Συλλογές
Τίτλος Scheduling variants in manufacturing and process industries
Εναλλακτικός τίτλος Προβλήματα χρονοδρομολόγησης στις βιομηχανίες παραγωγής και επεξεργασίας
Δημιουργός Βατικιώτης, Σταύρος, Vatikiotis, Stavros
Συντελεστής Repoussis, Panagiotis
Athens University of Economics and Business, Department of Management Science and Technology
Eirinakis, Pavlos
Kaparis, Konstantinos
Kasapidis, Grigorios
Androutsopoulos, Konstantinos
Zachariadis, Emmanouil
Mourtos, Ioannis
Τύπος Text
Φυσική περιγραφή 124p.
Γλώσσα en
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11931
Περίληψη Η διατριβή εξετάζει τη σχεδίαση και εφαρμογή τεχνικών συνδυαστικής βελτιστοποίησης σε σύνθετα προβλήματα χρονοδρομολόγησης και βιομηχανίας επεξεργασίας. Τα παραδοσιακά μοντέλα βελτιστοποίησης συχνά δυσκολεύονται στην ενσωμάτωση πολλών παραμέτρων από τον πραγματικό κόσμο, γεγονός που απαιτεί ευέλικτες μεθόδους. Αυτές οι μέθοδοι, αν και δεν εγγυώνται τη βελτιστότητα, προσφέρουν αποδοτικές λύσεις σε σύνθετα προβλήματα. Οι υβριδικές προσεγγίσεις που προτείνονται συνδυάζουν ακριβείς τεχνικές, όπως ο Μικτός Ακέραιος Γραμμικός Προγραμματισμός (MILP) και ο Προγραμματισμός Περιορισμών (CP), με μεθευρετικούς αλγορίθμους, όπως οι Γενετικοί Αλγόριθμοι (GA), η Προσομοιώμενη Ανόπτηση (SA) και η Τοπική Αναζήτηση (LS). Αυτή η σύνθεση παρέχει τη δυνατότητα για καλύτερη διαχείριση της πολυπλοκότητας των βιομηχανικών προβλημάτων, δίνοντας έμφαση στην αποδοτικότητα και τη βιωσιμότητα των λύσεων.Αναλύεται το πρόβλημα Χρονοδρομολόγησης Ασυσχέτιστων Παράλληλων Μηχανών (UPMS) με εξαρτώμενους χρόνους προετοιμασίας και περιορισμένους ανανεώσιμους πόρους. Αντί για την ελαχιστοποίηση της μέγιστης συνολικής διάρκειας, η έμφαση δίνεται στη μείωση της συνολικής σταθμισμένης καθυστέρησης, παρέχοντας μια πιο πρακτική λύση για εφαρμογές στη βιομηχανία. Η προτεινόμενη προσέγγιση συνδυάζει MILP, GA, SA και CP για να βελτιστοποιήσει τα αποτελέσματα και να διαχειριστεί την πολυπλοκότητα του προβλήματος.Επιπλέον, εξετάζεται το Πρόβλημα Υβριδικής Ευέλικτης Χρονοδρομολόγησης (HFFS), όπου απαιτείται προγραμματισμός εργασιών σε στάδια με παράλληλες μηχανές και περιορισμούς. Οι πέντε αλγόριθμοι (GA, SA, PSO, LS, TS) συνδυάζονται με CP και αξιολογούνται για μεγάλα στιγμιότυπα, επιτυγχάνοντας βελτιώσεις στην αποδοτικότητα και την ποιότητα των λύσεων.Τέλος, η διατριβή προτείνει τη χρήση ενός Μικτού-Ακεραίου Μη Γραμμικού Προγράμματος (MINLP) για τη διαχείριση υπολειμμάτων και υδάτινων πόρων, προσφέροντας μια καινοτόμο προσέγγιση για την αντιμετώπιση αυτών των προκλήσεων. Τα πειραματικά αποτελέσματα αποδεικνύουν την αποδοτικότητα της μεθόδου και τη δυνατότητα εφαρμογής της σε διάφορες βιομηχανίες, προσφέροντας αξιόπιστες λύσεις για την επίλυση πρακτικών προβλημάτων στον τομέα της παραγωγής και της βιομηχανίας.
This thesis examines the design and implementation of combinatorial optimization techniques in complex scheduling and process industry problems. Traditional optimization models often struggle to incorporate many real-world parameters, which requires flexible methods. These methods, although not guaranteeing optimality, offer efficient solutions to complex problems. The proposed hybrid approaches combine exact techniques, such as Mixed-Integer Linear Programming (MILP) and Constraint Programming (CP), with metaheuristic algorithms, such as Genetic Algorithms (GA), Simulated Annealing (SA), and Local Search (LS). This combination provides better management of the complexity of industrial problems, focusing on the efficiency and sustainability of the solutions.The problem of Unrelated Parallel Machine Scheduling (UPMS) is analyzed, involving dependent setup times and limited renewable resources. Instead of minimizing the maximum makespan, the focus is on reducing the total weighted tardiness, offering a more practical solution for industrial applications. The proposed approach combines MILP, GA, SA, and CP to optimize results and manage the complexity of the problem.Additionally, the Hybrid Flexible Flow Shop Scheduling (HFFS) problem is examined, where tasks need to be scheduled in stages with parallel machines and constraints. The five algorithms (GA, SA, PSO, LS, TS) are combined with CP and evaluated on large instances, achieving improvements in efficiency and solution quality.Finally, the dissertation proposes the use of a Mixed-Integer Nonlinear Programming (MINLP) model for managing waste and water resources, offering an innovative approach to address these challenges. Experimental results demonstrate the efficiency of the method and its applicability in various industries, providing reliable solutions for solving practical problems in manufacturing and industrial sectors.
Λέξη κλειδί Βελτιστοποίηση
Αλγόριθμοι χρονοδρομολόγησης
Μεταευρετικοί αλγόριθμοι
Optimization
Scheduling algorithms
Metaheuristic algorithms
Διαθέσιμο από 2025-03-08 15:47:58
Ημερομηνία έκδοσης 20-02-2025
Ημερομηνία κατάθεσης 2025-03-08 15:47:58
Δικαιώματα χρήσης Free access
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/