BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM
---------------------------
PHẠM QUỐC PHƯƠNG
TIẾP CẬN THUẬT TOÁN META-HEURISTIC
GIẢI BÀI TOÁN TỐI ƯU HÓA QUÁ TRÌNH
SẢN XUẤT
LUẬN VĂN THẠC SĨ
Chuyên ngành : Kỹ thuật Cơ điện tử
Mã số ngành: 60520114
TP. HỒ CHÍ MINH, tháng 11 năm 2017
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM
---------------------------
PHẠM QUỐC PHƯƠNG
TIẾP CẬN THUẬT TOÁN META-HEURISTIC
GIẢI BÀI TOÁN TỐI ƯU HÓA QUÁ TRÌNH
SẢN XUẤT
LUẬN VĂN THẠC SĨ
Chuyên ngành : Kỹ thuật Cơ điện tử
Mã số ngành: 60520114
CÁN BỘ HƯỚNG DẪN KHOA HỌC:
PGS.TS. NGUYỄN THANH PHƯƠNG
TP. HỒ CHÍ MINH, tháng 11 năm 2017
CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM
Cán bộ hướng dẫn khoa học : PGS. TS. Nguyễn Thanh Phương
(Ghi rõ họ, tên, học hàm, học vị và chữ ký)
Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Công nghệ TP. HCM
ngày 12 tháng 11 năm 2017
Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm:
(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ Luận văn Thạc sĩ)
TT
1
2
3
4
5
Họ và tên
TS. Nguyễn Hùng
TS. Ngô Hà Quang Thịnh
TS. Nguyễn Hoài Nhân
TS. Võ Hoàng Duy
TS. Võ Đình Tùng
Chức danh Hội đồng
Chủ tịch
Phản biện 1
Phản biện 2
Ủy viên
Ủy viên, Thư ký
Xác nhận của Chủ tịch Hội đồng đánh giá Luận văn sau khi Luận văn đã
được sửa chữa (nếu có).
Chủ tịch Hội đồng đánh giá LV
TRƯỜNG ĐH CÔNG NGHỆ TP. HCM
VIỆN ĐÀO TẠO SAU ĐẠI HỌC
CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
TP. HCM, ngày..… tháng….. năm 2017
NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: Phạm Quốc Phương........................................Giới tính: Nam
Ngày, tháng, năm sinh: 05/01/1980............................................Nơi sinh: Ninh Bình
Chuyên ngành: Kỹ thuật Cơ điện tử...........................................MSHV:1441840008
I- Tên đề tài:
Tiếp cận thuật toán meta-heuristic giải bài toán tối ưu hóa quá trình sản xuất.
II- Nhiệm vụ và nội dung:
Luận văn nghiên cứu về vấn đề tối ưu áp dụng trong bố trí sản xuất. Để tiếp bước
đến nền công nghiệp 4.0, sắp xếp lịch trong sản xuất/công tác nhằm giảm quá trình
“đợi” nhau trong các công đoạn và tận dụng được nhiều tài nguyên phục vụ sản
xuất. Bài toán trong luận văn nghiên cứu cụ thể là bài toán về CF (cell formation).
Theo đó, việc hình thành các ô (cell) là hoán vị các công việc và các “máy” thực
hiện. Về phương pháp, luận văn nghiên cứu về giải pháp heuristic (gần đúng). Giải
pháp gần đúng theo phương pháp di truyền sẽ góp phần vào tốc độ tính toán. Từ đó,
những vấn đề được luận văn nêu lên gồm:
-
Phát biểu bài toán CFP.
-
Cơ sở lý luận về heuristic
-
Giải pháp, kỹ thuật giải bài toán CFP
-
Tiếp cận về meta-heuristic và hiện thực thuật toán.
III- Ngày giao nhiệm vụ: 23/01/2016
IV- Ngày hoàn thành nhiệm vụ: ............................................................................
V- Cán bộ hướng dẫn: PGS. TS. Nguyễn Thanh Phương
..................................................................................................................................
..................................................................................................................................
CÁN BỘ HƯỚNG DẪN
(Họ tên và chữ ký)
PGS.TS. Nguyễn Thanh Phương
KHOA QUẢN LÝ CHUYÊN NGÀNH
(Họ tên và chữ ký)
i
LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết
quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ
công trình nào khác.
Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện Luận văn này đã
được cảm ơn và các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc.
Học viên thực hiện Luận văn
(Ký và ghi rõ họ tên)
Phạm Quốc Phương
ii
LỜI CÁM ƠN
Trong thời gian học tập, nghiên cứu và thực hiện luận văn tốt nghiệp, tôi đã
luôn nhận được sự giúp đỡ vô cùng to lớn của Quý Thầy, Cô trường Đại học Công
nghệ Thành phố Hồ Chí Minh, cơ quan, bạn bè và gia đình. Tôi xin tỏ lòng biết ơn
đến:
Thầy PGS.TS. Nguyễn Thanh Phương đã tận tình hướng dẫn, giúp đỡ,
định hướng tôi trong quá trình nghiên cứu và thực hiện luận văn tốt
nghiệp;
Quý Thầy, Quý Cô giảng dạy trong khóa của Trường Đại học Công
nghệ Thành phố Hồ Chí Minh đã tận tình giảng dạy và giúp đỡ tôi
trong suốt thời gian học tập và nghiên cứu;
Viện Đào tạo Sau Đại học - trường Đại học Công nghệ Thành phố
Hồ Chí Minh đã có kế hoạch và tạo điều kiện tốt để tôi được tham gia
học tập và nghiên cứu;
Lãnh đạo Khoa và Bộ môn Trường Đại học Công nghệ Thành phố
Hồ Chí Minh đã tạo điều kiện thuận lợi cho tôi trong suốt thời gian học
tập, nghiên cứu, và làm việc
Ban giám đốc, lãnh đạo Sở Khoa học và Công nghệ TP.HCM đã tạo
điều kiện tốt nhất về vật chất và tinh thần cho tôi nghiên cứu và học tập;
Và đặc biệt, gia đình, bạn bè, những người thân thiết đã ủng hộ, giúp
đỡ, khuyến khích, dành mọi điều kiện để tôi học tập và nghiên cứu.
Một lần nữa, tôi xin trân trọng biết ơn!
Phạm Quốc Phương
iii
TÓM TẮT
Luận văn nghiên cứu về vấn đề tối ưu áp dụng trong bố trí sản xuất. Để tiếp bước
đến nền công nghiệp 4.0, sắp xếp lịch trong sản xuất/công tác nhằm giảm quá trình
“đợi” nhau trong các công đoạn và tận dụng được nhiều tài nguyên phục vụ sản
xuất. Bài toán trong luận văn nghiên cứu cụ thể là bài toán về CF (cell formation).
Theo đó, việc hình thành các ô (cell) là hoán vị các công việc và các “máy” thực
hiện. Về phương pháp, luận văn nghiên cứu về giải pháp heuristic (gần đúng). Giải
pháp gần đúng theo phương pháp di truyền sẽ góp phần vào tốc độ tính toán. Từ đó,
những vấn đề được luận văn nêu lên gồm:
-
Phát biểu bài toán CFP.
-
Cơ sở lý luận về heuristic
-
Giải pháp, kỹ thuật giải bài toán CFP
-
Tiếp cận về meta-heuristic và hiện thực thuật toán.
iv
ABSTRACT
Thesis on the optimization problem applied in production scheduling. To get into
the 4.0th of industrial generation, schedule your production / work schedules to
reduce "waiting waste" processes in the process and utilize the resources available
for production. The problem in this particular research treatise is the CF (cell
formation) problem. Accordingly, the formation of cells is the permutation of the
work and the "machines" performed. On the method, the dissertation study on the
heuristic solution. The approximation solution by genetic method will contribute to
computational speed. Since then, the issues solved by this thesis include:
-
Stating of the CFP problem.
-
Overview the heuristics
-
Checking the solutions and techniques for solving CFP problem.
-
Meta-heuristic approach and code implementation for CFP.
v
MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN ................................................................................................... i
LỜI CÁM ƠN ........................................................................................................ ii
TÓM TẮT .............................................................................................................iii
ABSTRACT .......................................................................................................... iv
MỤC LỤC.............................................................................................................. v
DANH MỤC CÁC TỪ VIẾT TẮT ..................................................................... vii
DANH MỤC CÁC BẢNG .................................................................................. viii
DANH MỤC CÁC HÌNH ..................................................................................... ix
CHƯƠNG 1: MỞ ĐẦU ......................................................................................... 1
1.1. Đặt vấn đề ..................................................................................................... 1
1.2. Mục tiêu nghiên cứu...................................................................................... 3
1.2.1 Mục tiêu tổng quát ................................................................................... 3
1.2.2 Mục tiêu cụ thể ........................................................................................ 3
1.3. Phạm vi và giới hạn của luận văn .................................................................. 3
1.4. Nội dung nghiên cứu ..................................................................................... 3
1.5. Phương pháp nghiên cứu ............................................................................... 4
1.5.1 Mô hình bài toán hình thành tế bào (CFP) ............................................... 4
1.5.2. Phương pháp........................................................................................... 4
1.6. Những đóng góp của luận văn ....................................................................... 5
1.7. Cấu trúc của luận văn .................................................................................... 5
CHƯƠNG 2: TỔNG QUAN VÀ CÁC PHƯƠNG PHÁP HEURISTIC ............. 6
2.1. Tổng quan về bài toán tối ưu trong sản xuất và bàn toán CF.......................... 6
2.1.1 Tổng quan về bài toán tối ưu trong sản xuất............................................. 6
2.2.2 Giới thiệu bài toán cell formation (CF) .................................................... 9
2.2. Tổng quan về heuristic và tìm kiếm cục bộ ................................................. 20
2.2.1 Tìm kiếm heuristic................................................................................. 20
2.2.2 Tìm kiếm meta-heuristic ........................................................................ 21
vi
2.2.3 Tìm kiếm cục bộ .................................................................................... 22
2.4. Các thuật toán giải gần đúng CFP ............................................................... 24
2.4.1 Xây dựng lược đồ mã hóa ...................................................................... 27
2.4.2 Khởi tạo quần thể .................................................................................. 28
2.4.3 Mức độ tuân theo độ phù hợp của mỗi thành phần trong quần thể.......... 29
2.4.4 Luật chọn............................................................................................... 29
2.4.5 Phép toán di truyền ................................................................................ 29
2.4.6 Các giá trị tham số (để điều khiển nhất định) ......................................... 31
CHƯƠNG 3 CÀI ĐẶT VÀ THỬ NGHIỆM ...................................................... 33
3.1. Nghiên cứu lựa chọn dữ liệu nhập ............................................................... 33
3.2. Giải mô hình và xem xét thử nghiệm các nghiệm mô hình .......................... 35
3.3. Thiết lập các điều kiện trên nghiệm ............................................................. 40
3.4. Xây dựng chương trình bằng ngôn ngữ lập trình ......................................... 40
CHƯƠNG 4 MÔ PHỎNG VÀ KẾT LUẬN ....................................................... 47
4.1. Mô phỏng thực tế ........................................................................................ 47
4.1.1 Xây dựng đồ thị mức độ phù hợp nghiệm .............................................. 47
4.1.2 Xây dựng đồ thị mô tả dữ liệu nhập và kết quả kết xuất thực thi ............ 48
4.1.3 Xây dựng đoạn lệnh triệu gọi thực thi .................................................... 49
4.2. Kết quả mô phỏng ....................................................................................... 50
4.2.1 Thử nghiệm với bộ dữ liệu Boctor ......................................................... 50
4.2.2 Thử nghiệm với bộ dữ liệu Kusiak......................................................... 54
4.2.3 Thử nghiệm với bộ dữ liệu phát sinh ngẫu nhiên: .................................. 61
4.3. Phân tích số liệu mô phỏng ......................................................................... 82
4.4. Kết luận về đề tài ........................................................................................ 82
4.5. Kiến nghị những hướng nghiên cứu tiếp theo .............................................. 83
TÀI LIỆU THAM KHẢO ................................................................................... 84
vii
DANH MỤC CÁC TỪ VIẾT TẮT
ANN
Artificial Neural Network – Mạng nơ-ron nhân tạo
BnB
Phương pháp nhánh-cận
CAD
Computer Aided Design – Thiết kế có sử dụng máy tính hỗ trợ
CFP
Cell Formation Problem – Bài toán hình thành tế bào
CM
Cellular manufacturing - Sản xuất tế bào
ERP
Enterprise Resource Planning - Hoạch định tài nguyên doanh nghiệp
GA
Genetic Algorithms - Thuật toán di truyền
LP
Linear Programming – Quy hoạch tuyến tính
MIP
Mixed Integer Programming - Quy hoạch nguyên hỗn hợp
NP
Nondeterministic polynomial time - Độ phức tạp phi đa thức
TQM
Total Quality Management – Quản lý chất lượng toàn diện
viii
DANH MỤC CÁC BẢNG
Bảng 2.1: Những nghiên cứu về bài toán CFP ................................................... 13
Bảng 2.2: Kích thước dữ liệu thực nghiệm......................................................... 14
Bảng 2.3: So sánh về hiệu suất tối ưu và tốc độ phương pháp của Iraj Mahdavi
.............................................................................................................................. 15
Bảng 2.4: Các dạng tìm kiếm cục bộ .................................................................. 23
Bảng 2.5. Bộ giá trị tham số ứng dụng thuật toán di truyền trong các thuật
toán....................................................................................................................... 31
Bảng 3.1. Các thủ tục cần xây dựng cho chương trình ...................................... 41
ix
DANH MỤC CÁC HÌNH
Hình 2.1: Một số loại máy xử lý công việc được J.Blazewicz (1983) phân loại ... 7
Sơ đồ 2.1: Các phương pháp tổng quát giải các mô hình và bài toán tối ưu ...... 9
Hình 2.2: Minh họa việc nhóm các tiến trình ..................................................... 11
Hình 2.3: Minh họa về một chuỗi “nhiễm sắc thể” ............................................ 25
Hình 2.4: Lược đồ công việc khung tổng quát cho thuật toán di truyền .......... 26
Hình 2.5: Minh họa một phép “lai” crossover ................................................... 27
Hình 2.6: Minh họa về phép toán lai đơn giản (simple crossover) .................... 30
Hình 2.7: Minh họa phép toán lai đồng dạng (uniform crossover) ................... 30
Hình 3.1: Lưu đồ thuật toán bài toán CF theo Araj Mahdavi (2009) [1] ......... 35
Hình 3.2: Chi tiết cài đặt ..................................................................................... 36
Hình 4.1: Dữ liệu Boctor, kích thước 7x11 ......................................................... 50
Hình 4.2: Kết quả bố trí được thể hiện với dữ liệu Boctor (K=2) ..................... 51
Hình 4.3: Thuật toán thực thi trong 100 bước lặp (K=2), trục tung là hệ số Eff,
trục hoành là số lần lặp ....................................................................................... 51
Hình 4.4: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu Boctor (K=2), giá
trị Eff thấp. .......................................................................................................... 52
Hình 4.5: Kết quả bố trí được thể hiện với dữ liệu Boctor ............................... 53
Hình 4.6: Thuật toán thực thi trong 100 bước lặp, trục tung là hệ số Eff, trục
hoành là số lần lặp ............................................................................................... 53
Hình 4.7: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu Boctor, giá trị hội
tụ khá nhanh từ các vòng lặp. ............................................................................. 54
Hình 4.8: Dữ liệu đầu vào Kusiak....................................................................... 55
Hình 4.9: Kết quả bố trí được thể hiện với dữ liệu Kusiak (K=2)..................... 55
Hình 4.10: Thuật toán thực thi trong 100 bước lặp (K=2), trục tung là giá trị
tối ưu Eff, trục hoành là số bước lặp .................................................................. 56
Hình 4.11: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu Kusiak (K=2)... 56
Hình 4.12: Kết quả bố trí được thể hiện với dữ liệu Kusiak (K=4) ................... 57
x
Hình 4.13: Thuật toán thực thi trong 100 bước lặp (K=4), trục tung là giá trị
tối ưu Eff, trục hoành là số bước lặp .................................................................. 57
Hình 4.14: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu Kusiak (K=4)... 58
Hình 4.15: Kết quả bố trí được thể hiện với dữ liệu Kusiak (K=5) ................... 59
Hình 4.16: Thuật toán thực thi trong 100 bước lặp (K=5), trục tung là giá trị
tối ưu Eff, trục hoành là số bước lặp .................................................................. 59
Hình 4.17: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu Kusiak (K=5)... 60
Hình 4.18: Ma trận thử nghiệm 20x23 tự phát sinh ngẫu nhiên ....................... 61
Hình 4.19: Với số nhóm là 3, trục tung là hệ số Eff, trục hoành là số lần lặp và
hình dưới bên phải là bố trí 3 nhóm ................................................................... 61
Hình 4.20: Với số nhóm là 6, trục tung là hệ số Eff, trục hoành là số lần lặp và
hình dưới bên phải là bố trí 6 nhóm ................................................................... 62
Hình 4.21: Dữ liệu phát sinh từ chương trình .................................................... 66
Hình 4.22: Dữ liệu được chuyển đổi cột-dòng ngẫu nhiên................................. 68
Hình 4.23: Dữ liệu được chuyển đổi cột-dòng ngẫu nhiên “dulieu” ................. 68
Hình 4.24: Kết quả bố trí được thể hiện với dữ liệu ngẫu nhiên “dulieu” (K=2)
.............................................................................................................................. 69
Hình 4.25: Thuật toán thực thi trong 100 bước lặp (K=2), trục tung là hệ số
Eff, trục hoành là số lần lặp ................................................................................ 69
Hình 4.26: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu ngẫu nhiên
“dulieu” (K=2), hệ số ở mức thập 0.42 ............................................................... 70
Hình 4.27: Kết quả bố trí được thể hiện với dữ liệu ngẫu nhiên “dulieu” (K=5)
.............................................................................................................................. 71
Hình 4.28: Thuật toán thực thi trong 100 bước lặp (K=5), trục tung là hệ số
Eff, trục hoành là số lần lặp ................................................................................ 71
Hình 4.29: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu ngẫu nhiên
“dulieu” (K=5), hệ số Eff ở mức cao 0.93 ........................................................... 72
Hình 4.30: Kết quả bố trí được thể hiện với dữ liệu ngẫu nhiên “dulieu”
(K=>6) .................................................................................................................. 73
xi
Hình 4.31: Thuật toán thực thi trong 100 bước lặp (K>=6), trục tung là hệ số
Eff, trục hoành là số lần lặp ................................................................................ 73
Hình 4.32: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu ngẫu nhiên
“dulieu” (K>=6), hệ số ở mức cao 0.8 ................................................................. 74
Hình 4.33: Dữ liệu được chuyển đổi cột-dòng ngẫu nhiên “dulieu1” ............... 75
Hình 4.34: Kết quả bố trí được thể hiện với dữ liệu ngẫu nhiên “dulieu1”
(K=2) .................................................................................................................... 75
Hình 4.35: Thuật toán thực thi trong 100 bước lặp (K=2), trục tung là hệ số
Eff, trục hoành là số lần lặp ................................................................................ 76
Hình 4.36: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu ngẫu nhiên
“dulieu1” (K=2), hệ số Eff ởmức trung bình 0.5 ................................................ 77
Hình 4.37: Kết quả bố trí được thể hiện với dữ liệu ngẫu nhiên “dulieu1”
(K=4) .................................................................................................................... 78
Hình 4.38: Thuật toán thực thi trong 100 bước lặp (K=4), trục tung là hệ số
Eff, trục hoành là số lần lặp ................................................................................ 78
Hình 4.39: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu ngẫu nhiên
“dulieu1” (K=4), hệ số Eff ở mức rất cao 0.85. .................................................. 79
Hình 4.40: Kết quả bố trí được thể hiện với dữ liệu ngẫu nhiên “dulieu1”
(K=5) .................................................................................................................... 80
Hình 4.41: Thuật toán thực thi trong 100 bước lặp (K=4), trục tung là hệ số
Eff, trục hoành là số lần lặp ................................................................................ 80
Hình 4.42: Giá trị tối ưu của nghiệm trong mô phỏng dữ liệu ngẫu nhiên
“dulieu1” (K>=5), hệ số phù hợp ở mức 0.9 là rất cao ...................................... 81
1
CHƯƠNG 1: MỞ ĐẦU
1.1. Đặt vấn đề
Vấn đề tối ưu trong sản xuất ngày nay là vấn đề sống còn của một doanh nghiệp do
tính cạnh tranh, nguồn lực có hạn, thời gian hoàn thành sản phẩm hay dịch vụ phải
nhanh chóng để đáp ứng kịp nhu cầu của khách hàng. Ngược dòng lịch sử, ngành
công nghiệp đã trải qua 3 giai đoạn tương ứng với 3 thời kì công nghệ, đặc biệt là
sự can thiệp của công nghệ thông tin. Đó là giai đoạn tập trung vào chi phí (cost
focus) kéo dài từ những năm của thế kỷ thứ 18 đến những năm 1980. Trong khoảng
thời gian dài này, các định hướng trong sản xuất được ghi nhận thông qua những
nghiên cứu định hướng như: công nhân chuyên nghiệp (labor specialization của
Smith và Babbage), các thành phần sản xuất được chuẩn hóa thành các sản phẩm
(standardized parts của Whitney). Tiếp đó từ những năm 1880 đến năm 1910, hàng
loạt các lí thuyết về quản lý sản xuất được hình thành như: Gantt Charts (Gantt),
Motion&Time Studies, Process Analysis, lý thuyết hàng đợi (của Erlang)… Tiếp
đó, kỷ nguyên sản xuất lượng hàng hóa cực lớn được cho là bắt đầu từ năm 1910
đến năm 1980. Khi đó, nhiều công cụ toán học được phát triển để đáp ứng với việc
tối ưu trong sản xuất như: quy hoạch tuyến tính (của Dantzig), phân tích mẫu thống
kê (của ông Shewhart),… Giai đoạn từ năm 1980 đến năm 1995 được xem là giai
đoạn tập trung vào chất lượng (quality focus), nhiều giải pháp được công nghệ
thông tin hóa như CAD (computer aided design), TQM (total quality
management),… Và cuối cùng là giai đoạn từ năm 1995 đến nay được xem là giai
đoạn tập trung vào khách hàng (customization focus). Tính toàn cầu hóa, internet,
các công cụ hoạch định tài nguyên doanh nghiệp (ERP) và đặc biệt là các xu hướng
lập lịch quản lý tối ưu được đề ra nhằm giải quyết vấn đề mâu thuẫn giữa nguồn lực
bị giới hạn và số công việc hoàn thành.
Trong đó, đối với sản xuất công nghiệp, chẳng hạn công nghệ sản xuất vi mạch,
nhiều công đoạn hay thành phần/linh kiện có sự tương đồng cao trong thiết kế hay
trong quy trình. Các công đoạn có sự tương đồng cao như thế thường được gom
nhóm để tận dụng tối đa công suất của máy móc nhằm cực đại hóa hiệu quả tổng thể
2
của hệ thống sản xuất. Chi tiết hơn, xét một ví dụ khác, một robot thông minh được
chế tạo để giải quyết các công việc giả định trong đường hầm. Khi làm việc thực tế,
mỗi bộ phận của robot có thể làm số nhóm công việc nhiều nhất có thể. Vấn đề là
làm thế nào để robot có thể làm cùng lúc. Một cách hình thức, bài toán trên về điều
khiển được phát biểu như sau:
“Hệ thống sản suất gồm m máy, sản xuất sản phẩm gồm n linh kiện ghép. Bài toán
đặt ra là tìm một giải pháp gồm K nhóm sao cho sự tương tác giữa các máy trong
cùng nhóm và các linh kiện do các máy đó sản xuất ra là tối đa trong khi sự tương
tác với các máy trong các nhóm khác là tối thiểu”.
Theo đó, lớp bài toán nghiên cứu về điều khiển (operations research) là nền tảng
của các hệ thống, đặc biệt ngày nay các hệ thống cơ điện tử. Thật vậy, các nghiên
cứu sẽ giúp các hệ thống thực thi tốt tác vụ, giảm thời gian thực thi và đồng thời tiết
kiệm năng lượng,… Trên lý thuyết, nhiều giải pháp được nêu ra dưới dạng các mô
hình toán học. Tuy nhiên, trên thực tế, tùy thuộc vào môi trường vận hành, hiện
thực các mô hình cần được xem xét, so sánh, đánh giá phân tích lựa chọn phù hợp.
Chi tiết hơn, đối với bài toán trình bày trong phần giới thiệu có thể được hình thức
hóa về bài toán nổi tiếng của quy hoạch nguyên, bài toán Hình thành Tế bào – Cell
Formation Problem, viết tắt là CFP. Trong CFP, mỗi nhóm máy-sản phẩm được gọi
là một Cell (tế bào). Về mặt lý luận, đây là bài toán khó và chưa có phương pháp
giải tuyệt đối. Về mặt thực tiễn, CFP có thể được áp dụng trong các hệ thống tự
động quản lý sản xuất, chẳng hạn như trong thiết kế kiến trúc các chip máy tính hay
trong tự động hóa cho các hệ thống tính toán song song. Với các bài toán như thế,
CFP được cho là thích hợp để hoàn thành việc phân rã các bộ xử lý và các đơn vị dữ
liệu vào một số tế bào xác định trước.
Trong luận văn này sẽ trả lời các câu hỏi khoa học và thực tiễn sau:
-
Biểu diễn lại CFP dưới dạng bài toán tối ưu?
-
Làm sao để giải bài toán tối ưu CFP?
-
Áp dụng trong 1 bài toán thực tế đơn giản?
Một số giả thuyết nghiên cứu được đặt ra như sau:
3
-
CFP có thể được giải bằng các kỹ thuật heuristic.
-
Tiếp cận meta-heuristic có thể cho kết quả tốt hơn.
Đó là lý do để chọn đề tài “Tiếp cận thuật toán meta-heuristic giải bài toán tối
ưu hóa quá trình sản xuất”.
1.2. Mục tiêu nghiên cứu
1.2.1 Mục tiêu tổng quát
Mục đích của nghiên cứu này là phát triển các thủ tục máy tính hiệu quả giải CFP
và xây dựng bài toán minh họa quản lý tự động quy trình sản xuất.
1.2.2 Mục tiêu cụ thể
Đề tài nghiên cứu hướng đến các mục tiêu cụ thể như sau:
-
Nghiên cứu các giải thuật heuristic.
-
Nghiên cứu một thuật giải phục vụ bài toán quản lý tự động quy trình sản
xuất.
-
Thử nghiệm giải CFP với ràng buộc K m n 100 trong thời gian tối đa
60 phút.
1.3. Phạm vi và giới hạn của luận văn
Đề tài giới hạn nghiên cứu: số máy (m), số linh kiện (n), và số tế bào (K) của CFP
được xác định trước và thỏa K m n 100. Giả sử thêm là thời gian giải không
quá 1 giờ.
1.4. Nội dung nghiên cứu
Luận văn nghiên cứu các nội dung sau:
Vấn đề 1: Mô hình hóa CFP dưới dạng bài toán tối ưu.
Vấn đề 2: Nghiên cứu các vấn đề liên quan đến CFP như sau:
-
Kỹ thuật phân tích gom cụm nhằm nhận biết cấu trúc trong một
tập dữ liệu.
-
Phân hoạch Graph với graph hay một mạng đại diện được sử dụng để xây
dựng CFP.
-
Các phương pháp quy hoạch toán học đưa CFP về bài toán quy hoạch
nguyên phi tuyến hoặc tuyến tính và giải.
4
-
Các phương pháp Heuristics như mô phỏng (SA – simulated annealing), tìm
kiếm Tabu (TS - Tabu Search), thuật toán di truyền (GA – genetic
algorithm), tối ưu cục bộ (PSO - ), mạng nơron (ANN – artificial neural
network), tối ưu hóa ngặt (extremal optimization),…
1.5. Phương pháp nghiên cứu
1.5.1 Mô hình bài toán hình thành tế bào (CFP)
Bài toán được mô hình như sau:
Gọi
I: tập m máy, i = 1, 2,…, m
J: tập n linh kiện, j = 1, 2,…, n
K: số tế bào (nhóm), k = 1, 2,…, K
Ck I: nhóm các máy, k = 1, 2,…, K
Fk J: họ các linh kiện, k = 1, 2,…, K
(Ck, Fk): tế bào, k = 1, 2,…, K
(C, F) = {(C1, F1),…, (Ck, Fk)}: lời giải/giải pháp cho CFP
A = [aij]: ma-trận biểu diễn quan hệ máy và linh kiện, trong đó
-
a ij = 1: máy i có thể dùng sản xuất linh kiện j
-
a ij = 0: ngược lại
Đặt:
Eff = (a – a1Out) / (a + a0In)
(công thức 1)
Đây là hệ số do Sarker và Khan (1990) đề xuất. Trong đó,
a: số số 1 nằm trong ma trận kề.
a1Out: số số 1 nằm ngoài tế bào.
a0In: số số 0 nằm trong các tế bào trên đường chéo.
Hàm mục tiêu: cực đại hóa giá trị Eff.
1.5.2. Phương pháp
Bài toán tối trên ưu được giải bằng các kỹ thuật heuristic và/hoặc quy hoạch toán
học/đồ thị.
- Xem thêm -