Projekti / Programi
Stohastični modeli za logistiko proizvodnih procesov
| Koda |
Veda |
Področje |
Podpodročje |
| 2.10.02 |
Tehnika |
Proizvodne tehnologije in sistemi |
Izdelovalna tehnologija |
| Koda |
Veda |
Področje |
| 2.03 |
Tehniške in tehnološke vede |
Mehanika |
pametna tovarna, optimizacija proizvodnih procesov, hevristike in umetna inteligenca, logistika v proizvodnji, digitalni dvojček
Raziskovalci (20)
Organizacije (1)
Povzetek
Pri organizaciji proizvodnje v sodobnem podjetju, še posebej tistem, ki sledi viziji tovarne 4.0, je ključni dejavnik konkurenčnosti optimizacija proizvodnih procesov. Načrtovanje proizvodnje na osnovi daleč vnaprej znanih točno določenih velikih naročil se hitro umika proizvodnji majhnih serij izdelkov ali celo individualizirani proizvodnji, kjer so dobavni časi vedno krajši, kupci pa želijo imeti možnost spreminjanja podrobnosti naročila čim dlje. Zaradi vsega tega ter zaradi zmanjševanja stroškov skladiščenja se zaloga materiala vztrajno zmanjšuje, kar očitno prenaša eno od težišč optimizacije proizvodnje na področje logistike proizvodnih sistemov. Modeliranje praktičnih problemov s stohastičnimi modeli je v zadnjem času izredno zanimiva tema na področju teoretične in uporabne znanosti. Pristopi so različni, razkorak med teoretičnimi rezultati in praktično uporabnimi metodami pa je še vedno velik. Z aktualno temeljno raziskavo želimo dodati originalne prispevke v segmentu, ki je raziskovalni izziv z veliko potencialno uporabnostjo in se navezuje na cilje Slovenske strategije pametne specializacije (SVRK, 2015). V okviru projekta nameravamo definirati in študirati originalen generični model, s katerim bomo na poenoten način modelirali logistiko proizvodnih procesov. Razvili bomo prototipno optimizacijsko orodje, v katerem bodo sodelovali različni programski moduli, ki bodo ponujali inteligentne optimizacijske algoritme za različne specialne modele na strateškem, taktičnem in operativnem nivoju. Ker bodo moduli komunicirali preko istih podatkovnih struktur, bo naravno omogočeno sodelovanje različnih hevristik. Cilj je razviti hevristične algoritme, ki se bodo dinamično prilagajali spremembam v okolju, tako da bomo uporabili metode iz statistične teorije učenja in umetne inteligence. Med posebnimi modeli, ki jih nameravamo razviti bodo predvsem stohastične verzije znanih in novih optimizacijskih problemov. Reševanje takih nalog je praviloma računsko izredno intenzivno, zato bomo za implementacijo hevristik in njihovo analizo uporabili visoko zmogljivi računalnik na FS UL. Načrtujemo tudi realizacijo eksperimentalne pametne tovarne v demo centru na FS UL, kjer bomo demonstrirali sinergijske učinke zaradi sodelovanja optimizacijskih modulov na različnih nivojih. Projekt je ambiciozen, saj bo izvedljiv samo s povezovanjem znanja iz zelo različnih področij, od zelo konkretnega o logistiki in optimizaciji proizvodnih procesov v pametni tovarni, do poznavanja teorije računske kompleksnosti in hevristik za težke optimizacijske probleme. Za realizacijo bodo nujno potrebna tudi znanja in veščine programiranja v okolju HPC in v demo centru pametne tovarne. Sestava projektne ekipe vključuje raziskovalce s področja strojništva, matematike in računalništva, njihove izkušnje in reference pa zagotavljajo izvedljivost projekta. Predvideni originalni in inovativni rezultati bodo predvsem: -Originalen generični model logistike proizvodnih procesov, ki bo dovolj splošen, da bo zajel mnoge (ali vse) smiselne specialne modele; -Prototipno optimizacijsko orodje z moduli za reševanje optimizacijskih nalog na različnih nivojih (strateškem, taktičnem in operativnem); -Novi modeli za relevantne optimizacijske naloge, kjer bomo predvsem definirali stohastične verzije; -Novi hevristični algoritmi za nove in znane optimizacijske naloge, kjer bo novost predvsem sodelovanje med hevristikami na različnih nivojih; -Demonstracija metodologije v demo centru pametne tovarne. Originalni rezultati bodo objavljivi v znanstveni literaturi, pridobljeno znanje pa bomo v primerni obliki vključili v pedagoški proces. Prototipno programsko orodje in pridobljeno znanje bo tudi uporabno v prihodnjih aplikativnih in razvojnih raziskavah. Programsko orodje bo zasnovano tako, da ga bo mogoče dopolnjevati in tako širiti nabor povezanih optimizacijskih modulov.
