Dinamik Akış Dükkan Planlamasında Dispatching Kurallarının Etkililiği

Dinamik Akış Mağaza Planlamasını Anlamak

Dinamik akış mağazası planlama, modern üretim sistemlerinde iş varışlarının önceden belirlenmiş olmadığı kritik bir meydan okuma olarak ortaya çıkıyor. Bir akış mağazasında, her iş aynı şekilde bir dizi makine üzerinde işlenebilir, yarı iletken bir iş oluşturma, yeni işler sisteme zamanında girildiğinde, statik bir şarjlama işlemine hızlanabilir.

Dinamik akış mağaza planlama karmaşıklığı birden fazla hedef dengelemede yatıyor: her yeni etkinliğe adapte olan en iyi (toplam tamamlama süresi) tepki verme, maksimum makine kullanımı ve iş genelinde adilliği sürdürme.Tam bir iş setinin önceden bilindiği ve algoritmaların her yeni etkinliğe adapte olan reaktif veya tahmin edici yaklaşımlar gerektirdiği gibi -tipik olarak bir iş, bir makine başarısızlığı veya daha önce bir değişiklik.

Gerçek dünya uygulamaları genellikle dağıtımdan önce planlama politikaları değerlendirmek için simülasyon çalışmalarına güveniyor. Örneğin, sadece kurallarda yayınlanan bir çalışma:0)Uluslararası Üretim Araştırmaları Dergisi), dinamik akış mağaza planlama performansının makine arızaları ve iş iptalleri zaman yönetimi seçimine son derece hassas olduğunu göstermiştir.

Akış mağaza planlamanın temelleri üzerinde daha derin bir arka plan elde etmek için, okuyucular [[0) BilimDoğruu konu genel bakış[Dönemli ve dinamik varyantları kapsayan[Dönemli).

Dispatching Kuralları Nedir?

Dağıtım kuralları, bir makine mevcut olduğunda işlenecek bir şekilde işlenecek bir şekilde işlemlenecek olan ortamlardaki uygun şekilde hesaplamak için ödüllendirilir.Onlara varış süresi, eleştirel oranı için ödül verilir - bu da karmaşık optimizasyon algoritmalarının yeterince hızlı bir şekilde hesaplanamayacağı ortamlardaki uygun hale getirir.

En yaygın sevk kuralları şunları içerir:

• [FONT:0]Shortest Processing Time (SPT)) - mevcut makinedeki en küçük işleme süresi ile işi seçin. Bu kural, akış zamanı ve iş-işlem envanteri anlamına gelir, ancak uzun işlere son derece gecikebilir, yüksek oranda ağırlığa yol açabilir.
• [FONT:0)Earliest Due Date (EDD)) - en erken tarihlerle işlere öncelik verir.En erken dönemler ile en geçlik ve son derece kritik olan zaman zaman zaman zaman zamanları içinde popüler olmayı amaçlamaktadır.
• [FOT:0) En Uzun İşleme Zamanı (LPT))[CVT)[değiştir | kaynağı değiştir] Bu kural iş yüküyle seçilir, ancak akış zamanı önemli ölçüde artırabilir.
• [FONT:0) İlk olarak İlk Servet (FCFS)) - varış sırasında işler adil ve basit ama genellikle ağır yüklerin altında sabit ve ağır yüklerin altında olduğu önlemler konusunda kötü performans sağlar.
• [FONT=0)Kritical Oran (CR)) - Hesaplar (günde mevcut zaman) / kalan işlem süresi. Düşük CR değerleri olan işler geçliğe öncelik verir.Bu kural, son zamanlardaki yaklaşım olarak dinamik olarak uyum sağlar.
• [FONT:0) Tarih (MOD))[değiştir | kaynağı değiştir] - hem tarih hem de işleme zamanı nedeniyle dikkate alan bir kompozit kural, genellikle dinamik akış dükkanlarında sağlam performans gösterir.

Bu standart kuralların ötesinde, birçok hibrit ve uyarlayıcı heuristics önerildi - örneğin İşlem Numarası (S/RPT) veya Apmain Tardiness Maliyeti (ATC) kuralı. Bu, gelecekteki iş varışları hakkında birden fazla kriteri birleştirir.

Kurallara ve matematiksel formülasyonlarına kapsamlı bir liste için, ESRAT:0) OmegaWat'ta (hypothetical) ) endüstriyel mühendislik referansı (gerçek bir kaynakla değiştir)

Dispatching Kuralları

Dinamik akış mağazası planlamadaki kuralların etkinliği son beş yılda kapsamlı araştırma konusu olmuştur.Sistem performansı ölçümleri, kanal kullanımı ve iş işleme seviyeleri derin olabilir. Ancak, iş koşulları boyunca tek bir kural hakim değildir; en iyi seçim, tarih darlığı ve makine güvenilirliği ile ilgilidir.

Ayrılmalı simülasyon kullanarak çalışmalar, düşük kullanım ve cömertçe tarihlerle, EDD veya FCFS gibi basit kurallar kabul edilebilir. As use increases and due dates become tighter, the superiority of more complex levels such as SPT, CR, or MOD belirgin hale gelir. Örneğin, K. R. Baker inFLT:0Naval Research Logistics Quarterly) tarafından yapılan basit bir şekilde, SPT'nin varış süreçleri boyunca beklenen akış süresini en aza indirdiği anlamına gelir.

Dinamik akış dükkanları, karmaşıklık başka bir katmanı ekler, çünkü işler farklı makinelerde deneyimlenir ve aşamalarda kuyruk etkiler bileşik. İlk makinede etkili bir sevk kuralı açlık veya aşırı yüklemeye yol açabilir. Bu nedenle, araştırmacılar genellikle tek bir makinede yerine bir sistem çapında kuralları değerlendirirler.

Dispatching Kurallarının Avantajları

Kuralların temel avantajı, basit ve hesaplama verimliliğinde yatıyor. İşlerin minimum üst düzeye sahip olduğu alışveriş yerinde kontrol sistemlerinde uygulanabilir ve makinelerin boş ve boş zaman zaman zaman zamanları en aza alındığında önemli olan milisaniyelerde kararlar alabilir.Bu gerçek zamanlı yetenek özellikle yüksek hacimli, düşük hacimli üretim ayarlarında işlerin çeşitli işleme süreleri ve tarihleri arasında değerlidir.

Başka bir avantaj onların şeffaflığı: operatörler ve yöneticiler, gelecekteki varışları tahmin etmek için belirli bir işin neden seçilmiş olduğunu kolayca anlayabilirler.Bu teşvikler güvene ve gerektiğinde hızlı bir şekilde kılavuz overrides sağlar. Ek olarak, kurallar göndermek, gelecekteki varışları tahmin etmek için basit üst düzeye kadar yöntemlerle birleştirilebilir, uzun vadeli performansı artıran bir geri bildirim döngüsü oluşturabilir.

Otomotiv parçaları imalatından yapılan pratik vaka çalışmaları, bir kural-of-James (e.g., "ilk önce en kolay işi" sistematik bir SPT veya ATC kuralı, herhangi bir sermaye yatırımı olmadan% 15-25 azaltımı azaltımının azaltıldığını gösteriyor.

Sınırlamalar ve Zorluklar

Güçlülerine rağmen, kuralları temel olarak myopictir - sadece yerel, mevcut bilgilere dayanarak kararlar alırlar. Bu myopia küresel altoptimal programlarına yol açabilir. Örneğin, SPT kuralı uzun işlere eğilimlidir, bu yüzden daha sık yeni varışlarla dinamik açlık ortamında, bu aşırı değişken maliyetlerle birlikte cascade, aşırı değişken maliyetlerle ve teslimat tarihlerine yol açabilir.

Bir başka meydan okuma, makine arızaları gibi sistem kesintilerine karşı hassasiyettir. Bir makine gittiğinde, kuyruk dinamikleri anında değişir ve daha sonra istikrarlı durumda iyi yapılan bir kural kötü performans gösterebilir. Araştırma, CR ve MOD gibi kuralların SPT veya EDD'den daha sağlam olduğunu göstermiştir, ancak kural mükemmel değildir.

Ayrıca, kurallar aşağılayıcı makinelerin durumunu dikkate almaz. Mevcut makinede kısa bir işlem süresi olan bir iş, uzun bir kuyruk oluşturacağı bir şişenck istasyonuna devam edebilir.İklimler arası koordinasyon olmadan, yerel optima küresel verimlilikle tercüme etmez.Bu, basit çekmeli mekanizmalarla kuralları entegre eden mağaza kontrol sistemlerinin gelişimini motive etti (örneğin kanban gibi) veya tahmin edilebilir bir zamanlama ile.

Son olarak, optimizasyon garanti eksikliği, karmaşık performans hedefleri için (örneğin, toplam ağırlıkta olan bir sabitlik konusunun envanter kısıtlamalarına tabi tutulması) anlamına gelir, bu tür durumlarda metaheuristikler genetik algoritmaları gibi daha iyi programları bulabilirler, ancak dinamik bir online ortamda mevcut olmayabilir.

Performans Metrikleri ve Etkililiği Ölçüler

Hedef olarak, kuralları değerlendirmek için, araştırmacılar standart performans ölçümlerinin bir setini kullanır:

• [FONT:0)Makespan (C max)) - son işin tamamlanma zamanı. Minimizing makespan, en yüksek devrede azami olarak önemlidir.
• [FONT:0]Mean Flow Time[[Dönemli: 1) Sistemde ortalama bir iş geçirir. Low akışı süresi verimli işleme gösterir.
• [FONT=0]Mean Tardiness[[Dönetici: 1 ) - ortalama geçlik (bugünden beri tamamlanma süresi ve son tarih boyunca olumlu fark).
• [0]Maximum Tardiness[[Dönetici: 1 ) – en kötü durumda gecikme; aşırı ihlallerden kaçınmaya yardımcı olur.
• [FONT=0)Makine Utilization[DÜT:1] - Zaman makinelerinin yüzdesi meşgul. Yüksek kullanım boş maliyeti azaltır.
• [FONT:0)Work-in-Process (WIP) Inventory[[DÜT:1) - Yüksek WIP, sermayeyi bekleyen ve liderlik zamanlarını artırır.

Bu ölçümler genellikle çatışmadır. Örneğin, minimizleme genellikle WIP'i artıran sıkı programlara itir. Bu nedenle, ağırlıklandırılmış veya Pareto sınır analizi gibi multi-kriter karar verme yöntemleri, yüksek dinamik yük analizi ile yayınlanan kapsamlı bir meta-analiz (düşük) ve orta derece yüksek dinamik yük analizi ile birlikte yayınlanabilir.[Dönetici).

Dispatching Kurallarını Seçmek için Pratik Öneriler

Ticaretten ayrılanlara göre, bir üretim yöneticisi hangi kuralı uygulamaya karar vermelidir? Aşağıdaki kılavuzlar endüstriye en iyi uygulamalara ve akademik bulgulara dayanarak yardımcı olabilir:

• [FONT:0) Tarihler dar ve geçlik cezaları yüksek olduğunda:[D) Earlest Due Date (EDD) veya Eleştirel Oran (CR) kuralını kullanın. Bu kurallar açıkça tarih ve ağır kıvrım riskini dikkate alır.
• [FONT:0) Hedefin, WIP'i en üst düzeye çıkarmak ve azaltmak için en iyi seçimdir:[0] Özellikle işlerin büyük işlerden kaçınmak için güvenlik mekanizmasıyla birleştirilmesi durumunda (örneğin, bir iş bir eşiği daha uzun süre beklemek durumunda FC'ye geçiş) yapılır.
• [Ücretsizler yüksek ve arızalar yaygın olduğunda: MOD veya ATC gibi bir kompozit kural kullanın, bu zaman zaman için dengeler ve işlem süresi nedeniyle, bu ağırlığa yol açıyor.
• [FONT:0) İşlerin çeşitli önceliklere sahip olduğu zaman (örneğin, acil özel siparişler vs. uzun süreli standart çalışan siparişler):) Ayrılma öncelikli seviyeleri imzalayın ve her bir aşamada SPT gibi ikincil bir kural olarak ilk önce bir kural kullanın.
• [FONT:0] Bir karışık performans hedefi için:[Dönetici:[Dönetici:0) Gerçek zamanlı ölçümlere dayanan modüler bir kural seçimi sistemi uygulayın (örneğin, eğer baldiness bir eşiği aşıyorsa, SPT'den CR'ye geçiş yapmak için). Adaptif bir araştırma alanıdır.

Hibrit Yaklaşımlar ve Gelişmiş Dahililer

Çünkü kuralların iyi bilinen zayıf yönleri vardır, birçok araştırmacı ve uygulayıcı onları diğer tekniklerle birleştirir. Örneğin, bir yuvarlanma ufk yaklaşımı, yalnızca acil bir gelecek için karar verme kuralı kullanır, periyodik olarak ileriye dönük kısa vadeli matematiksel programlama modeli uygularken, bu optimizasyonun en uygunluğunun hızını birleştirir.

Başka bir umut verici alan, online olarak rezervasyon kurallarını seçmek veya ayarlamak için makine öğreniminin kullanımıdır. Mağaza zemininden gelen tarihsel veriler, mevcut sistem durumu (kücut uzunluklar nedeniyle, son derece sıkılık, makine yükü), her karar noktasındaki en iyi kuralı tavsiye eder.Bilgisayarlar veamp; Endüstri Mühendisliği) Böyle denetimli öğrenme yaklaşımlarının herhangi bir sabit kuralla performansa göre % 5-10 artış gösterdiğini göstermiştir.

Ayrıca, ayrı ayrık simülasyon yazılım paketleri (örneğin, Arena, AnyLogic, FlexSim) dağıtımdan önce kuralları test etmek için yaygın olarak kullanılır. Bu araçlar yöneticilere birkaç dakika içinde üretim aylarını simüle etmelerine izin verir, “if” senaryoları keşfedin ve sağlam kural yapılandırmalarını tanımlamak için kullanılır.

Sonuç ve Future Yol

Dispatching kuralları, basitlik, hız ve şeffaflık nedeniyle dinamik akış mağaza planlamalarının temel taşı olarak kalır. Her zaman küresel olarak en uygun programlar üretmezler, gerçek zamanlı olarak etkili kararlar verme yeteneği onları pratik uygulamalar için vazgeçilmez hale getirir. İşletim ortamı ve kuralların bir kombinasyonunu kullanarak etkili bir şekilde yalanlar yapabilmeleri için anahtar, baskın performans ölçümleri ile uyumlu hale getirirler.

Gelecek araştırma, siber-fiziksel sistemlerle ilgili kuralları entegre etmeye ve Nesnelerin İnterneti (IoT) Sensörlerden gelen gerçek zamanlı veriler, makine sağlığı, sipariş değişikliklerine veya tedarik kesintilerine anında tepki veren adaptif bir yönetime kadar uzanır. Ek olarak, takviyeli öğrenmedeki gelişmeler doğrudan deneyimden gelen ajanları elde edebilir, potansiyel olarak el sanatlarıyla dolu heuristics'ı aşabilir.

Daha derin bir dalışla ilgilenenler için, kitap:0)Scheduling: Teori, Algorithms ve Systems) Michael L. Pinedo, dinamik ortamlardaki sevk kuralların ayrıntılı bir tedavisini sunar, ancak mevcut olan INFLT:2Springer'ın katalogu).

Özetle, dağıtım kurallarının etkinliği, yüksek uygulama maliyetleri olmadan çok daha bağımsızdır, ancak geniş ölçüde olumludur.Bu kuralların güçlülerini kullanarak ve sınırlamalarını dikkatli hale getirerek, üretim şirketleri verimli, müşteri hizmetlerinde önemli gelişmeler elde edebilir ve maliyet kontrolüne girebilir.