RU2007143321A - Оптимизатор производства для управления цепочками поставок - Google Patents

Оптимизатор производства для управления цепочками поставок Download PDF

Info

Publication number
RU2007143321A
RU2007143321A RU2007143321/09A RU2007143321A RU2007143321A RU 2007143321 A RU2007143321 A RU 2007143321A RU 2007143321/09 A RU2007143321/09 A RU 2007143321/09A RU 2007143321 A RU2007143321 A RU 2007143321A RU 2007143321 A RU2007143321 A RU 2007143321A
Authority
RU
Russia
Prior art keywords
solution
solutions
optimized
supply chain
modifying
Prior art date
Application number
RU2007143321/09A
Other languages
English (en)
Other versions
RU2458398C2 (ru
Inventor
Чарльз Нили ХАРПЕР (US)
Чарльз Нили ХАРПЕР
Original Assignee
Л`Эр Ликид, Сосьете Аноним Пур Л`Этюд Э Л`Эксплуатасьон Де Проседе Жорж Клод (Fr)
Л`Эр Ликид, Сосьете Аноним Пур Л`Этюд Э Л`Эксплуатасьон Де Проседе Жорж Клод
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Л`Эр Ликид, Сосьете Аноним Пур Л`Этюд Э Л`Эксплуатасьон Де Проседе Жорж Клод (Fr), Л`Эр Ликид, Сосьете Аноним Пур Л`Этюд Э Л`Эксплуатасьон Де Проседе Жорж Клод filed Critical Л`Эр Ликид, Сосьете Аноним Пур Л`Этюд Э Л`Эксплуатасьон Де Проседе Жорж Клод (Fr)
Publication of RU2007143321A publication Critical patent/RU2007143321A/ru
Application granted granted Critical
Publication of RU2458398C2 publication Critical patent/RU2458398C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • Y02P90/80—Management or planning

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

1. Способ оптимизации цепочки поставок, содержащий этапы, на которых: ! a) генерируют оптимизированное решение относительно производства для цепочки поставок с использованием методики оптимизации, основанной на генетическом алгоритме, для оптимизации совокупности начальных решений, и ! b) генерируют оптимизированное решение относительно распределения для оптимизированного решения относительно производства с использованием методики оптимизации, основанной на принципе «муравейника». ! 2. Способ по п.1, в котором операция генерации оптимизированного решения относительно производства для цепочки поставок содержит этапы, на которых: ! a) считывают входные данные, причем эти входные данные описывают задачу для цепочки поставок, подлежащей оптимизации; ! b) генерируют совокупность решений, при этом каждое решение из этой совокупности определяет допустимое решение задачи для цепочки поставок, подлежащей оптимизации; ! c) производят оценку каждого решения из упомянутой совокупности и выполняют сортировку решений из упомянутой совокупности согласно оценке; и ! d) выполняют методику оптимизации упомянутой совокупности, основанный на генетическом алгоритме, до тех пор, пока не будет выполнено условие завершения, определенное входными данными. ! 3. Способ по п.2, в котором операция выполнения методики оптимизации, основанной на генетическом алгоритме, содержит этапы, на которых: ! a) видоизменяют, по меньшей мере, один аспект, по меньшей мере, одного из решений, входящих в состав совокупности; ! b) производят оценку функционирования видоизмененного решения; ! c) добавляют видоизмененное решение в совокупность; и ! d) из совокуп�

Claims (39)

1. Способ оптимизации цепочки поставок, содержащий этапы, на которых:
a) генерируют оптимизированное решение относительно производства для цепочки поставок с использованием методики оптимизации, основанной на генетическом алгоритме, для оптимизации совокупности начальных решений, и
b) генерируют оптимизированное решение относительно распределения для оптимизированного решения относительно производства с использованием методики оптимизации, основанной на принципе «муравейника».
2. Способ по п.1, в котором операция генерации оптимизированного решения относительно производства для цепочки поставок содержит этапы, на которых:
a) считывают входные данные, причем эти входные данные описывают задачу для цепочки поставок, подлежащей оптимизации;
b) генерируют совокупность решений, при этом каждое решение из этой совокупности определяет допустимое решение задачи для цепочки поставок, подлежащей оптимизации;
c) производят оценку каждого решения из упомянутой совокупности и выполняют сортировку решений из упомянутой совокупности согласно оценке; и
d) выполняют методику оптимизации упомянутой совокупности, основанный на генетическом алгоритме, до тех пор, пока не будет выполнено условие завершения, определенное входными данными.
3. Способ по п.2, в котором операция выполнения методики оптимизации, основанной на генетическом алгоритме, содержит этапы, на которых:
a) видоизменяют, по меньшей мере, один аспект, по меньшей мере, одного из решений, входящих в состав совокупности;
b) производят оценку функционирования видоизмененного решения;
c) добавляют видоизмененное решение в совокупность; и
d) из совокупности удаляют то решение, которое имеет наихудшую оценку относительно других решений из этой совокупности.
4. Способ по п.3, в котором операция видоизменения, по меньшей мере, одного аспекта, по меньшей мере, одного решения из совокупности содержит этапы, на которых:
a) производят выбор способа видоизменения решения;
b) производят выбор, по меньшей мере, одного решения из совокупности для его видоизменения; и
c) видоизменяют упомянутое, по меньшей мере, одно решение согласно выбранной методике видоизменения решения.
5. Способ по п.3, в котором в методике видоизменения решения выполняют видоизменение, по меньшей мере, одного аспекта, по меньшей мере, одного решения по случайному закону.
6. Способ по п.3, в котором в методике видоизменения решения выполняют видоизменение, по меньшей мере, одного решения согласно эвристическому правилу.
7. Способ по п.3, в котором в методике видоизменения решения выполняют скрещивание двух или большего количества решений для генерации видоизмененного решения.
8. Способ по п.3, в котором этап видоизменения, по меньшей мере, одного аспекта, по меньшей мере, одного из решений, входящих в состав совокупности, содержит этапы, на которых:
производят выбор одного или большего количества решений на вероятностной основе, при этом вероятность выбора решения с более высокой оценкой для его видоизменения является более высокой, чем вероятность выбора решения с более низкой оценкой.
9. Способ по п.1, в котором каждое решение относительно производства определяет, по меньшей мере, объем производства для каждого производственного предприятия на каждый день периода оптимизации.
10. Способ по п.1, в котором совокупность начальных решений содержит первую группу решений и вторую группу решений, причем генерация первой группы решений осуществлена согласно эвристическим правилам, а генерация второй группы решений осуществлена по случайному закону.
11. Способ по п.1, в котором этап генерирования оптимизированного решения относительно распределения для оптимизированного решения относительно производства с использованием методики оптимизации, основанной на принципе «муравейника», содержит этапы, на которых:
a) устанавливают начальное значение вектора весовых коэффициентов производственного предприятия для каждого производственного предприятия в цепочке поставок;
b) устанавливают начальное значение вектора установки для каждого места доставки в цепочке поставок; и
c) генерируют решение относительно распределения на основании набора весовых коэффициентов, определенных компонентами векторов весовых коэффициентов производственных предприятий и векторов установок, при этом решение относительно распределения описывает один или большее количество маршрутов доставки из производственного предприятия, по меньшей мере, в одно место доставки.
12. Способ по п.11, в котором компоненты вектора весовых коэффициентов производственного предприятия указывают предпочтения для поставок из производственного предприятия, представленного вектором весовых коэффициентов производственного предприятия, в установку, представленную компонентой вектора.
13. Способ по п.11, в котором компоненты вектора установки указывают предпочтения для последующей доставки из установки, представленной вектором установки, в установку, представленную компонентой вектора.
14. Машиночитаемый носитель информации, содержащий программу, которая при ее выполнении осуществляет этапы по оптимизации цепочки поставок, которые содержат следующие этапы, на которых:
a) генерируют оптимизированное решение относительно производства для цепочки поставок с использованием методики оптимизации, основанной на генетическом алгоритме, для оптимизации совокупности начальных решений, и
b) генерируют оптимизированное решение относительно распределения для оптимизированного решения относительно производства с использованием методики оптимизации, основанной на принципе «муравейника».
15. Машиночитаемый носитель информации по п.14, в котором этап генерирования оптимизированного решения относительно производства для цепочки поставок содержит этапы, на которых:
a) считывают входные данные, причем эти входные данные описывают задачу для цепочки поставок, подлежащей оптимизации;
b) генерируют совокупность решений, при этом каждое решение из этой совокупности определяет допустимое решение задачи для цепочки поставок, подлежащей оптимизации;
c) производят оценку каждого решения из упомянутой совокупности и выполняют сортировку решений из упомянутой совокупности согласно оценке; и
d) выполняют методику оптимизации упомянутой совокупности, основанную на генетическом алгоритме, до тех пор, пока не будет выполнено условие завершения, определенное входными данными.
16. Машиночитаемый носитель информации по п.15, в котором этап выполнения способа оптимизации, основанного на генетическом алгоритме, содержит этапы, на которых:
a) видоизменяют, по меньшей мере, один аспект, по меньшей мере, одного из решений, входящих в состав совокупности;
b) производят оценку функционирования видоизмененного решения;
c) добавляют видоизмененное решение в совокупность; и
d) из совокупности удаляют то решение, которое имеет наихудшую оценку относительно других решений из этой совокупности.
17. Машиночитаемый носитель информации по п.16, в котором операция видоизменения, по меньшей мере, одного аспекта, по меньшей мере, одного решения из совокупности, содержит этапы, на которых:
a) производят выбор способа видоизменения решения;
b) производят выбор, по меньшей мере, одного решения из совокупности для его видоизменения; и
c) видоизменяют упомянутое, по меньшей мере, одно решение согласно выбранному способу видоизменения решения.
18. Машиночитаемый носитель информации по п.16, в котором в способе видоизменения решения выполняют видоизменение, по меньшей мере, одного аспекта, по меньшей мере, одного решения по случайному закону.
19. Машиночитаемый носитель информации по п.16, в котором в способе видоизменения решения выполняют видоизменение, по меньшей мере, одного решения согласно эвристическому правилу.
20. Машиночитаемый носитель информации по п.16, в котором в методике видоизменения решения выполняют скрещивание двух или большего количества решений для генерации видоизмененного решения.
21. Машиночитаемый носитель информации по п.16, в котором этап видоизменения, по меньшей мере, одного аспекта, по меньшей мере, одного из решений, входящих в состав совокупности, содержит этап, на котором:
производят выбор одного или большего количества решений на вероятностной основе, при этом вероятность выбора решения с более высокой оценкой для его видоизменения является более высокой, чем вероятность выбора решения с более низкой оценкой.
22. Машиночитаемый носитель информации по п.14, в котором каждое решение относительно производства определяет, по меньшей мере, объем производства для каждого производственного предприятия на каждый день периода оптимизации.
23. Машиночитаемый носитель информации по п.14, в котором совокупность начальных решений содержит первую группу решений и вторую группу решений, причем генерация первой группы решений осуществлена согласно эвристическим правилам, а генерация второй группы решений осуществлена по случайному закону.
24. Машиночитаемый носитель информации по п.14, в котором этап генерирования оптимизированного решения относительно распределения для оптимизированного решения относительно производства с использованием методики оптимизации, основанной на принципе «муравейника», содержит этапы, на которых:
a) устанавливают начальное значение вектора весовых коэффициентов производственного предприятия для каждого производственного предприятия в цепочке поставок;
b) устанавливают начальное значение вектора установки для каждого места доставки в цепочке поставок; и
c) генерируют решение относительно распределения на основании набора весовых коэффициентов, определенных компонентами векторов весовых коэффициентов производственных предприятий и векторов установок, при этом решение относительно распределения описывает один или большее количество маршрутов доставки из производственного предприятия, по меньшей мере, в одно место доставки.
25. Машиночитаемый носитель информации по п.24, в котором компоненты вектора весовых коэффициентов производственного предприятия указывают предпочтения для поставок из производственного предприятия, представленного вектором весовых коэффициентов производственного предприятия, в установку, представленную компонентой вектора.
26. Машиночитаемый носитель информации по п.24, в котором компоненты вектора установки указывают предпочтения для последующей доставки из установки, представленной вектором установки, в установку, представленную компонентой вектора.
27. Вычислительное устройство, используемое для оптимизации операций в цепочке поставок, которое содержит:
a) процессор;
b) оптимизатор производства, сконфигурированный таким образом, что при его выполнении процессором он осуществляет генерацию оптимизированного решения относительно производства для цепочки поставок с использованием методики оптимизации, основанной на генетическом алгоритме, для оптимизации совокупности начальных решений; и
c) оптимизатор распределения, сконфигурированный таким образом, что при его выполнении процессором он осуществляет генерацию оптимизированного решения относительно распределения для оптимизированного решения относительно производства с использованием методики оптимизации, основанной на принципе «муравейника».
28. Вычислительное устройство по п.27, в котором оптимизатор производства сконфигурирован для генерирования оптимизированного решения относительно производства для цепочки поставок путем выполнения этапов, на которых:
a) считывают входные данные, причем эти входные данные описывают задачу для цепочки поставок, подлежащей оптимизации;
b) осуществляют генерацию совокупности решений, при этом каждое решение из этой совокупности определяет допустимое решение задачи для цепочки поставок, подлежащей оптимизации;
c) производят оценку каждого решения из упомянутой совокупности и выполняют сортировку решений из упомянутой совокупности согласно оценке; и
d) выполняют методику оптимизации упомянутой совокупности, основанную на генетическом алгоритме, до тех пор, пока не будет выполнено условие завершения, определенное входными данными.
29. Вычислительное устройство по п.28, в котором этап выполнения методики оптимизации, основанной на генетическом алгоритме, содержит этапы, на которых:
a) видоизменяют, по меньшей мере, один аспект, по меньшей мере, одного из решений, входящих в состав совокупности;
b) производят оценку функционирования видоизмененного решения;
c) добавляют видоизмененное решение в совокупность; и
d) из совокупности удаляют то решение, которое имеет наихудшую оценку относительно других решений из этой совокупности.
30. Вычислительное устройство по п.29, в котором этап видоизменения, по меньшей мере, одного аспекта, по меньшей мере, одного решения из совокупности, содержит этапы, на которых:
a) производят выбор способа видоизменения решения;
b) производят выбор, по меньшей мере, одного решения из совокупности для его видоизменения; и
c) видоизменяют упомянутое, по меньшей мере, одно решение согласно выбранному способу видоизменения решения.
31. Вычислительное устройство по п.29, в котором в способе видоизменения решения выполняют видоизменение, по меньшей мере, одного аспекта, по меньшей мере, одного решения по случайному закону.
32. Вычислительное устройство по п.29, в котором в методике видоизменения решения выполняют видоизменение, по меньшей мере, одного решения согласно эвристическому правилу.
33. Вычислительное устройство по п.29, в котором в методике видоизменения решения выполняют скрещивание двух или большего количества решений для генерации видоизмененного решения.
34. Вычислительное устройство по п.29, в котором этап видоизменения, по меньшей мере, одного аспекта, по меньшей мере, одного из решений, входящих в состав совокупности, содержит этап, на котором:
производят выбор одного или большего количества решений на вероятностной основе, при этом вероятность выбора решения с более высокой оценкой для его видоизменения является более высокой, чем вероятность выбора решения с более низкой оценкой.
35. Вычислительное устройство по п.27, в котором каждое решение относительно производства определяет, по меньшей мере, объем производства для каждого производственного предприятия на каждый день периода оптимизации.
36. Вычислительное устройство по п.27, в котором совокупность начальных решений содержит первую группу решений и вторую группу решений, причем генерация первой группы решений осуществлена согласно эвристическим правилам, а генерация второй группы решений осуществлена по случайному закону.
37. Вычислительное устройство по п.27, в котором оптимизатор распределения сконфигурирован таким образом, что осуществляет генерацию оптимизированного решения относительно распределения для оптимизированного решения относительно производства, путем выполнения этапов, на которых:
a) устанавливают начальное значение вектора весовых коэффициентов производственного предприятия для каждого производственного предприятия в цепочке поставок;
b) устанавливают начальное значение вектора установки для каждого места доставки в цепочке поставок; и
c) генерируют решение относительно распределения на основании набора весовых коэффициентов, определенных компонентами векторов весовых коэффициентов производственных предприятий и векторов установок, при этом решение относительно распределения описывает один или большее количество маршрутов доставки из производственного предприятия, по меньшей мере, в одно место доставки.
38. Вычислительное устройство по п.37, в котором компоненты вектора весовых коэффициентов производственного предприятия указывают предпочтения для поставок из производственного предприятия, представленного вектором весовых коэффициентов производственного предприятия, в установку, представленную компонентой вектора.
39. Вычислительное устройство по п.37, в котором компоненты вектора установки указывают предпочтения для последующей доставки из установки, представленной вектором установки, в установку, представленную компонентой вектора.
RU2007143321/08A 2005-04-22 2006-04-18 Оптимизатор производства для управления цепочками поставок RU2458398C2 (ru)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US67424005P 2005-04-22 2005-04-22
US60/674,240 2005-04-22
US11/279,557 US8112300B2 (en) 2005-04-22 2006-04-12 Production optimizer for supply chain management
US11/279,557 2006-04-12

Publications (2)

Publication Number Publication Date
RU2007143321A true RU2007143321A (ru) 2009-05-27
RU2458398C2 RU2458398C2 (ru) 2012-08-10

Family

ID=36999877

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2007143321/08A RU2458398C2 (ru) 2005-04-22 2006-04-18 Оптимизатор производства для управления цепочками поставок

Country Status (9)

Country Link
US (1) US8112300B2 (ru)
EP (1) EP1875415A2 (ru)
JP (1) JP5053996B2 (ru)
KR (1) KR101300297B1 (ru)
AU (1) AU2006238650B2 (ru)
CA (1) CA2606133C (ru)
MX (1) MX2007012999A (ru)
RU (1) RU2458398C2 (ru)
WO (1) WO2006111821A2 (ru)

Families Citing this family (61)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9729639B2 (en) * 2001-08-10 2017-08-08 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US20090204237A1 (en) * 2001-08-10 2009-08-13 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US8914300B2 (en) * 2001-08-10 2014-12-16 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US7797062B2 (en) * 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US8417360B2 (en) * 2001-08-10 2013-04-09 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US20090210081A1 (en) * 2001-08-10 2009-08-20 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
WO2005004024A1 (en) * 2003-07-02 2005-01-13 Chin Kok Yap Method and system for automating inventory management in a supply chain
JP4115958B2 (ja) * 2004-03-26 2008-07-09 株式会社東芝 プラントの運転スケジュール最適化方法および最適化システム
US8300798B1 (en) 2006-04-03 2012-10-30 Wai Wu Intelligent communication routing system and method
US20080177587A1 (en) * 2007-01-23 2008-07-24 Sonia Jean Cushing Prioritizing orders using business factors
US10255581B2 (en) * 2007-03-07 2019-04-09 Jda Software Group, Inc. Fast planning heuristic for batch and interactive planning
US11403581B2 (en) 2007-03-07 2022-08-02 Blue Yonder Group, Inc. Sentient optimization for continuous supply chain management
US8069127B2 (en) * 2007-04-26 2011-11-29 21 Ct, Inc. Method and system for solving an optimization problem with dynamic constraints
US8042100B2 (en) * 2007-08-27 2011-10-18 International Business Machines Corporation Methods, systems, and computer products for evaluating robustness of a list scheduling framework
US8209045B2 (en) * 2008-04-07 2012-06-26 Honeywell International Inc. System and method for discrete supply chain control and optimization using model predictive control
US20090264225A1 (en) * 2008-04-17 2009-10-22 Lee William B Golf tee
US8812338B2 (en) * 2008-04-29 2014-08-19 Sas Institute Inc. Computer-implemented systems and methods for pack optimization
US20100004941A1 (en) * 2008-07-02 2010-01-07 International Business Machines Corporation Method and Apparatus for Generating Customized Provisioning Workflows from One Flow Models
US20100005469A1 (en) * 2008-07-02 2010-01-07 International Business Machines Corporation Method and System for Defining One Flow Models with Varied Abstractions for Scalable lean Implementations
US20100002864A1 (en) * 2008-07-02 2010-01-07 International Business Machines Corporation Method and System for Discerning Learning Characteristics of Individual Knowledge Worker and Associated Team In Service Delivery
US20100004967A1 (en) * 2008-07-02 2010-01-07 International Business Machines Corporation Method and System for Generating One Flow Models from Runtime Service Delivery Process
JP5159518B2 (ja) * 2008-08-28 2013-03-06 株式会社日立製作所 供給計画作成装置、プログラム及び合成方法
US8195496B2 (en) * 2008-11-26 2012-06-05 Sap Aktiengesellschaft Combining multiple objective functions in algorithmic problem solving
US8315920B2 (en) 2010-03-09 2012-11-20 At&T Intellectual Property I, L.P. Method for automating onboarding of user generated ringback tones to sales distribution channel
US20110225636A1 (en) * 2010-03-09 2011-09-15 Keith Chad C Method For Automating Onboarding Application Developers To Sales Distribution Channel
US9124554B2 (en) 2010-03-09 2015-09-01 At&T Intellectual Property I, L.P. Mobility network operator service delivery hub
CN101916444B (zh) * 2010-08-23 2012-04-11 南京信息工程大学 基于形态学和蚁群算法的医学细胞边缘检测方法
US8515835B2 (en) * 2010-08-30 2013-08-20 Sas Institute Inc. Systems and methods for multi-echelon inventory planning with lateral transshipment
US8788315B2 (en) 2011-01-10 2014-07-22 Sas Institute Inc. Systems and methods for determining pack allocations
US8688497B2 (en) 2011-01-10 2014-04-01 Sas Institute Inc. Systems and methods for determining pack allocations
KR101526092B1 (ko) 2011-05-12 2015-06-04 에어 프로덕츠 앤드 케미칼스, 인코오포레이티드 개선된 생산 및 분배를 위한 방법들
US9224121B2 (en) * 2011-09-09 2015-12-29 Sap Se Demand-driven collaborative scheduling for just-in-time manufacturing
US8676630B2 (en) 2012-02-07 2014-03-18 Caterpillar Inc. Systems and methods for selectively updating forecast data
US8924320B2 (en) 2012-02-07 2014-12-30 Caterpillar Inc. Systems and methods for forecasting using process constraints
US8606620B2 (en) 2012-02-07 2013-12-10 Caterpillar Inc. Systems and methods for forecasting using an attenuated forecast function
US20140222487A1 (en) * 2013-02-04 2014-08-07 The Boeing Company Total-Ordering In Process Planning
US20150356479A1 (en) * 2014-06-06 2015-12-10 Honeywell International Inc. Analytic framework for handling trade-offs between different business objectives in planning and scheduling applications
US9536192B2 (en) 2014-06-23 2017-01-03 International Business Machines Corporation Solving vehicle routing problems using evolutionary computing techniques
CN104200271A (zh) * 2014-08-22 2014-12-10 华南农业大学 一种发动机多目标优化算法
US10753751B2 (en) 2014-09-19 2020-08-25 Arris Enterprises Llc Systems and methods for street level routing
US20160210683A1 (en) * 2015-01-19 2016-07-21 International Business Machines Corporation Order Offload
KR101720634B1 (ko) * 2015-02-27 2017-03-28 고려대학교 산학협력단 개미 알고리즘을 이용한 물류배송용 배차 스케줄링 방법 및 시스템
US11775937B2 (en) 2015-10-08 2023-10-03 Arris Enterprises Llc Dynamic capacity ranges for workforce routing
US10242388B2 (en) * 2016-01-05 2019-03-26 Amobee, Inc. Systems and methods for efficiently selecting advertisements for scoring
US20170344933A1 (en) * 2016-05-27 2017-11-30 Caterpillar Inc. Method and system for managing supply chain with variable resolution
US11158017B2 (en) * 2016-12-28 2021-10-26 Sap Se Warehouse management system
CN107301504B (zh) * 2017-06-12 2018-06-15 合肥工业大学 基于混合蛙跳—路径重连的生产运输协同调度方法和系统
WO2019236373A1 (en) * 2018-06-04 2019-12-12 KSR Unlimited LLC Produced physical bulk asset hauling dispatch system
US11694142B2 (en) * 2018-12-31 2023-07-04 Noodle Analytics, Inc. Controlling production resources in a supply chain
US11466998B1 (en) * 2019-02-15 2022-10-11 State Farm Mutual Automobile Insurance Company Systems and methods for dynamically generating optimal routes for management of multiple vehicles
US11493345B1 (en) 2019-02-15 2022-11-08 State Farm Mutual Automobile Insurance Company Systems and methods for dynamically generating optimal routes for vehicle delivery management
CN111859733B (zh) * 2020-06-19 2023-06-27 江西五十铃汽车有限公司 一种基于蚁群算法的汽车排气系统可靠性优化方法
US20220156693A1 (en) * 2020-11-17 2022-05-19 Exel Inc. d/b/a DHL Supply Chain (USA) Computerized system and method for developing optimized cargo transportation solutions
CN112131761A (zh) * 2020-11-25 2020-12-25 晶芯成(北京)科技有限公司 基于群体智能算法的工厂派工方法及系统
US11546216B2 (en) * 2020-12-22 2023-01-03 Mellanox Technologies, Ltd. Real time performance tuning of network devices
US20220253769A1 (en) * 2021-02-04 2022-08-11 C3.Ai, Inc. Constrained optimization and post-processing heuristics for optimal production scheduling for process manufacturing
US11928699B2 (en) 2021-03-31 2024-03-12 International Business Machines Corporation Auto-discovery of reasoning knowledge graphs in supply chains
WO2023009019A1 (ru) * 2021-07-26 2023-02-02 Публичное Акционерное Общество "Сбербанк России" Способ и система способ расчета количества поставок продукции для пополнения запасов
CN116151526A (zh) * 2021-11-18 2023-05-23 英业达科技有限公司 排程装置以及方法
JP2023118523A (ja) * 2022-02-15 2023-08-25 富士通株式会社 均衡解探索プログラム、均衡解探索方法および情報処理装置
CN117273318B (zh) * 2023-09-11 2024-05-03 江苏和光舒卷数字科技有限公司 物料齐套的分析方法和装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1014170B (it) * 1973-05-14 1977-04-20 Cybco Sa Macchina informatica per la ricer ca di soluzioni ottimal
JP2621172B2 (ja) * 1987-04-22 1997-06-18 トヨタ自動車株式会社 生産管理システム
US5155679A (en) * 1989-12-18 1992-10-13 Hewlett-Packard Company Set-up optimization for flexible manufacturing systems
US5327340A (en) * 1990-08-23 1994-07-05 Toyota Jidosha Kabushiki Kaisha Production order determining method
US5841659A (en) * 1994-05-26 1998-11-24 Matsushita Electric Industrial Co., Ltd. Production plan generating method and apparatus
GB9517775D0 (en) * 1995-08-31 1995-11-01 Int Computers Ltd Computer system using genetic optimization techniques
US6198980B1 (en) * 1998-11-06 2001-03-06 John Costanza Institute Of Technology System and method for designing a mixed-model manufacturing process
JP2000176799A (ja) * 1998-12-08 2000-06-27 Toshiba Corp 生産製造計画システム
US6434443B1 (en) * 1999-05-17 2002-08-13 Taiwan Semiconductor Manufacturing Company Method for performing dynamic re-scheduling of fabrication plant
WO2002007045A2 (en) * 2000-07-13 2002-01-24 Manugistics, Inc. Shipping and transportation optimization system and method
US7117164B2 (en) * 2001-01-26 2006-10-03 I2 Technologies Us, Inc. System and method of demand planning for intermediate and by-products
US7672862B1 (en) * 2001-04-02 2010-03-02 I2 Technologies Us, Inc. Generating a supply chain plan
US6904421B2 (en) * 2001-04-26 2005-06-07 Honeywell International Inc. Methods for solving the traveling salesman problem
JP2003308366A (ja) * 2002-04-15 2003-10-31 Mitsubishi Electric Corp 製造管理方法
US7116643B2 (en) * 2002-04-30 2006-10-03 Motorola, Inc. Method and system for data in a collection and route discovery communication network
US7636670B2 (en) * 2002-10-17 2009-12-22 Sap Aktiengesellschaft Method and computer program product that determine values of characteristic value combinations for use in the production of products
US7072723B2 (en) * 2002-10-23 2006-07-04 Clearsight Systems Inc. Method and system for optimization of general problems
RU2216039C1 (ru) * 2002-12-27 2003-11-10 Общество с ограниченной ответственностью "Совместное предприятие ПЕТРОКОМ" Способ автоматизированного управления материальными потоками предприятия
JP2004310290A (ja) * 2003-04-03 2004-11-04 Renesas Technology Corp 複数の生産ラインにおける生産管理方法

Also Published As

Publication number Publication date
US20060241986A1 (en) 2006-10-26
WO2006111821A3 (en) 2007-11-22
KR101300297B1 (ko) 2013-08-28
AU2006238650B2 (en) 2012-03-22
AU2006238650A1 (en) 2006-10-26
WO2006111821A2 (en) 2006-10-26
JP2008537247A (ja) 2008-09-11
EP1875415A2 (en) 2008-01-09
RU2458398C2 (ru) 2012-08-10
JP5053996B2 (ja) 2012-10-24
CA2606133C (en) 2014-05-27
US8112300B2 (en) 2012-02-07
CA2606133A1 (en) 2006-10-26
KR20080017004A (ko) 2008-02-25
MX2007012999A (es) 2007-12-13

Similar Documents

Publication Publication Date Title
RU2007143321A (ru) Оптимизатор производства для управления цепочками поставок
RU2007143319A (ru) Система оптимизатора для трубопроводов
Maturana et al. Autonomous operator management for evolutionary algorithms
Braune et al. A genetic programming learning approach to generate dispatching rules for flexible shop scheduling problems
JP4736713B2 (ja) プロジェクトメンバーの選定を支援するシステムと方法
US11037061B2 (en) Adaptive cataclysms in genetic algorithms
Gortazar et al. Black box scatter search for general classes of binary optimization problems
JP2020035320A (ja) 報酬関数の生成方法及び計算機システム
AU2020372607A1 (en) Model selection in a forecasting pipeline to optimize tradeoff between forecast accuracy and computational cost
Bibai et al. An evolutionary metaheuristic based on state decomposition for domain-independent satisficing planning
Hoang NIDE: a novel improved differential evolution for construction project crashing optimization
Asadujjaman et al. Multi-operator immune genetic algorithm for project scheduling with discounted cash flows
US8255423B2 (en) Adaptive random trees integer non-linear programming
Segura et al. A novel diversity-based evolutionary algorithm for the traveling salesman problem
JP6975685B2 (ja) 学習制御方法及び計算機システム
Chetty et al. A Study on the Enhanced Best Performance Algorithm for the Just‐in‐Time Scheduling Problem
JP5143182B2 (ja) 機械学習方法および機械学習システム
Abdou et al. Multi-pareto-ranking evolutionary algorithm
Patel Progressively strengthening and tuning MIP solvers for reoptimization
Kim et al. Single-machine total completion time scheduling with position-based deterioration and multiple rate-modifying activities
US8667491B2 (en) Method and apparatus for executing a transition workflow between swim lanes of a workflow
Sundar et al. Multi-objective genetic algorithm for the optimized resource usage and the prioritization of the constraints in the software project planning
Chen et al. Integrating genetic algorithm with time control for just-in-time scheduling problems
Shirzadeh Chaleshtari Resource tardiness weighted cost minimization in project scheduling
He et al. Hybridising local search with branch-and-bound for constrained portfolio selection problems