הבנת חנות דינמית סטרימינג Scheduling

תזמון זרימת דינמי עולה כאתגר קריטי במערכות ייצור מודרניות שבו הגעת עבודה אינם נקבעים מראש.בחנות זרימה, כל עבודה חייבת להיות מעובדת על סדרה של מכונות באותו סדר, יצירת זרימת עבודה מקבילה.כאשר משרות חדשות יכולות להיכנס למערכת בזמנים בלתי צפויים, בעיות התזמון משתנות מאופטימיזציה של מכונות חד פעמיות לתהליך קבלת החלטות בזמן אמת.

המורכבות של תזמון סטרימינג דינמי היא איזון מטרות מרובות: צמצום תוחלת (זמן השלמת גלגול), צמצום העבודה הממוצעת באיחור, למקסם את ניצול מכונה, ולשמור על ההוגנות על פני מקומות עבודה.בניגוד לתזמון סטטי, שבו קבוצה שלמה של מקומות עבודה ידועה מראש ואלגוריתמים יכולים לחפש פתרון אופטימלי, תזמון דינמי דורש גישות תגובתיות או חיזוי שמתאימות לכל אירוע חדש - באופן זמני הגעה, מכונה, כשל פתאומי או שינוי מוקדם יותר.

יישום בעולם האמיתי לעתים קרובות להסתמך על מחקרים סימולציה כדי להעריך מדיניות תזמון לפני הפריסה.לדוגמה, מחקר שפורסם ב- FLT:0 International Journal of Production ResearchFLT:1 הראה כי ביצועים תזמון סטרימינג דינמי הוא רגיש מאוד לבחירה של העברת השלטון כאשר התמוטטות מכונה וביטולי עבודה הם תכופים.זה מדגיש את הצורך לא רק להבין את הכללים עצמם, אלא ההקשר שבו הם מוחלים.

כדי לקבל רקע עמוק יותר על יסודות תזמון קניות, הקוראים עשויים להתייחס לסקירה (FLT:0ScienceDirecteurs סקירה כלליתFLT:1 אשר מכסה הן גרסאות סטטיות ודינמיות.

מה הם חוקים מחוסנים?

כללים דיספטיים הם הליכים של החלטות היסטריות המשמשות לבחירת העבודה הבאה להיות מעובד כאשר מכונה הופכת להיות זמינה. הם זוכים לפשטות חישובית וקלות פריסה - ארגוני צדקה שהופכים אותם מתאימים לשליטה בזמן אמת בסביבות שבהן אופטימיזציה מורכבת לא ניתן לסווג במהירות מספיק.כללי דיספטינג פועלים על מערכת מוגבלת של תכונות עבודה (זמן עיבוד, תאריך, מועד, מועד, מועד, מועד, יחס קריטי) ובאופן מדויק יותר.

הכללים הנפוצים ביותר כוללים:

  • זמן עיבוד קצר (SPT)FIRLT:1 ; בוחר את העבודה עם זמן העיבוד הקטן ביותר על המכונה הנוכחית.כלל זה מצמצם זמן זרימה ותפקוד תוך כדי עיבוד, אך יכול לגרום למשרות ארוכות להיות מתעכב ללא הגבלת זמן, המוביל לנפיחות גבוהה.
  • (FLT:0)Earliest Due תאריך (EDD)IRLT:1) - עדיפות משרות עם התאריכים המוקדמים ביותר המשוער.זה נועד למזער את המאוחר המקסימלי והוא פופולרי בסביבות ביצוע הזמנה שבו מועדים הם קריטיים.
  • (FLT:0) זמן עיבוד ארוך (LPT)FIRLT:1) - ההפך של SPT; הוא בוחר את העבודה עם זמן העיבוד הארוך ביותר.הכלל הזה מאזן עומס עבודה אבל יכול להגדיל את זמן זרימת המשמעות באופן משמעותי.
  • (FLT:0) First Come First Serve (FCFS)cioFLT:1) - תהליכים עבודה על מנת להגיע.זה הוגן ופשוט אבל לעתים קרובות מניב ביצועים נמוכים על אמצעים כמו שכנוע ונפיחות תחת עומסים כבדים.
  • (FLT:0Critical Ratio (CR)FIRLT:1) - חישובים (תאריך איחור - הזמן הנוכחי) / זמן עיבוד נוסף.משרות עם ערכי CR נמוכים טרם יושמו כדי להימנע מאחריות.
  • (FLT:0)Modified Operation Due Date (MOD)cioFLT:1) - כלל מורכב המשקף גם תאריך עיבוד מועד, לעתים קרובות להפגין ביצועים חזקים בחנויות דינמית.

מעבר לכללים סטנדרטיים אלה, רבים היברידיים והתאמה של שיגור היוריסטיים הוצעו - כגון Slack per Remaining Process Number (S/RPT) או חוק ה- Apud Tardness Cost (ATC) משלבים קריטריונים מרובים ולעיתים משלבים מידע על הגעת עבודה עתידית.

לרשימה מקיפה של העברת כללים ונוסחאות מתמטיות שלהם, ה-FLT:0 (ההנדסה התעשייתית) באמגמאווואט (היסטטי) ,FLT:1 הוא משאב שימושי (הערה: להחליף משאב אמיתי).

יעילותם של חוקי ההתנתקות

יעילותם של העברת כללים בתזמון של קניות דינמיות הייתה נושא למחקר נרחב בחמשת העשורים האחרונים.ההשפעה שלהם על מדדי ביצועי המערכת כגון תוחלת, פיגור, ניצול מכונה, ורמות של תהליכים עבודה יכול להיות עמוק.עם זאת, שום כלל אחד לא שולט בכל התנאים התפעוליים; הבחירה הטובה ביותר היא continged על תערובת העבודה, דפוסי ההגעה, עקב נוקשות, ואמינות.

מחקרים באמצעות סימולציה דיסקרטית-אפילוט מראים כי בסביבות עם ניצול נמוך ונדיבה מועדים, כללים פשוטים כמו EDD או FCFS יכולים לבצע באופן מתקבל על הדעת. asנצלו את העלייה ותאריךים הבאים הופכים להיות הדוקים יותר, העליונות של כללים מתוחכמים יותר כגון SPT, CR, או MOD הופך להיות ברור.לדוגמה, נייר חצי-כלי על ידי K.R.FLT: מחקר לוגי מצטמצם: לנטרל את טווח הזמן המאוחר יותר של מעבר ל-S, אך צפוי, אך צפוי לטמפרטורה של טווח מוקדם יותר של זמן קצר לאחר מכן, אך צפוי, אך צפוי, אך בטווח של טווח זמן קצר יותר של טווח המעבר של 1PTCED, אך צפוי, אך צפוי, אך צפוי, אך צפוי, אך צפוי, אך צפוי, אך מצמצם את טווח זמן של טווח זמן של 1:1, אך גבוה יותר של טווח זמן של טווח מוקדם יותר של טווח זמן של טווח מוקדם יותר של טווח זמן של טווח זמן של 1- 1- 1-פני טווח המעבר של טווח זמן של 1-פני CPTCEPTCE, אך צפוי, אך צפוי, אך צפוי, אך צפוי, על ידי K.

חנויות זרימת דינמיות להוסיף שכבה נוספת של מורכבות כי עבודות ניסיון רצפים שונים של מכונות, ותופעות תור של תרכובת על פני שלבים.משטר משלוח יעיל במכונה הראשונה עשוי להוביל לרעב או לעומס יתר על המידה.לכן, החוקרים לעתים קרובות להעריך כללים בהקשר רחב מערכת ולא במכונה אחת.

יתרונות של חוקים

היתרון העיקרי של שליחת כללים הוא בפשטותם ויעילות חישובית שלהם.הם יכולים להיות מיושמים במערכות בקרת קניות עם מינימום overhead ויכול לקבל החלטות ב- מילימטרים, וזה חיוני כאשר מכונות הופכות למצד וזמן idle יש למזער.יכולת זו בזמן אמת היא בעלת ערך במיוחד בהגדרות ייצור גבוהות, נמוך כרכים שבו יש עבודות עיבוד מגוונות ומועדים.

יתרון נוסף הוא השקיפות שלהם: מפעילים ומנהלים יכולים בקלות להבין מדוע עבודה מסוימת נבחרה לאחר מכן.זה מעודד אמון ומאפשר על מחסומים ידניים מהירים בעת הצורך.בנוסף, שליחת כללים ניתן לשלב עם פשוט חלקה אקספונציאלי או שיטות חיזוי כדי לצפות את הגעת העתיד, יצירת לולאה משוב שמשפר ביצועים ארוכי טווח.

מחקרים מעשיים של חלקי רכב ייצור להוכיח כי מעבר של כלל-של קידוד (למשל, "מעבד את העבודה הקלה ביותר") ל- SPT שיטתי או כלל ATC הפחית את איחור העבודה הממוצע ב-15-25% ללא כל השקעה הון.

גבולות ואתגרים

למרות החוזקות שלהם, שליחת כללים הם בעיקר myopic - הם מקבלים החלטות המבוססות רק על מידע מקומי, הנוכחי. זה Myopia יכול להוביל לוחות זמנים תת-אופטימיים בעולם.לדוגמה, חוק SPT נוטה לככב במשרות ארוכות, מה שגורם להם להיות מאוחר ביקורתי. בהגדרות דינמיות עם כניסות חדשות תכופות, אפקט זה יכול להיות קדמי, וכתוצאה מכך עלויות מופרזות ופספסת תאריכים.

אתגר נוסף הוא הרגישות לשיבושים במערכת כגון התמוטטות מכונה.כאשר מכונה יורדת, הדינמיקה התור משתנה מיד, ושלטון המבוצע היטב במצב יציב עשוי להופיע רע לאחר מכן.מחקר הראה כי כללים כמו CR ו- MOD חזקים יותר לשיבושים מאשר SPT או EDD, אך שום כלל אינו גמיש לחלוטין.

בנוסף, שליחת כללים לא לשקול את מצב מכונות מטה הזרם.עבודה עם זמן עיבוד קצר על המכונה הנוכחית עשויה להימשך לתחנת צוואר בקבוק שבו היא תייצר תור ארוך.ללא תיאום בין השלבים, האופטימה המקומית לא מתרגמת ליעילות הגלובלית.זה הניע את פיתוח מערכות בקרת המכולת המשלבות כללים עם מנגנונים פשוטים המבוססים על משיכה (כמו קוואן) או עם תזמון חיזוי.

לבסוף, חוסר ערבויות אופטימיזציה פירושו כי עבור מטרות ביצועים מורכבות (למשל, צמצום של סטיות משקל הכולל כפוף מגבלות מלאי), חוק משלוח עשוי להיות רחוק אופטימלי. במקרים כאלה, metaheuristics כמו אלגוריתמים גנטיים או סימולציה annealing יכול למצוא לוחות זמנים טובים יותר, אבל הם דורשים זמן חישובי כי לא זמין בסביבה דינמית.

ביצועים מורכבים ומדידים יעילות

כדי להעריך אובייקטיבית של שליחת כללים, החוקרים משתמשים במערך של מדדי ביצועים סטנדרטיים:

  • (ב) ,0) ,Makespan (C max)FLT:1 ; הזמן ההשלמה של העבודה האחרונה.Minimizing Makespan חשוב למקסימום את התפוקה.
  • (ב) [15] זמן זרימה (FLT) 1 - זמן ממוצע של עבודה מבלה במערכת.
  • (ב) [15] ,(ה) ,(ה) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) מקסימום טרדנס (FLT:1), איחור במזוודה גרועה; מסייע להימנע מהפרות קיצוניות.
  • (ב) ,0) מ"מקרא אורליזציה 1" (מ"ג) - אחוז מכונות הזמן עסוקות.
  • (ב) ,0) עובדים-in-Process (WIP) ממציאיפי FLT:1 - מספר מקומות עבודה מחכים.

(המדדים האלה לעתים קרובות סותרים.לדוגמה, צמצום תוחלת ההקצנה בדרך כלל דוחף בלוח זמנים הדוקים שלהגדיל את WIP. לכן, שיטות קבלת החלטות מרובות-ביקורת כגון סכומים או ניתוח גבולות פארוטו משמשים למציאת כלל מאוזן. A meta-analysis של 40 שנים של סימולציה, שפורסם ב-FLT:0 European Research of OperationalFalphirure, הראה את הכלל המרבי של 3D2 (הרחבה) בעקביות (D) בעקביות, כלומר, בעקביות, בעקביות, 3D) ב-Freditd) ב-FLT2, ב-D) ב-D) ב-D) ב-D) ב-D) באופן עקבי, ב-D) ב-D) ב-D) ב-D-D-D-D-D-D-D-D-TD-D-D) באופן עקבי, ניתן לתארים ב-D-D-D-D-D-D-D-D-D-D-D-D-D-D-TD-D-D-D-D-D-D-D-D-D-D-D-D

המלצות מעשיות לבחירת חוק התנתקות

בהתחשב במסחר, איך מנהל ייצור להחליט איזה חוק יש ליישם?ההנחיות הבאות יכולות לעזור, בהתבסס על שיטות העבודה הטובות ביותר בתעשייה וממצאים אקדמיים:

  • (ב) כאשר תאריכים מועדים הם עונשים הדוקים ומאוחרים הם גבוהים: FLT ( 1:1 השתמש תאריך היעד הפופולרי ביותר (EDD) או חוק Ratio קריטי (CR) כללים אלה מתייחסים במפורש למועדי מועדים ולהפחית את הסיכון של סטיות חמורות.
  • (FLT:0) כאשר המטרה היא למקסם את השימוש ולצמצם את WIPRE: 1FLT:1 זמן עיבוד קצר (SPT) הוא לעתים קרובות הבחירה הטובה ביותר, במיוחד אם מקומות עבודה הם אחידים יחסית ערך.שלב עם מנגנון בטיחות כדי למנוע רעב של משרות גדולות (למשל, לעבור ל- FCFS אם עבודה כבר יותר מסף).
  • (FLT:0) כאשר ניצול מכונה הוא גבוה והתמוטטות הם נפוצים: ההרחבה 1:1 השתמש כלל מורכב כמו MOD או ATC אשר מאזן תאריך ועיבוד, כמו אלה מראה עמידות לשיבושים.
  • (ב) כאשר משרות יש סדרי עדיפויות שונים (למשל, הוראות מותאמות אישית דחופות לעומת הזמנות סטנדרטיות ארוכות טווח): FLT:1 , ASsign rerete עדיפויות ולהשתמש בחוק הראשון בעדיפות ראשונה, ולאחר מכן על ידי כלל משני כגון SPT בתוך כל שכבה.
  • (FLT:0) למטרה של ביצועים מעורבים: FLT:1hil יישום מערכת בחירה מודולרית של כללים שמתאימה על בסיס מדדים בזמן אמת (למשל, אם פיגור ממוצע עולה על סף, מתג מ SPT ל- CR).

גישות היברידיות ורחבות מתקדמות

מאחר שלהוראות של חוקים יש חולשות ידועות, חוקרים ומתרגלים רבים משלבים אותם עם טכניקות אחרות.לדוגמה, גישה לאופק מתגלגלת משתמשת בפעולת הגשה פשוטה כדי לבצע החלטות רק לעתיד המיידי תוך פתרון מעת לעת למודל תכנות מתמטי קצר טווח שנראה קדימה.

אזור מבטיח נוסף הוא השימוש של למידת מכונה כדי לבחור או לכוון את הכללים באינטרנט.הנתונים ההיסטוריים של רצפת החנות ניתן להשתמש כדי להכשיר מאמת כי, בהתחשב במצב המערכת הנוכחי (אורךי מערכת, עקב דבקות מועד, עומס מכונה), ממליץ על הכלל הטוב ביותר בכל נקודה. מחקרים ב FLT:0Computers & הנדסה תעשייתית FLT:1 הראו כי גישות למידה מבוקרות כאלה על ידי 5-10%- כל כלל קבוע.

בנוסף, חבילות תוכנה סימולציה דיסקרטית (למשל, Arena, כללוגי, FlexSim) משמשות רבות לבדיקת כללים לפני הפריסה.כלים אלה מאפשרים למנהלים לדמות חודשים של ייצור תוך דקות, לחקור תרחישים "מה אם" וזיהוי הגדרות חוק חזקות.

מסקנות ודרכים עתידיות

כללים דיספטיים נשארים אבן הפינה של תזמון סטרימינג דינמי עקב הפשטות, המהירות והשקיפות שלהם, בעוד שהם לא תמיד מייצרים תוכניות אופטימליות בעולם, יכולתם לקבל החלטות יעילות בזמן אמת הופכת אותם הכרחיים עבור יישומים מעשיים.המפתח לשימוש בהם שקרים ביעילות בהבנה הסביבה התפעולית ובחירת כלל (או שילוב של כללים) המיישר עם מדד הביצועים הדומיננטי.

מחקר עתידי צפוי להתמקד בהטמעת כללים עם מערכות סייבר-פיזיות ואינטרנט של הדברים (IoT) נתונים בזמן אמת מחיישנים יכולים להאכיל לתוך מנועי בחירה אדפטיים להגיב מיד לבריאות מכונה, שינויים סדר, או שיבושים אספקה.בנוסף, התקדמות בלמידה חיזוק עשויה להניב סוכנים שלמדו באופן מיטבי של מדיניות החל מניסיון, שעלולה לעלות על עתידים בעבודת יד עד שיטות כה בוגרות, אך קלאסיות, להמשיך את כללי התזמון ימשיכו לפעול.

עבור אלה המעוניינים לצלול עמוק יותר, הספר:0 (התביעה: תאוריה, אלגוריתמס, ומערכות FLT:1 על ידי מייקל ל' פינדו מספק טיפול יסודי של העברת כללים בסביבה דינאמית, זמין באמצעות FLT:2 Springer's קטלוגFLT 3:2).

לסיכום, יעילות של שליחת כללים היא תלות הדדית אך חיובית באופן רחב כאשר נבחר עם טיפול. על ידי מינוף החוזקות של כללים אלה ותשומת לב למגבלות שלהם, חברות הייצור יכולות להשיג שיפורים משמעותיים ביעילות, שירות לקוחות, ובקרת עלויות ללא תיקון עלויות יישום גבוהות.