگان برای تمرکز بر آنچه که مشکل است به جای چگونگی حل آن، CP ارائه می دهد برنامه های قوی، انعطاف پذیر و اغلب بهینه به عنوان منابع محاسباتی رشد و پیشرفت تکنولوژی حل، CP همچنان به سنگ بنای برتری عملیاتی در تولید و سازمان های فراتر از آن که CP می تواند انتظار کاهش زمان، و بهبود سریع در حالی که در حال تغییر شرایط تحویل.