Publication details
Abstracts and keywords
Rozprawa doktorska podejmuje problematykę harmonogramowania produkcji z uwzględnieniem zakłóceń procesu produkcyjnego. W pracy przedstawiono nową metodę projektowania harmonogramów odpornych z wykorzystaniem narzędzi predykcji, która umożliwia uwzględnienie dwuczynnikowej niepewności procesu produkcyjnego w postaci awarii maszyn oraz zmienności czasów operacji technologicznych. Omówiono zagadnienie harmonogramowania zadań w typowych środowiskach produkcyjnych, metody opracowywania harmonogramów oraz problemy związane z tym procesem. Ponadto scharakteryzowano odporne harmonogramowanie produkcji, dokonując analizy dotychczasowych rozwiązań w tym zakresie, a także w obszarze predykcji czynników niepewności. Mając za cel opracowanie metody umożliwiającej harmonogramowanie produkcji z uwzględnieniem analizowanych czynników niepewności, opracowano kluczowe algorytmy składowe do których zalicza się: algorytm predykcji czasu wystąpienia awarii, algorytm implementacji redundantnych zabezpieczeń czasowych oraz algorytm predykcji zmienności czasów operacji technologicznych. W ramach opracowanych algorytmów zastosowanie znajdują wybrane narzędzia predykcji, a ich danymi wejściowymi są rzeczywiste dane produkcyjne. Realizacja opracowanych algorytmów pozwala uzyskać informacje kluczowe w procesie odpornego harmonogramowania produkcji. W celu weryfikacji proponowanych w rozprawie rozwiązań, przeprowadzono eksperymenty polegające na harmonogramowaniu zleceń produkcyjnych z wykorzystaniem opracowanej metody oraz symulacji procesu wytwórczego, realizowanego zgodnie z opracowanymi harmonogramami. Uzyskane odporne harmonogramy produkcji charakteryzowały się wyższymi wartościami wybranych wskaźników efektywności, przy jednoczesnej poprawie wskaźników odporności oraz stabilności. Przeprowadzona weryfikacja wykazała, iż uzyskane harmonogramy odporne bliższe są rzeczywistej realizacji produkcji niż ich nominalne odpowiedniki. Na podstawie uzyskanych wyników sformułowano wnioski dotyczące skuteczności proponowanej metody.
This doctoral dissertation discusses the problem of job scheduling under uncertainty, which accounts for disruption in the production process. The new robust scheduling method presented in this work employs predictive tools that enable considering the two-factor uncertainty, regarding machine failure and job processing times. From the theoretical perspective, the work considers the problem of job scheduling in typical production environments, scheduling methods and problems related to the process in question, which are described in detail within. In addition, existing solutions in robust production schedules are presented along with the body of knowledge in the field of uncertainty factors prediction. The main goal of the study was to determine a method that would allow for production scheduling under uncertainty following from the factors in question. Therefore, it required developing key algorithms, including failure prediction time algorithm, redundant buffer time implementation algorithm and algorithm for the prediction of variable job processing times. The developed algorithms incorporate selected predictive tools, whose input data is obtained from the actual production data. The execution of developed algorithms produces information that is critical to the process of robust production scheduling. The verification of the designed solutions was performed experimentally by executing the scheduling of production orders with the application of the developed method and simulation of the production process, carried out in accordance with the developed schedules. Characteristically, the resulting robust production schedules exhibited higher values of selected effectiveness indicators, while simultaneously improving robustness and stability indicators. The results obtained from the verification of the robust schedules show closer proximity of the robust schedules to actual production conditions compared to their nominal counterparts. The results, furthermore, served as the basis for formulating conclusions regarding the effectiveness of the proposed method.
