Razporejanje proizvodnje z metodami strojnega učenjaRupnik, Robert (Avtor) Kofjač, Davorin (Mentor) Brezavšček, Alenka (Komentor) strojno učenjegenetski algoritmioptimiranjestohastični procesiplaniranje (terminiranje) proizvodnega procesaproizvodni managementProcesi v kompleksnih proizvodnih okoljih postajajo vse bolj nepredvidljivi in se zaradi nenehnih spreminjajočih se zahtev odjemalcev v globalnem okolju čedalje hitreje spreminjajo. Podjetja so se tako že v preteklosti pričela podrobneje organizirati in so v procese vključevala pomagala za terminiranje proizvodnje posameznega izdelka. Danes so na trgu že zelo dodelani računalniško podprti programi, ki pa žal ne predstavljajo ustrezne rešitve v kompleksnih okoljih, kjer imamo opravka z masovnimi, stohastičnimi tokovi materialov. V nalogi smo prikazali praktično uporabo aplikacije, izdelane z metodo strojnega učenja in genetskih algoritmov, v konkretnem proizvodnem okolju jeklarne SIJ Acroni d. o. o. Podjetje sestavljajo štiri enote, optimirali pa smo sklop strojev v eni izmed njih. Zaradi kompleksnosti proizvodnje izključno unikatnih izdelkov proces optimiranja v takem primeru preseže orodja klasičnega terminiranja kakor tudi človeško kombinatoriko. Reševanja izziva zmanjšanja zastojev smo se lotili z uporabo znanja s področja umetne inteligence in genetskih algoritmov. Razvili smo model za sklop strojev in izvedli njegovo validacijo s pomočjo dogodkovne simulacije. Genetske algoritme smo uporabili za iskanje optimalnega proizvodnega razporeda. V izvedeni preliminarni študiji smo ugotovili, da lahko z uporabo genetskih algoritmov čas proizvodnje skrajšamo v povprečju tudi za 4 %, kar pomeni velike časovne prihranke in za podjetje tudi nižje stroške obratovanja proizvodnje. Na ta način smo dokazali, da predstavljajo genetski algoritmi primerno metodo za optimiranje kompleksnih proizvodnih procesov, kar pripomore k večji produktivnosti proizvodnega procesa.20162016-09-11 22:19:10Magistrsko delo/naloga63462COBISS_ID: 7794963NUK URN: URN:SI:UM:DK:LL21PNHHsl