A finite capacity scheduling system for a silicon wafer manufacturer

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Helsinki University of Technology | Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author

Authors

Date

1999

Department

Teknillisen fysiikan ja matematiikan osasto

Major/Subject

Sovellettu matematiikka

Mcode

Mat-2

Degree programme

Language

en

Pages

69

Series

Abstract

Tuotannon ajoituksessa määritellään töiden järjestys ja aikataulu tehtaan eri työpisteissä. Työpisteellä on tietty kapasiteetti ja tietty määrä resursseja, kuten koneita. Tuotannon hienokuormituksessa ajoitetaan tuotanto ottamalla työpisteiden kapasiteetit ja resurssit huomioon. Tämän diplomityön tavoitteena on määritellä piikiekkovalmistajalle tuotannon hienokuormitustyökalu, jossa ajoituksen ratkaisee geneettinen algoritmi. Työn teoreettisessa osassa esitellään eri tuotannonohjausalgoritmeja ja tapoja ratkaista tuotannon ajoitus. Työn soveltavassa osassa mallinnetaan piikiekkotuotanto resurssirajoitteisen ajoitusongelman muotoon. Lisäksi hahmotellaan ajoitustyökalun toiminta osana yrityksen tietojärjestelmää. Tuotannon hienokuormitus perustuu usein prioriteettisääntöihin, jotka määräävät työn valinnan vapaana olevassa työpisteessä. Vaikka prioriteettisääntöihin pohjautuva hienokuormitus on yksinkertainen ja joustava, se ei takaa optimaalista ajoitusta. Resurssirajoitteinen tuotannon ajoitus on kuitenkin vaikea kombinatorisen optimoinnin ongelma, eikä sitä useimmiten voida ratkaista optimaalisesti kohtuullisessa laskenta-ajassa. Siksi ajoitusongelmien ratkaisemiseksi on sovellettu mm. metaheuristisia hakumenetelmiä. Geneettiset algoritmit ovat menetelmiä, jotka matkivat luonnon evoluutiomekanismia. Niissä ratkaisujen joukkoa eli populaatiota yritetään parantaa jokaisella algoritmin kierroksella. Populaatioon sovelletaan geneettisiä operaattoreita, valintaa, mutaatiota ja risteytystä. Mallinnuksen tavoitteena on etsiä malli työvaiheen keston laskemiseksi sekä määrittää työvaiheen käyttämät resurssit. Mallia ylläpidetään yrityksen toiminnanohjausjärjestelmässä. Resurssirajoitteinen ajoitusongelma voidaan ratkaista soveltamalla geneettistä algoritmia työvaiheiden prioriteettien määrittämiseen. Tuotannon ajoitus lasketaan eteen- tai taaksepäin sijoittelemalla työvaiheet edeltäjä-seuraaja- suhteiden asettamassa järjestyksessä. Resurssikonflikteja kohdattaessa työvaiheet ajoitetaan prioriteettien mukaisessa järjestyksessä. Ajoitustyökalun suunnittelussa pyritään löytämään yksinkertainen tapa valita ajoitettavat työt siten, että ajoitusongelma säilyisi mahdollisimman pienenä.

Description

Supervisor

Ruuth, Sampo

Thesis advisor

Laakkonen, Jari

Keywords

production scheduling, tuotannon ajoitus, genetic algorithm, geneettinen algoritmi, combinatorial optimization, kombinatorinen optimointi

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-2020120445909

Collections

[dipl] Teknillinen korkeakoulu / TKK