ỨNG DỤNG GIẢI THUẬT HỆ THỐNG MIỄN DỊCH NHÂN TẠO (AIS) CHO BÀI TOÁN ĐIỀU ĐỘ FLOWSHOP ĐA MỤC TIÊU TẠI CÁC DOANH NGHIỆP NGÀNH MAY

ỨNG DỤNG GIẢI THUẬT HỆ THỐNG MIỄN DỊCH NHÂN TẠO (AIS) CHO BÀI TỐN ĐIỀU ĐỘ FLOWSHOP ĐA MỤC TIÊU TẠI CÁC DOANH NGHIỆP NGÀNH MAY APPLICATION OF ARTIFICIAL IMMUNE SYSTEMS ALGORITHM TO SOLVE MULTIOBJECTIVE FLOW-SHOP PRODUCTION SCHEDULING IN GARMENT COMPANIES Nguyễn Thị Mai Trâm, Khoa Kinh Tế - ĐH Sư Phạm Kỹ Thuật Tp HCM TĨM TẮT Đề tài ứng dụng giải thuật “Hệ Thống Miễn Dịch Nhân Tạo” để thiết lập chương trình máy tính hỗ trợ cho cơng tác điều độ flow shop đa mục tiêu doanh nghiệp ngành may Lời giải đạt thứ tự thực đơn hàng với mục tiêu: tổng chi phí thực sớm thực trễ đơn hàng nhỏ ABSTRACT The purpose of this work is the application of Artificial Immune Systems Algorithm to set up a software to support the work of multi-criteria flow shop production scheduling in Garment companies The solution is the order of orders with the objective: Minimize the sum of the earliness and tardiness costs Key word: Artificial Immune Systems Algorithm, flow shop, scheduling Mở đầu may nước phát triển phương thức Hiệp định thương mại dệt may Việt Mỹ FOB với tỷ lệ cao góp phần nâng cao năm 2003, EU xố bỏ chế độ hạn ngạch hiệu kinh doanh tăng lợi cạnh hàng dệt may Việt Nam năm tranh Tuy nhiên, bên cạnh thuận 2005 Việt Nam thức gia nhập lợi hội nêu doanh WTO vào tháng 11 năm 2006 mở nghiệp phải đối mặt với khó khăn hội kinh doanh cho khơng bảo trợ trước doanh nghiệp ngành dệt may – Tự hố đây, mà phải tự lực để tồn phát thương mại dệt may tồn cầu Đồng thời, triển ngành khác Và phát kiện thúc đẩy nhà đầu triển tăng tốc ngành may thúc đẩy tư nước ngồi tham gia đầu tư vào Việt nhiều cơng ty, cá nhân đầu tư vào ngành Nam, có ngành cung ứng dẫn đến cạnh tranh gay gắt giá, ngun phụ liệu, thúc đẩy cơng ty dệt lao động thường xun biến động ảnh hưởng đến hiệu sản xuất sớm so với ngày giao hàng chi phí hụt cơng ty Đặc biệt áp lực cạnh tranh từ hàng … cơng ty có vốn đầu tư nước ngồi Trước vấn đề nêu trên, đề tài “ Ứng dụng Việt Nam chi phí sản xuất ngành giải thuật Hệ Thống Miễn Dịch Nhân may Việt Nam cao 15% đến Tạo (Artificial Immune Systems) cho 20% so với Trung Quốc, Ấn Độ tốn điều độ flowshop đa mục tiêu Banlades doanh nghiệp ngành may” thực Trong bối cảnh hội nhập này, đảm bảo với mục tiêu ứng dụng giải thuật chất lượng, cạnh tranh giá cả, giao “Hệ Thống Miễn Dịch Nhân Tạo” để hàng hạn, tạo uy tín với khách hàng thiết lập chương trình máy tính hỗ vấn đề sống doanh nghiệp trợ cho cơng tác điều độ doanh Vì doanh nghiệp phải có điều nghiệp ngành may phối đơn hàng, tổ chức sản xuất hợp lý, Cơ sở lý thuyết tránh chi phí gia tăng tăng ca, thời 2.1 Điều độ flow shop gian nhàn rỗi … đảm bảo Trong mơi trường flow shop, đường thời gian giao hàng cơng việc xác định, Hiện nay, tình trạng chờ việc, tăng ca nghĩa tất cơng việc đến đơn hàng bị trễ tồn máy giống theo trật tự doanh nghiệp ngành may Ngồi Mỗi cơng việc xem xét kết ngun nhân thiết bị hỏng hợp nhiều ngun cơng theo cấu hóc, biến động nhân sự, ngun phụ trúc thứ tự đặc trưng, ngun cơng liệu khơng đáp ứng kịp thời nhu cầu sản sau ngun cơng thực xuất cơng tác điều độ theo chiều biết trước chủ yếu dựa vào kinh nghiệm, tính tốn thủ cơng nên gặp nhiều khó khăn với số lượng đơn hàng lớn số phương án tìm để chọn lời giải tối ưu bị hạn chế Ngồi ra, việc điều phối đơn hàng dựa vào thời gian giao hàng, chưa giải mục tiêu khác cơng ty cực tiểu chi phí lưu kho sản xuất có có cơng việc gia cơng máy tập m máy Tất cơng việc phải theo trật tự xác định trước Sau hồn thành máy, cơng việc vào hàng đợi máy Các cơng việc hàng đợi xử lý theo ngun tắc cơng việc đến trước thực trước Mơ hình gọi mơ hình Flowshop trật tự − Flow shop linh hoạt: bao gồm chuỗi giai đoạn Mỗi giai đoạn có số xác định máy song song Ở Hình 2.1: Sơ đồ Gantt điều độ flowshop (Nguồn: [1]) Các điều kiện tốn flow shop: − Một tập hợp có m cơng việc, cơng việc có nhiều ngun cơng, qui trình gia cơng xác lập thời điểm − Thời gian chuẩn bị cho ngun cơng theo thứ tự độc lập tính thời gian gia cơng − Các ký hiệu cơng việc biết trước giai đoạn, cơng việc j xử lý máy Hàng đợi giai đoạn khơng hoạt động theo ngun tắc cơng việc đến trước thực trước − Flow shop cân xứng: trường hợp đặc biệt mơ hình Flowshop, tất ngun cơng cơng việc j có thời gian thực Pj − Flow shop liên tục: mơ hình Flow shop liên tục tương tự mơ hình Flow shop bản, nhiên có thêm ràng buộc − m máy khác xếp việc xử lý cơng việc phải liên tục liên tục nghĩa việc xử lý cơng việc − Các ngun cơng riêng lẻ khơng có bắt đầu khơng có thời gian chờ quyền ưu tiên trước lần xử lý tác vụ Các mơ hình flow shop: cơng việc Điều hạn − Flow shop bản: có m máy nối tiếp chế mặt kỹ thuật cơng nghệ thiếu tập n cơng việc, thời điểm hụt kho chứa khơng gian Deterministically Polynomial (NP)-Hard chặng xử lý problem Tại thời điểm, − Flow shop tài ngun linh hoạt: Điều máy có cơng việc gia cơng độ Flowshop với tài ngun linh hoạt đòi n cơng việc độc lập đồng thời có hỏi việc kết hợp tối ưu định sau: khả sẳn sàng thòi điểm t = Tất (i) trình tự cơng việc xử lý máy, cơng việc có trình tự gia cơng qua (ii) lượng tài ngun bố trí cho máy nhau, cơng việc có vận hành cơng việc, (iii) bảng điều giới hạn thời gian gia cơng độ thời gian bắt đầu tất máy cơng việc Thứ tự điều độ thể dạng Các phương pháp điều độ cho mơ hình chuỗi số ngun có chiều dài n, flowshop: với n số cơng việc cần điều độ Các chuỗi số ngun xem kháng thể hệ thống miễn dịch nhân tạo Giải thuật đưa lời giải dựa vào phát triển kháng thể, mà phát triển dựa hai ngun tắc hệ thống miễn dịch là: miễn dịch thể dịch miễn dịch tế bào Giải thuật tóm tắt sau: Tạo quần thể có B kháng thể (B độ Hình 2.2:Các phương pháp giải tốn điều độ flow shop đơn mục tiêu (Nguồn: [1]) 2.2 Giải thuật “Hệ thống miễn dịch nhân tạo” (AIS) 2.2.1 Giải thuật Ứng dụng cho tốn điều độ flow shop: n cơng việc m máy với mục tiêu tìm thứ tự thực n cơng việc cho giá trị hàm mục tiêu nhỏ Đây tốn thuộc dạng Non- lớn quần thể kháng thể) x = (x số lần phát ra) For lần phát do; x = x +1; For kháng thể do; Mã hố kháng thể ; Xác định lực (giá trị hàm mục tiêu) kháng thể; Tính xác suất chọn lọc (rate of cloning) Nhân (phát kháng thể – clone) For lần phát nhân do; While điều kiện dừng = sai ( điều kiện dừng số lần phát người sử dụng qui định) Đột biến nghịch đảo (phát chuỗi mới) 2.2.2 Ứng dụng ngun tắc Mã hố chuỗi miễn dịch thể dịch Tính giá trị hàm mục tiêu chuỗi AIS mới; Mỗi bảng điều độ (kháng thể) có giá If giá trị hàm mục tiêu (chuỗi mới) trị hàm mục tiêu liên quan đến giá trị < giá trị hàm mục tiêu (tế bào nhân lực kháng thể đó, giá trị hàm mục vơ tính) then tế bào nhân vơ tiêu thấp giá trị lực cao tính = chuỗi Ái lực(z) = Else thực đột biến trao đổi cặp (phát chuỗi mới) Mã hố chuỗi mới; Tính giá trị hàm mục tiêu chuỗi mới; If giá trị hàm mục tiêu (chuỗi mới) < giá trị hàm mục tiêu (tế bào nhân vơ tính) then tế bào nhân vơ tính = chuỗi Else tế bào nhân vơ tính = tế bào nhân vơ tính; Giá trò hàm mục tiêu(z) (2.1) Với: Z: kháng thể Xác suất chọn lọc kháng thể tương ứng tính theo thủ tục sau: − Tính giá trị hàm mục tiêu cho kháng thể quần thể − Tìm giá trị hàm mục tiêu lớn (Max (giá trị hàm mục tiêu (z))) − Tính giá trị độ thích hợp (fitness value) Kháng thể = tế bào nhân vơ tính; cho kháng thể If x = A (A tần suất loại bỏ ) then Giá trò độ thích hợp(z) = (Giátrò hàmmụctiêu lớn nha Loại bỏ C kháng thể xấu quần thể ( C tỷ lệ loại bỏ kháng thể) Tạo ngẫu nhiên C kháng thể mới; Những kháng thể thay cho kháng thể bị loại bỏ x = 0; end if Xác định xác suất chọn lọc cho kháng thể Xác suất chọn lọc (z) = Giá trò độ thích hợp (z) Tổng giá trò độ thích kháng thể quần thể Phát tập tế bào nhân vơ Đột biến trao đổi cặp (Pairwise tính có độ lớn với quần thể kháng interchange mutation): i j hai vị trí thể ban đầu Số tế bào nhân vơ tính chọn ngẫu nhiên chuỗi s cho phát từ kháng thể thay đổi tuỳ theo trước Lân cận s thu cách xác suất chọn lọc kháng thể hốn đổi cơng việc vị trí i j cho Các kháng thể có xác suất chọn lọc lớn Nếu chuỗi sau đột biến trao đổi cặp có nhiều tế bào nhân vơ tính có giá trị hàm mục tiêu nhỏ chuỗi (bản sao) tập tế bào nhân ban đầu lưu lại vị trí vơ tính, kháng thể có giá trị hàm mục chuỗi ban đầu tiêu lớn khơng có tế bào nhân Trong trường hợp khơng tìm chuỗi vơ tính tập tế bào nhân vơ tính tốt sau hai giai đoạn đột biến kháng thể có giá trị hàm giữ lại chuỗi ban đầu Tập tế bào nhân mục tiêu thấp có nhiều vơ tính sau trãi qua q trình tập nhân vơ tính đột biến xem 2.2.3 Ứng dụng chế miễn quần thể kháng thể cho lần phát dịch tế bào AIS Với ràng buộc thực đột biến nghịch Q trình miễn dịch tế bào gồm hai giai đảo trước trì tỷ lệ đột biến cao đoạn: Đột biến nghịch đảo đột biến cho đột biến nghịch đảo so với đột biến trao đổi cặp, đột biến nghịch đảo trao đổi cặp cho phép thay đổi thực trước tiên vị trí cơng việc nhiều hai Đột biến nghịch đảo (Inverse mutation): i Trong bước giải j hai vị trí chuỗi s cho trước thuật, tìm chuỗi tốt Lân cận s thu cách nghịch cách áp dụng đột biến nghịch đảo đảo đoạn nằm i j, với ⏐j - i⏐ ≥ giải thuật cách xa lời giải tốt đột Nếu giá trị hàm mục tiêu chuỗi sau biến rộng tìm chuỗi tốt đột biến nghịch đảo nhỏ chuỗi ban Trong bước sau, giải thuật có đầu (một tế bào nhân vơ tính lời giải tốt Khả tìm chuỗi tốt kháng thể) chuỗi đột biến lưu lại cách thực đột biến rộng vị trí chuỗi ban đầu Ngược lại, thấp đột biến rộng bỏ qua chuỗi đột biến lần lời giải tốt Vì vậy, để đảm bảo tính phương pháp đột biến trao đổi cặp với hiệu giải thuật phải dùng đột biến cặp vị trí chọn ngẫu nhiên trao đổi cặp đột biến nghịch đảo khơng cho lời giải tốt 2.3 Phương pháp chọn thơng số tối ưu cho AIS Ứng dụng MSEDA để xác định tập Để đạt lời giải tối ưu gần tối thơng số tối ưu gồm bước sau: ưu thời gian ngắn phải sử − Bước 1:Chia tồn phạm vi dụng tập thơng số tối ưu Trong tốn thơng số thành phần, điểm kết thúc có thơng số ảnh hưởng đến lời giải phần thứ phần thứ chọn là tần suất loại bỏ (A), độ lớn quần cấp độ cho bước thiết kế thể kháng thể (B) tỷ lệ loại bỏ kháng thực nghiệm thể (C) − Bước 2: Giải tốn 25 lần với tập Phương pháp thiết kế thực nghiệm nhiều thơng số xác định bước ứng với bước (Multi Step Experimental Design L8 OA Approach – MSEDA) ứng dụng để − Bước 3: Chọn tập thơng số tốt cải tiến thơng số AIS, với dựa vào trung bình giá trị hàm mục Ortogonal Array (OA) sử dụng tiêu ứng với 25 lời giải thiết kế thực nghiệm Có hai cấp độ − Bước 4: Với thơng số tập ứng với thơng số: thơng số tốt nhất, áp dụng Search Range Bảng 2.1: số liệu cấp độ cho thực nghiệm (Nguồn: [16]) Limitation Procedure (SRLP) để xác định tập thơng số − Bước 5: Tính ảnh hưởng thơng số tương tác thơng số lên lời giải: + Nếu khơng có ảnh hưởng tương tác thơng số giải tốn 25 lần với L8 OA tập thơng số xác định bước Giới hạn thơng số + Nếu có tương tác thơng số phụ thuộc vào cấp độ thơng số chọn thơng số gây tương tác Bảng 2.2: Phạm vi thơng số (Nguồn: [16]) − Bước 6: So sánh trung bình giá trị − Tất máy sẳn sàng thời trung bình (Average of Mean Values – điểm, khơng xảy hư hỏng bảo trì AMEV) bước n với bước n-1: định kỳ hay đột xuất + Nếu AMEVn-1 < AMEVn dừng − Khơng xảy lỗi q trình gia thuật tốn cơng cơng việc + Nếu AMEVn-1 ≥ AMEVn đến bước − Khơng có ưu tiên − Khơng có buffer cơng đoạn − Bước 7: Chọn tập thơng số tốt − Khơng có thời gian di chuyển phụ thuộc vào trung bình giá trị hàm cơng đoạn, cơng việc sẳn sàng để mục tiêu 25 lời giải Trở lại bước gia cơng cơng đoạn SRPL giới hạn phạm vi tìm kiếm rời khỏi cơng đoạn trước thơng số bước xuống − Sau hồn tất gia cơng cơng nửa Và phạm vi chia làm việc trước bắt đầu gia cơng cơng bốn phần ứng với thơng số, điểm kết việc tiếp theo, có vài cơng tác setup thúc phần thứ thứ tương ứng thực với cấp độ thực nghiệm 3.2 Phát biểu hàm mục tiêu tốn: Sắp xếp thứ tự thực đơn hàng cho: Tổng chi phí thực sớm thực trễ đơn hàng nhỏ (Minimize the sum of the earliness and tardiness costs) Hình 2.2: Một ví dụ thủ tục SRLP (Nguồn: [16] Mơ hình tốn thơng số liên quan 3.1 Giả định 3.3 Định nghĩa số − i : số cơng việc (đơn hàng), i = 1,…, n − j : số cơng đoạn, j = 1, …, m 3.4 Các thơng số đầu vào Khi xây dựng mơ hình tốn cho tốn − Ci: Thời gian hồn tất cơng việc i điều độ thực tế xí nghiệp, có số − Cij: thời gian hồn tất cơng việc i giả định sau: cơng đoạn j − di: ngày tới hạn cơng việc i − Ri: thời gian sẳn sàng cơng việc i Ràng buộc: − Pij: Thời gian gia cơng cơng việc i Ci + Ei – Ti = di i = 1,…n cơng đoạn j ∑X n − Sij: Thời gian setup cơng việc i cơng đoạn j i =1 Ci ≥ − Uij: Thời gian bắt đầu cơng việc i ij j = 1,…m =1 m ∑ (P j =1 ij + Sij ) i = 1, …n, j = 1,…m cơng đoạn j Ci,j+1 ≥ Cij + Si,j+1 + Pi,j+1 i= 1,…n j = − Hi: Chi phí lưu kho cơng việc i 1,…m đơn vị thời gian Ui,j+1 ≥ Uij + Pij + Sij − β i : Chi phí hụt hàng cơng việc i đơn vị thời gian − w: Trọng số ưu tiên cho việc lưu trữ i= 1,…n j = 1,…m Ui1 ≥ Ri i = 1, …n Xij= [0, 1] i= 1,…n j = 1,…m 3.5 Các biến định − Ei: Thời gian sớm so với ngày tới hạn (Ei Ti, Uij) ≥ i= 1,…n j = 1,…m cơng việc i − Ti: Thời gian trễ so với ngày tới hạn 3.7 Các bước giải tốn theo giải thuật AIS cơng việc i , cơng việc i gia cơng cơng đoạn j − Xij = , trường hợp khác 3.6 Mơ hình tốn Min Z = n ∑ wH E i =1 i i + (1 − w)β i Ti 3.7.1 Mã hố Với n đơn hàng , ta có chuỗi số ngun .n thể thứ tự gia cơng đơn hàng (bảng điều độ) Chuỗi số ngun gọi kháng thể 3.7.2 Tìm lời giải tốt 3.7.2.1 Phát quần thể kháng thể ban đầu − Với độ lớn cố định quần thể xác định B Phát B kháng thể (chuỗi số ngun) có trật tự ngẫu nhiên − Chỉ giữ lại kháng thể có tính khả thi: thoả điều kiện ràng buộc mơ hình 3.7.2.2 Xác định giá trị hàm mục tiêu xác suất chọn lọc kháng thể + Kiểm tra tính khả thi kháng thể mới, thoả tiếp tục thực Ứng với bảng điều độ (kháng thể): bước sau, ngược lại loại bỏ phát − Tính giá trị hàm mục tiêu: Z = kháng thể khác n ∑ wH E + (1− w)β T i i i i i=1 − Tính xác suất chọn lọc (Ps) theo bước sau: + Xác định giá trị độ thích hợp kháng thể theo cơng thức: Giá trò độ thích hợp(z) = (Giátrò hàmmụctiêu lớn + ) − (Giátrò hàmmụctiêu(z)) + Tính giá trị hàm mục tiêu chuỗi đột biến nghịch đảo, giá trị hàm mục tiêu nhỏ nhân chọn chuỗi đột biến nghịch đảo làm tế bào nhân vơ tính thay cho tế bào nhân vơ tính cũ Ngược lại, thực bước − Phát chuỗi cách thực Với z: kháng thể “đột biến trao đổi cặp” (cặp trao đổi + Xác định xác suất chọn lọc chọn ngẫu nhiên) tế bào nhân vơ kháng thể: tính Xác suất chọn lọc (z) = Giá trò độ thích hợp (z) Tổn g giá trò độ thích kháng thể quần thể (Xác suất chọn lọc ln ≥ 0) 3.7.2.3 Phát tế bào nhân vơ tính (bản sao) kháng thể quần thể ban đầu Xác định số tế bào nhân vơ tính kháng thể theo cơng thức sau (vẫn đảm bảo số lượng B kháng thể quần thể): Số nhân bản(z) = Xácsuất chọn lọc(z)* B 3.7.2.4 Thực chế miễn dịch tế bào + Kiểm tra tính khả thi kháng thể mới, thoả tiếp tục thực bước sau, ngược lại loại bỏ phát kháng thể khác + Tiếp tục tính giá trị hàm mục tiêu chuỗi đột biến trao đổi cặp, giá trị nhỏ tế bào nhân vơ tính chọn thay cho tế bào nhân vơ tính cũ Nếu hai q trình khơng thu giá trị hàm mục tiêu tốt tế bào nhân vơ tính giữ ngun tế Mỗi lần phát tế bào nhân vơ tính, thực bước sau: bào nhân vơ tính cũ Sau thực − Phát chuỗi cách “đột biến kháng thể quần thể tế bào nhân nghịch đảo” (vị trí nghịch đảo chọn vơ tính Chọn quần thể tế bào nhân ngẫu nhiên) tế bào nhân vơ tính: chế miễn dịch tế bào cho tất vơ tính thay cho quần thể ban đầu để thực vòng lặp 3.7.2.5 lọc Thực q trình chọn Khi số vòng lặp x = A (với A tần suất loại bỏ xác định trước) thì: − Thực loại bỏ C kháng thể có giá Hình 4.1: Giao diện chương trình trị hàm mục tiêu xấu (lớn nhất) điều độ sản xuất quần thể (với C tỷ lệ loại bỏ Trên giao diện chương trình điều độ kháng thể xác định trước) sản xuất có vùng chứa thơng tin: − Đồng thời phát ngẫu nhiên C kháng thể mới, với điều kiện kháng thể thoả điều kiện ràng buộc giá trị hàm mục tiêu kháng thể phải tốt (nhỏ hơn) giá trị hàm mục tiêu kháng thể bị loại bỏ − Nếu kháng thể phát ngẫu nhiên đáp ứng u cầu thay C kháng thể bị loại bỏ để đảm bảo số lượng B kháng thể quần thể cho vòng lặp − Vùng – “Thơng số tốn”: thể thơng số đầu vào tốn gồm có: + Thời gian giao hàng đơn hàng: d + Thời gian sẵn sàng đơn hàng: R + Chi phí tồn kho: H + Chi phí hụt hàng: beta (β) + Số lượng sản phẩm đơn hàng: Q − Vùng – “Quần thể ban đầu”: chứa 3.7.3 Điều kiện dừng Có điều kiện dừng: − Sau d vòng lặp khơng có cải thiện giá trị hàm mục tiêu tốn − Sau D lần phát định Giới thiệu chương trình điều độ sản xuất 4.1 Giao diện thơng tin trật tự điều độ − Vùng – “Kết quả”: Thể kết tốn, bao gồm: + Thời gian chương trình chạy kết + Thứ tự điều độ đơn hàng + Giá trị hàm mục tiêu + Thơng tin chi tiết kết thực đơn hàng: thời gian hồn tất, thời gian trễ, thời gian sớm, chi phí tồn Qua khảo sát, ta thấy với thơng số : A kho, chi phí phạt = 3, B = 36, C = 97% ứng với trường hợp Hướng dẫn sử dụng: thứ bước cho kết tốt Vì − Bước 1: Chọn chức “Đọc chọn thơng số cho tốn liệu”, sau chọn file liệu − Bước 2: Chọn chức “Tìm lời giải” kết ban đầu − Bước 3: Chọn chức “Lời giải tốt hơn” cho kết tối ưu − Bước 4: “Thốt” khỏi chương trình Giá trị hàm mục tiêu (Z) GIÁ TRỊ HÀM MỤC TIÊU THAY ĐỔI THEO THƠNG SỐ 1600 1580 1583.8 Z 1560 1545.4 1540 1542.4 1527.4 1521.7 1520 1500 1480 25-38-75 13-31-88 6-34-94 3-36-97 2-35-95 Thơng số A-B-C Ngồi ra, chương trình số chức Hình 4.1: Đồ thị biểu diễn giá trị hàm khác như: − “Lời giải khác”: muốn tìm lời mục tiêu ứng với thơng số giải khác kết ban đầu − “Bài tốn khác”: muốn mở sang 4.2.2 Phân tích ảnh hưởng thơng số đến kết tốn tốn khác 4.2 Kết thực nghiệm Để xác định ảnh hưởng thơng số 4.2.1 Các thơng số tối ưu dùng A, B, C lên hàm mục tiêu tốn, ta giải thuật AIS cho dùng phương pháp phân tích ANOVA tốn thực tế với độ ý nghĩa α = 5% Mỗi thơng số Trong giải thuật “Hệ thống miễn dịch xét mức: 2, mức nhân tạo”, có thơng số cần xác thực 25 lần lặp định là: tần suất loại bỏ (A), độ lớn Phân tích phương sai (ANOVA) dùng để quần thể kháng thể (B) tỷ lệ loại bỏ xác định khác trị trung kháng thể (C) Phương pháp thiết kế thực bình đám đơng, để đưa kết luận nghiệm chấp nhận hay bác bỏ giả thiết nhiều Experimental bước Design (Multi Approach Step – = µ2 MSEDA) ứng dụng để tìm giá trị H1 : µ1 # µ2 tối ưu cho thơng số ứng với cách có sở tốn thực tế: điều độ 30 cơng việc máy H : µ1 % thay đổi Z 10% 8.31% 8% 6.64% 20 1609.88 1602.98 6.90 12 19 1642.379 1620.589 21.79 13 18 1992.64 1990.056 2.58 14 17 1839.798 1821.038 18.76 1294.237 31.99 11 ẢNH HƯỞNG CỦA THƠNG SỐ LÊN GIÁ TRỊ HÀM MỤC TIÊU 6.19% 6% 4% 15 16 1326.227 2% 16 15 1092.258 845.2106 247.05 17 14 914.0684 897.6868 16.38 18 13 1126.341 1125.551 0.79 1261.752 5.72 0% A B C Thơng số 19 12 1267.473 Hình 4.2: Đồ thị biểu diễn ảnh hưởng 20 11 824.575 812.4532 12.12 21 thơng số lên giá trị hàm mục tiêu 10 796.4905 787.9398 8.55 4.2.3 So sánh kết tốn giải giải thuật AIS với lời giải sử dụng điều độ hốn − Với 21 tốn khác giải thuật AIS cho giá trị hàm mục tiêu tốt phương pháp hốn vị vị, Khi giải tốn thực tế, điều độ 30 cơng − Với số lượng cơng việc từ 21 đến 30 việc máy giải thuật AIS, cho đơn hàng AIS cho kết với thời chương trình chạy 1000 lần với thơng gian nhanh hốn vị Tuy nhiên, từ 20 số A = 3, B = 36, C = 97%, thu kết đơn hàng trở xuống hốn vị cho thời sau: gian giải nhanh Bảng 4.1: Kết so sánh AIS hốn vị tốn khác STT Từ kết thấy rằng: Số đơn hàng Giá trị hàm mục tiêu Hốn vị AIS Cải thiện 1,486.651 2296.744 646.88 Ngun nhân có hai khả xảy ra: + Hốn vị phù hợp cho tốn có quy mơ nhỏ + Mỗi thơng số sử dụng thích hợp cho tốn cụ thể 30 29 2,133.534 2301.511 28 1953.721 1770.834 182.89 27 2300.424 2287.352 13.07 26 2763.735 2743.99 19.74 25 2302.62 2278.862 23.76 hoạch doanh nghiệp ngành may 24 1805.084 1764.275 40.81 chủ yếu dựa vào kinh nghiệm, trực quan 23 2139.435 2105.15 34.28 22 1864.748 thực thủ cơng nên gặp nhiều 1875.47 10.72 10 21 1435.523 1430.787 4.74 4.77 KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Hiện tại, cơng tác điều độ phòng Kế khó khăn điều độ cho nhiều đơn hàng, trường hợp Do hạn chế thời gian, phạm vi nghiên khách hàng thay đổi thời gian giao hàng cứu xuất phát từ nhu cầu thực tế Hơn nữa, cơng tác điều độ Xí nghiệp, nên đề tài tơi: tập trung vào mục tiêu giảm thiểu đơn − Tập trung vào mục tiêu cực tiểu tổng hàng trễ mà chưa tính tốn cân đối chi phí tồn kho chi phí hụt hàng chi phí tồn trữ chi phí hụt hàng − Khi phân tích ảnh hưởng thơng Vì vậy, việc ứng dụng phương pháp điều số dùng giải thuật AIS, kiểm tra độ khoa học áp dụng phần mềm phân tích ảnh hưởng thơng số xây dựng sở cần thiết phù lên kết tốn Đối với ảnh hưởng hợp thơng số với chấp nhận Sau q trình tìm hiểu mơ hình kết nghiên cứu trước “Giữa sản xuất với giải thuật tương thơng số khơng có tương tác lẫn ứng, khảo sát xác định mơ hình sản nhau” [16] mà khơng kiểm chứng thực tế xuất thực tế xí nghiệp may điển hình đề tài xí nghiệp may An Nhơn – Cơng ty Cổ − Kết tốn so sánh với phần Sản xuất Thương mại May Sài Gòn, kết phương pháp điều độ hốn vị giải thuật “Hệ thống miễn dịch nhân tạo – Vì vậy, đề tài phát triển AIS” chọn để giải tốn điều độ tiếp theo, tơi đề nghị: flow shop thu kết tốt − Áp dụng cho tốn đa mục tiêu, điều độ hốn vị cho tốn với gồm mục tiêu có thoả hiệp với mức cải thiện 43.51% thời gian chạy kết nhanh 12.8 lần Kết − Phân tích ảnh hưởng thơng số đạt với thơng số tìm A, B, C thơng số giải thuật qua “Phương pháp thiết kế thực nghiệm AIS nhiều bước - MSEDA” sau: − So sánh kết tốn giải − Tần suất loại bỏ: A = giải thuật AIS với kết giải − Độ lớn quần thể kháng thể: B = 36 giải thuật kinh nghiệm khác như: − Tỷ lệ loại bỏ kháng thể: C = 97% Tabu Search, giải thuật đàn kiến đặc Kiến nghị biệt giải thuật di truyền giải thuật AIS giải thuật di truyền có nhiều điểm tương tự − So sánh kết chương trình với [7] Lê Thị Phương Nhã, 2005, Chương kết thực tế trình điều độ cho mơ hình sản xuất, Đại học Bách Khoa Tp HCM [8] TÀI LIỆU THAM KHẢO Mario T.Tabucanon, 1988, Multiple Criteria Decision Making In [1] Dipak Laha, 2007,Heuristics and Industry, Elsevier Amsterdam – Oxford – Metaheuristics for Solving Scheduling New York – Tokyo Problems, Jadavpur University, India [9] [2] Hồ Thanh Phong, 2003, Kỹ Thuật 2007, A Heuristic Algorithm For Hybrid Ra Quyết Định Trong Cơng Nghiệp Và Flow-shop Production Scheduling To Quản Lý, Thành phố Hồ Chí Minh, NXB Minimize The Sum Of The Earliness And Đại học Quốc Gia Tp.HCM Tardiness Costs, Journal of Chinese [3] Institute of Industrial Engineers Hồ Thanh Phong, 2006, Kỹ Thuật Mehdi Heydari and M.B.Fakhrzad, Điều Độ Trong Sản Xuất Và DịchVụ, [10] Michael Pinedo and Xiuli Chao, Thành phố Hồ Chí Minh, NXB Đại học 1999, Quốc Gia Tp.HCM application [4] services, McGraw-Hill companies Hồ Thị Thục Khanh, 07/2006, Operation in Scheduling with manufacturing and Điều độ tái điều độ đơn hàng đa mục [11] Nguyễn Văn Hợp and Mario tiêu áp dụng xí nghiệp cơng ty may T.Tabucanon, Improvement of 28, Đại học Bách Khoa Tp HCM Process in Genetic Algorithms: An [5] James P.Ignizio, Linear Search Application of PCB Assembly Sequencing Programming in Single & Multiple Problem Objective Systems, Prentice – Hall, [12] Nguyễn Thái Ngun, 01/2006, Englewood Cliffs, N.J.07632 Ứng dụng giải thuật Tabu Search vào [6] Kerem Bulbul, Philip Kaminskya tốn điều độ flowshop đa mục tiêu and Candace Yano, 2003, Flow Shop cơng ty VietNamFatt, Đại học Bách Khoa Scheduling with Earliness, Tardiness, Tp HCM and [13] Nguyễn Thị Thu Ba Trần Trung Costs, Intermediate Industrial Operations Inventory Holding Engineering Research, University and Hiếu, 2005, Nghiên cứu, so sánh giải of thuật di truyền giải thuật tìm kiếm California, vùng cấm cho tốn điều độ đa mục Berkeley, California tiêu ứng dụng vào cơng ty cổ phần bánh kẹo Biên Hồ – Bibica, Đại học Bách [20] Trương Quốc Kiệt, 01/2004, Áp Khoa Tp HCM dụng giải thuật Tabu Search cho tốn [14] Nguyễn Đình Thiên, 2005, Áp điều độ flow shop cơng ty Huỳnh Gia dụng giải thuật hốn vị cho tốn điều Furniture, Đại học Bách Khoa Tp HCM độ mơ hình Flowshop cơng ty [21] Way Kuo, V Rajendra Prasad, sản xuất máy tính FPT – ELEAD, Đại Frank A Tillman and Ching – Lai học Bách Khoa Tp HCM Hwang, [15] Ngơ Nam Trung, 2005, Nghiên cứu Fundamentals giải thuật di truyền tốn điều Cambridge Optimal Reliability and Design Applications, độ đa mục tiêu ứng dụng điều độ cho xưởng sản xuất quạt cơng ty Nidec – Tosok, Đại học Bách Khoa Tp HCM [16] Orhan Engin and Alper Doyen, 2007, A New Approach To Solve Flowshop Scheduling Artificial Immune Problems Systems, By Dogus Universitesi Dergisi [17] Pankaj Chandra; Peeyush Mehta and Devanath Tirupati, 2004, Permutation Flowshop Scheduling with Earliness and Tardiness Penalties, India, Indian Institute of Management Ahmedabad [18] S Reza Hejazi and S Saghafian, 2004, Flowshop Scheduling problems with Criterion: a review, International Journal of Production Research [19] Trần Minh Anh, 2004, Hoạch định điều độ sản xuất áp dụng cho xí nghiệp (Khu D) cơng ty may Nhà Bè, Đại học Bách Khoa Tp HCM Thơng tin liên hệ tác giả (người chịu trách nhiệm viết): Họ tên: Nguyễn Thị Mai Trâm Đơn vị: Khoa Kinh Tế- ĐH SPKT Điện thoại: 01689990104 Email: tramntm@hcmute.edu.vn Chun ngành (hướng nghiên cứu): tài ngân hàng, supply chain management [...]... sánh giải of thuật di truyền và giải thuật tìm kiếm California, vùng cấm cho bài toán điều độ đa mục Berkeley, California tiêu ứng dụng vào công ty cổ phần bánh kẹo Biên Hoà – Bibica, Đại học Bách [20] Trương Quốc Kiệt, 01/2004, Áp Khoa Tp HCM dụng giải thuật Tabu Search cho bài toán [14] Nguyễn Đình Thiên, 2005, Áp điều độ flow shop tại công ty Huỳnh Gia dụng giải thuật hoán vị cho bài toán điều Furniture,... Sản xuất Thương mại May Sài Gòn, kết quả của phương pháp điều độ hoán vị giải thuật Hệ thống miễn dịch nhân tạo – Vì vậy, đối với những đề tài phát triển AIS” được chọn để giải bài toán điều độ tiếp theo, tôi đề nghị: flow shop đã thu được kết quả tốt hơn − Áp dụng cho bài toán đa mục tiêu, điều độ hoán vị cho cùng bài toán với gồm những mục tiêu có sự thoả hiệp với mức cải thiện là 43.51% và thời gian... 21 của các thông số lên giá trị hàm mục tiêu 10 796.4905 787.9398 8.55 4.2.3 So sánh kết quả bài toán khi giải bằng giải thuật AIS với lời giải khi sử dụng điều độ hoán − Với 21 bài toán khác nhau thì giải thuật AIS đều cho giá trị hàm mục tiêu tốt hơn phương pháp hoán vị vị, Khi giải bài toán thực tế, điều độ 30 công − Với số lượng công việc từ 21 đến 30 việc trên 4 máy bằng giải thuật AIS, cho đơn... khác như: − “Lời giải khác”: khi muốn tìm lời một mục tiêu ứng với các bộ thông số giải khác kết quả ban đầu − Bài toán khác”: khi muốn mở sang 4.2.2 Phân tích ảnh hưởng của các thông số đến kết quả bài toán bài toán khác 4.2 Kết quả thực nghiệm Để xác định ảnh hưởng của các thông số 4.2.1 Các thông số tối ưu dùng A, B, C lên hàm mục tiêu của bài toán, ta trong giải thuật AIS cho bài dùng phương pháp... Furniture, Đại học Bách Khoa Tp HCM độ đối với mô hình Flowshop tại công ty [21] Way Kuo, V Rajendra Prasad, sản xuất máy tính FPT – ELEAD, Đại Frank A Tillman and Ching – Lai học Bách Khoa Tp HCM Hwang, [15] Ngô Nam Trung, 2005, Nghiên cứu Fundamentals giải thuật di truyền trong bài toán điều Cambridge Optimal Reliability and Design Applications, độ đa mục tiêu và ứng dụng điều độ cho xưởng sản xuất quạt của... về các mô hình kết quả nghiên cứu trước đây là “Giữa sản xuất cùng với các giải thuật tương các thông số không có tương tác lẫn ứng, khảo sát và xác định mô hình sản nhau” [16] mà không kiểm chứng thực tế xuất thực tế tại xí nghiệp may điển hình trong đề tài là xí nghiệp may An Nhơn – Công ty Cổ − Kết quả bài toán chỉ được so sánh với phần Sản xuất Thương mại May Sài Gòn, kết quả của phương pháp điều. .. = 97% ứng với trường hợp Hướng dẫn sử dụng: thứ 4 ở bước 4 sẽ cho kết quả tốt hơn Vì − Bước 1: Chọn chức năng “Đọc dữ vậy chọn bộ thông số này cho bài toán liệu”, sau đó chọn file dữ liệu − Bước 2: Chọn chức năng “Tìm lời giải để cho kết quả ban đầu − Bước 3: Chọn chức năng “Lời giải tốt hơn” sẽ cho ra kết quả tối ưu − Bước 4: “Thoát” khỏi chương trình Giá trị hàm mục tiêu (Z) GIÁ TRỊ HÀM MỤC TIÊU... giữa các thông số quả đó đạt được với bộ thông số đã tìm A, B, C trong bộ thông số của giải thuật qua “Phương pháp thiết kế thực nghiệm AIS nhiều bước - MSEDA” như sau: − So sánh kết quả bài toán khi giải bằng − Tần suất loại bỏ: A = 3 giải thuật AIS với kết quả khi giải bằng − Độ lớn của quần thể kháng thể: B = 36 các giải thuật kinh nghiệm khác như: − Tỷ lệ loại bỏ kháng thể: C = 97% Tabu Search, giải. .. KIẾN NGHỊ Kết luận Hiện tại, công tác điều độ tại phòng Kế khó khăn khi điều độ cho nhiều đơn hàng, nhất là trong những trường hợp Do hạn chế về thời gian, phạm vi nghiên khách hàng thay đổi thời gian giao hàng cứu và xuất phát từ nhu cầu thực tế của Hơn nữa, công tác điều độ hiện nay chỉ Xí nghiệp, nên trong đề tài này tôi: tập trung vào mục tiêu giảm thiểu đơn − Tập trung vào mục tiêu cực tiểu tổng hàng... với điều kiện là những kháng thể này thoả các điều kiện ràng buộc và giá trị hàm mục tiêu của các kháng thể này phải tốt hơn (nhỏ hơn) giá trị hàm mục tiêu của các kháng thể đã bị loại bỏ − Nếu các kháng thể mới được phát ngẫu nhiên đáp ứng được yêu cầu trên thì sẽ thay thế C kháng thể bị loại bỏ để đảm bảo đúng số lượng B kháng thể trong quần thể cho vòng lặp tiếp theo − Vùng 1 – “Thông số bài toán :