Optimization-based manufacturing scheduling with multiple resources, setup requirements, and transfer lots
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The increasing demand for on-time delivery of products and low production cost is forcing manufacturers to seek effective schedules to coordinate machines and operators so as to reduce costs associated with labor, setup, inventory, and unhappy customers. This paper presents the modeling and resolution of a job shop scheduling system for J. M. Products Inc., whose manufacturing is characterized by the need to simultaneously consider machines and operators, machines requiring significant setup times, operators of different capabilities, and lots dividable into transfer lots. These characteristics are typical for many manufacturers, difficult to handle, and have not been adequately addressed in the literature. In our study, an integer optimization formulation with a separable structure is developed where both machines and operators are modeled as resources with finite capacities. Setups are explicitly considered following our previous work with additional penalties on excessive setups. By analyzing transfer lot dynamics, transfer lots are modeled by using linear inequalities. The objective is to maximize on-time delivery of products, reduce inventory, and reduce the number of setups. By relaxing resource capacity constraints and portions of precedence constraints, the problem is decomposed into smaller subproblems that are effectively solved by using a novel dynamic programming procedure. The multipliers are updated using the recently developed surrogate subgradient method. A heuristic is then used to obtain a feasible schedule based on subproblem solutions. Numerical testing shows that the method generates high quality schedules in a timely fashion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle