A Dynamic Programming Approach to Solve the Facility Layout Problem for Reconfigurable Manufacturing
Notice bibliographique
Résumé
Abstract Preparing manufacturing systems to deal with disruptions caused by unexpected factors such as COVID-19 is critical to remain in today’s competitive market. Reconfigurable manufacturing systems (RMS) which are characterized by being rapid and cost-effective in response to market changes, are a good alternative to cope with such unexpected events. From the layout point of view, in an RMS, the layout of facilities needs to be changeable and able to be redesigned easily. Dynamic facility layout problem (DFLP) is a good approach to develop layouts that are capable to be changed and redesigned. Dynamic programming (DP) has been known as one of the effective methods to deal with DFLP. To optimize DFLP by DP, the set of possible layouts for every single period which is called the state-space is given to DP and the best multi-period layout is found. Since the number of possible layouts increases rapidly with the increase in the number of facilities, considering all these layouts encounters two major difficulties, memory requirements and computer time requirements. This paper proposes a method that has two main phases. In the first phase, the set of layouts to be considered in each period are determined using a heuristic approach. These layouts are the states in the DP approach where the periods constituted the decomposition stages. The recursive formulation of DP is solved in the second phase using a hybridized metaheuristic approach. The proposed approach restricts the DP to a good subset of the state-space. A genetic algorithm is applied to search for the best subset of layouts where each chromosome represents one subset of layouts. This subset is given to DP to be solved and the result is considered as the fitness of the chromosome. By the evolution of the chromosomes, the best subset of layouts that leads to the best multi-period layout plan is found. The proposed approach is evaluated against DP benchmarks in the literature. Computational results show that the proposed approach is able to provide more efficient solutions, especially for large-sized problems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».