Prilog metodologiji upravljanja proizvodnjom primjenom umjetne inteligencije

Benić, Dalibor (1997) Prilog metodologiji upravljanja proizvodnjom primjenom umjetne inteligencije. = Doctoral thesis , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Šakić, Nikola.

Full text not available from this repository.

Abstract (Croatian)

Problem raspodjele i raspoređivanja u proizvodnji tako sekvencirati proizvodne operacija koje ce za sve proizvode omogućiti uspješno kompletiranje periodičkog plana proizvodnje. Zadatak podrazumijeva raspodjelu poslova na proizvodne kapacitete kojom se određuju početak i završetak svih operacija. Ta raspodjela treba omogućiti visok postotak obavljenih poslova, visoku iskoristivost proizvodnih kapaciteta, male zalihe materijala u proizvodnji, pridržavanje rokova i male zalihe gotovih proizvoda. Za rješavanje raspodjele poslova i dobivanje prikladnog, možda optimalnog, rješenja nije dovoljno razmatrati samo problematiku raspodjele i raspoređivanja. Treba također razmatrati i riješiti okvir planiranja proizvodnje. U tom smislu je razvijena i ideja o rasporedivosti poslova koja predstavlja prikladan okvir - odgovor koji daje najprimjerenija rješenja zadataka raspodjele i raspoređivanja u proizvodnji. Ideja integrirane proizvodnje zahtjeva optimizaciju svih funkcija proizvodnje uzimajući u obzir njihovu ulogu i značaj unutar cjeline sustava. Sa tog motrišta funkcija upravljanja proizvodnjom je veoma značajna. Sa druge strane, planiranje proizvodnje je pak samo jedna od komponenti problematike upravljanja proizvodnjom. Suvremeni pristup integraciji proizvodnje zahtjeva brzo donošenje prikladnih odluka. Rješenja koja su proizvod tih odluka osnova su za planiranje i kontrolu proizvodnje u realnom vremenu - tijekom odvijanja same proizvodnje. Zbog toga se metode i tehnike umjetne inteligencije nameću kao odgovor na neučinkovitost metoda operacijskih istraživanja. Dapače, ideja inteligentne proizvodnje praktički je neostvariva bez uporabe metoda i tehnika umjetne inteligencije. Disertacija prikazuje istraživanje i njegove rezultate. Istraživanje je poduzeto kako bi se dokazala hipoteza o nadmoćnosti metoda i tehnika umjetne inteligencije u rješavanju problema raspodjele i raspoređivanja. U tom su smislu, na temelju koncepcije generički neprekinutog usavršavanja proizvodnog sustava, predloženi algoritmi koji rješavaju zadatke: (i) raspodjele poslova na izvršitelje, (ii) slijedne raspodjele poslova u radioničkoj i montažnoj proizvodnji i (iii) višestrukih procesora (slijedna proizvodnja sa alternativnim proizvodnim tehnologijama). Predložene metode koriste tehnike umjetne inteligencije: umjetne neuronske mreže, logikom-ograničeno razumijevanje i genetičke algoritme. Predložene metode rješavanju zadatke raspodjele i raspoređivanja kroz instance odlučivanja hibridnom genetičkom metodologijom. Razlog izgradnje takvog kompleksnog sustava je omogućiti kompatibilnost u izgradnji inteligentnih sustava za podršku odlučivanju pri planiranju proizvodnje. \Nadalje, razmatrani su i neki dodatni elementi koji omogućuju prenosivost u upravljanje proizvodnjom i sintezu za integraciju u sustav podrške odlučivanju. To je napravljeno kako bi se omogućila uporaba predloženih metoda u inteligentnim rješenjima (računalom) integrirane podrške odlučivanju. Dobiveni rezultati ukazuju na iskoristivost predloženih metoda, ali i okvira predložene hibridne metodologije u rješavanju zadataka raspodjele i raspoređivanja u proizvodnji.

Abstract

The operation scheduling in manufacturing is the problem of appropriate operation sequencing for each product that enables successful completition of the production time-phased plan. It implies assigning specific operations to specific operating facilities with specific start- and end-time indicated with high percentage of orders completed on time, high utilization of working facilities, low in-process inventory, low overtime and low stockouts of manufactured items. To solve the scheduling and to produce the appropriate, maybe optimal, solution of a problem, it is not enough to consider the scheduling, but also to consider and to solve the framework of the manufacturing planning and control. In such a way the idea of a schedulability has been developed to establish competent framework responsible to produce the solution of the scheduling problem. The idea of an integrated manufacturing is based on optimisation of a system component according to their purpose in a system. From this standpoint the management of manufacturing is the high-priority function in a computer-integrated manufacturing. On the other side, the production planning and control is just a component in manufacturing management. Modern approach to integrated manufacturing requires a quick decision and suitable solutions. Those solutions are the foundations for real-time manufacturing process planning and control. Therefore, the artificial intelligence (AI) methods have been imposed as an appropriate answer that could overcome the inefficiency of operations research methods. Moreover, the idea of an intelligent manufacturing is practically impossible without use of artificial intelligence methods. This Ph.D. thesis presents the research and its results. The research has been attempted to prove the hypothesis that AI methods are superior in solving the scheduling problem. In such a sense, upon the concept of generic-like never-ending improvement of a manufacturing system, three new algorithms are proposed to solve: (i) the assignment problem, (ii) the flow-shop and/or the job-shop problem, and (iii) the multiple processor problem. The proposed methods use AI techniques: artificial neural networks, constraint-based reasoning and genetic-like algorithms to solve the problem through the instances of AI production system by the hybrid genetic-like methodology. The reason to build such complex system is to enable the compatibility in building intelligent-like decision support systems for manufacturing planning and control. To enable the use of proposed algorithms in intelligent-like computer-integrated support solutions, additional portability in manufacturing management and their synthesis for integration in a decision support system has been considered, too. Given results point to usability of the proposed methods and hybrid methodology in solving scheduling problems in manufacturing.

Item Type: Thesis (Doctoral thesis)
Uncontrolled Keywords: proizvodnja; planiranje proizvodnje
Keywords (Croatian): manufacturing; manufacturing planning
Divisions: 700 Department of Industrial Engineering
Date Deposited: 22 Sep 2014 18:00
Last Modified: 16 Oct 2015 13:20
URI: http://repozitorij.fsb.hr/id/eprint/136

Actions (login required)

View Item View Item

Nema podataka za dohvacanje citata