O M I D
08-30-2012, 07:03 PM
Mathematical Models of Autonomous Logistic Processes (http://sotman.blogfa.com/post-1.aspx) Scholz-Reiter B, Wirth F, Freitag M, Dashkovskiy S, Jagalski T, de Beer C, Rüffer B There exist various approaches to the mathematical modelling of dynamic processes occurring in shop floor logistics. These include methods from queuing theory or use dynamical systems given by ordinary or partial differential equations (fluid models). If the number of elements within the process is large it can become prohibitively complex to analyse and optimize a given logistic process or the corresponding mathematical model using global strategies. A new approach is to provide for an autonomy of various smaller entities within the logistic network, i.e. for the possibility of certain elements to make their own decisions. This necessitates changes in the appropriate mathematical models and opens the question of stability of the systems that are designed. In this paper we discuss the fundamental concepts of autonomy within a logistic network and mathematical tools that can be used to model this property. Some remarks concerning the stability properties of the models are made.
مدل ریاضی از فرایند خودمختار لجستیک
Scholz - ریتر ب ، Wirth اف ، Freitag م ، Dashkovskiy س ، تی Jagalski ، د ج آبجو ، Rüffer ب
وجود روش های مختلف برای مدل سازی ریاضی فرآیند پویا رخ می دهد در تدارکات کارگاه وجود دارد. این خدمات عبارتند از مواد و روش ها از تئوری صف بندی یا استفاده از سیستم های دینامیکی داده شده توسط معادلات دیفرانسیل معمولی و یا جزئی (مدل های مایع). اگر تعداد عناصر در روند بزرگ است می تواند تبدیل به مانع پیچیده به تجزیه و تحلیل و بهینه سازی فرآیند لجستیک داده یا مدل ریاضی مربوطه با استفاده از استراتژی های جهانی است. رویکرد جدید این است که برای استقلال از نهاد های مختلف کوچک در شبکه لجستیک ، یعنی برای امکان از عناصر خاص برای تصمیم گیری خود را ارائه می کنند. این مستلزم تغییر در مدل های مناسب ریاضی و باز پرسش از ثبات سیستم که طراحی شده اند. در این مقاله مفاهیم اساسی ما از بحث در مورد استقلال در شبکه لجستیک و ابزارهای ریاضی است که می تواند مورد استفاده قرار گیرد به این مدل مالکیت. برخی از اظهارات در مورد خواص ثبات از مدل ساخته شده است.
Introduction
In a production network (e.g. on shop floor level), the flow of parts is usually pre-planned by a central supervisory or control system. This approach fails for large scale networks in the presence of highly fluctuating demand or unexpected disturbances [21]. One of the reasons for this phenomenon is that in practice the complexity of centralized control architectures tends to grow rapidly with the size of the network, resulting in rapid deterioration of fault tolerance, adaptability and flexibility [25].
معرفی
در شبکه های تولید (به عنوان مثال در سطح مغازه زمین) ، جریان از قطعات است که معمولا از قبل برنامه ریزی شده توسط یک سیستم مرکزی نظارت یا کنترل. این رویکرد با شکست مواجه برای شبکه های در مقیاس بزرگ در حضور نوسان تقاضا بسیار غیر منتظره و یا اختلالات [21]. یکی از دلایل این پدیده این است که در عمل پیچیدگی معماری کنترل مرکزی تمایل دارد تا به سرعت در حال رشد با اندازه شبکه ، منجر به بدتر شدن سریع از تحمل خطا ، adapta - bility و انعطاف پذیری [25].
An advantageous alternative is the management of the dynamic behaviour according to the requirements of production logistics. In this sense the development of decentralised and autonomous control strategies is a promising research field [27]. Here autonomous control describes a decentralised coordination of intelligent logistic objects (parts, machines etc.) and the allocation of jobs to machines by the intelligent parts themselves. Therefore, there are no standard policies for production logistics that may be readily applied. Instead, strategic policies have to be derived that enable the parts to decide autonomously, instantaneously and using locally available information only to choose between different alternatives. The application of autonomous control in production networks leads to a coalescence of material flow and information flow and enables every part or product to manage and control its manufacturing process autonomously [7]. The dynamics of such a system depends on the local decision-making processes and produces a system’s global behaviour that has new emerging characteristics [20].
جایگزین مزایای مدیریت رفتار دینامیکی با توجه به الزامات تدارکات تولید است. در این مفهوم از توسعه استراتژی های کنترل غیر متمرکز و خود مختار است زمینه تحقیقات امیدوار کننده [27]. در اینجا شاهد مستقل توصیف هماهنگی غیر متمرکز از اشیاء هوشمند لجستیک (قطعات ، ماشین آلات و غیره) و اختصاص شغل به ماشین های هوشمند قطعات خود را دارند. بنابراین ، هیچ سیاست های استاندارد برای تولید تدارکات که ممکن است به آسانی استفاده وجود دارد. در عوض ، سیاست استراتژیک باید مشتق شده که قادر می سازد تا تصمیم بگیرند که قسمت های مستقل ، بلافاصله و به صورت محلی با استفاده از اطلاعات موجود تنها به میان گزینه های مختلف را انتخاب کنید. استفاده از کنترل خود مختار در شبکه های تولید منجر به انعقاد از جریان مواد و جریان اطلاعات را قادر می سازد و هر بخش و یا محصول به مدیریت و کنترل فرآیند ساخت آن بصورت خودگردان [7]. دینامیک از جمله سیستم بستگی به محلی فرآیندهای تصمیم گیری و تولید جهانی رفتار سیستم است که ویژگی های جدید در حال ظهور [20].
In the literature several attempts may be found to explain the emergent behaviour of large scale structures that arise from autonomous control policies. First intuitive approaches suggest to set up a policy like ‘go to the machine with the shortest processing time’ or ‘go to the machine with the lowest buffer level’ [28], [29] etc. More sophisticated autonomous control strategies can be found in biological systems. Camazine et al. [11] give a good overview and some case studies of self-organized behaviour in biological systems. Their case studies comprise social insects, slime moulds, bacteria, bark beetles, fireflies and fish. According to the authors biological self-organization can be found in group-level behaviour that arises in most cases from local individual actions that are influenced by the actions of neighbours or predecessors and in structures that are build conjointly by individuals. They identify positive feedback as a “key ingredient” of self-organization. Positive feedback is a method that enables and endorses change in a system. In ant colonies for example, a scout ant that has found food lays down a pheromone trail as it returns to the nest. By changing the environment, succeeding ants may simply follow the trail and find the food, which in turn reinforce the trail with their pheromone [22].
در ادبیات تلاش چند ممکن است یافت می شود برای توضیح ظهور رفتار سازه در مقیاس بزرگ است که از سیاست های کنترل مستقل بوجود می آیند. روش اول بصری پیشنهاد راه اندازی یک سیاست مانند 'برو به ماشین با کوتاهترین زمان پردازش» یا «رفتن به دستگاه با پایین ترین سطح بافر' [28] ، [29] و غیره بیشتر استراتژی های پیچیده کنترل خود مختار را می توان یافت در سیستم های بیولوژیکی. Camazine و همکاران. [11] را مرور کلی خوب و بعضی از مطالعات مورد از رفتار خود سازمان یافته در سیستم های بیولوژیکی. مطالعات موردی آنها شامل حشرات اجتماعی ، کپک لجن و گل ها ، باکتری ها ، سوسک پوست ، کرم شب تاب و ماهی. به گزارش نویسندگان زمین خود سازمان می تواند در گروه سطح رفتار نشان داد که در اکثر موارد ناشی از اقدامات فردی محلی است که توسط اعمال همسایگان یا پیشینیان و در ساختارهای که ساخت تلفیقی تامین شده توسط افراد تاثیر می پذیرد. شناسایی آنها بازخورد مثبت به عنوان "عنصر کلیدی" از خود سازمان است. بازخورد مثبت روش است که امکان تایید و تغییر در سیستم می باشد. در مستعمرات به عنوان مثال مورچه ، مورچه دیده بانی که پیدا کرده است مواد غذایی را میسازد دنباله فرمون تا آن را به لانه برمی گردد. با تغییر محیط ، موفق مورچه ها ممکن است به سادگی به دنبال دنباله و پیدا کردن غذا ، که به نوبه خود تقویت دنباله دار خود را با فرومون [22].
مدل ریاضی از فرایند خودمختار لجستیک
Scholz - ریتر ب ، Wirth اف ، Freitag م ، Dashkovskiy س ، تی Jagalski ، د ج آبجو ، Rüffer ب
وجود روش های مختلف برای مدل سازی ریاضی فرآیند پویا رخ می دهد در تدارکات کارگاه وجود دارد. این خدمات عبارتند از مواد و روش ها از تئوری صف بندی یا استفاده از سیستم های دینامیکی داده شده توسط معادلات دیفرانسیل معمولی و یا جزئی (مدل های مایع). اگر تعداد عناصر در روند بزرگ است می تواند تبدیل به مانع پیچیده به تجزیه و تحلیل و بهینه سازی فرآیند لجستیک داده یا مدل ریاضی مربوطه با استفاده از استراتژی های جهانی است. رویکرد جدید این است که برای استقلال از نهاد های مختلف کوچک در شبکه لجستیک ، یعنی برای امکان از عناصر خاص برای تصمیم گیری خود را ارائه می کنند. این مستلزم تغییر در مدل های مناسب ریاضی و باز پرسش از ثبات سیستم که طراحی شده اند. در این مقاله مفاهیم اساسی ما از بحث در مورد استقلال در شبکه لجستیک و ابزارهای ریاضی است که می تواند مورد استفاده قرار گیرد به این مدل مالکیت. برخی از اظهارات در مورد خواص ثبات از مدل ساخته شده است.
Introduction
In a production network (e.g. on shop floor level), the flow of parts is usually pre-planned by a central supervisory or control system. This approach fails for large scale networks in the presence of highly fluctuating demand or unexpected disturbances [21]. One of the reasons for this phenomenon is that in practice the complexity of centralized control architectures tends to grow rapidly with the size of the network, resulting in rapid deterioration of fault tolerance, adaptability and flexibility [25].
معرفی
در شبکه های تولید (به عنوان مثال در سطح مغازه زمین) ، جریان از قطعات است که معمولا از قبل برنامه ریزی شده توسط یک سیستم مرکزی نظارت یا کنترل. این رویکرد با شکست مواجه برای شبکه های در مقیاس بزرگ در حضور نوسان تقاضا بسیار غیر منتظره و یا اختلالات [21]. یکی از دلایل این پدیده این است که در عمل پیچیدگی معماری کنترل مرکزی تمایل دارد تا به سرعت در حال رشد با اندازه شبکه ، منجر به بدتر شدن سریع از تحمل خطا ، adapta - bility و انعطاف پذیری [25].
An advantageous alternative is the management of the dynamic behaviour according to the requirements of production logistics. In this sense the development of decentralised and autonomous control strategies is a promising research field [27]. Here autonomous control describes a decentralised coordination of intelligent logistic objects (parts, machines etc.) and the allocation of jobs to machines by the intelligent parts themselves. Therefore, there are no standard policies for production logistics that may be readily applied. Instead, strategic policies have to be derived that enable the parts to decide autonomously, instantaneously and using locally available information only to choose between different alternatives. The application of autonomous control in production networks leads to a coalescence of material flow and information flow and enables every part or product to manage and control its manufacturing process autonomously [7]. The dynamics of such a system depends on the local decision-making processes and produces a system’s global behaviour that has new emerging characteristics [20].
جایگزین مزایای مدیریت رفتار دینامیکی با توجه به الزامات تدارکات تولید است. در این مفهوم از توسعه استراتژی های کنترل غیر متمرکز و خود مختار است زمینه تحقیقات امیدوار کننده [27]. در اینجا شاهد مستقل توصیف هماهنگی غیر متمرکز از اشیاء هوشمند لجستیک (قطعات ، ماشین آلات و غیره) و اختصاص شغل به ماشین های هوشمند قطعات خود را دارند. بنابراین ، هیچ سیاست های استاندارد برای تولید تدارکات که ممکن است به آسانی استفاده وجود دارد. در عوض ، سیاست استراتژیک باید مشتق شده که قادر می سازد تا تصمیم بگیرند که قسمت های مستقل ، بلافاصله و به صورت محلی با استفاده از اطلاعات موجود تنها به میان گزینه های مختلف را انتخاب کنید. استفاده از کنترل خود مختار در شبکه های تولید منجر به انعقاد از جریان مواد و جریان اطلاعات را قادر می سازد و هر بخش و یا محصول به مدیریت و کنترل فرآیند ساخت آن بصورت خودگردان [7]. دینامیک از جمله سیستم بستگی به محلی فرآیندهای تصمیم گیری و تولید جهانی رفتار سیستم است که ویژگی های جدید در حال ظهور [20].
In the literature several attempts may be found to explain the emergent behaviour of large scale structures that arise from autonomous control policies. First intuitive approaches suggest to set up a policy like ‘go to the machine with the shortest processing time’ or ‘go to the machine with the lowest buffer level’ [28], [29] etc. More sophisticated autonomous control strategies can be found in biological systems. Camazine et al. [11] give a good overview and some case studies of self-organized behaviour in biological systems. Their case studies comprise social insects, slime moulds, bacteria, bark beetles, fireflies and fish. According to the authors biological self-organization can be found in group-level behaviour that arises in most cases from local individual actions that are influenced by the actions of neighbours or predecessors and in structures that are build conjointly by individuals. They identify positive feedback as a “key ingredient” of self-organization. Positive feedback is a method that enables and endorses change in a system. In ant colonies for example, a scout ant that has found food lays down a pheromone trail as it returns to the nest. By changing the environment, succeeding ants may simply follow the trail and find the food, which in turn reinforce the trail with their pheromone [22].
در ادبیات تلاش چند ممکن است یافت می شود برای توضیح ظهور رفتار سازه در مقیاس بزرگ است که از سیاست های کنترل مستقل بوجود می آیند. روش اول بصری پیشنهاد راه اندازی یک سیاست مانند 'برو به ماشین با کوتاهترین زمان پردازش» یا «رفتن به دستگاه با پایین ترین سطح بافر' [28] ، [29] و غیره بیشتر استراتژی های پیچیده کنترل خود مختار را می توان یافت در سیستم های بیولوژیکی. Camazine و همکاران. [11] را مرور کلی خوب و بعضی از مطالعات مورد از رفتار خود سازمان یافته در سیستم های بیولوژیکی. مطالعات موردی آنها شامل حشرات اجتماعی ، کپک لجن و گل ها ، باکتری ها ، سوسک پوست ، کرم شب تاب و ماهی. به گزارش نویسندگان زمین خود سازمان می تواند در گروه سطح رفتار نشان داد که در اکثر موارد ناشی از اقدامات فردی محلی است که توسط اعمال همسایگان یا پیشینیان و در ساختارهای که ساخت تلفیقی تامین شده توسط افراد تاثیر می پذیرد. شناسایی آنها بازخورد مثبت به عنوان "عنصر کلیدی" از خود سازمان است. بازخورد مثبت روش است که امکان تایید و تغییر در سیستم می باشد. در مستعمرات به عنوان مثال مورچه ، مورچه دیده بانی که پیدا کرده است مواد غذایی را میسازد دنباله فرمون تا آن را به لانه برمی گردد. با تغییر محیط ، موفق مورچه ها ممکن است به سادگی به دنبال دنباله و پیدا کردن غذا ، که به نوبه خود تقویت دنباله دار خود را با فرومون [22].