Construction of Complex Schedules for Execution of Task Packages at Forming Sets in Specified Directive Terms

Cover Page

Cite item

Full Text

Abstract

The current state with the solution of the problem complex planning of the execution of task packets in multistage system is characterized by the absence of universal methods of forming decisions on the composition of packets, the presence of restrictions on the dimension of the problem and the impossibility of guaranteed obtaining effective solutions for various values of its input parameters, as well the impossibility of registration the condition of the formation of sets from the results. The solution of the task of planning the execution of task packets in multistage systems with the formation of sets of results within the specified deadlines has been realized of authors in article. To solve the planning problem, the generalized function of the system was decomposed into a set of hierarchically interrelated subfunctions. The use of decomposition made it possible to use a hierarchical approach for planning the execution of task packets in multistage systems, which involves defining solutions based on the composition of packets at the top level of the hierarchy and scheduling the execution of packages at the bottom level of the hierarchy. The theory of hierarchical games is used to optimize solutions for the compositions of task packets and schedules for their execution is built, which is a system of criteria at the decision-making levels. Evaluation of the effectiveness of decisions by the composition of packets at the top level of the hierarchy is ensured by the distribution of the results of task execution by packets in accordance with the formed schedule. To evaluate the effectiveness of decisions on the composition of packets, method for ordering the identifiers of the types of sets with registration of the deadlines and a method for distributing the results of the tasks performed by packets has been formulated, which calculates the moments of completion of the formation of sets and delays with their formation relative to the specified deadlines. The studies of planning the process of the executing task packages in multistage systems have been carried out, provided that the sets are formed within specified deadlines. On their basis, conclusions, regarding the dependence of the planning efficiency from the input parameters of the problem, were formulated.

About the authors

K. V Krotov

Sebastopol State University

Email: krotov_k1@mail.ru
Universitetskaya St. 33

A. V Skatkov

Sebastopol State University

Email: Vm1945@mail.ru
Universitetskaya St. 33

References

  1. Кротов К.В. Комплексный метод определения эффективных решений по составам партий данных и расписаниям их обработки в конвейерных системах // Журнал «Вычислительные технологии», Новосибирск, Изд-во Института вычислительных технологий СО РАН, № 3, 2018. С. 58-76.
  2. Mendez C.A. et al. State-of-the-art review of optimization methods for short-term scheduling of batch processes // Computers and Chemical Engineering, 2006, vol. 30, pp. 913–946.
  3. Adonyi R., Romero J., Puigjaner L., Friedler F. Incorporating heat integration in batch process scheduling // Applied Thermal Engineering, 2003, vol. 23, pp. 1743–1762.
  4. Agha M. Integrated management of energy and production: scheduling of batch process and Combined Heat & Power plant // University of Toulouse. National Polytechnic Institute of Toulouse (FRANCE), 2009.
  5. Zeballos L.J., Henning G.P. A CP approach to the scheduling of resource-constrained multiproduct continuous facilities // Latin American Applied Research, 2006, №36, pp. 205-212.
  6. Díaz-Ramírez J., Huertas J.I. A continuous time model for a short-term multiproduct batch process scheduling // Ingeniería e Investigación, 2018, vol. 38, №1, pp. 96-104. doi: 10.15446/ing.investig.v38n1.66425
  7. Ning Ch., You F. Batch Process Scheduling under Uncertainty using Data-Driven Multistage Adaptive Robust Optimization // Сhemical engineering transactions, 2017, vol. 61, pp. 1567-1572. doi: 10.3303/CET1761259
  8. Chaudhry I.A., Elbadawi I. A-Q., Usman M., Chugtai M. T. Minimising Total Flowtime in a No-Wait Flow Shop (NWFS) using Genetic Algorithms // Ingeniería e Investigación, 2018, vol. 38, № 3, pp. 68-79. doi: 10.15446/ing.investig.v38n3.75281
  9. Ogun B., Cigdem A.-U. Mathematical Models for a Batch Scheduling Problem to Minimizе Earliness and Tardiness // Journal of Industrial Engineering and Management. JIEM, 2018, № 11(3), pp. 390–405. doi: 10.3926/jiem.2541.
  10. Li X. L., Wang Y. Scheduling Batch Processing Machine Using Max–Min Ant System Algorithm Improved by a Local Search Method // Mathematical Problems in Engineering. 2018, vol. 2018, Article ID: 3124182, 10 pages. doi: 10.1155/2018/3124182.
  11. Tan Y., Huangi W., Sun Y., Yue Y. Comparative Study of Different Approaches to Solve Batch Process Sheduling and Optimisation Problems // Proceedings of the 18th International Conference on Automation & Computing. Loughborough University. Leicestershire. UK. 2012, pp. 424–444.
  12. Cheng B.-Y., Chen H.-P., Wang S.-S. Improved ant colony optimization method for single batch-processing machine with non-identical job sizes // Journal of System Simulation, 2009, vol. 21, № 9, pp. 2687–2695.
  13. Koehler F. Khuller S. Optimal Batch Schedules for Parrallel Machines // Algorithms and Data Structures: 13th International Symposium. Berlin: Springer, 2013, pp. 475–486.
  14. Monch L., Balasubramanian H., Fowler J. W., Pfund M. E. Heuristic scheduling of jobs on parallel batch machines with incompatible job families andunequal ready times // Computers & Operations Research, 2005, №32, pp. 2731–2750.
  15. Dang Th.-T., Frankovic B., Budinska I. Using heuristic search for solving single machine batch processing problems // Computing and Informatics, 2006, vol. 25, pp. 405–420.
  16. Kohn R., Rose O., Laroque Ch. Study on multi-objective optimization for parallel batch machine scheduling using variable neighbourhood search // Proceedings of the 2013 Winter Simulation Conference. 8th-11th December 2013, pp. 3654-3670.
  17. Li Sh., Cheng T.C.E., Ng C.T, Yuan J. Single-machine batch scheduling with job processing time compatibility // Theoretical Computer Science, 2015, vol. 583, pp. 57-66. doi: 10.1016/j.tcs.2015.03.043.
  18. Jin M., Liu X., Luo W. Single-Machine Parallel-Batch Scheduling with Nonidentical Job Sizes and Rejection // Mathematics, 2020, vol. 8, Article ID:258. doi: 10.3390/math8020258.
  19. Surjandari I., Rachman A., Purdianta, Dhini A. The batch scheduling model for dynamic multi-item, multi-level production in an assembly job shop with parallel machines // International Journal of Technology, 2015, №1, pp. 84-96. doi: 10.14716/ijtech.v6i1.783.
  20. Joglekar G. Using Simulation for Scheduling and Rescheduling of Batch Processes // Processes, 2017, # 5, Article ID 66. doi: 10.3390/pr5040066.
  21. Ковалев М.Я. Модели и методы календарного планирования. Курс лекций. Минск: БГУ. 2004. 63 с.
  22. Кротов К.В. Обоснование методов построения комплексных расписаний обработки партий данных при условии оперативного формировании комплектов из результатов // Вестник Воронежского Государственного Университета. Серия: Системный анализ и информационные технологии, №4, 2018, C. 58–72.
  23. Кротов К.В. Использование аппарата генетических алгоритмов при формировании решений по составам партий данных в двухуровневой задаче построения комплексных расписаний их обработки // Автоматизированные технологии и производства. Международный научно-технический журнал, 2017, №2(16). C. 23–34.
  24. Кротов К.В. Построение комплексных расписаний обработки пакетов данных в конвейерной системе при задании ограничений на длительность интервалов времени ее функционирования // Труды учебных заведений связи, 2020, т.6, №3. С. 75–89.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».