NSGA-II simheuristic to solve a multi-objective flexible flow shop problem under stochastic machine breakdowns
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
This study proposes a simheuristic that hybridizes NSGA-II with Monte Carlo simulation to address a stochastic flexible flow shop problem featuring stochastic machine breakdowns. In real-world scenarios, machine breakdowns frequently occur, resulting in negative impacts such as time loss, late deliveries, decreased productivity, and order accumulation. Therefore, this study considers the times between failures and times to repair as stochastic parameters. Multiple objectives are concurrently addressed, including expected makespan, expected tardy jobs, and the standard deviation of tardy jobs. A mathematical model was formulated for the deterministic version of the problem and separately solved for the minimization of tardy jobs and the minimization of makespan in small instances. Subsequently, the proposed simheuristic was executed for both small and large instances. The results demonstrate that the NSGA-II simheuristic enhances outcomes across all objective functions compared to the simulation of optimal solutions provided by the mathematical models in small instances, yielding average GAPs of -16.64%, -21.87%, and -53.33% for expected tardy jobs, expected makespan, and standard deviation of tardy jobs, respectively. Furthermore, the simheuristic outperforms the simulation of solutions given by seven dispatching rules, showcasing average improvements of 48.01%, 48.18%, and 95.63% for the same objectives, respectively.
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 | 0,001 | 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