Research on Multi-Objective Optimisation-Based Task Package Division Methods for Shipbuilding
Notice bibliographique
Résumé
Shipbuilding requires converting multi-disciplinary product units—such as hull structures, outfitting equipment, and coating processes—into executable task packages to support sectional construction and final assembly on the slipway. Three critical issues arise during practical division: firstly, weak inter-process connectivity within task packages, where splitting welding and assembly tasks within the same compartment disrupts workflow continuity and increases redundant handling costs; Secondly, high coupling between task packages arises when construction packages are empirically divided, placing sequentially dependent tasks under different crews and triggering frequent cross-departmental coordination. Thirdly, resource allocation imbalances occur when critical resources like machining equipment are concentrated or scarce, constraining the construction cycle. Therefore, this paper constructs a multi-objective optimisation mixed-integer programming model. First, leveraging information entropy theory, we quantify the homogeneity of shipbuilding processes within task packages—such as hull welding and piping pre-installation—to ensure process continuity and specialised concentration. Second, a task dependency matrix quantitatively assesses and reduces inter-package coupling, minimising cross-package coordination costs. Finally, an equitable resource allocation metric is introduced, using variance in critical resource utilisation to achieve balanced distribution. Simultaneously, linearisation techniques address non-linear constraints, while a two-stage solution strategy combining branch-and-bound with genetic algorithms balances accuracy and efficiency. Ultimately, through case validation at a major Chinese shipbuilding enterprise, the proposed task package segmentation methodology demonstrated both its efficacy and practical feasibility. Empirical results demonstrate that this approach offers significant advantages in practical application. It enhances the cohesion of similar processes within task packages, effectively reduces the frequency of cross-package task coordination, and reasonably controls fluctuations in critical resource utilisation. Furthermore, it adapts to the complex scenarios of multi-disciplinary and multi-resource shipbuilding, providing a scientific decision-making tool for project task organisation and resource allocation.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| 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 ».