RU2007143321A - Оптимизатор производства для управления цепочками поставок - Google Patents
Оптимизатор производства для управления цепочками поставок Download PDFInfo
- 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
Links
- 238000013068 supply chain management Methods 0.000 title 1
- 238000004519 manufacturing process Methods 0.000 claims abstract 47
- 238000000034 method Methods 0.000 claims abstract 30
- 238000005457 optimization Methods 0.000 claims abstract 21
- 238000009826 distribution Methods 0.000 claims abstract 15
- 230000002068 genetic effect Effects 0.000 claims abstract 12
- 239000013598 vector Substances 0.000 claims 27
- 238000009434 installation Methods 0.000 claims 18
- 238000012384 transportation and delivery Methods 0.000 claims 15
- 238000003860 storage Methods 0.000 claims 13
- 238000012986 modification Methods 0.000 claims 5
- 230000004048 modification Effects 0.000 claims 5
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.
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)
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)
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 |
-
2006
- 2006-04-12 US US11/279,557 patent/US8112300B2/en not_active Expired - Fee Related
- 2006-04-18 KR KR1020077025826A patent/KR101300297B1/ko active IP Right Grant
- 2006-04-18 RU RU2007143321/08A patent/RU2458398C2/ru active
- 2006-04-18 WO PCT/IB2006/000910 patent/WO2006111821A2/en active Application Filing
- 2006-04-18 MX MX2007012999A patent/MX2007012999A/es not_active Application Discontinuation
- 2006-04-18 EP EP06744510A patent/EP1875415A2/en not_active Withdrawn
- 2006-04-18 AU AU2006238650A patent/AU2006238650B2/en active Active
- 2006-04-18 JP JP2008507184A patent/JP5053996B2/ja not_active Expired - Fee Related
- 2006-04-18 CA CA2606133A patent/CA2606133C/en active Active
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 |