Trade-offs between optimal and robust scheduling in one-stage production
Notice bibliographique
Résumé
Given stochastic disturbances, such as variation in processing times, robust scheduling is recommended over optimal scheduling for production. Different from optimal scheduling that seeks an optimal solution to a key performance indicator (KPI), which relates to the average of a KPI, robust scheduling is to minimize the largest deviation from the optimum for the worst-case scenarios, which relates to the variance of a KPI. However, minimizing the variance does not necessarily optimize the average of a KPI. As one of the fundamental KPIs in production scheduling, total completion time ( TCT ) drives many other KPIs, such as average flow time, waiting time, due dates, and length of stay. Stochastic processing times and NP -hardness to minimize the variance of TCT , i.e., min ( VTCT ) , are two challenges in production scheduling. To investigate the trade-offs between optimal and robust scheduling, we apply the differentiation method to analyze the first and second moments of TCT . In our approach, we use three statistical measures for processing times, which are the lower bound, the expected value, and the upper bound. We also use three terms for sequencing, which are x ( 1 ) the processing time of the initial job, x ( i ) the processing time of a job in the current position i of a sequence, and x ′ ( i ) the difference of processing times between two adjacent jobs. Applying the three measures for processing times to each of the three independent terms for sequencing, we generate 27 = 3 · 3 · 3 sequences to analyze the dynamics of VTCT . Through numerical analysis in our case studies, we show that our sequencing scheme can generate optimal solutions to min ( TCT ) , and solid variation ranges of VTCT . Consequently, we can not only balance the trade-offs between min ( TCT ) and min ( VTCT ) , but also analyze the trade-offs between optimal scheduling focusing on the first-moment of a KPI and robust scheduling focusing on the second moment. Moreover, our analysis approach using the differentiation method is unique for production scheduling, which enables us to develop analytical methods and heuristics for balancing trade-offs between optimal and robust scheduling.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».