論文の概要: A Flexible Job Shop Scheduling Problem Involving Reconfigurable Machine Tools Under Industry 5.0

• arxiv url: http://arxiv.org/abs/2410.23302v1
• Date: Wed, 16 Oct 2024 11:40:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 07:49:49.625830
• Title: A Flexible Job Shop Scheduling Problem Involving Reconfigurable Machine Tools Under Industry 5.0
• Title（参考訳）: 産業5.0下での再構成可能な機械ツールを考慮したフレキシブルなジョブショップスケジューリング問題
• Authors: Hessam Bakhshi-Khaniki, Reza Tavakkoli-Moghaddam, Zdenek Hanzalek, Behdin Vahedi-Nouri,
• Abstract要約: フレキシブルなジョブショップスケジューリング問題(FJSSP)は、現代の製造環境の複雑さを正確に反映している。 本稿では、設定依存のセットアップ時間を持つ再構成可能なマシンツールを含むFJSSPについて検討する。 混合整数プログラミング(MIP)モデルは、これらの目的を同時に最適化するために開発された。
• 参考スコア（独自算出の注目度）: 5.7522869823664005
• License:
• Abstract: The rise of Industry 5.0 has introduced new demands for manufacturing companies, requiring a shift in how production schedules are managed to address human centered, environmental, and economic goals comprehensively. The flexible job shop scheduling problem (FJSSP), which involves processing operations on various capable machines, accurately reflects the complexities of modern manufacturing settings. This paper investigates the FJSSP involving reconfigurable machine tools with configuration dependent setup times, while integrating human aspects like worker assignments, moving time, and rest periods, as well as minimizing total energy consumption. A mixed-integer programming (MIP) model is developed to simultaneously optimize these objectives. The model determines the assignment of operations to machines, workers, and configurations while sequencing operations, scheduling worker movements, and respecting rest periods, and minimizing overall energy consumption. Given the NPhard nature of the FJSSP with worker assignments and reconfigurable tools, a memetic algorithm (MA) is proposed. This metaheuristic evolutionary algorithm features a three layer chromosome encoding method, specialized crossover and mutation strategies, and neighborhood search mechanisms to enhance solution quality and diversity. Comparisons of MA with MIP and genetic algorithms (GA) on benchmark instances demonstrate the MA efficiency and effectiveness, particularly for larger problem instances where MIP becomes impractical. This research paves the way for sustainable and resilient production schedules tailored for the factory of the future under the Industry 5.0 paradigm. The work bridges a crucial gap in current literature by integrating worker and environmental impact into the FJSSP with reconfigurable machine models.
• Abstract（参考訳）: 産業5.0の興隆は、生産スケジュールが人的中心、環境、経済的な目標に包括的に対処する方法の転換を必要とする、製造業への新たな需要をもたらしている。 フレキシブルなジョブショップスケジューリング問題(FJSSP)は、現代の製造環境の複雑さを正確に反映している。 本稿では, 作業員の割り当て, 移動時間, 休息時間といった人的側面を統合しつつ, 構成に依存した設定可能な機械ツールを組み込んだFJSSPについて検討し, 総エネルギー消費を最小化する。 これらの目的を同時に最適化するために混合整数プログラミング(MIP)モデルが開発されている。 このモデルは、作業のシーケンシング、作業者の動作のスケジューリング、休息期間の尊重、全体のエネルギー消費の最小化において、機械、労働者、構成への操作の割り当てを決定する。 FJSSPのNPhard特性を労働者の割り当てと再構成可能なツールで考慮し、メメティックアルゴリズム(MA)を提案する。 このメタヒューリスティックな進化的アルゴリズムは、3層染色体符号化法、クロスオーバーと突然変異戦略、およびソリューションの品質と多様性を高めるための近傍探索機構を特徴としている。 ベンチマークインスタンスにおけるMAとMIP(英語版)と遺伝的アルゴリズム(GA)の比較は、特にMIPが実用的でない場合のMA効率と有効性を示している。 本研究は、産業5.0パラダイムの下で、将来の工場に適した持続的で弾力性のある生産スケジュールの道を開くものである。 この作業は、労働者と環境への影響を再構成可能なマシンモデルでFJSSPに統合することで、現在の文学における重要なギャップを埋める。

関連論文リスト

• Optimizing Job Shop Scheduling in the Furniture Industry: A Reinforcement Learning Approach Considering Machine Setup, Batch Variability, and Intralogistics [0.0]
  本稿では,家具産業におけるDeep Reinforcement Learningの活用の可能性について考察する。 スケジューリングの精度と効率を向上させるために,より詳細な情報を提供するモデルの概念を提案する。 このモデルは、ジョブボリューム、バッファ管理、輸送時間、マシンセットアップ時間を含む、JSSPへの従来のアプローチを拡張している。
  論文  参考訳（メタデータ） (2024-09-18T09:12:40Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• The Practimum-Optimum Algorithm for Manufacturing Scheduling: A Paradigm Shift Leading to Breakthroughs in Scale and Performance [0.0]
  Practimum-Optimum (P-O)アルゴリズムは、自動最適化製品の開発におけるパラダイムシフトを表している。 それらをアルゴリズムにコンピュータ化することにより、P-Oは人間のスケジューラよりもはるかに高速で多くの有効なスケジュールを生成する。 P-OアルゴリズムはPlatene Schedulerの中心であり、1クリックで3万～5万のタスクを実生活の複雑な製造作業にスケジュールする。
  論文  参考訳（メタデータ） (2024-08-19T14:32:21Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• A mathematical model for simultaneous personnel shift planning and unrelated parallel machine scheduling [3.0477617036157136]
  本稿では,産業利用事例から得られた生産スケジューリング問題に対処する。 人件費制約を伴う非関連並列マシンスケジューリングに焦点を当てている。 機械間での人員共有を前提としており、作業処理中に機械の設置と監督に1人の人員を要している。
  論文  参考訳（メタデータ） (2024-02-24T01:04:04Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Flexible Job Shop Scheduling via Dual Attention Network Based Reinforcement Learning [73.19312285906891]
  フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。 近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。 本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-09T01:35:48Z)
• Partitioning Distributed Compute Jobs with Reinforcement Learning and Graph Neural Networks [58.720142291102135]
  大規模な機械学習モデルは、幅広い分野に進歩をもたらしている。 これらのモデルの多くは、単一のマシンでトレーニングするには大きすぎるため、複数のデバイスに分散する必要がある。 スループットやブロッキングレートといったユーザクリティカルな指標に対して,並列化の最大化が準最適であることを示す。
  論文  参考訳（メタデータ） (2023-01-31T17:41:07Z)
• A Memetic Algorithm with Reinforcement Learning for Sociotechnical Production Scheduling [0.0]
  本稿では、フレキシブルジョブショップスケジューリング問題(DRC-FJSSP)に深層強化学習(DRL)を適用したメメティックアルゴリズムを提案する。 産業における研究プロジェクトから、フレキシブルマシン、フレキシブルなヒューマンワーカー、作業能力、セットアップと処理操作、材料到着時間、材料製造の請求書の並列タスク、シーケンス依存のセットアップ時間、人間と機械のコラボレーションにおける(一部)自動化タスクを検討する必要性を認識します。
  論文  参考訳（メタデータ） (2022-12-21T11:24:32Z)
• Hybrid Manufacturing Process Planning for Arbitrary Part and Tool Shapes [0.0]
  本稿では,アクセシビリティとサポート要件に基づいて,HMプロセス計画を構成するAM/SMアクションを識別するフレームワークを提案する。 我々は、一時的な過剰な物質沈着や除去を可能にするアクションを定義し、その後のアクションがそれらに対して正し得ることを理解する。 私たちはこのフレームワークを使って、任意の形状の特定の部分に対する有効な、潜在的にモノトニックでないプロセスプランを生成する。
  論文  参考訳（メタデータ） (2022-05-24T06:01:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。