Zur Seitenansicht
 

Titelaufnahme

Titel
A combined simulation and optimization based method for predictive - reactive scheduling of flexible production systems subject to execution exceptions / Kiran R. Mahajan
AutorMahajan, Kiran R. In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2007
HochschulschriftPaderborn, Univ., Diss., 2007
DokumenttypDissertation
URNurn:nbn:de:hbz:466-2007111411 Persistent Identifier (URN)
Dateien
A combined simulation and optimization based method for predictive - reactive scheduling of flexible production systems subject to execution exceptions [3.85 mb]
zusfasng [12.92 kb]
abstract [12.49 kb]
Links
Nachweis
Klassifikation

Deutsch

Heutzutage setzen produzierende Unternehmen auf der ganzen Welt eine Kombination aus innovativen Fertigungstechnologien und Produktionsprozessen und –methoden ein, um Wettbewerbsvorteile zu erzielen. Verfahren wie Optimierung und ereignis-diskrete Simulation werden eingesetzt, um alternative Steuerungsstrategien zu bewerten. Diese Strategien helfen bei der Organisation der Fertigungsoperationen. Jedoch fehlt eine integrierte Plattform für Optimierung und Simulation, in der der Benutzer alternative Strategien erzeugen und die Auswirkungen ihrer Anwendung kontrollieren kann. Die Verwendung alternativer Strategien ist heute sogar noch bedeutender, da es notwendig ist, komplexe Produktionssysteme auch bei Störungen stabil zu halten und gleichzeitig Optimierungsziele zu erfüllen. Die vorliegende Arbeit ergänzt die Forschung auf dem Gebiet der Kombination von Simulation- und Optimierungsverfahren. Das entwickelte System ist ein prädiktiv-reaktives System, das beide Methoden kombiniert. Der prädiktive Teil bestimmt auf vorausschauende Weise einen ausführbaren Plan für eine Fließfertigung mit parallelen Maschinen – ein flexibles Fertigungssystem. Dieser ausführbare Plan dient als Ausgangspunkt für eine spätere Analyse. Während der Berechnung wird eine Mischung aus Teilen mit starren oder flexiblen Fluss, Lieferfristen, Lager- und Förderbeschränkungen sowie Optimierungsbeschränkungen berücksichtigt. Der Plan wird erzeugt mithilfe einer Kombination aus regelbasierter Simulation und Optimierung: Zunächst erzeugt die Optimierung einen groben Plan, anschließend passt die regelbasierte Simulation den Plan lokal an und erzeugt so den endgültigen Plan. Der vom prädiktiven Teil erzeugte Plan wird, wenn er im realen Produktionssystem ausgeführt wird, wird vom reaktiven Teil des Systems adaptiert, indem alternative Strategien für Störungsfälle generiert werden. Diese alternativen Strategien legen den relevanten Prozess für das reale System im jeweiligen Störungsfall fest. Auch in der reaktiven Phase werden die alternativen Strategien mithilfe einer Kombination von Simulation und Optimierung erzeugt. Der Optimierungsalgorithmus führt die Abweichung vom prädiktiven Plan so gut wie möglich zum ursprünglichen Verlauf zurück. In anderen Worten: Er versucht sowenig Änderung wie möglich zu zulassen. Er tut dies unter Berücksichtigung und Lösung von Anpassungs-Synchronisations-problemen (damit wird das Problem bezeichnet, dass Berechnungen und Anpassungen im realen System Zeit benötigen, während das reale System sich kontinuierlich weiterentwickelt und seinen Zustand ändert) die im Produktionssystem auftreten aufgrund der Änderung (oder dem neuem Plan). Das simulationsbasierte System sagt zusätzlich voraus, ob aufgrund der Umplanungsaktivitäten Probleme in der näheren Zukunft auftreten werden und versucht regelbasiert Lösungen zu bestimmen. Diese Lösungen stellen sicher, dass die weitere Ausführung des Plans im real System problemlos ist. Die endgültige Umplanungslösung wird mithilfe des Simulationssystems evaluiert und dann im realen System ausgeführt. Der allgemeine Ansatz, der in der Arbeit vorgeschlagen wird, basiert auf der Integration von Methoden wie Optimierung und ereignisdiskreter Simulation, wodurch es einzigartig ist in der Anwendung auf die heutigen industriellen Probleme.

English

Today, in order to gain competitive advantage, manufacturers around the world make a combined use of innovative production technologies and production processes and methods. Technologies like optimization and discrete-event simulation are used to test the effects of alternative policies, which help to organize manufacturing operations. However, an integrated platform for simulation and optimization algorithms within which the user could generate and control the effects of the alternative policies is missing. Alternative control policies become even more relevant today as there is a need to keep complex manufacturing systems stable on the occurrence of execution exceptions and at the same time meeting optimization goals. The work discussed in this report complements the work in the areas of combination of simulation and optimization technologies. The system developed is a predictive-reactive system which combines both the technologies. The predictive part determines the feasible schedule to be used for a parallel machines flow shop (PMFS) – a flexible manufacturing system, in a predictive way and serves as a starting point for the analysis carried out later. It considers a mix of fixed and flexible part flows, delivery constraints, buffer constraints, part flow constraints, and optimization constraints during its computations. This schedule is generated using a combination of rule-based simulation and optimization: using first the optimization algorithm to compute a rough plan, followed by using a rule based simulation system to locally fine tune the plan, and obtain the final schedule. The schedule generated by this predictive system, when implemented in the real world system is adapted by the reactive part of the system by generating alternative policies on the occurrence of system exceptions. These new alternative policies constitute the significant processes in the real world for a corresponding exception. In the reactive phase, alternative policies too are generated using a combination of simulation and optimization. The optimization algorithm brings the deviation from the predictive schedule back to its original trajectory as much as possible. In other words, it tries to change as less as possible. It does this while considering and solving adaptation synchrony problems (the problem that computations and changes in the real-world take time, while the real-world continues to evolve leading to differing states being used at different times) that may occur on the shop floor due to the change (or the new schedule). The simulation based system also predicts if there will be problems in the near future due to the rescheduling action and tries to generate solutions based on rules, which make sure that the future execution of the schedule in the real-world will be problem free. The final rescheduling solution is evaluated by the simulation system and then implemented in the real-world. The overall approach suggested in this report is based on the integration of technologies like optimization and discrete-event simulation, thus making it unique in the application of today’s industrial problems.