MPD_10_AG

advertisement
WYBÓR STRATEGII DOSTAW I
MAGAZYNOWANIA MATERIAŁÓW
BUDOWLANYCH Z
ZASTOSOWANIEM ALGORYTMÓW
GENETYCZNYCH
Opracował: dr inż. Michał Krzemiński
Określanie kosztów zapasów w
budownictwie
Koszty zapasów w ujęciu analizy logistycznej dzieli
się na następujące podgrupy:
 koszty tworzenia zapasów,
 koszty utrzymania zapasów,
 koszty dostaw,
 koszty wyczerpania zapasów.
Koszty tworzenia zapasów


Koszty utrzymania działów zakupów. Koszty te są
kosztami względnie stałymi.
Koszty zakupów, kształtujące się wprost
proporcjonalnie do wielkości zakupów
Koszty utrzymania zapasów





koszty kapitałowe
koszty magazynowania - koszty utrzymania tych
zapasów w magazynie i koszty związane z
przepływem zapasów,
koszty obsługi zapasów - ubezpieczenie oraz
podatki od wartości utrzymywanych zapasów,
koszty ryzyka – niezależna utrata wartości
Koszty starzenia się i psucia zapasów
Koszty dostaw


Koszty zamawiania powstające w wyniku
zamawiania u dostawców zewnętrznych.
Koszty przestawiania produkcji, występujące
najczęściej w wyniku modyfikacji linii produkcyjnej
przedsiębiorstwa.
Koszty wyczerpania zapasów

Jest to ważny element kosztów zapasów ponieważ
nieraz zdarza się tak że chcąc maksymalnie
minimalizować straty związane z nadmiernym
magazynowaniem materiału jesteśmy zmuszeni
ponieść stratę związaną wystąpieniem braku
materiału. Koszty te mogą być bardzo wysokie
ponieważ powodowane mogą być zatrzymanie
procesu inwestycyjnego, a to z kolei w przypadku
budownictwa w którym nieraz występują wysokie
kary umowne może być bardzo niebezpieczne dla
efektywności finansowej przedsięwzięcia
Wyznaczenie kosztów zapasów
K Z  Wd  Ktz  Pm  Kuz  I m  K mioz
gdzie:
 Wd
- wielkość dostaw,
 Pm
- wielkość powierzchni magazynowej, w tym
przypadku w ujęciu przedziałowym (na przykład 100 m2,
200m2, 300m2, …, itd.)
 Im
- ilość magazynowanego materiału,
 Ktz
- jednostkowy koszt tworzenia zapasów,
 Kuz
- koszty utrzymania zapasów,
 Kmioz
- jednostkowy koszt magazynowania i obsługi
zapasów.
Algorytmy genetyczne –
wprowadzenie


Klasyczny algorytm genetyczny
Modyfikacje klasycznego algorytmu genetycznego
Klasyczny algorytm genetyczny



Johna Henrego Hollanda profesora psychologii,
inżynierii elektrycznej oraz nauk komputerowych z
Uniwersytetu w Michigan
„Adaptation in Natural and Artificial Systems” która
została wydana w 1975 roku.
Inspiracją do opracowania algorytmów genetycznych
była chęć naśladowania procesów zachodzących w
środowisku naturalnym.
Klasyczny algorytm genetyczny
W algorytmach genetycznych wykorzystywane są
mechanizmy ewolucji naturalnej takie jak:
 selekcja,
 przetrwanie osobników najlepiej przystosowanych,
 reprodukcja.
Klasyczny algorytm genetyczny
Definicje pojęć występujących najczęściej:


Populacja
- to zbiór osobników o określonej liczebności.
Osobnik - w algorytmach genetycznych jest to zbiór
parametrów zadania zakodowany pod postacią chromosomu.
Parametry te to rozwiązania zwane także punktami
przestrzeni poszukiwań.

Chromosom - jest to uporządkowany ciąg genów.

Gen - jest to pojedynczy element genotypu a w szczególności
chromosomu.
Klasyczny algorytm genetyczny
Definicje pojęć występujących najczęściej:

Genotyp - jest to zespół chromosomów danego
osobnika. Wynika z tego że osobnikami danej
populacji mogą być genotypy, bądź pojedyncze
chromosomy.

Fenotyp - jest odkodowany genotyp, czyli zbiór
parametrów odpowiadających danemu genotypowi.

Allel - jest wartością danego genu,

Locus - określa pozycję danego genu w chromosomie.
Klasyczny algorytm genetyczny
Modyfikacje klasycznego
algorytmu genetycznego







Metody selekcji chromosomów – turniejowa i
rankingowa,
Szczególne metody reprodukcji – elitarna i częściowa
wymiana populacji,
Kodowanie – binarne, logarytmiczne i
zmiennoprzecinkowe,
Rodzaje krzyżowań,
Rodzaje mutacji,
Inwersja – zmiana wewnątrz chromosomu,
Skalowanie funkcji przystosowania
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
START
Inicjacja - wybór początkowej populacji chromosomów
Ocena przystosowania chromosomów w populacji
NIE
Selekcja chromosomów
Warunek
zatrzymania
Baza
chromosomów
z największą
wartością
funkcji
przystosowania
TAK
Wyprowadzenie
"najlepszego"
chromosomu
Zastosowanie operatorów
genetycznych
STOP
Utworzenie nowej
populacji
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych - CD
Wprowadzenie harmonogramu zużycia materiału:
A  a1 , a2 ,..., an  gdzie a  0
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych - CD
Inicjacja – wybór początkowej populacji chromosomów, rozumianych
jako warianty harmonogramów dostaw:
 dlugosc horyzontu  10
Wielkosc populacji  10  
*2

10


Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
START
Inicjacja - wybór początkowej populacji chromosomów
Ocena przystosowania chromosomów w populacji
NIE
Selekcja chromosomów
Warunek
zatrzymania
Baza
chromosomów
z największą
wartością
funkcji
przystosowania
TAK
Wyprowadzenie
"najlepszego"
chromosomu
Zastosowanie operatorów
genetycznych
STOP
Utworzenie nowej
populacji
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych - CD
Ocena przystosowania chromosomów w populacji:
Ki  di  K  K  mi  K
tz
i
nk
d i   an
mi  mi1  ai1  di
n i

K  k k k k
tz
t
d
z
uz
i
m
mioz
i  1, i  N

100%  ri 

K iuz  k mg1  k zk mi  k sz mi  k mg Di
100%
K mioz  k zm  k ze  k nr  k p  k u  k su  k ok  k uo  k in
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
START
Inicjacja - wybór początkowej populacji chromosomów
Ocena przystosowania chromosomów w populacji
NIE
Selekcja chromosomów
Warunek
zatrzymania
Baza
chromosomów
z największą
wartością
funkcji
przystosowania
TAK
Wyprowadzenie
"najlepszego"
chromosomu
Zastosowanie operatorów
genetycznych
STOP
Utworzenie nowej
populacji
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych - CD
Selekcja chromosomów – funkcja rankingowa (pętla do
y = 1):
x  wielkosc populacji
x
y  1
2
y1  x  y
y1
y2 
2
x  y1
y  y2
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych - CD
Selekcja chromosomów – funkcja rankingowa
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
START
Inicjacja - wybór początkowej populacji chromosomów
Ocena przystosowania chromosomów w populacji
NIE
Selekcja chromosomów
Warunek
zatrzymania
Baza
chromosomów
z największą
wartością
funkcji
przystosowania
TAK
Wyprowadzenie
"najlepszego"
chromosomu
Zastosowanie operatorów
genetycznych
STOP
Utworzenie nowej
populacji
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
Zastosowanie operatorów genetycznych:
 Krzyżowanie wielopunktowe zależne od długości
chromosomów, próg 0,75,
 Mutacja chromosomu na poziomie 0,10, mutacja
poszczególnych genów na poziomie 0,05.
 Podane wielkości zostały przyjęte na podstawie
literatury i badań.
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych



Utworzenie nowej populacji,
Warunek zatrzymania: całkowita zbieżność lub
określona z góry liczba przejść pętli,
Wybór najlepszego chromosomu który odpowiada
optymalnej strategii dostaw.
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
Model probabilistyczny uzyskany został poprzez
wprowadzenie do modelu deterministycznego
elementów zapasu buforowego przy wyznaczaniu
ilości magazynowanego materiału
Deterministyczny model sterowania zapasami z
zastosowaniem algorytmów genetycznych
nk
d i   an  zi 1  zi
n i
W przypadku wystąpienia ujemnej wartości dostawy di
< 0, należy wartość dostawy wyzerować di = 0 oraz
przyporządkować jej obliczoną ujemną wielkość w
wartości bezwzględnej jako wartość zapasu
buforowego dla następnego przedziału zn = IdiI
Program komputerowy AGSDiMMB

Program komputerowy „Algorytm Genetyczny
Sterowania Dostawami i Magazynowaniem
Materiałów Budowlanych” ( AGSDiMMB ) został
napisany w obiektowym języku programowania
Java
Przykłady
Przykłady - CD
Przykład dla stali zbrojeniowej
Obiekt został zaprojektowany jako konstrukcja
szkieletowa. Słupy w większości zostały wykonane
jako kwadratowe, podciągi zostały zaprojektowane
w płytach stropowych. W budynku znajduje się
żelbetowa prefabrykowana obudowa klatki
schodowej i szybów windowych. Początek budowy
został zaplanowany w listopadzie 2008 roku
natomiast budowa została zakończona w czerwcu
2009 roku. Łączny czas prowadzenia robót wynosił
więc powyżej 190 dni. Harmonogram został
wprowadzony do pliku typu „*.txt”
Przykład dla stali zbrojeniowej
Przykład dla stali zbrojeniowej
Przykład dla stali zbrojeniowej
Przykład dla stali zbrojeniowej
Przykład dla stali zbrojeniowej
Download