Построение комплексных расписаний выполнения пакетов заданий при формировании комплектов в заданные директивные сроки

Обложка

Цитировать

Полный текст

Аннотация

Современное состояние решения задачи комплексного планирования выполнения пакетов заданий в многостадийных системах характеризуется отсутствием универсальных способов формирования решений по составам пакетов, наличием ограничений на размерность задачи и невозможностью гарантированного получения эффективных решений при различных значениях ее входных параметров, а также невозможностью учета условия формирования комплектов из результатов. В статье авторами реализовано решение задачи планирования выполнения пакетов заданий в многостадийных системах при формировании комплектов результатов в заданные для них директивные сроки. Для решения задачи планирования выполнена декомпозиция обобщенной функции системы на совокупность иерархически взаимосвязанных подфункций. Применение декомпозиции позволило использовать иерархический подход для планирования выполнения пакетов заданий в многостадийных системах, предусматривающий определение решений по составам пакетов на верхнем уровне иерархии и построение расписаний выполнения пакетов на нижнем уровне иерархии. Для оптимизации решений по составам пакетов и расписаниям их выполнения в соответствии с иерархическим подходом применена теория иерархических игр. Построена математическая модель иерархической игры для определения эффективных составов пакетов заданий и расписаний их выполнения, представляющая собой систему критериев на уровнях принятия решений. Оценка эффективности решений по составам пакетов на верхнем уровне иерархии обеспечивается распределением результатов выполнения заданий по комплектам в соответствии с сформированным расписанием. Для оценки эффективности решений по составам пакетов сформулирован метод упорядочивания идентификаторов типов комплектов с учетом директивных сроков и метод распределения результатов выполнения заданий по комплектам, реализующий вычисление моментов времени окончания формирования комплектов и запаздываний с их формированием относительно заданных директивных сроков. Выполнены исследования планирования процесса выполнения пакетов заданий в многостадийных системах при условии формирования комплектов в заданные директивные сроки. На их основе сформулированы выводы, касающиеся зависимости эффективности планирования от входных параметров задачи.

Об авторах

К. В Кротов

Севастопольский государственный университет

Email: krotov_k1@mail.ru
улица Университетская 33

А. В Cкатков

Севастопольский государственный университет

Email: Vm1945@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 // Журнал «Вычислительные технологии», Новосибирск, Изд-во Института вычислительных технологий СО РАН, № 3, 2018. С. 58-76.
  2. Mendez C.A. et al. State-of-the-art review of optimization methods for short-term scheduling of batch processes // Computers and Chemical Engineering, 2006, vol. 30, pp. 913–946.
  3. Adonyi R., Romero J., Puigjaner L., Friedler F. Incorporating heat integration in batch process scheduling // Applied Thermal Engineering, 2003, vol. 23, pp. 1743–1762.
  4. Agha M. Integrated management of energy and production: scheduling of batch process and Combined Heat & Power plant // University of Toulouse. National Polytechnic Institute of Toulouse (FRANCE), 2009.
  5. Zeballos L.J., Henning G.P. A CP approach to the scheduling of resource-constrained multiproduct continuous facilities // Latin American Applied Research, 2006, №36, pp. 205-212.
  6. Díaz-Ramírez J., Huertas J.I. A continuous time model for a short-term multiproduct batch process scheduling // Ingeniería e Investigación, 2018, vol. 38, №1, pp. 96-104. doi: 10.15446/ing.investig.v38n1.66425
  7. Ning Ch., You F. Batch Process Scheduling under Uncertainty using Data-Driven Multistage Adaptive Robust Optimization // Сhemical engineering transactions, 2017, vol. 61, pp. 1567-1572. doi: 10.3303/CET1761259
  8. Chaudhry I.A., Elbadawi I. A-Q., Usman M., Chugtai M. T. Minimising Total Flowtime in a No-Wait Flow Shop (NWFS) using Genetic Algorithms // Ingeniería e Investigación, 2018, vol. 38, № 3, pp. 68-79. doi: 10.15446/ing.investig.v38n3.75281
  9. Ogun B., Cigdem A.-U. Mathematical Models for a Batch Scheduling Problem to Minimizе Earliness and Tardiness // Journal of Industrial Engineering and Management. JIEM, 2018, № 11(3), pp. 390–405. doi: 10.3926/jiem.2541.
  10. Li X. L., Wang Y. Scheduling Batch Processing Machine Using Max–Min Ant System Algorithm Improved by a Local Search Method // Mathematical Problems in Engineering. 2018, vol. 2018, Article ID: 3124182, 10 pages. doi: 10.1155/2018/3124182.
  11. Tan Y., Huangi W., Sun Y., Yue Y. Comparative Study of Different Approaches to Solve Batch Process Sheduling and Optimisation Problems // Proceedings of the 18th International Conference on Automation & Computing. Loughborough University. Leicestershire. UK. 2012, pp. 424–444.
  12. Cheng B.-Y., Chen H.-P., Wang S.-S. Improved ant colony optimization method for single batch-processing machine with non-identical job sizes // Journal of System Simulation, 2009, vol. 21, № 9, pp. 2687–2695.
  13. Koehler F. Khuller S. Optimal Batch Schedules for Parrallel Machines // Algorithms and Data Structures: 13th International Symposium. Berlin: Springer, 2013, pp. 475–486.
  14. Monch L., Balasubramanian H., Fowler J. W., Pfund M. E. Heuristic scheduling of jobs on parallel batch machines with incompatible job families andunequal ready times // Computers & Operations Research, 2005, №32, pp. 2731–2750.
  15. Dang Th.-T., Frankovic B., Budinska I. Using heuristic search for solving single machine batch processing problems // Computing and Informatics, 2006, vol. 25, pp. 405–420.
  16. Kohn R., Rose O., Laroque Ch. Study on multi-objective optimization for parallel batch machine scheduling using variable neighbourhood search // Proceedings of the 2013 Winter Simulation Conference. 8th-11th December 2013, pp. 3654-3670.
  17. Li Sh., Cheng T.C.E., Ng C.T, Yuan J. Single-machine batch scheduling with job processing time compatibility // Theoretical Computer Science, 2015, vol. 583, pp. 57-66. doi: 10.1016/j.tcs.2015.03.043.
  18. Jin M., Liu X., Luo W. Single-Machine Parallel-Batch Scheduling with Nonidentical Job Sizes and Rejection // Mathematics, 2020, vol. 8, Article ID:258. doi: 10.3390/math8020258.
  19. Surjandari I., Rachman A., Purdianta, Dhini A. The batch scheduling model for dynamic multi-item, multi-level production in an assembly job shop with parallel machines // International Journal of Technology, 2015, №1, pp. 84-96. doi: 10.14716/ijtech.v6i1.783.
  20. Joglekar G. Using Simulation for Scheduling and Rescheduling of Batch Processes // Processes, 2017, # 5, Article ID 66. doi: 10.3390/pr5040066.
  21. Ковалев М.Я. Модели и методы календарного планирования. Курс лекций. Минск: БГУ. 2004. 63 с.
  22. 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, №4, 2018, C. 58–72.
  23. Кротов К.В. Использование аппарата генетических алгоритмов при формировании решений по составам партий данных в двухуровневой задаче построения комплексных расписаний их обработки // Автоматизированные технологии и производства. Международный научно-технический журнал, 2017, №2(16). C. 23–34.
  24. 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.

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».