MétaCan
Menu
Retour à la cohorte
Enregistrement W4402847160 · doi:10.5267/j.ijiec.2024.7.004

Energy-efficient scheduling for a flexible job shop problem considering rework processes and new job arrival

2024· article· en· W4402847160 sur OpenAlexvenueno aff
Emrah Albayrak, Semih Önüt

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReworkJob shopJob shop schedulingScheduling (production processes)Flow shop schedulingIndustrial engineeringComputer scienceOperations researchMathematical optimizationEngineeringOperations managementMathematicsScheduleEmbedded system

Résumé

récupéré en direct d'OpenAlex

Sustainable production is not limited to environmental concerns only; It also provides economic benefits for businesses. Businesses that adopt sustainability principles can gain advantages in matters such as cost savings, competitive advantage, risk management, legal compliance and corporate reputation. Therefore, sustainability is no longer an option but a strategic imperative for businesses. For this reason, studies on energy-sensitive scheduling have started to increase recently. Another important factor in sustainable manufacturing is the reduction of scrap. Rework operations are required to reduce scrap. In this study, the multi-objective flexible job shop scheduling problem (MO-FJSP) that considers energy efficiency is discussed. The created model aims to minimize the energy consumption, total machine workload and makespan. In this study, new job arrivals are considered as dynamic events. Another dynamic event added to the model is the addition of rework processes between operations to reduce the scrap rate when a scrap decision is made during the production stages. The enhanced NSGA II algorithm was applied to solve this problem. The enhanced NSGA II algorithm was applied to test instances and its performance was compared using some of the multi-objective performance indicators. These experimental results prove the effectiveness of the proposed solution method.

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)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,038
Tête enseignante GPT0,273
Écart entre enseignants0,235 · 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
GenreMéthodes

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Industrial Engineering ComputationsMême sujetScheduling and Optimization AlgorithmsTravaux en français237 207