Transcript MPD_10_AG
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
KZ Wd Ktz Pm Kuz I m Kmioz
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:
dlugoschoryzontu 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
nk
d i an
mi mi1 ai1 di
ni
K k k k k
tz
t
d
z
uz
i
m
100 % ri
100 %
mioz
i 1, i N
Kiuz k mg 1 k zk mi k sz mi k mg Di
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
nk
d i an zi1 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