ECO-LOG-ING Simon László
2009.11.12
EGY MAGYARORSZÁGI ÉLELMISZERGYÁRTÓ ÜZEM TERMELÉSÉNEK ÉS TERMELÉSKISZOLGÁLÁSÁNAK SZIMULÁCIÓS VIZSGÁLATA, TAPASZTALATAI
genetikus algoritmusok fő jellemzői Az elvégzett optimalizáció eredményeinek bemutatása
A
Pár szó a modellezésről Az alkalmazott szoftver ismertetése A modellezett üzem, és a szimuláció bemutatása A szimuláció további alkalmazási lehetősége – az optimalizálás
AZ ELŐADÁS VÁZLATA
valós rendszer, folyamat, vagy objektum elvont leképzése előre definiált vizsgálatok a fontos jellemzők kiemelten megjelennek a nem meghatározókat elhanyagoljuk
valamely
Modell
valós rendszeren nem lehet,nem célszerű, vagy túl kockázatos a szükséges vizsgálatok elvégzése
A
Modellezésre akkor van szükség, ha
A MODELLEZÉS
Analóg
Folytonos
Hybrid
Vegyes
Sztochasztikus
Digitális
Diszkrét
Determinisztikus
Kvázideterminisztikus
Szimulációs
Analitikus
Fizikai
Modellezés
A SZIMULÁCIÓ HELYE
Dokumentálás
Értelmezés
Kísérletezés, analízis
Modell ellenőrzés (verifikálás)
Modell készítés
A rendszer felmérése, adatgyűjtés
A probléma deklarálása, elemzése
0%
5%
10%
15%
20%
25%
30%
A SZIMULÁCIÓS MODELLEZÉS FOLYAMATA
Mind a túl részletes, mind a túl leegyeszerűsített modell téves eredményhez vezet A túl részletes modell veszélyei: Felesleges többletmunka Hibaforrsáok A túl finom paraméterek csak nehezen mérhetők és állíthatók be.
A modellezés mélységének meghatározása
A probléma más, egyszerűbb, analitikus úton nem megoldható A szimuláció kivitelezhető, a rendszer algoritmusokkal leírható
Csak akkor szabad szimulációt készíteni, ha:
A probléma deklarálása, elemzése
A SZIMULÁCIÓS MODELLEZÉS FOLYAMATA
távú, átmeneti helyzetek kezelésének
szintű problémák rutinszerű megoldása Pl.: Termelési program optimalizálás, termelésütemezés
Napi
Operatív szint
szintje Pl.: Dolgozói létszám meghatározása
Rövidebb
Taktikai szint
távon meghatározó döntések Pl.: Üzemek, gyártósorok tervezése
Hosszú
Stratégiai szint
A SZIMULÁCIÓ ALKALMAZÁSI TERÜLETEI
Top - Down Bottom – Up
Mind a modell, mind az adatok ellenőrzése fontos
Különböző változatok lefuttatása, összehasonlítása
Értelmezés Dokumentálás
Kísérletezés, analízisek
Modell ellenőrzés, verifikálás
A rendszer felmérése, adatgyűjtés Modell készítés
A SZIMULÁCIÓS MODELLEZÉS FOLYAMATA
Teljes programozhatóság - nagy rugalmasság Vannak egyéb alkalmazások is (pénzügyi, sípálya, stb.)
Diszkrét, eseményvezérelt, objektumorientált szimulációs rendszer
Siemens – Tecnomatix PLM termékcsalád – PLANT SIMULATION 9.0 Elsősorban anyagáramlási rendszerek szimulációja
AZ ALKALMAZOTT SZOFTVER
Kézi anyagmozgatás Targoncás anyagmozgatás
Kiemelten fontos a tisztítás – külön technológiai művelet
A vizsgált üzem jellege: élelmiszergyártás, por alakú termékek gyártása A gyártás fő lépései: Kimérés, Keverés, homogenizálás, Csomagolás, Fóliázás, Kiszállítás A termeléskiszolgálás jellege:
A MODELLEZETT ÜZEM JELLEMZŐI
Pihentetés
Csomagolás
Felöntés
Keverés
Kiszállítás
Rakatfóliázás
Kézi kimérés
Big-Bag-es kimérés
Kimérés
Fűszerkimérés
A MODELLEZETT ÜZEM JELLEMZŐI
Felesleges, csak többlet adminisztrációt, és hibalehetőséget jelent, az eredmények nem hasznosulnak
Jelen esetben a paraméterek csak az időigényekre terjednek ki.
A cél: a logisztikai erőforrások vizsgálata A szimuláció nem anyagszintű
A vizsgálat a raktár átadó határfelületétől a kiadó pufferig terjedt
A modell határai horizontálisan: a modell kiterjedésének meghatározása
A modell határai vertikálisan: a modellezés mélységének meghatározása
A SZIMULÁCIÓ FELÉPÍTÉSE, HATÁRAI
A SZIMULÁCIÓ BEMUTATÁSA
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
Keverőgép1
90,00% 80,00% 70,00% 60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00% Keverőgép2
Keverőgép3
Hasznos idő
Mosási idő
Lefejtési idő
A termelési állomások kihasználtságai
Hasznos idő
Mosási idő
A TERMELÉSKISZOLGÁLÁS VIZSGÁLATA
A szűk-keresztmetszet vizsgálat 1db rakatfóliázó gép
A TERMELÉSKISZOLGÁLÁS VIZSGÁLATA
A targoncák száma
A célfüggvény az üzem fajlagos eredményessége
A dolgozók száma
Az optimalizált paraméterek a logisztikai erőforrások:
Az alkalmazott eljárás: Genetikus algoritmus
OPTIMALIZÁLÁS
Egyed ↔ egy megoldási változat, futtatás Kromoszóma ↔ azon paraméterek összessége, amelyek alapján a megoldási változatot egyértelműen reprodukálni lehet Populáció ↔ az egyidőben összehasonlított megoldási alternatívák összessége Rátermettség ↔ Fitness-érték
Soft módszer A darwini evolúciós elméletre és a genetikára épül Analógiák
A GENETIKUS ALGORITMUSOK
VÉGE
Igen Kilépési feltétel
Nem
Reprodukció (Az új egyedekből az új populáció létrehozása)
Mutáció (A létrejött génállományba zajok, véletlenszerű eltérések keltése)
Keresztezés, rekombináció (A szülők génállományából az új egyed génállományának képzése)
Kiválasztás, szelekció (A szaporodásra történő kiválasztás)
Skálázás (Fitness-értéknől származtatott rátermettségi érték)
Kiértékelés (Fitness-érték meghatározása)
Inicializálás (Kezdeti populáció létrehozása)
START
A GENETIKUS ALGORITMUSOK
A FOLTOS NYAKORJÁN
A GENETIKUS ALGORITMUSOK
A GENETIKUS ALGORITMUSOK
A GENETIKUS ALGORITMUSOK
A GENETIKUS ALGORITMUSOK
Nyakizom
Nyaki erek
Lábhossz
Szívizom
Nyakhossz
A GENETIKUS ALGORITMUSOK
A túlkompenzálást ki kell védeni
Nem egyetlen megoldás az eredmény, hanem több optimális változat
végleges változatot
Egyéb, előre nem deklarált szempontok szerint lehet kiválasztani a
is létezik egyszerre
Multikritériumos optimalizálás
Nem összevethető jellemzők szerint
Kompenzáló jellemzők szerint
Több jellemző egyidejű optimalizálása (MOGA)
Egy célfüggvény szerint
OPTIMALIZÁLÁS
OPTIMALIZÁLÁS EREDMÉNYE
