Библиографическое описание:Анализ исходных данных при реализации оптимизационной модели планирования : научное издание / М. А. Казанцев, И. А. Пиньчук, Е. Е. Носкова, Д. Г. Гайфулин. - Текст : непосредственный // Динамика сложных систем - XXI век. - 2026. - Т. 20, № 1. - С. 50-61. - ISSN 1999-7493, DOI 10.18127/j19997493-202601-05.
Аннотация:Постановка проблемы. Современные радиоэлектронные производства характеризуются большой номенклатурой изделий и их высокой сложностью, что требует развитых инструментов внутрицехового планирования. Задача внутрицехового оперативного планирования для производств универсального типа остаётся одной из наиболее сложных в теории расписаний и оперативного управления производством. Формирование производственного плана требует комплексного учета главных компонентов производственной системы, связывающих исходные данные и методы решения задач. Цель. Построить оптимизационную модель внутрицехового планирования как информационную модель с целью формализации постановки задачи планирования в виде задачи технической оптимизации; реализовать методы планирования для производства универсального типа; проанализировать влияние количественных и качественных характеристик исходных данных на эффективность работы методов. Результаты. Разработана оптимизационная модель внутрицехового планирования на базе адаптированных методов ветвей и границ и табу поиска с учетом специфики универсального типа. Проведены вычислительные эксперименты на основе исходных данных с разными характеристиками, полученных с помощью программы генерации исходных данных для оптимизационных моделей производственного планирования. Получены результаты оценки эффективности методов планирования при построении производственных расписаний в зависимости от времени работы производственной системы и суммарного времени простоев оборудования. Практическая значимость. Полученные результаты позволяют выработать стратегию выбора алгоритмов из библиотеки планирования на основе анализа свойств исходных данных, что даёт возможность оценить характер задачи и определить эффективность метода планирования до запуска расчётов. Использование метрик для анализа исходных данных делает поведение алгоритмов предсказуемым. Такой подход открывает возможность адаптации существующих решений под специфику отдельных цехов и производств, учитывающих особенности их технологических процессов и ресурсных ограничений. Предложенная оптимизационная модель и полученные экспериментальные данные могут быть использованы для разработки ИИ-агента, решающего задачу оптимизации производственного планирования.
Problem statement. Modern radio-electronic manufacturing is characterized by a large product range and high complexity of items, which requires advanced shop-floor planning tools. The operational scheduling problem for job-shop-type production remains one of the most challenging in scheduling theory and production control. The development of a production plan requires a comprehensive consideration of the principal components of a manufacturing system that connect the input data and the applied solution methods. Objective. To construct an optimization model of shop-floor planning as an information model aimed at formalizing the scheduling problem statement in the form of a technical optimization task; to implement planning algorithms for job-shop-type production; to analyze the influence of quantitative and qualitative input data characteristics on algorithm performance. Results. An optimization model of shop-floor planning has been developed based on adapted branch-and-bound and tabu search methods, taking into account the specifics of job-shop-type production. Computational experiments were performed using input datasets with different characteristics generated by a data generator for optimization models of production planning. The obtained results provide an assessment of the efficiency of planning methods in constructing production schedules depending on the manufacturing system operating time and the total idle time of equipment. Practical significance. The obtained results enable the development of a strategy for selecting algorithms from a planning library based on the analysis of input data properties, which allows evaluating the nature of a scheduling problem and predicting the efficiency of a planning method before computation. The use of metrics for input data analysis makes algorithm behavior predictable. This approach opens up the possibility of adapting existing solutions to the specifics of individual shops and manufacturing systems, taking into account their technological processes and resource constraints. The proposed optimization model and the experimental results can be used to design an intelligent scheduling agent solving production planning optimization problems.
