Розробка інформаційної технології планування виконання замовлень для харчового підприємства
DOI:
https://doi.org/10.15587/1729-4061.2020.195455Ключові слова:
математична модель, планування виконання замовлень, комбінований алгоритмАнотація
Запропоновано інформаційну технологію для розв’язання задачі планування виконання замовлень по виготовленню продукції на харчових підприємствах в умовах невизначеності та ризику. Інформаційна технологія ґрунтується на комбінуванні алгоритмів мурашиної колонії, сірих вовків та генетичного, а також розробленій математичної моделі оперативного виконання замовлень. Перевагами комбінування алгоритмів є формування альтернативних варіантів планів та уникнення локальних оптимумів. Запропонована математична модель містить часткові критерії, обмеження та оціночну функцію для визначення ефективності сформованого варіанту плану виконання замовлень. Для наочності оцінки ефективності варіанту виконання замовлень запропоновано застосування пелюсткової діаграми та адитивної згортки часткових критеріїв. Математична модель дозволяє ОПР визначити будь-який набір часткових критеріїв для врахування особливостей параметрів виконання замовлень.
Інформаційна технологія забезпечує швидку реконфигурацію поточного плану виконання замовлень у разі виникнення позаштатних ситуацій або необхідності термінового виконання певного замовлення
Посилання
- Hrybkov, S., Oliinyk, H., Litvinov, V. (2018). Weboriented decision support system for planning agreements execution. Eastern-European Journal of Enterprise Technologies, 3 (2 (93)), 13–24. doi: https://doi.org/10.15587/1729-4061.2018.132604
- Kharkianen, O., Myakshylo, O., Hrybkov, S., Kostikov, M. (2018). Development of information technology for supporting the process of adjustment of the food enterprise assortment. Eastern-European Journal of Enterprise Technologies, 1 (3 (91)), 77–87. doi: https://doi.org/10.15587/1729-4061.2018.123383
- Santosh, K. S., Vinod, K. G. (2015). Genetic Algorithms: Basic Concepts and Real World Applications. International Journal of Electrical, Electronics and Computer Systems (IJEECS), 3 (12), 116–123.
- Senthilkumar, K. M., Selladurai, V., Raja, K., Thirunavukkarasu, V. (2011). A Hybrid Algorithm Based on PSO and ACO Approach for Solving Combinatorial Fuzzy Unrelated Parallel Machine Scheduling Problem. European Journal of Scientific Research, 64 (2), 293–313.
- Lin, Y.-K. (2017). Scheduling efficiency on correlated parallel machine scheduling problems. Operational Research, 18 (3), 603–624. doi: https://doi.org/10.1007/s12351-017-0355-0
- Rodriguez, F. J., Lozano, M., García-Martínez, C., González-Barrera, J. D. (2013). An artificial bee colony algorithm for the maximally diverse grouping problem. Information Sciences, 230, 183–196. doi: https://doi.org/10.1016/j.ins.2012.12.020
- Sivaraj, R., Ravichandran, T., Devi Priya, R. (2012). Boosting Performance of genetic algorithm through Selective initialization. European Journal of Scientific Research, 68 (1), 93–100.
- Arendateleva, S. I. (2010). Matematicheskoe modelirovanie proizvodstvennogo planirovaniya na malom predpriyatii. Vestnik Tverskogo gosudarstvennogo universiteta. Seriya: Prikladnaya matematika, 2 (17), 97–109.
- Boyko, R., Hrybkov, S. (2019). Network structures for managing complex organizational-technical (technological) systems. Food Industry, 25, 116–123. Available at: http://nbuv.gov.ua/UJRN/Khp_2019_25_17
- Sobchak, A., Lutai, L., Fedorenko, M. (2019). Development of information technology elements for decision-making support aimed at re-structuring production at virtual instrument-making enterprises. Eastern-European Journal of Enterprise Technologies, 5 (4 (101)), 53–62. doi: https://doi.org/10.15587/1729-4061.2019.182039
- Georgiadis, G. P., Elekidis, A. P., Georgiadis, M. C. (2019). Optimization-Based Scheduling for the Process Industries: From Theory to Real-Life Industrial Applications. Processes, 7 (7), 438. doi: https://doi.org/10.3390/pr7070438
- Barker, K., Wilson, K. J. (2012). Decision Trees with Single and Multiple Interval-Valued Objectives. Decision Analysis, 9 (4), 348–358. doi: https://doi.org/10.1287/deca.1120.0253
- Kamiński, B., Jakubczyk, M., Szufel, P. (2017). A framework for sensitivity analysis of decision trees. Central European Journal of Operations Research, 26 (1), 135–159. doi: https://doi.org/10.1007/s10100-017-0479-6
- Oliynyk, H. V., Hrybkov, S. V. (2017). Modyfikovanyi ACO alhorytm pobudovy kalendarnoho planu vykonannia dohovoriv. Matematychne ta kompiuterne modeliuvannia. Seriya: Tekhnichni nauky, 15, 156–162.
- Wu, H.-S., Zhang, F.-M. (2014). Wolf Pack Algorithm for Unconstrained Global Optimization. Mathematical Problems in Engineering, 2014, 1–17. doi: https://doi.org/10.1155/2014/465082
- Zhang, Y., Balochian, S., Agarwal, P., Bhatnagar, V., Housheya, O. J. (2014). Artificial Intelligence and Its Applications. Mathematical Problems in Engineering, 2014, 1–10. doi: https://doi.org/10.1155/2014/840491
- Mirjalili, S., Mirjalili, S. M., Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software, 69, 46–61. doi: https://doi.org/10.1016/j.advengsoft.2013.12.007
- Madadi, A., Motlagh, M. (2014). Optimal Control of DC motor using Grey Wolf Optimizer Algorithm. Technical Journal of Engineering and Applied Science, 4 (4), 373–379.
- Yannibelli, V., Amandi, A. (2012). A deterministic crowding evolutionary algorithm to form learning teams in a collaborative learning context. Expert Systems with Applications, 39 (10), 8584–8592. doi: https://doi.org/10.1016/j.eswa.2012.01.195
- Jie Yao, Kharma, N., Grogono, P. (2010). Bi-Objective Multipopulation Genetic Algorithm for Multimodal Function Optimization. IEEE Transactions on Evolutionary Computation, 14 (1), 80–102. doi: https://doi.org/10.1109/tevc.2009.2017517
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Serhii Hrybkov, Olena Kharkianen, Volodymyr Ovcharuk, Iryna Ovcharuk
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.