MétaCan
Menu
Retour à la cohorte
Enregistrement W2793260077 · doi:10.1109/ccwc.2018.8301705

Simultaneous scheduling of machines and automated guided vehicles utilizing heuristic search algorithm

2018· article· en· W2793260077 sur OpenAlexaff
Amirabbas Tabatabaei, Farshid Torabi, Paitoon Tontiwachwuthikul

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésComputer scienceDynamic priority schedulingFair-share schedulingScheduling (production processes)Two-level schedulingRate-monotonic schedulingJob shop schedulingDistributed computingReal-time computingEmbedded systemMathematical optimizationScheduleOperating system

Résumé

récupéré en direct d'OpenAlex

Proper scheduling of flexible manufacturing systems is considered a key success for industry. Automated guided vehicles are parts of flexible manufacturing systems and are easy to utilize in production systems. Time is directly related to the production costs of all kind. It is necessary to minimize production costs. Improper scheduling of machines and automated guided vehicles may increase the production time. Simultaneous scheduling of machines and material handling systems has many benefits though they are not challenges free. Scheduling of machines and automated guided vehicles, if considered separately, are NP-Hard problems regardless of being considered together or separately. There are two types of scheduling problems according to the literature. Review of literature show that although offline scheduling of machines and vehicles has been studied in a great detail, lack of studies related to dynamic scheduling of machines and automated guided vehicles is very visible. Therefore, the main focus of this study is simultaneous scheduling of machines and automated guided vehicles. First, a heuristic scheduler is designed, in MATLAB software, to propose solutions for simultaneous scheduling of machines and automated guided vehicles in flexible manufacturing systems. Then, a time frame is applied to the offline test problems from the literature to produce dynamic scheduling problem. The methodology in this study is applied on a sample test problem from previous studies for validation purpose. Furthermore, the new dynamic scheduling was performed by producing time tables for pre-defined time frames. The sample test problems are then mathematically modeled to represent the limitations and constraints of the offline and dynamic scheduling problem.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,276
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScheduling and Optimization AlgorithmsTravaux en français237 207