Collaborative scheduling of machining-assembly in complex multiple parallel production lines environment considering kitting constraints
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
In multi-stage machining-assembly production, collaborative scheduling for multiple production lines can effectively improve the execution efficiency of production planning and increase the effective output of the production system. In this paper, a production scheduling mathematical model was constructed for the collaborative scheduling problem of machining-assembly multi-production lines with kitting constraints, with the optimization objectives of minimizing assembly completion time and tardiness time. For the scheduling model, the product assembly process is constrained by the machining sequence of the jobs on the machining lines. Only by collaborating on the production scheduling schemes of the machine line and the assembly line as a whole can the output efficiency of the product on the assembly line be improved. An improved hybrid multi-objective optimization algorithm named SMOEA/D is designed to solve this scheduling model. The algorithm uses adaptive parents’ selection and mutation rate strategies and integrates the Tabu search strategy for the search process in the solution space when the solution of the sub-problem has not been improved after specified search generations, to improve the local search ability and search accuracy of MOEA/D algorithm. To verify the performance of the SMOEA/D algorithm in solving machining-assembly collaborative scheduling problems in production systems with different resource configurations and scales, two sets of numerical experiments were designed, corresponding to situations where the number of operations on each production line is equal or unequal. The running results of the proposed algorithm were compared with three other well-known multi-objective algorithms. The comparison results indicate that the SMOEA/D algorithm is effective and superior for solving such 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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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