Математическое моделирование процессов выполнения пакетов заданий в конвейерных системах с промежуточными буферами ограниченных размеров

Обложка

Цитировать

Полный текст

Аннотация

Современные методы планирования процессов в конвейерных системах с буферами определенного размера между обрабатывающими приборами позволяют оптимизировать расписания выполнения единичных заданий либо фиксированных пакетов заданий при их ограниченном количестве и ограниченном количестве приборов. Применение математических моделей процессов выполнения единичных заданий (пакетов заданий), используемых этими методами, при оптимизации составов пакетов и расписаний их выполнения в системах с произвольным количеством пакетов и приборов является невозможным. В то же время математические модели процессов выполнения пакетов заданий в конвейерных системах при наличии буферов ограниченных размеров между приборами являются основой для разработки методов оптимизации их (пакетов) составов и расписаний реализации действий с ними на приборах конвейерных систем. В связи с этим в статье разработаны математические модели многостадийных процессов выполнения произвольного количества пакетов заданий в конвейерных системах при наличии промежуточных буферов ограниченных размеров для двух и трех приборов, а также для произвольного количества приборов. Использование этих моделей позволяет определять моменты времени начала выполнения пакетов заданий на приборах конвейерных систем с учетом ограниченных размеров промежуточных буферов, а также длительности интервалов времени использования этих ресурсов и эффективность их использования в течение времени. Также разработан алгоритм математического моделирования процессов выполнения пакетов заданий в конвейерных системах при наличии промежуточных буферов ограниченных размеров, осуществляющий на основе заданного порядка реализации действий с пакетами заданий на приборах конвейерных систем вычисление временных характеристик этих процессов. Осуществлена разработка приложения, реализующего синтезированные математические модели процессов выполнения пакетов заданий в конвейерных системах с промежуточными буферами ограниченных размеров и соответствующий метод моделирования этих процессов. Разностороннее тестирование разработанного приложения показало, что полученные математические модели и метод моделирования адекватно описывают ход многостадийных процессов выполнения пакетов заданий в конвейерных системах, задаваемый с использованием различных значений их (процессов) параметров.

Об авторах

К. В Кротов

ФГАОУ ВО «Севастопольский государственный университет» (СевГУ)

Email: krotov_k1@mail.ru
улица Университетская 33

Список литературы

  1. Кротов К.В. Комплексный метод определения эффективных решений по составам партий данных и расписаниям их обработки в конвейерных системах // Вычислительные технологии. 2018. Т. 23. № 3. С. 58–76.
  2. Кротов К.В. Обоснование методов построения комплексных расписаний обработки партий данных при условии оперативного формировании комплектов из результатов // Вестник Воронежского Государственного Университета. Серия: Системный анализ и информационные технологии. 2018. № 4. C. 58–72.
  3. Кротов К.В., Скатков А.В. Построение комплексных расписаний выполнения пакетов заданий при формировании комплектов в заданные директивные сроки // Информатика и автоматизация. 2021. Т. 20. № 3. C. 654–689.
  4. Кротов К.В. Построение комплексных расписаний обработки пакетов данных в конвейерной системе при задании ограничений на длительность интервалов времени ее функционирования // Труды учебных заведений связи. 2020. Т. 6. № 3. С. 75–89.
  5. Papadimitriou C.H., Kanellakis P.C. Flowshop scheduling with limited temporary storage // Jounal of Association for Computing Machinery. 1980. vol. 27. no. 3. pp. 533–549.
  6. Leisten R. Flowshop sequencing problems with limited buffer storage // International Journal of Production Research. 1990. vol. 28. no. 11. pp. 2085–2100. doi: 10.1080/00207549008942855.
  7. Crowder B. Minimizing the makespan in a flexible flowshop with sequence dependent setup times, uniform machines and limited buffers // Graduate Theses, Dissertations and Problem Reports. Morgantown: West Virginia University, 2006. 145 p.
  8. Han Zh., Zhang Q., Shi H., Qi Yu., Sun L. Research on limited buffer scheduling problems in flexible flow shops with setup times // International Journal of Modelling. Identification and Control. 2019. vol. 32. no. 2. pp. 93–104.
  9. Eddaly M., Jarboui B., Siarry P., Rebaï A. An Estimation of Distribution Algorithm for Flowshop Scheduling with Limited Buffers // Natural Intelligence for Scheduling, Planning and Packing Problems. Part of the Studies in Computational Intelligence book series. 2009. vol. 250. pp. 89–110.
  10. Frasch J.V., Krumke S.O., Westphal S. MIP Formulations for Flowshop Scheduling with Limited Buffers // Proceedings of the First International ICST Conference «Theory and Practice of Algorithms in (Computer) Systems» (TAPAS). 2011. pp. 127–138.
  11. Fu Q., Sivakumar A.I., Li K. Optimisation of flow-shop scheduling with batch processor and limited buffer // International Journal of Production Research. 2012. vol. 50. no. 8. pp. 2267–2285.
  12. Кононова П.А. Алгоритмы построения расписаний для цеховых задач потокового типа с цифровым буфером // Дисс. канд. физ.-мат. наук. Новосибирск: Институт вычислительной математики и математической геофизики, 2012. 104 с.
  13. Cakici M.K. Parallel flow shop scheduling with common workstations // MS thesis. Middle East Technical University. 2019. 138 p.
  14. Кононова П.А., Кочетов Ю.А. Алгоритм локального поиска для построения расписаний работы одного станка с переналадкой оборудования и складом // Дискретный анализ и исследование операций. 2019. Т. 26. № 2. С. 60–78. doi: 10.33048/daio.2019.26.634.
  15. Lin C.C., Liu W.-Y., Chen Y.-H. Considering Stockers in Reentrant Hybrid Flow Shop Scheduling with Limited Buffer Capacity // Computers and Industrial Engineering. 2020. vol. 139. no. 106154. doi: 10.1016/j.cie.2019.106154.
  16. Takano M.I., Nagano M.S. Solving the permutation flow shop problem with blocking and setup time constraints // International Journal of Industrial Engineering Computations. 2020. no. 11. pp. 469–480. doi: 10.5267/j.ijiec.2019.11.002.
  17. Zhang C., Tan J., Peng K., Gao L., Shen W., Lian K. A discrete whale swarm algorithm for hybrid flow-shop scheduling problem with limited buffers // Robotics and Computer–Integrated Manufacturing. 2021. no. 68. doi: 10.1016/j.rcim.2020.102081.
  18. Gao Z., Feng Ya., Xing K. A hybrid estimation-of-distribution algorithm for scheduling flexible job shop with limited buffers based on Petri Nets // IEEE Access. 2020. vol. 8. pp. 165396–165408. doi: 10.1109/ACCESS.2020.3022655.
  19. Kazemi Esfeh M., Shojaie A.A., Javanshir H., Khalili-Damghani K. Flexible flow shop scheduling problem with reliable transporters and intermediate limited buffers via considering learning effects and budget constraint // Hindawi journal. Complexity. 2022. vol. 2022. no. 1253336. doi: 10.1155/2022/1253336.
  20. Jiang S.-L., Zhang L. Energy-oriented scheduling for hybrid flow shop with limited buffers through efficient multi-objective optimization // IEEE Access. 2019. vol. 7. pp. 34477–34487. doi: 10.1109/ACCESS.2019.2904848.
  21. Liang X., Wang P., Huang M. Flow shop scheduling problem with limited buffer based on hybrid shuffled frog leaping algorithm // 7th International Conference on Computer Science and Network Technology (ICCSNT). 2019. pp. 87–93. doi: 10.1109/iccsnt47585.2019.8962427.
  22. Zhang G., Wang L., Xing K. Dual-space co-evolutionary memetic algorithm for scheduling hybrid differentiation flow shop with limited buffer constraints // IEEE Transactions on systems, man and cybernetics systems. 2021. vol. 52. no. 11. pp. 6822–6836. doi: 10.1109/TSMC.2021.3102658.
  23. Benda F., Braune R., Doerner K.F., Hartl R.F. A machine learning approach for flow shop scheduling problems with alternative resources, sequence-dependent setup times and blocking // OR Spectrum. 2019. vol. 41. pp. 871–893. doi: 10.1007/s00291-019-00567-8.
  24. Han Zh., Han Ch., Lin Sh., Dong X., Shi H. Flexible flow shop scheduling method with public Buffer // Processes. 2019. vol. 7(10). no. 681. doi: 10.3390/pr7100681.
  25. Rooeinfar R., Raissi S., Ghezavati V.R. Stochastic flexible flow shop scheduling problem with limited buffers and fixed interval preventive maintenance: a hybrid approach of simulation and metaheuristic algorithms // Simulation. 2019. vol. 95(6). pp. 509–528.
  26. Kazemi Esfeh M., Shojaei A.A., Javanshir H., Khalili Damghani K. Solving a bi-objective flexible flow shop problem with transporter preventive maintenance planning and limited buffers by NSGA-II and MOPSO // International Journal Nonlinear Analysis and Applications. 2022. vol. 13. no. 1. pp. 217–246.
  27. Agnetis A., Pacciarelli D., Rossi F. Batch scheduling in a two-machine flow shop with limited buffer // Discrete Applied Mathematics. 1997. vol. 72. no. 3. pp. 243–260.
  28. Pranzo M. Batch scheduling in a two-machine flow shop with limited buffer and sequence independent setup times and removal times // European Journal of Operational Research. 2004. vol. 153. no. 3. pp. 581–592.
  29. Dai J. Batch Scheduling of Two-machine Limited-buffer Flow Shop with Setup and Removal Times // Georgia Institute of Technology, 2003. 108 p.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».