Περίληψη
Η παρούσα διδακτορική διατριβή μελετάει ένα από τα σημαντικότερα προβλήματα του τομέα της διαχείρισης της εφοδιαστικής αλυσίδας, το Πρόβλημα Χρονοπρογραμματισμού Γραμμής Ροής με Σταθερή Διάταξη Εργασιών. Ειδικότερα, το πρόβλημα αυτό συναντάται στην οργάνωση της παραγωγικής διαδικασίας, όπου ένα σύνολο εργασιών επεξεργάζεται από ένα σύνολο μηχανών με στόχο τον προσδιορισμό της σειράς των εργασιών που βελτιστοποιεί μία αντικειμενική συνάρτηση. Για την επίλυση, αναπτύχθηκε ένα ενιαίο πλαίσιο υβριδικής βελτιστοποίησης μεθευρετικών αλγορίθμων. Συγκεκριμένα, επιλέχθηκαν εννέα μεθευρετικοί αλγόριθμοι και κάθε φορά ένας εξ αυτών εφαρμόζεται συνδυαστικά με αλγορίθμους τοπικής βελτίωσης, όπως η Μεταβλητή Γειτονιά Αναζήτησης και η Επανασύνδεση Διαδρομών, καθώς και με τον Τυχαιοποιημένο Αλγόριθμο NEH, για τη δημιουργία αρχικού πληθυσμού λύσεων. Οι εννέα συνολικά υβριδικές μέθοδοι συγκρίνονται ως προς την απόδοση τους για την επίλυση του κλασικού προβλήματος και αναδεικνύεται η καλύτερη μέθοδος, εν ...
Η παρούσα διδακτορική διατριβή μελετάει ένα από τα σημαντικότερα προβλήματα του τομέα της διαχείρισης της εφοδιαστικής αλυσίδας, το Πρόβλημα Χρονοπρογραμματισμού Γραμμής Ροής με Σταθερή Διάταξη Εργασιών. Ειδικότερα, το πρόβλημα αυτό συναντάται στην οργάνωση της παραγωγικής διαδικασίας, όπου ένα σύνολο εργασιών επεξεργάζεται από ένα σύνολο μηχανών με στόχο τον προσδιορισμό της σειράς των εργασιών που βελτιστοποιεί μία αντικειμενική συνάρτηση. Για την επίλυση, αναπτύχθηκε ένα ενιαίο πλαίσιο υβριδικής βελτιστοποίησης μεθευρετικών αλγορίθμων. Συγκεκριμένα, επιλέχθηκαν εννέα μεθευρετικοί αλγόριθμοι και κάθε φορά ένας εξ αυτών εφαρμόζεται συνδυαστικά με αλγορίθμους τοπικής βελτίωσης, όπως η Μεταβλητή Γειτονιά Αναζήτησης και η Επανασύνδεση Διαδρομών, καθώς και με τον Τυχαιοποιημένο Αλγόριθμο NEH, για τη δημιουργία αρχικού πληθυσμού λύσεων. Οι εννέα συνολικά υβριδικές μέθοδοι συγκρίνονται ως προς την απόδοση τους για την επίλυση του κλασικού προβλήματος και αναδεικνύεται η καλύτερη μέθοδος, ενώ τα αποτελέσματα επιβεβαιώνονται με στατιστικούς ελέγχους. Η αποδοτικότητα ενός χρονοπρογράμματος δεν έγκειται αποκλειστικά στον χρόνο διεκπεραίωσης αλλά και σε άλλους παράγοντες, όπως η ενεργειακή κατανάλωση και το λειτουργικό κόστος. Στη παρούσα διατριβή, προτείνονται δύο παραλλαγές του κλασικού προβλήματος, ενσωματώνοντας την ενεργειακή απόδοση και παραμέτρους που επηρεάζουν τη λειτουργία των μηχανών, όπως η ταχύτητα. Η πρώτη παραλλαγή παράγει λύσεις συμβιβασμού μεταξύ του συνολικού χρόνου ολοκλήρωσης και της συνολικής κατανάλωσης ενέργειας του χρονοπρογράμματος. Προτείνεται μία αντικειμενική συνάρτηση συμβιβασμού, όπου με τη βοήθεια κατάλληλων βαρών, οι δύο αυτοί στόχοι αποκτούν την ίδια σχετική βαρύτητα και οι λύσεις που προκύπτουν εξυπηρετούν τον συμβιβασμό μεταξύ χρονικής και ενεργειακής απόδοσης. Η επίλυση πραγματοποιείται μέσω υβριδικών μεθόδων που μελετήθηκαν για το κλασικό πρόβλημα και αναδείχτηκαν αποτελεσματικές στην παραγωγή λύσεων υψηλής ποιότητας. Τέλος, οι μέθοδοι που επιλέχθηκαν για την επίλυση της πρώτης παραλλαγής, συγκρίνονται για την ανεύρεση των καλύτερων αποτελεσμάτων. Στη δεύτερη παραλλαγή, το πρόβλημα διατυπώνεται ως πολυαντικειμενικό, λαμβάνοντας υπόψη τρεις στόχους προς βελτιστοποίηση, τον συνολικό χρόνο ολοκλήρωσης, την συνολική κατανάλωση ενέργειας αλλά και τη μέγιστη ισχύ του συστήματος παραγωγής. Η ενσωμάτωση αυτών των στόχων εξασφαλίζει τη δημιουργία ισορροπημένων και ευέλικτων χρονοπρογραμμάτων, περιορίζοντας τη χρονική διάρκεια, την ενεργειακή κατανάλωση και τη μέγιστη ισχύ. Η επόμενη και σημαντικότερη συμβολή, είναι η εισαγωγή της αβεβαιότητας στις μεταβλητές των δύο ενεργειακά αποδοτικών παραλλαγών. Με τον τρόπο αυτό, εξασφαλίζεται ένα πιο ολοκληρωμένο και ρεαλιστικό πλαίσιο μοντελοποίησης για τη δημιουργία χρονοπρογραμμάτων, λαμβάνοντας υπόψιν την χρονική, την ενεργειακή αλλά και την οικονομική διάσταση. Στη πρώτη παραλλαγή, οι εργασίες κατατάσσονται σε τρεις κλάσεις, βάσει της δυσκολίας τους, και ο χρόνος επεξεργασίας μεταβάλλεται με έναν στοχαστικό πολλαπλασιαστή, ανάλογα με την κλάση στην οποία ανήκει κάθε εργασία. Το πρόβλημα επιλύεται μέσω της προτεινόμενης συνάρτησης συμβιβασμού, ενώ για την επίλυση προτείνονται τρεις στοχαστικές μεθευρετικές μέθοδοι. Το αποτέλεσμα είναι η δημιουργία χρονοπρογραμμάτων, υπό συνθήκες αβεβαιότητας, τα οποία στηρίζονται σε ισορροπημένες λύσεις όσον αφορά τον συνολικό χρόνο ολοκλήρωσης και την ενεργειακή κατανάλωση. Στη δεύτερη παραλλαγή του πολυαντικειμενικού ενεργειακά αποδοτικού προβλήματος, η αβεβαιότητα εισάγεται στις τιμές ηλεκτρικής ενέργειας. Υπάρχουν τρεις στόχοι προς βελτιστοποίηση, ο συνολικός χρόνος ολοκλήρωσης, η συνολική κατανάλωση ενέργειας αλλά και το αναμενόμενο κόστος ηλεκτρικής ενέργειας. Οι τιμές ηλεκτρικής ενέργειας προέρχονται από τα ιστορικά δεδομένα της επίσημης ιστοσελίδας Day-Ahead Market για την Ελλάδα, ενώ δημιουργούνται και πέντε δυνατά σενάρια διακύμανσης της αγοράς. Για την επίλυση, προτείνονται τρεις πολυαντικειμενικοί στοχαστικοί μεθευρετικοί αλγόριθμοι, οι οποίοι παράγουν ένα σύνολο μη κυριαρχούμενων λύσεων, οι οποίες αξιολογούνται σε πενήντα πιθανά σενάρια τιμών ηλεκτρικής ενέργειας. Το αποτέλεσμα είναι ένα σύνολο μη κυριαρχούμενων λύσεων με διαφορετικό συμβιβασμό μεταξύ των στόχων: του χρόνου ολοκλήρωσης, της ενεργειακής κατανάλωσης και του αναμενόμενου κόστους ηλεκτρικής ενέργειας.
περισσότερα
Περίληψη σε άλλη γλώσσα
This doctoral dissertation investigates one of the most significant problems in supply chain management, namely the Permutation Flowshop Scheduling Problem. More specifically, the problem arises in the organization of production processes, where a set of jobs must be processed on a set of machines, with the objective of determining the job sequence that optimizes a predefined performance criterion. To address this problem, a unified hybrid optimization framework based on metaheuristic algorithms was developed. In particular, nine metaheuristic algorithms were selected, each of which was combined with local improvement techniques, namely Variable Neighborhood Search and Path Relinking, as well as with a Randomized NEH algorithm for the generation of the initial solution population. The nine resulting hybrid methods were compared in terms of their performance on the classical problem, and the best-performing method was identified. The computational findings were further validated through ...
This doctoral dissertation investigates one of the most significant problems in supply chain management, namely the Permutation Flowshop Scheduling Problem. More specifically, the problem arises in the organization of production processes, where a set of jobs must be processed on a set of machines, with the objective of determining the job sequence that optimizes a predefined performance criterion. To address this problem, a unified hybrid optimization framework based on metaheuristic algorithms was developed. In particular, nine metaheuristic algorithms were selected, each of which was combined with local improvement techniques, namely Variable Neighborhood Search and Path Relinking, as well as with a Randomized NEH algorithm for the generation of the initial solution population. The nine resulting hybrid methods were compared in terms of their performance on the classical problem, and the best-performing method was identified. The computational findings were further validated through statistical testing. The efficiency of a production schedule, however, is not determined solely by completion time, but also by additional factors such as energy consumption and operating cost. Within this context, two energy-efficient variants of the classical problem are proposed, incorporating both energy-related objectives and parameters affecting machine operation, such as processing speed. The first variant generates compromise solutions between total completion time and total energy consumption. A compromise objective function is introduced in which appropriate weighting factors assign equal relative importance to the two objectives, thereby enabling a balanced trade off between time and energy efficiency. The problem is solved using hybrid methods that were previously examined for the classical problem and proved effective in generating high-quality solutions. The selected methods are subsequently compared in order to identify the most competitive results. In the second variant, the problem is formulated as a multi-objective optimization problem involving three objectives: total completion time, total energy consumption, and the peak power of the production system. The simultaneous consideration of these objectives enables the generation of more balanced and flexible production schedules by reducing production duration, energy consumption, and peak power demand. A further and particularly important contribution of this dissertation is the incorporation of uncertainty into the two energy-efficient variants. In this way, a more comprehensive and realistic modeling framework is established for the generation of production schedules that simultaneously consider temporal, energy-related, and economic aspects. In the first stochastic variant, jobs are classified into three categories according to their level of difficulty, while processing times are modified through stochastic multipliers associated with the class to which each job belongs. The problem is solved using the proposed compromise function, and three stochastic metaheuristic methods are developed for this purpose. The resulting schedules therefore account for uncertainty while maintaining a balanced trade-off between total completion time and energy consumption. In the second stochastic, multi-objective variant, uncertainty is introduced through electricity prices. Three optimization objectives are considered: total completion time, total energy consumption, and expected electricity cost. Electricity prices are derived from historical data provided by the official Day-Ahead Market for Greece, while five different market fluctuation scenarios are additionally generated. Three multi-objective stochastic metaheuristic algorithms are proposed for solving the problem. These methods generate a set of non-dominated solutions that are evaluated under fifty different electricity price scenarios. The final outcome is a set of nondominated solutions representing different trade-offs among completion time, energy consumption, and expected electricity cost.
περισσότερα