Luận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuấtLuận văn Thạc sĩ Kỹ thuật Cơ điện tử: Tiếp cận thuật toán Meta Heuristic giải bài toán tối ưu hóa quá trình sản xuất
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 HĨA Q TRÌNH SẢN XUẤT LUẬN VĂN THẠC SĨ Chun 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 TỐN META-HEURISTIC GIẢI BÀI TỐN TỐI ƯU HĨA 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 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC CƠNG NGHỆ TP HCM Cán hướng dẫn khoa học : PGS TS Nguyễn Thanh Phương (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn Thạc sĩ bảo vệ 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 Hội đồng chấm bảo vệ Luận văn Thạc sĩ) TT Họ 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 Phản biện Ủy viên Ủy viên, Thư ký Xác nhận Chủ tịch Hội đồng đánh giá Luận văn sau Luận văn 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 – 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 tốn tối ưu hóa q trình sản xuất II- Nhiệm vụ nội dung: Luận văn nghiên cứu vấn đề tối ưu áp dụng bố trí sản xuất Để tiếp bước đến công nghiệp 4.0, xếp lịch sản xuất/công tác nhằm giảm trình “đợi” cơng đoạn tận dụng nhiều tài nguyên phục vụ sản xuất Bài toán luận văn nghiên cứu cụ thể toán CF (cell formation) Theo đó, việc hình thành ô (cell) hoán vị công việc “máy” thực Về phương pháp, luận văn nghiên cứu giải pháp heuristic (gần đúng) Giải pháp gần theo phương pháp di truyền góp phần vào tốc độ tính tốn Từ đó, vấn đề luận văn nêu lên gồm: - Phát biểu toán CFP - Cơ sở lý luận heuristic - Giải pháp, kỹ thuật giải toán CFP - Tiếp cận meta-heuristic thực thuật toán III- Ngày giao nhiệm vụ: 23/01/2016 IV- Ngày hoàn thành nhiệm vụ: V- Cán hướng dẫn: PGS TS Nguyễn Thanh Phương CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) PGS.TS Nguyễn Thanh Phương KHOA QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu Luận văn trung thực chưa công bố cơng trình khác Tơi xin cam đoan giúp đỡ cho việc thực Luận văn cảm ơn thông tin trích dẫn Luận văn rõ nguồn gốc Học viên thực Luận văn (Ký ghi rõ họ tên) Phạm Quốc Phương ii LỜI CÁM ƠN Trong thời gian học tập, nghiên cứu thực luận văn tốt nghiệp, nhận giúp đỡ vô to lớn Quý Thầy, Cơ trường Đại học Cơng nghệ Thành phố Hồ Chí Minh, quan, bạn bè gia đình Tơi xin tỏ lòng biết ơn đến: Thầy PGS.TS Nguyễn Thanh Phương tận tình hướng dẫn, giúp đỡ, định hướng tơi q trình nghiên cứu thực luận văn tốt nghiệp; Quý Thầy, Quý Cô giảng dạy khóa Trường Đại học Cơng nghệ Thành phố Hồ Chí Minh tận tình giảng dạy giúp đỡ suốt thời gian học tập nghiên cứu; Viện Đào tạo Sau Đại học - trường Đại học Cơng nghệ Thành phố Hồ Chí Minh có kế hoạch tạo điều kiện tốt để tơi tham gia học tập nghiên cứu; Lãnh đạo Khoa Bộ môn Trường Đại học Công nghệ Thành phố Hồ Chí Minh tạo điều kiện thuận lợi cho suốt thời gian học tập, nghiên cứu, làm việc Ban giám đốc, lãnh đạo Sở Khoa học Công nghệ TP.HCM tạo điều kiện tốt vật chất tinh thần cho nghiên cứu học tập; Và đặc biệt, gia đình, bạn bè, người thân thiết ủng hộ, giúp đỡ, khuyến khích, dành điều kiện để học tập nghiên cứu Một lần nữa, xin trân trọng biết ơn! Phạm Quốc Phương iii TÓM TẮT Luận văn nghiên cứu vấn đề tối ưu áp dụng bố trí sản xuất Để tiếp bước đến công nghiệp 4.0, xếp lịch sản xuất/cơng tác nhằm giảm q trình “đợi” công đoạn tận dụng nhiều tài nguyên phục vụ sản xuất Bài toán luận văn nghiên cứu cụ thể toán CF (cell formation) Theo đó, việc hình thành (cell) hốn vị công việc “máy” thực Về phương pháp, luận văn nghiên cứu giải pháp heuristic (gần đúng) Giải pháp gần theo phương pháp di truyền góp phần vào tốc độ tính tốn Từ đó, vấn đề luận văn nêu lên gồm: - Phát biểu toán CFP - Cơ sở lý luận heuristic - Giải pháp, kỹ thuật giải toán CFP - Tiếp cận meta-heuristic 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 Đặt vấn đề 1.2 Mục tiêu nghiên cứu 1.2.1 Mục tiêu tổng quát 1.2.2 Mục tiêu cụ thể 1.3 Phạm vi giới hạn luận văn 1.4 Nội dung nghiên cứu 1.5 Phương pháp nghiên cứu 1.5.1 Mơ hình tốn hình thành tế bào (CFP) 1.5.2 Phương pháp 1.6 Những đóng góp luận văn 1.7 Cấu trúc luận văn CHƯƠNG 2: TỔNG QUAN VÀ CÁC PHƯƠNG PHÁP HEURISTIC 2.1 Tổng quan toán tối ưu sản xuất bàn toán CF 2.1.1 Tổng quan toán tối ưu sản xuất 2.2.2 Giới thiệu toán cell formation (CF) 2.2 Tổng quan heuristic tìm kiếm cục 20 2.2.1 Tìm kiếm heuristic 20 2.2.2 Tìm kiếm meta-heuristic 21 75 Kết luận Chọn kết K=5 thỏa mãn tiêu chí hiệu Kết thực thi matlab với ma trận “dulieu1.txt” Hình 4.33: Dữ liệu chuyển đổi cột-dịng ngẫu nhiên “dulieu1” Khi K=2 Hình 4.34: Kết bố trí thể với liệu ngẫu nhiên “dulieu1” (K=2) 76 Hình 4.35: Thuật tốn thực thi 100 bước lặp (K=2), trục tung hệ số Eff, trục hoành số lần lặp 77 Hình 4.36: Giá trị tối ưu nghiệm mơ liệu ngẫu nhiên “dulieu1” (K=2), hệ số Eff ởmức trung bình 0.5 78 Khi K=4 Hình 4.37: Kết bố trí thể với liệu ngẫu nhiên “dulieu1” (K=4) Hình 4.38: Thuật tốn thực thi 100 bước lặp (K=4), trục tung hệ số Eff, trục hồnh số lần lặp 79 Hình 4.39: Giá trị tối ưu nghiệm mô liệu ngẫu nhiên “dulieu1” (K=4), hệ số Eff mức cao 0.85 80 Khi K>=5 Hình 4.40: Kết bố trí thể với liệu ngẫu nhiên “dulieu1” (K=5) Hình 4.41: Thuật tốn thực thi 100 bước lặp (K=4), trục tung hệ số Eff, trục hồnh số lần lặp 81 Hình 4.42: Giá trị tối ưu nghiệm mô liệu ngẫu nhiên “dulieu1” (K>=5), hệ số phù hợp mức 0.9 cao 82 4.3 Phân tích số liệu mô Qua thực tiễn mô hai số liệu Boctor Kusiak, kết cho thấy thuật toán thực thi với kết Bên cạnh đó, thực thi thuật toán, giá trị tối ưu tăng dần hội tụ vòng lặp Với liệu thử nghiệm chưa lớn, số lượng vòng lặp 100 lần số lượng cá thể quần thể 1000 đủ để nghiệm hội tụ Số liệu mơ chuỗi nhiễm sắc thể khoảng 18 giá trị nên số tổ hợp tương ứng M+N=27+11=2 18=262144 trường hợp Tuy vậy, với phương pháp di truyền, số lượng vịng lặp tính tốn nhiều đạt khoảng 100 lần lặp x 1.000 cá thể = 100.000 thực nghiệm, thông thường nghiệm hội tụ từ bước lặp thứ 20, nghĩa cần tính tốn 1/3 số lần lặp (khoảng 25.000 bước tính tốn) Từ cho thấy, phương pháp di truyền tối ưu hóa q trình tính tốn Do đó, liệu tăng lên, cụ thể chuỗi nhiễm sắc thể đến 200 kích thước quần thể số vịng lặp phải tăng lên Tuy nhiên, với phương pháp di truyền, số lượng tính tốn kì vọng giảm đáng kể 4.4 Kết luận đề tài Đề tài nghiên cứu giải pháp heuristic phương pháp CFP để giải tốn tối ưu sản xuất Thơng qua mơ hình học viên học xây dựng, đề tài hồn thiện cụ thể hóa mơ hình Matlab Thơng qua mơ hình, tốn giải với thời gian cho phép số lượng tính tốn giảm thiểu so với phương pháp vét cạn Ngoài ra, từ việc hiểu cách vận hành thuật toán, nghiên cứu đề xuất việc tạo liệu mẫu để thử nghiệm chương trình việc ngẫu nhiên thay đổi “khối việc” ma trận tối ưu Như vậy, tảng, thuật toán giải toán CF Bên cạnh đó, từ nghiên cứu việc giải tốn CF, ứng dụng thực tế áp dụng quản lý sản xuất thiết bị điều khiển Đặc biệt thiết bị đa điều khiển robot nhiều phận, phận đảm trách công việc khác số phận bổ sung thao tác cho phận thao tác xử lý nhiều việc Tương tự, hệ thống tự động chống 83 ngập, PCCC, , việc xử lý toán CF cảm biến iOT tảng để phân bổ nguồn lực nhằm giảm ngập phân bổ nước cán phục vụ công tác chữa cháy, Các nguồn tài nguyên tùy thuộc vào ứng dụng việc tích hợp giải CF góp phần cho hệ thống hỗ trợ định tăng thêm tính “thơng minh” 4.5 Kiến nghị hướng nghiên cứu Từ đề tài, hướng ứng dụng bổ sung mở rộng ứng dụng phục vụ quản lý hệ thống thời gian thực Theo đó, thơng tin thay đổi thường xuyên nên ứng dụng cần cập nhật để đáp ứng tính tốn tối ưu thời điểm Cụ thể, hướng nghiên cứu đề xuất là: - Về ứng dụng vào cơng tác quản lý bố trí nguồn lực ứng dụng thay đổi theo thời gian: toán hỗ trợ - Về lý thuyết: nghiên cứu mơ hình lý thuyết với tính thích ứng cơng việc với có phụ thuộc vào yếu tố thời gian - Về cài đặt, thuật toán rõ ràng đáp ứng cài đặt ngơn ngữ lập trình khác 84 TÀI LIỆU THAM KHẢO [1] Iraj Mahdavi, Mohammad MahdiPaydar, Maghsud Solimanpur, Armaghan Heidarzade, Genetic algorithm approach for solving a cell formation problem in cellular manufacturing 2009 [2] J Blazewicz, J.K.Lenstra, A.H.G.RinnooyKan, Scheduling subject to resource constraints: classification and complexity Discrete Applied Mathematics (1983), 1124, North-Holland Publishing Company [3] Askin RG and Subramanian SP A cost-based heuristic for group technology configuration International Journal of Production Research 25(1): 101–113, 1987 [4] Boctor FF A linear formulation of the machine-part cell formation problem International Journal of Production Research 29(2): 343–356, 1991 [5] Boe WJ and Cheng CH A close neighbour algorithm for designing cellular manufacturing systems International Journal of Production Research 29 (10): 2097–2116, 1991 [6] Brown EC and Sumichrast RT CF-GGA A grouping genetic algorithm for the cell formation problem International Journal of Production Research 39(16): 3651–3669, 2001 [7] Carrie AS Numerical taxonomy applied to group technology and plant layout International Journal of Production Research 11(4): 399–416, 1973 [8] Cerný V Thermodynamical approach to the traveling salesman problem: An efficient simulation algorithm Journal of Optimization Theory and Application 45(1): 41–51, 1985 [9] Chan HM and Milner DA Direct clustering algorithm for group formation in cellular manufacture Journal of Manufacturing Systems 1(1): 65–75, 1982 [10] Chandrasekharan MP and Rajagopalan R Zodiac An algorithm for concurrent formation of part-families and machine-cells International Journal of Production Research 25(6): 835–850, 1987 [11] Chandrasekharan MP and Rajagopalan R Groupability:An analysis of the properties of binary data matrices for group technology International Journal of Production Research 27(6): 1035–1052, 1989 85 [12] Chandrasekharan MP and Rajagopalan R Modroc An extension of rank order clustering for group technology International Journal of Production Research 24(5): 1221–1233, 1986a [13] Chandrasekharan MP and Rajagopalan R An ideal seed nonhierarchical clustering algorithm for cellular anufacturing International Journal of Production Research 24(2): 451–463, 1986b [14] Crouzeix JP, Ferland JA and Nguyen VH Revisiting Dinkelbachtype algorithms for generalized fractional programs Journal of the Operational Research Society of India 45(2): 96–110, 2008 [15] Dimopoulos C and Zalzala AMS Recent developments in evolutionary computations for manufacturing optimization: problems, solutions, and comparisons IEEE Transactions on Evolutionary Computations 4(2): 93–113, 2000 [16] Dimopoulos C and Mort N A hierarchical clustering methodology based on genetic programming for the solution of simple cellformation problems International Journal of Production Research 39(1): 1–19, 2001 [17] Dinkelbach W On nonlinear fractional programming Management Science Series A, Sciences 13(7): 492–498, 1967 [18] Elbenani B, Ferland JA and Bellemare J Genetic algorithm and large neighborhood search to solve the cell formation problem Expert Systems with Applications 39(3): 2408–2414, 2012 [19] Elbenani B and Ferland JA Cell formation problem solved exactly with the Dinkelbach algorithm Publication CIRRELT-2012-07, CIRRELT University of Montreal: Canada, 2012 [20] Farahani MH and Hosseini L An ant colony optimization approach for the machine-part cell formation problem International Journal of Computational Intelligence Systems 4(4): 486–496, 2011 [21] Ferland JA and Costa D Heuristic search methods for combinatorial programming problems Publication DIRO-1193, Department of Computer Science and Operations Research University of Montreal: Canada, 2001 86 [22] Ghosh T, Dan PK, Sengupta S and Chattopadhyay M Genetic rule based techniques in cellular manufacturing (1992-2010): A systematic survey International Journal of Engineering Science and Technology 2(5): 198–215, 2010 [23] Ghosh T, Sengupta S, Chattopadhyay M and Dan PK Metaheuristic in cellular manufacturing: A state-of-the-art International Journal of Industrial Engineering Computations 2(1): 87122, 2011 [24] Gonỗalves JF and Resende MGC An evolutionary algorithm for manufacturing cell formation Computers & Industrial Engineering 47(2/3): 247–273, 2004 [25] Hsu CP Similarity coefficient approaches to machine-component cell formation in cellular manufacturing: A comparative study PhD thesis, Department of Industrial and Manufacturing Engineering, University of Wisconsin-Milwaukee, Wisconsin, USA, 1990 [26] James TL, Brown EC and Keeling KB A hybrid grouping genetic algorithm for the cell formation problem Computers & Operations Research 34(7): 2059–2079, 2007 [27] Joines JA, Culbreth CT and King RE Manufacturing cell design: An integer programming model employing genetic algorithms IIE Transactions 28(1): 69–85, 1996 [28] King JR Machine-component grouping in production flowanalysis: An approach using a rank order clustering algorithm International Journal of Production Research 18(2): 213–232, 1980 [29] Kirkpatrick S, Gelatt Jr CD and Vecchi MP Optimization by simulated annealing Science 220(4598): 671–680, 1983 [30] King JR and Nakornchai V Machine-component group formation in group technology: Review and Extension International Journal of Production Research 20(2): 117–133, 1982 [31] Kumar CS and Chandrasekharan MP Grouping efficacy: A quantitative criterion for goodness of block diagonal forms of binary matrices in group technology International Journal of Production Research 28(2): 233–243, 1990 [32] Kumar KR and Vannelli A Strategic subcontracting for efficient disaggregated manufacturing International Journal of Production Research 25(12): 1715–1728, 1987 [33] Kumar KR, Kusiak A and Vannelli A Grouping of parts and components in flexible manufacturing systems European Journal of Operational Research 24(3): 387– 397, 1986 87 [34] Kusiak A and Cho M Similarity coefficient algorithm for solving the group technology problem International Journal of Production Research 30(11): 2633–2646, 1992 [35] Stanfel LE Machine clustering for economic production Engineering Costs and Production Economics 9(1/3): 73–81, 1985 [36] Syswerda G A study of reproduction in generational and steady state genetic algorithms In: Rawlings GJE (ed) Foundations of genetic algorithms Morgan Kaufmann: San Mateo, CA, pp 94–101, 1992 [37] Tunnukij T and Hicks C An enhanced genetic algorithm for solving the cell formation problem International Journal of Production Research 47(7): 1989–2007, 2009 [38] Vannelli A and Kumar KR A method for finding minimal bottleneck cells for grouping part-machine families International Journal of Production Research 24(2): 387– 400, 1986 [39] Waghodekar PH and Sahu S Machine-component cell formation in group technology: MACE International Journal of Production Research 22(6): 937–948, 1984 [40] Ying KC, Lin SW and Lu CC Cell formation using a simulated annealing algorithm with variable neighbourhood, European Journal of Industrial Engineering 5(1): 22–42, 2011 [41] Chen, S J., & Cheng, C S A neural network based cell formation algorithm in cellular manufacturing International Journal of Production Research, 33(2), 293–318, 1995 [42] Mahdavi, I., Kaushal, O P., & Chandra Graph-neural network approach in cellular manufacturing on the basis of a binary system International Journal of Production Research, 39(13), 2913–2922, 2001 [43] Soleymanpour, M., Vrat, P., & ShankerA transiently chaotic neural network approach to the design of cellular manufacturing International Journal of Production Research, 40(10), 2225–2244, 2002 [44] Wang Formation of machine cells and part families in cellular manufacturing systems using a linear assignment algorithm Automatica, 39(9), 1607–1615, 2003 [45] Mahdavi, I., Javadi, B F., Alipour, K., & Slomp Designing a new mathematical model for cellular manufacturing system based on cell utilization Applied Mathematics and Computation, 190, 662–670, 2007 [46] Gen, M., & Cheng, R Genetic algorithms and engineering design MA: Wiley 88 Interscience Publication 1997 [47] Goldberg, D EGenetic algorithms: Search, optimization & machine learning MA: Addison-Wesley, Inc, 1989 [48] Man, K F., Tang, K S., & Kwong Genetic algorithms: Concepts and design London: Springer, 1999 [49] Venugopal, V., & Narendran A genetic algorithm approach to the machining grouping problem with multiple objectives Computers and Industrial Engineering, 22(4), 469–480, 1992 [50] Zhao, C., & Wu A genetic algorithm for manufacturing cell formation with multiple routes and multiple objectives International Journal of Production Research, 38(2), 385–395, 2002 [51] Onwubolu, G C., & Mutingi A genetic algorithm approach to cellular manufacturing systems Computers and Industrial Engineering, 39(1–2), 125–144, 2001 [52] Brown, E., & Sumichrast CF-GGA: A grouping genetic algorithm for the cell formation problem International Journal of Production Research, 36, 3651–3669, 2001 [53] Goncalves, J., & Resende An evolutionary algorithm for manufacturing cell formation Computers and Industrial Engineering, 47, 247–273, 2004 [54] Chu, C H & Tsai A heuristic algorithm for grouping manufacturing cells In Proceedings of the 2001 IEEE Congress on Evolutionary Computation, Seoul, Korea (pp 310–317), 2001 [55] Venugopal, V., & Narendran A genetic algorithm approach to the machining grouping problem with multiple objectives Computers and Industrial Engineering, 22(4), 469–480, 1992 [56] Back, T., Fogel, D., & Michalawecz Handbook of evolutionary computation Oxford: Oxford University Press, 1997 [57] Heragu Group technology and cellular manufacturing IEEE Transactions on Systems, Man and Cybernetics, 24(2), 203–214, 1994 [58] Wemmerlov, U., & Hyer Cellular manufacturing in the US industry: A survey of users International Journal of Production Research, 27(9), 1511–1530, 1989 [59] Soleymanpour, M., Vrat, P., & Shanker A transiently chaotic neural network approach to the design of cellular manufacturing International Journal of Production Research, 40(10), 2225–2244, 2002 [60] Selim, H M., Askin, R G., & Vakharia Cell formation in group technology: Review, evaluation and directions for future research Computers and Industrial Engineering, 34, 3–20, 1998 89 [61] Singh, N Design of cellular manufacturing systems: An invited review European Journal of Operational Research, 69, 284–291, 1993 [62] Seifoddini A note on the similarity coefficient method and the problem of improper machine assignment in group technology applications International Journal of Production Research, 27(7), 1161–1165, 1989 [63] Mosier, C T., & Taube Weighted similarity measure heuristics for the group technology machine clustering problem OMEGA, 13(6), 577–583, 1985 ... HCM - PHẠM QUỐC PHƯƠNG TIẾP CẬN THUẬT TOÁN META- HEURISTIC GIẢI BÀI TOÁN TỐI ƯU HĨA Q TRÌNH SẢN XUẤT LUẬN VĂN THẠC SĨ Chun ngành : Kỹ thuật Cơ điện tử Mã số ngành: 60520114 CÁN BỘ... Tên đề tài: Tiếp cận thuật toán meta- heuristic giải tốn tối ưu hóa q trình sản xuất II- Nhiệm vụ nội dung: Luận văn nghiên cứu vấn đề tối ưu áp dụng bố trí sản xuất Để tiếp bước đến cơng nghiệp... nghiên cứu đặt sau: - CFP giải kỹ thuật heuristic - Tiếp cận meta- heuristic cho kết tốt Đó lý để chọn đề tài ? ?Tiếp cận thuật toán meta- heuristic giải tốn tối ưu hóa q trình sản xuất? ?? 1.2 Mục tiêu nghiên