JPH08315017A - Method for preparing production schedule - Google Patents
Method for preparing production scheduleInfo
- Publication number
- JPH08315017A JPH08315017A JP11572195A JP11572195A JPH08315017A JP H08315017 A JPH08315017 A JP H08315017A JP 11572195 A JP11572195 A JP 11572195A JP 11572195 A JP11572195 A JP 11572195A JP H08315017 A JPH08315017 A JP H08315017A
- Authority
- JP
- Japan
- Prior art keywords
- individual
- production schedule
- evaluation scale
- fitness
- production
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】この発明は、好適な生産スケジュ
ールを遺伝的アルゴリズム（Genetic Algorithms) を用
いて自動的に作成する生産スケジュール作成方法に関す
る。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a production schedule creating method for automatically creating a suitable production schedule by using Genetic Algorithms.
【０００２】[0002]
【従来の技術】予め定められた複数種類の仕事を、予め
定められた複数台の機械に振り分けて処理させる際に、
総生産時間が最も短くなる生産スケジュールを、遺伝的
アルゴリズムを用いて自動的に作成することは知られて
いる。2. Description of the Related Art When a plurality of predetermined types of work are distributed to a plurality of predetermined machines for processing,
It is known to automatically generate a production schedule with the shortest total production time using a genetic algorithm.
【０００３】従来においては、上記のような生産スケジ
ュールの作成に遺伝的アルゴリズムを適用する際には、
個体の適応度の算出式は、対象となるスケジュール問題
の本来の評価尺度である総生産時間のみを考慮して定義
されている。Conventionally, when a genetic algorithm is applied to create the above production schedule,
The formula for calculating the fitness of an individual is defined by considering only the total production time, which is the original evaluation scale of the target schedule problem.
【０００４】[0004]
【発明が解決しようとする課題】この発明は、対象とな
るスケジュール問題の本来の評価尺度のみならず、本来
の評価尺度に影響を与える要因をも考慮して、個体の適
応度算出式を定義することにより、良好な生産スケジュ
ールを効率的に得ることができる生産スケジュール作成
装置を提供することを目的とする。SUMMARY OF THE INVENTION The present invention defines an individual fitness calculation formula in consideration of not only the original evaluation scale of a target schedule problem but also factors affecting the original evaluation scale. By doing so, it is an object of the present invention to provide a production schedule creation device that can efficiently obtain a good production schedule.
【０００５】[0005]
【課題を解決するための手段】この発明による生産スケ
ジュール作成方法は、生産スケジュール問題をモデル化
した個体として表現し、個体群を作成する第１ステッ
プ、作成された個体群の各個体に対して、適応度を算出
することにより、各個体を評価する第２ステップ、評価
結果に基づいて、個体を選択する第３ステップ、選択さ
れた個体に対して遺伝的操作を加えて新しい個体に変換
する第４ステップ、および上記第２ステップ、第３ステ
ップおよび第４ステップを繰り返し行うことによって、
好適な個体を求める第５ステップを備えており、適応度
算出式を、生産スケジュール問題の本来の評価尺度に関
する項と、本来の評価尺度に影響を与える要因に関する
項とで、定義したことを特徴とする。The production schedule creation method according to the present invention expresses a production schedule problem as a modeled individual, and creates a group of individuals, a first step, for each individual of the created group of individuals. , A second step of evaluating each individual by calculating the fitness, a third step of selecting an individual based on the evaluation result, and a genetic operation for the selected individual to convert it into a new individual By repeating the fourth step and the second, third and fourth steps,
A fifth step for obtaining a suitable individual is provided, and the fitness calculation formula is defined by a term relating to the original evaluation scale of the production schedule problem and a term relating to factors affecting the original evaluation scale. And
【０００６】生産スケジュール問題が、予め定められた
複数の仕事を、予め定められた複数台の機械に振り分け
て処理させる並列機械型の問題である場合には、各仕事
ごとに、処理を行う機械と、各機械上での処理順序を決
定するための処理優先度とが遺伝子として与えられるこ
とにより、各個体が表現される。そして、適応度算出式
は、当該生産スケジュール問題の本来の評価尺度である
総生産時間に関する項と、当該生産スケジュール問題の
本来の評価尺度に影響を与える要因である機種切替時間
の合計に関する項とで定義される。If the production schedule problem is a parallel machine type problem in which a plurality of predetermined jobs are distributed to a plurality of predetermined machines for processing, a machine that performs processing for each job And the processing priority for determining the processing order on each machine are given as genes to represent each individual. Then, the fitness calculation formula includes a term related to the total production time, which is the original evaluation scale of the production schedule problem, and a term related to the total model change time, which is a factor affecting the original evaluation scale of the production schedule problem. Is defined by
【０００７】[0007]
【作用】生産スケジュール問題をモデル化した個体とし
て表現し、個体群を作成する（第１ステップ）。作成さ
れた個体群の各個体に対して、適応度を算出することに
より、各個体を評価する（第２ステップ）。適応度算出
式は、生産スケジュール問題の本来の評価尺度に関する
項と、本来の評価尺度に影響を与える要因に関する項と
で、定義されている。[Operation] The production schedule problem is expressed as a modeled individual to create an individual group (first step). Each individual is evaluated by calculating the fitness for each individual in the created individual group (second step). The fitness calculation formula is defined by a term related to the original evaluation scale of the production schedule problem and a term related to factors affecting the original evaluation scale.
【０００８】評価結果に基づいて、個体を選択する（第
３ステップ）。選択された個体に対して遺伝的操作を加
えて新しい個体に変換する（第４ステップ）。上記第２
ステップ、第３ステップおよび第４ステップを繰り返し
行うことによって、好適な個体を求める（第５ステッ
プ）。An individual is selected based on the evaluation result (third step). A genetic operation is applied to the selected individual to convert it into a new individual (fourth step). Second above
By repeating the steps, the third step and the fourth step, a suitable individual is obtained (fifth step).
【０００９】[0009]
【実施例】以下、図面を参照して、この発明の実施例に
ついて説明する。Embodiments of the present invention will be described below with reference to the drawings.
【００１０】（１）問題の概要 スケジュールの対象となるのは、Ｊ個の仕事をＭ台の能
力の等しい機械に振り分けて処理させる並列機械型の問
題である。仕事は、生産機種（生産される部品の種
類）、数量、納期によって定義される。各仕事の処理時
間は、生産機種とその数量から決定される。(1) Outline of Problem The target of the schedule is a parallel machine type problem in which J jobs are distributed to and processed by M machines having the same capability. A work is defined by a production model (type of parts to be produced), quantity, and delivery date. The processing time for each job is determined by the production model and its quantity.
【００１１】生産機種は、Ｋ種類で、同一機械上で処理
する仕事の生産機種が切り替わる際には切り替え時間が
発生し、その大きさは切り替え前後の生産機種に依存す
る。納期遅れを発生させることなく、処理時間と機種切
替時間からなる総生産時間を最小にするように、各仕事
を処理する機械と、各機械上での仕事の処理順序を決定
する。There are K types of production models, and when the production models of work to be processed on the same machine are switched, a switching time occurs, and the size depends on the production models before and after the switching. The machines that process each job and the processing order of the jobs on each machine are determined so as to minimize the total production time, which is the processing time and the model change time, without causing a delivery delay.
【００１２】（２）遺伝的アルゴリズム 図１は、上記問題を解くために適用された遺伝的アルゴ
リズムを示している。(2) Genetic Algorithm FIG. 1 shows a genetic algorithm applied to solve the above problem.
【００１３】（ａ）まず、初期個体群が作成される（ス
テップ１）。 各個体は次のように表現される。すなわ
ち、仕事ｊ（ｊ＝１，２，…，Ｊ）を処理する機械ｍｊ
と、各機械上での処理順序を決定するための処理優先度
Ｗｊという２種類の変数を定義する。そして、図２に示
すように、各仕事ｊ（ｊ＝１，２，…，Ｊ）に対応する
Ｊ個の遺伝子座を用意し、遺伝子としてｍｊに機械番号
（１，２，…，Ｍ）を、Ｗｊに非負の整数値を与えるこ
とにより個体を表現する。(A) First, an initial population is created (step 1). Each individual is expressed as follows. That is, the machine mj that processes the job j (j = 1, 2, ..., J)
And two types of variables, the processing priority Wj for determining the processing order on each machine. Then, as shown in FIG. 2, J loci corresponding to each job j (j = 1, 2, ..., J) are prepared, and machine numbers (1, 2, ..., M) are assigned to mj as genes. Represents an individual by giving Wj a non-negative integer value.
【００１４】このような個体表現に基づき、機械番号で
指定された各処理機械において処理優先度の値の小さい
仕事から順に処理することでスケジュールを決定でき
る。Based on such an individual expression, the schedule can be determined by sequentially processing the jobs having the smallest processing priority values in each processing machine designated by the machine number.
【００１５】（ｂ）次に、各個体が評価される（ステッ
プ２）。つまり、適応度算出式に基づいて、各個体につ
いて適応度が算出される。総生産時間の最小化を行うた
めに、各機械での処理時間の均等化と、機種切替時間の
最小化を同時に考慮しなければならないという問題の特
徴から、個体ｎ（ｎ＝１，２，…，Ｎp ）の適応度ｆn
をスケジュールの総生産時間ｔn だけでなく、発生した
機種切替時間の合計ｓn も考慮して次式のように設定す
る。(B) Next, each individual is evaluated (step 2). That is, the fitness is calculated for each individual based on the fitness calculation formula. In order to minimize the total production time, it is necessary to consider the equalization of the processing time in each machine and the minimization of the model switching time at the same time. Therefore, the individual n (n = 1, 2, ,, N p ) fitness f n
Is set as in the following equation in consideration of not only the total production time t n of the schedule but also the total s n of the model switching times that have occurred.
【００１６】[0016]
【数１】 [Equation 1]
【００１７】調整パラメータλとしては、０より大きな
値が用いられる。通常は、調整パラメータλとして１が
用いられる。A value larger than 0 is used as the adjustment parameter λ. Normally, 1 is used as the adjustment parameter λ.
【００１８】（ｃ）次に、処理打切り世代に達したか否
かの判断が行なわれ（ステップ３）、達していれば処理
を終了し、達していなければエリート保存戦略により１
つの個体が選択される（ステップ４）。(C) Next, it is judged whether or not the processing cutoff generation has been reached (step 3). If the processing has been reached, the processing is ended.
Two individuals are selected (step 4).
【００１９】（ｄ）次に、エリート保存戦略により選択
されなかった残りの個体の中から２つの個体が選択され
る（ステップ５）。この選択には、良く知られているよ
うに、適応度比例戦略が用いられる。ただし、納期遅れ
を発生する個体については、適応度を０として、次世代
に残さないようにする。(D) Next, two individuals are selected from the remaining individuals not selected by the elite conservation strategy (step 5). A well-known fitness proportional strategy is used for this selection. However, for individuals that are delayed in delivery, the fitness is set to 0 so that they are not left in the next generation.
【００２０】（ｅ）次に、交叉処理が行われる（ステッ
プ６）。つまり、上記ステップ５で選択された２つの個
体間において、交叉処理が行われる。ただし、交叉処理
は、個体群に対して一定の割合（交叉確率）で行われ
る。この交叉処理では、一様交叉を用いて処理機械およ
び処理優先度の２つの遺伝子が同時に交叉せしめられ
る。(E) Next, a crossover process is performed (step 6). That is, the crossover process is performed between the two individuals selected in step 5 above. However, the crossover process is performed at a constant rate (crossover probability) with respect to the population. In this crossover process, two genes of a processing machine and a processing priority are simultaneously crossed over using uniform crossover.
【００２１】（ｆ）次に、突然変異処理が行われる（ス
テップ７）。上記ステップ６で交叉処理が行われた場合
には、交叉処理後の２つの個体に対して、上記ステップ
６で交叉処理が行われなかった場合には、上記ステップ
５で選択された２つの個体に対して、突然変異処理が行
われる。ただし、突然変異処理は、個体群に対して一定
の割合（突然変異確率）で行われる。この突然変異処理
では、個体の１つの遺伝子座について処理機械および処
理優先度を、既存の値とは異なる値に置き換えられる。(F) Next, mutation processing is performed (step 7). If the crossover processing is performed in step 6 above, the two individuals selected in step 5 above are not processed in step 6 with respect to the two individuals after the crossover processing. Is subjected to mutation processing. However, the mutation process is performed at a constant rate (mutation probability) with respect to the population. In this mutation processing, the processing machine and processing priority for one locus of an individual are replaced with values different from existing values.
【００２２】（ｇ）上記ステップ５〜７の処理が、次世
代の個体群についての個体数が揃うまで繰り返し行なわ
れる（ステップ８）。(G) The processes of steps 5 to 7 are repeated until the number of individuals in the next-generation population is uniform (step 8).
【００２３】（ｈ）次世代の個体群についての個体数が
揃うと、ステップ２に戻り、各個体が評価される。そし
て、処理打切り世代に達したか否かの判断が行なわれ
（ステップ３）、達していれば処理を終了し、達してい
なければエリート保存戦略により１つの個体が選択され
る（ステップ４）。そして、さらにステップ５〜７の処
理が、次世代の個体群についての個体数が揃うまで繰り
返し行なわれる（ステップ８）。(H) When the number of individuals for the next-generation population is complete, the process returns to step 2 and each individual is evaluated. Then, it is judged whether or not the processing cutoff generation has been reached (step 3), and if it has reached, the processing is terminated, and if not reached, one individual is selected by the elite conservation strategy (step 4). Then, the processes of steps 5 to 7 are repeated until the number of individuals for the next-generation population is equal (step 8).
【００２４】このようにして、世代が進行せしめられ、
全体の評価値が高められていく。そして、予め定められ
た処理打切り世代に至ると（ステップ３でＹＥＳ）、最
良の評価値を示す個体が生産スケジュールとして採用さ
れる。In this way, the generation is advanced,
The overall evaluation value is raised. Then, when the predetermined process cutoff generation is reached (YES in step 3), the individual having the best evaluation value is adopted as the production schedule.
【００２５】（３）計算例 仕事数Ｊ＝５０、機械数Ｍ＝５、機種数Ｋ＝１０の問題
に対し、個体数ＮP ＝５０、世代数Ｎs ＝２０００、交
叉確率Ｐc ＝０．７、突然変異確率Ｐm ＝０．３とし、
数式１のλの値が０と１の場合について、上記遺伝的ア
ルゴリズムを適用して、異なる５つの初期個体群につい
てそれぞれ計算を行うとともに、２０万回のランダム検
索を行った。λの値が０の場合とは、適応度に機種切替
時間を考慮しない場合である。(3) Calculation Example For the problem of the number of jobs J = 50, the number of machines M = 5, and the number of models K = 10, the number of individuals N P = 50, the number of generations N s = 2000, the crossover probability P c = 0. .7, mutation probability P m = 0.3,
When the value of λ in Expression 1 is 0 and 1, the above genetic algorithm was applied to perform calculation for each of five different initial populations, and 200,000 random searches were performed. The case where the value of λ is 0 is a case where the model switching time is not considered in the fitness.
【００２６】表１は、λが０の場合と１の場合の総生産
時間の最小値と最小値をとった個体の機種切替時間（全
機械の合計）の値と、ランダム検索結果とを示してい
る。Table 1 shows the minimum value of the total production time when λ is 0 and 1 and the value of the model change time (total of all machines) of the individual having the minimum value, and the random search result. ing.
【００２７】[0027]
【表１】 [Table 1]
【００２８】図３は、表１に示されている初期個体群１
についての、総生産時間の最小値の世代進行にともなう
推移を示している。FIG. 3 shows the initial population 1 shown in Table 1.
Shows the change in the minimum total production time with the progress of generations.
【００２９】図４は、表１に示されている初期個体群１
についての、総生産時間の最小値をとった個体の機種切
替時間（全機械の合計）の世代進行にともなう推移を示
している。FIG. 4 shows the initial population 1 shown in Table 1.
Shows the transition of the model changeover time (total of all machines) of the individual that takes the minimum value of the total production time as the generation progresses.
【００３０】表１から分かるように、λ＝０の場合でも
ランダム検索で得られた総生産時間の最小値より良い値
が得られている。そして、λ＝１の場合はさらに機種切
替時間が減少し、それに追従して総生産時間も減少して
いる。これにより、適応度に機種切替時間を考慮するこ
とによって、総生産時間を減少させることに効果がある
ことがわかる。As can be seen from Table 1, even when λ = 0, a value better than the minimum value of the total production time obtained by the random search is obtained. When λ = 1, the model switching time is further reduced, and the total production time is also reduced accordingly. From this, it can be seen that it is effective to reduce the total production time by considering the model change time in the adaptability.
【００３１】[0031]
【発明の効果】この発明によれば、対象となるスケジュ
ール問題の本来の評価尺度のみを考慮して個体の適応度
算出式を定義した場合に比べて、良好な生産スケジュー
ルを効率的に得ることができる。According to the present invention, it is possible to efficiently obtain a good production schedule, as compared with the case where the fitness calculation formula of an individual is defined in consideration of only the original evaluation scale of the target schedule problem. You can
【図１】遺伝アルゴリズムを示すフローチャートであ
る。FIG. 1 is a flowchart showing a genetic algorithm.
【図２】個体の表現方法を示す模式図である。FIG. 2 is a schematic diagram showing an expression method of an individual.
【図３】表１に示されている初期個体群１についての、
総生産時間の最小値の世代進行にともなう推移を示すグ
ラフである。FIG. 3 for the initial population 1 shown in Table 1,
It is a graph which shows the transition with the generation progress of the minimum value of total production time.
【図４】表１に示されている初期個体群１についての、
総生産時間の最小値をとった個体の機種切替時間の世代
進行にともなう推移を示すグラフである。FIG. 4 for the initial population 1 shown in Table 1,
It is a graph which shows the transition with the generation progress of the model change time of the individual which took the minimum value of the total production time.
Claims (2)
体として表現し、個体群を作成する第１ステップ、 作成された個体群の各個体に対して、適応度を算出する
ことにより、各個体を評価する第２ステップ、 評価結果に基づいて、個体を選択する第３ステップ、 選択された個体に対して遺伝的操作を加えて新しい個体
に変換する第４ステップ、および第２ステップ、第３ス
テップおよび第４ステップを繰り返し行うことによっ
て、好適な個体を求める第５ステップを備えており、 適応度算出式を、生産スケジュール問題の本来の評価尺
度に関する項と、本来の評価尺度に影響を与える要因に
関する項とで、定義したことを特徴とする生産スケジュ
ール作成方法。1. A production schedule problem is expressed as a modeled individual, a first step of creating an individual group, and the individual fitness of each individual in the created individual group is evaluated to evaluate each individual. A second step of selecting an individual based on the evaluation result, a fourth step of applying a genetic operation to the selected individual to convert it into a new individual, and a second step, a third step and It has a fifth step of finding a suitable individual by repeating the fourth step. The fitness calculation formula is related to the term related to the original evaluation scale of the production schedule problem and the factors affecting the original evaluation scale. A production schedule creation method characterized in that it is defined in the section.
た複数の仕事を、予め定められた複数台の機械に振り分
けて処理させる並列機械型の問題であり、 各仕事ごとに、処理を行う機械と、各機械上での処理順
序を決定するための処理優先度とが遺伝子として与えら
れることにより、各個体が表現されており、 適応度算出式が、当該生産スケジュール問題の本来の評
価尺度である総生産時間に関する項と、当該生産スケジ
ュール問題の本来の評価尺度に影響を与える要因である
機種切替時間の合計に関する項とで定義されていること
を特徴とする請求項１に記載の生産スケジュール作成方
法。2. The production schedule problem is a parallel machine type problem in which a plurality of predetermined jobs are distributed to and processed by a plurality of predetermined machines. , Each individual is represented by giving the processing priority for determining the processing order on each machine as a gene, and the fitness calculation formula is the original evaluation scale of the production schedule problem. The production schedule creation according to claim 1, wherein the production schedule creation is defined by a term relating to total production time and a term relating to a total of model changeover times which are factors affecting the original evaluation scale of the production schedule problem. Method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11572195A JPH08315017A (en) | 1995-05-15 | 1995-05-15 | Method for preparing production schedule |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11572195A JPH08315017A (en) | 1995-05-15 | 1995-05-15 | Method for preparing production schedule |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08315017A true JPH08315017A (en) | 1996-11-29 |
Family
ID=14669496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11572195A Pending JPH08315017A (en) | 1995-05-15 | 1995-05-15 | Method for preparing production schedule |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08315017A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002116816A (en) * | 2000-10-11 | 2002-04-19 | Nkk Corp | Controller and control method |
| JP2002116817A (en) * | 2000-10-11 | 2002-04-19 | Nkk Corp | Method for allocating task and controller to which the same method is applied |
| JP2002215214A (en) * | 2001-01-23 | 2002-07-31 | Nkk Corp | Method and unit for control |
| JP2007214551A (en) * | 1999-06-23 | 2007-08-23 | Asml Us Inc | Robot pre-arrangement in wafer processing system |
| CN105629927A (en) * | 2015-12-18 | 2016-06-01 | 武汉开目信息技术有限责任公司 | Hybrid genetic algorithm-based MES (Manufacturing Execution System) production planning and scheduling method |
-
1995
- 1995-05-15 JP JP11572195A patent/JPH08315017A/en active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007214551A (en) * | 1999-06-23 | 2007-08-23 | Asml Us Inc | Robot pre-arrangement in wafer processing system |
| JP2007305988A (en) * | 1999-06-23 | 2007-11-22 | Asml Us Inc | Pre-positioning of robot in wafer processing system |
| JP2002116816A (en) * | 2000-10-11 | 2002-04-19 | Nkk Corp | Controller and control method |
| JP2002116817A (en) * | 2000-10-11 | 2002-04-19 | Nkk Corp | Method for allocating task and controller to which the same method is applied |
| JP4626043B2 (en) * | 2000-10-11 | 2011-02-02 | Ｊｆｅエンジニアリング株式会社 | Task assignment method and control device to which the task assignment method is applied |
| JP2002215214A (en) * | 2001-01-23 | 2002-07-31 | Nkk Corp | Method and unit for control |
| CN105629927A (en) * | 2015-12-18 | 2016-06-01 | 武汉开目信息技术有限责任公司 | Hybrid genetic algorithm-based MES (Manufacturing Execution System) production planning and scheduling method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3743247B2 (en) | Prediction device using neural network | |
| JP2779736B2 (en) | Optimization device and process plan creation device using the same | |
| CN103942375B (en) | High-speed press sliding block dimension robust design method based on interval | |
| US10114913B2 (en) | Method and system for determining welding sequences | |
| CN109202895A (en) | The medium of design support apparatus, design support method and design Storage support program | |
| CN112686474A (en) | Parallel assembly line balancing method based on improved water wave optimization algorithm | |
| CN100364049C (en) | Electron beam drawing system, method and program, and method for manufacture of semiconductors by drawing directly | |
| JPH08315017A (en) | Method for preparing production schedule | |
| JP2007133664A (en) | Method for supporting production step | |
| JP5033555B2 (en) | Production schedule creation method and system | |
| CN106875031B (en) | Multi-workshop operation scheduling method and device | |
| JP3638310B2 (en) | Case reasoning support device | |
| Wong et al. | Optimization of manual fabric-cutting process in apparel manufacture using genetic algorithms | |
| CN111144569A (en) | Yield improvement applicable model optimization method based on genetic algorithm | |
| CN111026904A (en) | Content portrait based playlist scoring method | |
| JP2003058579A (en) | Method for optimizing design/blending | |
| JP2000339005A (en) | Method and device for controlling optimization of controlled target | |
| CN113657742A (en) | Workshop scheduling method and device, electronic equipment and storage medium | |
| JP4780260B2 (en) | Multi-item lot size scheduling method | |
| JP2000237937A (en) | Design support method of production system | |
| TWI802064B (en) | Electronic device and method of filtering dispatching rules for workstation | |
| JP2024006240A (en) | Design support device, design support method, and computer program | |
| CN112631214B (en) | Flexible job shop batch scheduling method based on improved invasive weed optimization algorithm | |
| JPH0836409A (en) | Method for determining work allotment of robot | |
| Huang et al. | Genetic algorithm to speed up modeling turn-around-time |