Acquisition of approximate throughput formulas for serial production lines with parallel machines using intelligent techniques

Boulas, Konstantinos S.; Tzanetos, Alexandros; Dounias, Georgios

doi:10.1145/3200947.3201028

Cited by 6 publications

(1 citation statement)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Το πρόβλημα είναι ότι τέτοιοι τύποι υπάρχουν μόνο για μικρά συστήματα, όπως μικρές γραμμές παραγωγής όπου οι σταθμοί παραγωγής αποτελούνται από έναν διακομιστή (server). Η πρωτοτυπία της εργασίας (Boulas, Tzanetos and Dounias, 2018) ήταν το γεγονός ότι για πρώτη φορά παράχθηκαν μαθηματικά μοντέλα υπολογισμού της διεκπαιρεωτικής ικανότητας (throughput) μιας γραμμικής γραμμής παραγωγής με πανομοιότυπους παράλληλους διακομιστές (servers) σε κάθε σταθμό παραγωγής (workstation). Η προσεγγιστική σχέση (approximate formula) δημιουργείται από τον Γενετικό Προγραμματισμό (Genetic Programming) (Koza, 1992) και βελτιώνεται από τη Βελτιστοποίηση Εμπνευσμένη από τον Ηχοεντοπισμό (Sonar Inspired Οptimization).…”

Section: βελτιστοποίηση γραμμών παραγωγήςunclassified

Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες Από Τον Φυσικό Κόσμο Για Την Βελτιστοποίηση Συστημάτων

Τζανέτος¹

View full text Add to dashboard Cite

Η εποχή που διανύουμε φέρνει στο προσκήνιο την Τεχνητή Νοημοσύνη, καθότι διάφοροι κλάδοι ενσωματώνουν εντυπωσιακές εφαρμογές της. Πολλές αναφορές γίνονται στην 4η Βιομηχανική Επανάσταση, η οποία έχει πλέον την Τεχνητή Νοημοσύνη ως κύριο πυλώνα της. Ήδη από τη δεκαετία του 1950 αναπτύσσονταν νοήμονα συστήματα λήψης απόφασης, τα οποία συνήθως είχαν υποστηρικτικό ρόλο για έναν λήπτη απόφασης. Προβλήματα στα οποία έπρεπε να βρεθεί μια βέλτιστη στρατηγική, τα επονομαζόμενα προβλήματα βελτιστοποίησης, εμφανίζονται σε διάφορα πεδία όπως η Χρηματοοικονομική Μηχανική (Financial Engineering), η Μηχανική της Διοίκησης (Management Engineering) και η Επιχειρησιακή Έρευνα (Operational Research). Πολλά εκ των προβλημάτων που καλείται να λύσει ένας Μηχανικός ανήκουν στα προβλήματα βελτιστοποίησης. Και καθώς τα προβλήματα που αντιμετωπίζει η βιομηχανία γίνονται ολοένα και πιο δύσκολα, αυξάνεται η χρησιμότητα των Νοημόνων Υπολογιστικών Μεθόδων και η ενσωμάτωσή τους στους σχετικούς κλάδους της βιομηχανίας. Το φάσμα των Νοημόνων Υπολογιστικών Μεθόδων είναι ευρύ και εκτείνεται από τις μεθόδους Μηχανικής Μάθησης (Machine Learning) μέχρι και τις Νοήμονες Μεθόδους που είναι Εμπνευσμένες από τη Φύση (Nature-inspired Intelligent Methods). Οι τελευταίες, παρόλο που άρχισαν να αναπτύσσονται από τα μέσα της δεκαετίας του ’80, αποτέλεσαν ξεχωριστή κατηγορία Νοημόνων Υπολογιστικών Μεθόδων στη βιβλιογραφία στις αρχές του 2000. Λόγω της ικανότητάς τους να επιλύουν δύσκολα προβλήματα βελτιστοποίησης πολλών διαστάσεων, οι Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες από τον Φυσικό Κόσμο έχουν προσελκύσει το ενδιαφέρον των ερευνητών διεθνώς ήδη από την προηγούμενη δεκαετία. Στην παρούσα διατριβή συλλέχθηκαν και μελετήθηκαν όλες οι Νοήμονες Υπολογιστικές Μέθοδοι που είναι Εμπνευσμένες από τον Φυσικό Κόσμο με σκοπό να εντοπιστούν τα χαρακτηριστικά που μπορούν να βελτιώσουν την απόδοσή τους. Επιπρόθετα, η μελέτη εστίασε και στα προβλήματα (χώρους εφαρμογής) που εφαρμόζονται οι παραπάνω μέθοδοι. Από αυτή την εκτενή μελέτη της βιβλιογραφίας προέκυψαν κάποιες παρατηρήσεις, οι οποίες αποτυπώθηκαν σε ένα πλαίσιο εργασίας (framework), το οποίο μπορεί να ακολουθήσει ο ενδιαφερόμενος ερευνητής, ώστε να αναπτύξει ή να βελτιώσει κάποια υπάρχουσα Νοήμονα Υπολογιστική Μέθοδος Εμπνευσμένη από τον Φυσικό Κόσμο. Επιπλέον, σε συμφωνία με το προτεινόμενο πλαίσιο εργασίας και με βάση τα προαναφερθέντα χαρακτηριστικά, αναπτύχθηκε μια νέα νοήμων υπολογιστική μέθοδος εμπνευσμένη από τους νόμους της υποθαλάσσιας ακουστικής, η οποία αποδεικνύεται αποτελεσματική στην επίλυση διαφόρων πρακτικών εφαρμογών από το χώρο της Μηχανικής των Αποφάσεων (Βελτιστοποίηση Χαρτοφυλακίου, Βέλτιστη Εξισορρόπηση Πόρων στη Διοίκηση Έργων, Οικονομική Κατανομή Φορτίου, Βελτιστοποίηση Γραμμών Παραγωγής). Μάλιστα, τα αποτελέσματα της προτεινόμενης μεθόδου συγκρίνονται με αυτά άλλων κλασικών μεθόδων της βιβλιογραφίας ή μεθόδων που ανήκουν εξίσου στην κατηγορία των Υπολογιστικών Μεθόδων που είναι Εμπνευσμένες από τον Φυσικό Κόσμο, τις οποίες και ξεπερνάει σε απόδοση. Κατά τη διάρκεια της έρευνας, εφαρμόζοντας την προτεινόμενη μέθοδο σε προβλήματα των χώρων εφαρμογής που αναφέρονται παραπάνω, βελτιώθηκαν μηχανισμοί της μεθόδου, ενώ αναπτύχθηκαν μηχανισμοί που βοήθησαν στην αντιμετώπιση διάφορων προβλημάτων που αντιμετωπίζουν οι Νοήμονες Υπολογιστικές Μέθοδοι που είναι Εμπνευσμένες από τον Φυσικό Κόσμο. Μάλιστα, οι μηχανισμοί που αναπτύχθηκαν αποτελούν και μέρος της συνεισφοράς της παρούσας διατριβής, καθώς μπορούν να υιοθετηθούν και από άλλες μεθόδους Υπολογιστικής Νοημοσύνης. Τέλος, σε ορισμένες περιπτώσεις αναπτύχθηκαν και υβριδικά σχήματα που περιέχουν την υπολογιστική μέθοδο που προτείνεται στην παρούσα διατριβή με σκοπό την βελτίωση της απόδοσής της.

show abstract

Section: βελτιστοποίηση γραμμών παραγωγήςunclassified

Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες Από Τον Φυσικό Κόσμο Για Την Βελτιστοποίηση Συστημάτων

Τζανέτος¹

View full text Add to dashboard Cite

show abstract

Neural Networks Based Throughput Estimation of Short Production Lines Without Intermediate Buffers

Karampotsis

Boulas

Georgaki

et al. 2023

Intelligent Systems Reference Library

View full text Add to dashboard Cite

Exploration and exploitation analysis for the sonar inspired optimization algorithm

Tzanetos

Dounias

2021

Ann Math Artif Intell

View full text Add to dashboard Cite

Acquisition of approximate throughput formulas for serial production lines with parallel machines using intelligent techniques

Cited by 6 publications

References 12 publications

Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες Από Τον Φυσικό Κόσμο Για Την Βελτιστοποίηση Συστημάτων

Νοήμονες Υπολογιστικές Μέθοδοι Εμπνευσμένες Από Τον Φυσικό Κόσμο Για Την Βελτιστοποίηση Συστημάτων

Neural Networks Based Throughput Estimation of Short Production Lines Without Intermediate Buffers

Exploration and exploitation analysis for the sonar inspired optimization algorithm

Contact Info

Product

Resources

About