ALGORYTMY ROJOWE W HARMONOGRAMOWANIU PROCESÓW PRODUKCYJNYCH WITKOWSKI T. ANTCZAK P. Bankowa.pl

Algorytmy rojowe w harmonogramowaniu procesów produkcyjnych

Obecnie w przemyśle przeważającym modelem produkcji jest wytwarzanie w postaci zadań produkcyjnych, poprzez wytwarzanie części i ich montaż. Z Dlatego potrzebne są metody takiego planowania i harmonogramowania produkcji, które będą optymalizowały wykorzystanie zasobów. Do systemu produkcyjnego składane są zlecenia, które zwykle opisane są w postaci szeregu zadań produkcyjnych, z których każde jest przetwarzane jako ciąg operacji. Każda z operacji ma określony czas wykonania (precyzyjnie lub też w postaci rozmytej), przy czym kolejność operacji musi być zachowana. Celem jest rozwiązanie problemu harmonogramowania zadań poprzez zbudowanie takiego HAR, który w największym stopniu pozwoli na precyzyjne dotrzymanie zobowiązań. Wykonanie zadań podlega ograniczeniom, które zwykle dotyczą zasobów. Do prawidłowego rozwiązania problemu HAR należy zdefiniować różne warianty modeli SP (np. gniazdowy, przepływowy), obejmujące możliwe ograniczenia produkcyjne, a także kryteria jego oceny.

Współczesne systemy zaawansowanego planowania i harmonogramowania APS (Advanced Planning & Scheduling) wspierają menedżerów i planistów w optymalizacji scenariuszy produkcyjnych. Systemy APS wykorzystują algorytmy optymalizacyjne oparte na różnego rodzajach metaheurystykach (w tym algorytmy rojowe), które umożliwiają takie harmonogramowanie produkcji, aby zlecenia zostały zrealizowane w jak najkrótszym czasie, przy uwzględnieniu narzuconych kryteriów. Algorytmy rojowe, mimo że naśladują bardzo różne zachowania, charakteryzują się wspólnym schematem przetwarzania. Po pierwsze populacja jest inicjalizowana wraz z kilkoma rozwiązaniami generowanymi losowo lub za pomocą prostych heurystyk. Rozwiązania początkowe są oceniane za pomocą wartości ich funkcji celów lub funkcji przystosowania. Proces iteracyjny jest wykonywany poprzez powtarzanie aż do wystąpienia kryterium zatrzymania. Na końcu najlepsze rozwiązanie i odpowiadająca mu wartość funkcji celu jest wyjściem algorytmu.

Celem książki jest przedstawienie charakterystyki algorytmów rojowych i możliwości ich wykorzystania do budowy harmonogramów w rzeczywistych systemach produkcyjnych.

Książka jest przeznaczona dla studentów kierunku "Zarządzanie i inżynieria produkcji", młodych naukowców i praktyków zajmujących się zarządzaniem i sterowaniem produkcją.

Wykaz skrótów
Wstęp

1. Rodzaje algorytmów inteligencji rojowej i problemy harmonogramowania
1.1. Rodzaje algorytmów rojowych
1.2. Rodzaje problemów harmonogramowania w systemach produkcyjnych
1.3. Ograniczenia produkcji i kryteria oceny harmonogramów systemów produkcyjnych

2. Charakterystyka algorytmów rojowych i ich zastosowanie w systemach produkcyjnych
2.1. Algorytm mrówkowy
2.2. Algorytm optymalizacji roju cząstek
2.3. Algorytm pszczeli
2.4. Algorytm sztucznego roju pszczół
2.5. Algorytm świetlika
2.6. Algorytm kukułki
2.7. Algorytm bakteryjny
2.8. Algorytm wirusa
2.9. Algorytm czepiaka
2.10. Algorytm żabiego skoku
2.11. Algorytm kociej sfory
2.12. Algorytm kurzego roju
2.13. Algorytm afrykańskiego dzikiego psa
2.14. Algorytm szarego wilka
2.15. Algorytm godów pszczoły miodnej
2.16. Algorytm muszek owocowych
2.17. Algorytm nietoperza
2.18. Algorytm stada wielbłądów
2.19. Algorytm stada słoni
2.20. Algorytm nosorożca .
2.21. Algorytm koników polnych
2.22. Algorytm ławicy kryla
2.23. Algorytm wielorybi
2.24. Algorytm migracji łososi
2.25. Algorytm sztucznej ławicy ryb
2.26. Algorytm roju salp
2.27. Algorytm stada owiec
2.28. Algorytm klanu surykatek
2.29. Algorytm cętkowanej hieny
2.30. Algorytm lwi
2.31. Algorytm gołębi
2.32. Algorytm nocujących kruków
2.33. Algorytm migrujących ptaków
2.34. Algorytm lwiej mrówki
2.35. Algorytm motyla monarchy
2.36. Algorytm pająka społecznego
2.37. Algorytm raf koralowych
2.38. Algorytm flory
2.39. Algorytm glonów
2.40. Algorytm inwazji chwastów
2.41. Inne algorytmy inteligencji rojowej

3. Eksperymenty z wybranymi algorytmami na zadaniach testowych oraz do rozwiązania rzeczywistych problemów produkcyjnych
3.1. Badanie efektywności algorytmów ACO, PSO i ABC na zadaniach testowych
3.1.1. Analiza algorytmu optymalizacji kolonii mrówek (ACO)
3.1.2. Analiza algorytmu optymalizacji roju cząstek (PSO)
3.1.3. Analiza algorytmu sztucznego roju pszczół (ABC)
3.1.4. Efektywność wybranych algorytmów rojowych do problemu JSSP
3.2. Zastosowanie algorytmów różnych typów do rozwiązania problemów rzeczywistych
3.2.1. Charakterystyka rzeczywistych systemów produkcyjnych typu gniazdowego
3.2.2. Rozwiązanie problemu JSAPNV z użyciem różnych algorytmów
3.2.2.1. Algorytm zachłanno-siłowy (G–B)
3.2.2.2. Dyskretny algorytm sztucznego roju pszczół (DABC)
3.2.2.3. Algorytm oparty na nauczaniu i uczeniu (TLBO)
3.2.2.4. Algorytm konkurencji imperialistycznej (ICA)
3.3. Harmonogramowanie z użyciem algorytmów inspirowanych zachowaniem ludzkim
3.3.1. Harmonogramowanie w SP integrujące kilka zasobów z użyciem ASO
3.3.2. Rozwiązanie problemu FJSSP z użyciem algorytmu BSO
3.4. Zastosowanie hybrydowych algorytmów rojowych do harmonogramowania procesów zarządzania produkcją
3.4.1. Harmonogramowanie procesu projektowania produktu z użyciem GA+PSO
3.4.2. Harmonogramowanie procesu produkcyjnego z użyciem GA+CSA
3.4.3. Harmonogramowanie w rozproszonym SP z użyciem algorytmów rojowych
3.4.4. Wybór maszyn w rekonfigurowanym SP z zastosowaniem algorytmu MOPSO
3.4.5. Optymalizacja harmonogramowania przy zintegrowanym podejściu do projektowania i konserwacji SP z użyciem hybrydy GA+PSO i ACO

4. Współczesne problemy planowania, harmonogramowania i sterowania produkcją
4.1. Smart manufacturing jako nowa wersja inteligentnej produkcji
4.2. Zastosowanie technologii informacyjnych w planowaniu i sterowaniu produkcją
4.3. Harmonogramowanie w zrobotyzowanych elastycznych systemach montażowych
4.4. Rola cyfrowej technologii bliźniaczej w cyber-fizycznych systemach produkcyjnych
4.5. Automatyczne generowanie modeli symulacyjnych systemów produkcyjnych
4.6. Projektowanie parametrów procesu na podstawie danych i metodologii RSM
4.7. Inteligentne harmonogramowanie procesów produkcyjnych
4.8. Optymalizacja harmonogramowania z użyciem danych percepcyjnych i algorytmu pszczelego w środowisku zrównoważonej produkcji
4.9. Podejście simheurystyczne do rozwiązywania problemów harmonogramowania w systemach produkcyjnych
4.10. Harmonogramowanie zadań w środowisku chmury obliczeniowej z użyciem metaheurystyk

Zakończenie
Bibliografia
Indeks algorytmów

314 stron, B5, oprawa miękka

Po otrzymaniu zamówienia poinformujemy pocztą e-mail lub telefonicznie,
czy wybrany tytuł polskojęzyczny lub anglojęzyczny jest aktualnie na półce księgarni.