ОПТИМИЗАЦИЯ ПРОИЗВОДСТВЕННОГО ПЛАНИРОВАНИЯ С НЕЧЕТКИМИ ПАРАМЕТРАМИ
Аннотация
Рассматривается задача оперативного планирования одно-предметного производ-
ства. Организация машиностроительного производства представляет собой сложный
комплекс работ по определению многочисленных взаимосвязанных показателей, характе-
ризующих деятельность предприятия. При этом предприятия такого типа имеют слож-
ную иерархическую структуру. Также необходимо учитывать, что при планировании про-
изводственного процесса количество параметров велико и не все они могут быть точно
определены, что отражается на эффективности деятельности предприятия. С целью
решения задачи эффективного планирования были проанализированы критерии оптималь-
ности для серийного одно предметного производства. К одно-предметному производству
относятся те, где проходят обработку детали одного наименования, то есть формиру-
ется поточная производственная линия. Следовательно, задача оптимизации производст-
ва состоит в том, чтобы распределить всю совокупность работ между станками и опе-
раторами, обслуживающими данный станок таким образом, чтобы плановое задание бы-
ло выполнено в течение заданного времени и совокупные затраты на выполнение задания
были минимальными. В статье рассмотрена задача назначения в условиях неопределенно-
сти, проведены экспериментальные расчеты и проведен анализ полученных результатов,
обосновывающий применение предложенного аппарата нечетких множеств для решения
задачи производственного планирования. Сделаны выводы, что в условиях неопределенно-
сти, когда нет точной или статистической информации, аппарат нечетких множеств
позволяет провести анализ эффективности производственной деятельности при задании
параметров, отражающих возможные значения системы. В таких случаях применение
механизмов нечеткой логики в задачах принятия производственных решений позволит оп-
ределить оптимальные или близкие к оптимальным решения.
Литература
2013, 303 p.
2. Mayer J.H., Winter R., Mohr T. Situational management support systems, Business & Information
Systems Engineering, 2021, 4, pp. 331-345.
3. Ivert L.K., Jonsson P. The potential benefits of advanced planning and scheduling systems in
sales and operations planning, Indus. Manage. Data Syst., 2010, 110 (5), pp. 659-681.
4. Grimson J.A., Pyke D.F. Sales and operations planning: an exploratory study and framework,
The International Journal of Logistics Management, 2007, 18 (3), pp. 322-346.
5. Kolinski A., Śliwczyński B. IT support of production efficiency analysis in ecologi-cal aspect.
In: Golinska, P., Kawa, A. (eds.) Technology Management for Sustainable Production and Logistics.
Springer Verlag, Berlin, 2015, pp. 205-219.
6. Olhager J., Johansson P. Linking long-term capacity management for manufacturing and service
operations, Journal of Engineering and Technology Management, 2012, 29 (1), pp. 22-33.
7. Adamczak M., Domański R., Hadaś Ł., Cyplik P. The integration between produc-tion-logistics
system and its task environment chosen aspects, IFAC-PapersOnline, 2016, 49 (12), pp. 656-661.
8. Hentschel B., Domański R., Adamczak M., Cyplik P., Hadaś L., Kupczyk M., Pruska Z. Ranking
of integration factors within supply chains of forward and backward types—
recommendations from researches, Logforum, 2015, 11 (2), pp. 161-169.
9. Berghman L., Leus R., Spieksma F. Optimal solutions for a dock assignment prob-lem with
trailer transportation, Annals of Operations Research, 2014, 213, pp. 3-25.
10. Van der Aalst W.M.P., Adriansyah A., Alves de Medeiros A.K. Process Mining Manifesto,
Lecture Notes in Business Information Processing, 2012, 99, pp. 169-194.
11. Khandelwal A. A modified approach for assignment method, International Journal of Latest
Research in Science and Technology, 2014, 3 (2), pp. 136-138.
12. Ahmed A., Ahmad A. A new method for finding an optimal solution of assignment problem,
International Journal of Modern Mathematical Sciences, 1014, 12 (1), pp. 10-15.
13. Thiruppathi A., Iranian D. An Innovative Method for Finding Optimal Solution to Assignment
problems, IJIRSET, 2015, 4 (8), pp. 7366-7370.
14. Ghadle K.P., Ingle S.M., Hamoud A.A. Optimal solution of fuzzy transshipment problem using
generalized hexagonal fuzzy numbers, International Journal of Engi-neering and Technology
(UAE), 2018, 7 (4.10 Special Issue 10), pp. 558-561.
15. Kumar A., Gupta A. Assignment and Travelling Salesman Problems with Coeffi-cients as LR
Fuzzy Parameters, International Journal of Applied Science and Engi-neering, 2012, 10 (3),
pp. 155-170.
16. Kumar A., Gupta A., Kaur A. Method for solving fully fuzzy assignment problems using triangular
fuzzy numbers, International Journal of Computer and Information Engineering, 2009,
3 (7), pp. 1889-1892.
17. Dehghan M., Hashemi B., Ghatee M. Computational methods for solving fully fuzzy linear
systems, Applied Mathematics and Computation, 2006, 179, pp. 328-343.
18. Kacprzyk J. Group decision making with a fuzzy linguistic majority, Fuzzy Sets and Systems,
1986, 18 (2), pp. 105-118.
19. Wasserstein R., Lazar N. The ASA Statement on p-Values: Context, Process, and Purpose, The
American Statistician, 2016, 70 (2), pp. 129-133.
20. Kosenko O., Bozhenyuk A., Belyakov S., Knyazeva M. Optimization of Spa-tial-Time Planning
Resource Allocation Under Uncertainty, Advances in Intelligent Systems and Computing.
Springer, 2021, 1197, pp. 1475-1482.
21. Kosenko O., Bozhenyuk A., Knyazeva M. The Task of Optimizing Production Plan-ning with
Fuzzy Parameters, Lecture Notes in Networks and Systems, 2022, 307, pp. 546-553.
