The finite capacity material requir

The finite capacity material requirement planning system (FCMRP) for industrial scale flexible flow shops is known to be strongly NP-hard. Due to very long computational time, the exact method can be inappropriate for this problem. In this paper, a new hybrid improvement algorithm for the FCMRP system in a flexible flow shop with assembly operations is proposed. The proposed algorithm is a hybrid of genetic algorithm (GA) and tabu search (TS) called HGATS. There are six primary steps in HGATS. In step 1, a production schedule is generated by variable lead-time MRP (VMRP). In step 2, dispatching and random rules are applied to generate initial sequences of orders. From step 3 to step 5, the sequences of orders are iteratively improved by characteristics of TS and GA. Finally, the start times of operations are optimally determined by linear programming. The results show that HGATS outperforms GA, TS and the existing algorithm. Furthermore, HGATS requires a practical computational time when applied to real industrial cases.

ผลลัพธ์ (ไทย) 1:

ผลิตมีจำกัดความต้องการวัสดุระบบการวางแผน (FCMRP) สำหรับร้านค้าระดับอุตสาหกรรมไหลยืดหยุ่นได้ว่าจะขอยาก(NP-HARD) เนื่องจากยาวมากครั้ง วิธีการที่แน่นอนได้อย่างเหมาะสมสำหรับปัญหานี้ ในเอกสารนี้ มีเสนอไฮบริดพัฒนาอัลกอริธึมใหม่สำหรับระบบ FCMRP ในร้านไหลยืดหยุ่นกับการดำเนินการแอสเซมบลี อัลกอริทึมเสนอเป็นผสมของอัลกอริทึมทางพันธุกรรม (GA) และเรียกว่า HGATS ค้นทาบู (TS) มีหกขั้นตอนหลักใน HGATS ในขั้นตอนที่ 1 แผนการผลิตถูกสร้างโดยตัวแปรเวลา MRP (VMRP) ในขั้นตอนที่ 2 มีใช้กฎการจัด และสุ่มเพื่อสร้างลำดับเริ่มต้นของใบสั่ง จากขั้นตอนที่ 3 ขั้นตอนที่ 5 ลำดับที่ของใบสั่งจะปรับปรุงต้นดีขึ้น โดยลักษณะของ TS และจอร์เจีย ในที่สุด เวลาเริ่มต้นของการดำเนินการจะเหมาะสมที่สุดถูกกำหนด โดยโปรแกรมเชิงเส้น ผลแสดงว่า HGATS มีประสิทธิภาพสูงกว่า GA, TS และอัลกอริทึมที่มีอยู่ นอกจากนี้ HGATS ต้องการใช้งานจริงคำนวณเวลาเมื่อใช้กับกรณีอุตสาหกรรมจริง

ผลลัพธ์ (ไทย) 2:

ความจุที่ จำกัด ของระบบการวางแผนความต้องการวัสดุ (FCMRP) สำหรับระดับอุตสาหกรรมร้านค้าที่มีความยืดหยุ่นการไหลเป็นที่รู้จักกันเป็นอย่างยิ่ง NP-ยาก เนื่องจากเวลาในการคำนวณที่ยาวมากวิธีที่แน่นอนอาจจะไม่เหมาะสมสำหรับปัญหานี้ ในบทความนี้ขั้นตอนวิธีการปรับปรุงไฮบริดใหม่สำหรับระบบ FCMRP ในร้านไหลมีความยืดหยุ่นกับการดำเนินงานของการชุมนุมมีการเสนอ อัลกอริทึมที่นำเสนอเป็นไฮบริดของขั้นตอนวิธีทางพันธุกรรม (GA) และการค้นหาแบบทาบู (TS) เรียกว่า HGATS มีหกขั้นตอนหลักในการ HGATS มี ในขั้นตอนที่ 1 เป็นตารางการผลิตถูกสร้างขึ้นโดยตัวแปรนำเวลา MRP (VMRP) ในขั้นตอนที่ 2 การฝึกอบรมและกฎระเบียบสุ่มถูกนำมาใช้ในการสร้างลำดับการเริ่มต้นของการสั่งซื้อ จากขั้นตอนที่ 3 ขั้นตอนที่ 5 ลำดับของการสั่งซื้อจะดีขึ้นซ้ำโดยลักษณะของ TS และ GA ในที่สุดเวลาที่เริ่มต้นของการดำเนินงานที่ดีที่สุดจะถูกกำหนดโดยการเขียนโปรแกรมเชิงเส้น ผลปรากฏว่ามีประสิทธิภาพดีกว่า HGATS GA, TS และอัลกอริทึมที่มีอยู่ นอกจากนี้ HGATS ต้องใช้เวลาในการคำนวณในทางปฏิบัติเมื่อนำมาใช้กับกรณีอุตสาหกรรมจริง

ผลลัพธ์ (ไทย) 3:

มีความจุของระบบความต้องการวัสดุ ( fcmrp ) สำหรับอุตสาหกรรมที่มีความยืดหยุ่นการไหลของร้านค้าที่เป็นที่รู้จักกันเป็นอย่างยิ่ง คือ ยาก เนื่องจากเวลาคำนวณนาน วิธีที่แน่นอนอาจจะไม่เหมาะสมสำหรับปัญหานี้ ในกระดาษนี้ , ไฮบริดใหม่การปรับปรุงอัลกอริทึมสำหรับ fcmrp ระบบในร้านการยืดหยุ่นกับการชุมนุมเป็นเสนอ วิธีที่เสนอเป็นลูกผสมของ Genetic Algorithm ( GA ) และการค้นหาทาบู ( TS ) เรียกว่า hgats . มี 6 ขั้นตอนหลักใน hgats . ในขั้นที่ 1 การผลิต ตารางจะถูกสร้างขึ้น โดยตัวแปรระยะเวลา MRP ( vmrp ) ในขั้นตอนที่ 2 และการสุ่มกฎที่ใช้เพื่อสร้างลำดับเริ่มต้นของคำสั่ง จากขั้นตอนที่ 3 ขั้นตอนที่ 5 , ลำดับของคำสั่งคือการปรับปรุงซ้ำ โดยลักษณะของ TS และโรงงาน ในที่สุด เวลาเริ่มต้นของการเป็นดีที่สุดที่กำหนดโดยโปรแกรมเชิงเส้น ผลที่ได้แสดงให้เห็นว่า hgats มีประสิทธิภาพดีกว่า GA , TS และขั้นตอนวิธีที่มีอยู่ นอกจากนี้ hgats ต้องปฏิบัติในการคำนวณเวลา เมื่อใช้กับกรณีอุตสาหกรรมจริง