உற்பத்தி செயல்முறை உகப்பாக்கத்திற்கான மரபணு வழிமுறைகள்

உற்பத்தி செயல்முறை உகப்பாக்கத்திற்கான மரபணு வழிமுறை

அதிகரித்து வரும் கடுமையான தொழில்துறைப் போட்டிக்கு மத்தியில், உற்பத்தி நிறுவனங்கள் உயர்தரமான பொருட்களைக் குறைந்த செலவிலும், குறுகிய உற்பத்தி நேரத்திலும் தயாரிக்க வேண்டியுள்ளது. இதில் உள்ள சவால் என்னவென்றால், உற்பத்திச் செயல்முறைகள் பொதுவாக இயந்திர அளவுருத் தேர்வு, உற்பத்தித் திட்டமிடல், மூலப்பொருள் ஓட்ட மேலாண்மை மற்றும் பராமரிப்பு உத்திகள் போன்ற பல ஒன்றோடொன்று இணைக்கப்பட்ட மாறிகளை உள்ளடக்கியுள்ளன. சிக்கல்தன்மை அதிகரிக்கும்போது, ​​வழக்கமான உகப்பாக்க முறைகள் ஒரு யதார்த்தமான காலக்கெடுவிற்குள் சிறந்த தீர்வைக் கண்டறிய பெரும்பாலும் சிரமப்படுகின்றன. இங்குதான் மரபணு வழிமுறைகள் (GAs) ஒரு சக்திவாய்ந்த அணுகுமுறையை வழங்குகின்றன—இவை உயிரியல் பரிணாமத்தின் வழிமுறைகளைப் பின்பற்றி, சிக்கலான பிரச்சனைகளுக்கு உகந்த அல்லது உகந்ததற்கு நெருக்கமான தீர்வுகளைக் கண்டறிகின்றன.

மரபணு வழிமுறை என்றால் என்ன?

மரபணு வழிமுறை என்பது இயற்கை தேர்வு என்ற கருத்தால் ஈர்க்கப்பட்ட ஒரு மக்கள் தொகை அடிப்படையிலான உகப்பாக்க முறையாகும். ஒரு மரபணு வழிமுறையில், சாத்தியமான தீர்வுகள் ஒரு மக்கள் தொகைக்குள் உள்ள "தனிநபர்களாக" குறிப்பிடப்படுகின்றன. ஒவ்வொரு தனிநபருக்கும் "மரபணுக்கள்" (முடிவு அளவுருக்கள்) உள்ளன, அவை ஒரு "குரோமோசோமை" (தீர்வின் ஒரு பிரதிநிதித்துவம்) உருவாக்குகின்றன. பல சுழற்சிகளின் (தலைமுறைகளின்) போது, ​​தேர்வு, குறுக்குக்கலப்பு மற்றும் சடுதிமாற்றம் ஆகிய வழிமுறைகள் மூலம், மிகவும் தகுதியான தனிநபர்கள் (சிறந்த குறிக்கோள் மதிப்புகளைக் கொண்டவர்கள்) சந்ததிகளை உருவாக்கத் தேர்ந்தெடுக்கப்படுவதற்கான வாய்ப்புகள் அதிகம்.

பாரம்பரிய கணித உகப்பாக்க முறைகளைப் போல சாய்வுத் தகவல் தேவைப்படாமல், ஒரு பெரிய தீர்வு வெளியை ஆராயும் திறன் மரபணு வழிமுறையின் (GA) ஒரு முக்கிய பண்பாகும். எனவே, மரபணு வழிமுறைகள் உற்பத்தி செயல்முறைகளுக்கு மிகவும் பொருத்தமானவை. ஏனெனில், அச்செயல்முறைகள் பெரும்பாலும் நேரியலற்றவை, தனித்தன்மை வாய்ந்தவை, பல கட்டுப்பாடுகளைக் கொண்டவை, மேலும் சில சமயங்களில் பகுப்பாய்வு ரீதியாக மாதிரியாக்குவது கடினமான குறிக்கோள் சார்புகளையும் உள்ளடக்கியுள்ளன.

உற்பத்தித் துறைக்கு GA ஏன் பொருத்தமானது?

உற்பத்தியில் உகந்ததாக்குதல் என்பது “ஒரு மாறியைக் குறைப்பது” போல அரிதாகவே எளிமையாக இருக்கும். பொதுவாக, ஒன்றுக்கு மேற்பட்ட, ஒன்றுக்கொன்று முரண்படும் நோக்கங்கள் உள்ளன, எடுத்துக்காட்டாக:
தரத்தைப் பராமரித்து, உற்பத்திச் செலவுகளைக் குறைத்தல்.
– செயல் திறனை அதிகப்படுத்துங்கள், ஆனால் ஆற்றல் பயன்பாட்டைக் கட்டுப்படுத்துங்கள்.
– செயல்திட்டத்திற்கான கால அளவைக் குறைப்பதோடு, தடைகளையும் தாமதங்களையும் தவிர்க்கவும்.

அதுமட்டுமின்றி, உற்பத்தி செயல்முறைகள் பெரும்பாலும் மூலப்பொருட்களின் மாறுபாடுகள் போன்ற நிஜ உலக நிலைமைகளை எதிர்கொள்கின்றன. மூலப்பொருட்கள், தேவை நிச்சயமற்ற தன்மை, இயந்திரப் பழுதுகள் மற்றும் வளக் கட்டுப்பாடுகள். மரபணு அல்காரிதம் (GA) மிகவும் பயனுள்ளதாக இருக்கிறது, ஏனெனில்:
1. நெகிழ்வானது: பல்வேறு வகையான குறிக்கோள் சார்புகள் மற்றும் கட்டுப்பாடுகளுக்குப் பயன்படுத்தப்படலாம்.
2. சிக்கலான தீர்வுவெளிகளுக்கு ஏற்ற வலுவான தன்மை: உள்ளூர் உகமங்களை மட்டுமல்லாமல், உலகளாவிய தீர்வுகளையும் ஆராயும் திறன் கொண்டது.
3. உருவகப்படுத்துதலுடன் இணைப்பது எளிது: எடுத்துக்காட்டாக, ஒரு செயல்முறை உள்ளமைவின் செயல்திறனை மதிப்பிடுவதற்கு உற்பத்தி அமைப்பு உருவகப்படுத்துதல்.

மரபணு வழிமுறையில் உள்ள முக்கிய கூறுகள்

உற்பத்தி உகப்பாக்கத்திற்கு மரபணுப் பொறியியலைப் (GA) பயன்படுத்துவதற்கு, பல கூறுகள் வரையறுக்கப்பட வேண்டும்:

1. குரோமோசோம் பிரதிநிதித்துவம்
குரோமோசோம்கள் பின்வருமாறு இருக்கலாம்:
– ஆம்/இல்லை முடிவுகளுக்கான இரும எண் (0/1) (எ.கா. இயந்திரம் A அல்லது B-ஐத் தேர்ந்தெடுத்தல்).
– பணிகளைத் திட்டமிடுவதற்கோ அல்லது வரிசைப்படுத்துவதற்கோ ஆன முழு எண்.
– செயல்முறை அளவுருக்களுக்கான (சுழல் வேகம், ஊட்ட விகிதம், வெப்பநிலை, அழுத்தம்) மெய் மதிப்புகள்.
– உற்பத்தி வரிசைமுறைகள் அல்லது உள்ளக தளவாட வழித்தடங்களுக்கான சாத்தியக்கூறுகள்.

சரியான பிரதிநிதித்துவத்தைத் தேர்ந்தெடுப்பது மிகவும் முக்கியமானது, ஏனெனில் அது குறுக்குக்கலப்பு மற்றும் சடுதி மாற்றத்தின் செயல்திறனைப் பாதிக்கிறது.

2. உடற்தகுதி செயல்பாடு
ஒரு தீர்வு எவ்வளவு சிறந்தது என்பதை தகுதிச் சார்பு தீர்மானிக்கிறது. உற்பத்தித் துறையில், தகுதி என்பது பல குறிகாட்டிகளை ஒன்றிணைக்கலாம்:
– மொத்த உற்பத்திச் செலவுகள்
– சுழற்சி நேரம்
– குறைபாடு விகிதம்
– ஆற்றல் நுகர்வு
– இயந்திர செயலிழப்பு நேரம் அல்லது நம்பகத்தன்மை

பன்முனை நோக்கு நேர்வுகளில், தகுதியை ஒரு எடையிடப்பட்ட கூட்டுத்தொகையாகவோ அல்லது பரேட்டோ தீர்வுகளின் தொகுப்பை உருவாக்கும் NSGA-II போன்ற பன்முனை நோக்கு மரபணு வழிமுறை (GA) அணுகுமுறையைப் பயன்படுத்தியோ முறைப்படுத்தலாம்.

3. தேர்வு
“பெற்றோர்களாக” ஆவதற்கு சிறந்த நபர்களைத் தேர்வு செய்கிறது. பிரபலமான தேர்வு முறைகள்:
– ரவுலட் சக்கரத் தேர்வு (விகிதாசாரப் பொருத்தத்தின் அடிப்படையில்)
– போட்டித் தேர்வு
– தரவரிசைத் தேர்வு

உற்பத்திச் சூழலில், அதீத தீவிரமான தேர்வு முறையானது விரைவான இனத்தொகை ஒருமைப்பாட்டிற்கு வழிவகுக்கக்கூடும், ஆனால் அது உள்ளூர் தீர்வுகளில் சிக்கிக்கொள்ளும் அபாயத்தையும் கொண்டுள்ளது. எனவே, சுரண்டலுக்கும் புதிய கண்டுபிடிப்புகளை ஆராய்வதற்கும் இடையே ஒரு சமநிலை இன்றியமையாதது.

4. குறுக்குக்கலப்பு மற்றும் சடுதிமாற்றம்
கிராஸ்ஓவர் என்பது இரண்டு தீர்வுகளை ஒன்றிணைத்து ஒரு புதிய தீர்வை உருவாக்குவதாகும். எடுத்துக்காட்டாக, இரண்டை ஒன்றிணைப்பது உற்பத்தி அட்டவணை வழித்தோன்றல் அட்டவணையை உருவாக்க.
– சடுதி மாற்றங்கள், இனத்தொகை பன்முகத்தன்மையைப் பராமரிப்பதற்காக மரபணுக்களில் சிறிய, சீரற்ற மாற்றங்களை ஏற்படுத்துகின்றன.

செயல்முறை அளவுரு உகப்பாக்கத்தில், மாற்றம் என்பது வெப்பநிலை மதிப்பைச் சில டிகிரி அதிகரிப்பது அல்லது குறைப்பது அல்லது இயந்திரத்தின் வேகத்தை ஒரு குறிப்பிட்ட வரம்பிற்குள் மாற்றுவது எனப் பொருள்படும்.

5. நிறுத்தும் அளவுகோல்கள்
பின்வரும் சந்தர்ப்பங்களில் GA-ஐ நிறுத்தலாம்:
– எட்டிய தலைமுறைகளின் எண்ணிக்கை,
– உடற்தகுதி மேம்பாட்டில் தேக்கம்,
அல்லது செயல்திறன் இலக்கு நிர்ணயிக்கப்பட்ட தரத்தை எட்டியுள்ளது.

உற்பத்தி செயல்முறை உகப்பாக்கத்தில் GA பயன்பாட்டின் எடுத்துக்காட்டுகள்

1. உற்பத்தி திட்டமிடல் (பணிமனை அட்டவணைப்படுத்தல்)
உற்பத்தி திட்டமிடல் இது அதன் சிக்கலான தன்மைக்காக அறியப்படும் ஒரு பாரம்பரிய உற்பத்திச் சிக்கலாகும். இதன் நோக்கம், ஒரு வேலையை முடிப்பதற்கான மொத்த நேரத்தைக் குறைப்பது, தாமதங்களைக் குறைப்பது அல்லது இயந்திரங்களின் பணிச்சுமையைச் சமநிலைப்படுத்துவது போன்றவையாக இருக்கலாம்.

மரபணு வழிமுறைகள் (GAs) குறிப்பாக மிகவும் பொருத்தமானவை, ஏனெனில் அவற்றால் பணி வரிசைமுறைகளின் வரிசைமாற்றங்களையும் பல்வேறு கட்டுப்பாடுகளையும் கையாள முடியும். வரிசைமாற்ற அடிப்படையிலான குரோமோசோம் பிரதிநிதித்துவத்துடன், 'முதலில் வருபவருக்கு முன்னுரிமை' போன்ற எளிய அனுபவ விதிகளை விடக் குறைந்த தயாரிப்பு நேரத்தைக் கொண்ட அட்டவணைகளைக் கண்டறிய, மரபணு வழிமுறைகளால் பல்வேறு உற்பத்தி வரிசைமுறைகளை ஆராய முடியும்.

2. எந்திரப் பணி அளவுரு உகப்பாக்கம் (சிஎன்சி மற்றும் எந்திரப் பணி)
எந்திரச் செயலாக்கங்களில், ஊட்டு விகிதம், வெட்டும் வேகம் மற்றும் வெட்டு ஆழம் போன்ற அளவுருக்கள் செயலாக்க நேரம், மேற்பரப்புத் தரம் மற்றும் கருவித் தேய்மானம் ஆகியவற்றைப் பாதிக்கின்றன. GA ஆனது பின்வரும் பண்புகளைக் கொண்ட அளவுருக்களின் ஒரு கலவையைக் கண்டறிய முடியும்:
– உற்பத்தி விகிதத்தை அதிகபட்சமாக்குதல்,
– மேற்பரப்பின் சொரசொரப்பைக் குறைக்கவும்,
– உளியின் ஆயுளை நீட்டிக்கிறது.

பரிசோதனைகள் அல்லது அனுபவ மாதிரிகளிலிருந்து பெறப்பட்ட குறிக்கோள் சார்புகளைக் கொண்டு அளவுருக்களை உகந்ததாக்கும் திறன், மரபணு அல்காரிதத்தின் (GA) பலங்களில் ஒன்றாகும்.

3. தொழிற்சாலை அமைப்பு மற்றும் பொருள் ஓட்டம்
பெங்காடூரன் டாடா லெட்டக் இயந்திரங்கள் மற்றும் பொருட்களின் பாதைகள் பயணத் தூரம், போக்குவரத்து நேரம் மற்றும் நெரிசல் அபாயம் ஆகியவற்றில் தாக்கத்தை ஏற்படுத்துகின்றன. GA-ஐப் பின்வருவனவற்றிற்குப் பயன்படுத்தலாம்:
– இன்ஜின் நிலையைத் தேர்ந்தெடுக்கவும்,
– பணி நிலையங்களின் வரிசையை அமைக்கவும்,
– தானியங்கி வழிகாட்டு வாகனத்தின் (AGV) வழித்தடங்களை உகப்பாக்குதல்.

இதன் மூலம், நிறுவனங்கள் மூலப்பொருட்களைக் கையாளும் செலவுகளைக் குறைத்து, உற்பத்தி செயல்முறையை வேகப்படுத்த முடியும்.

4. தரக் கட்டுப்பாடு மற்றும் செயல்முறை அளவுருக்களை உகந்ததாக்குதல்
ஊசி வார்ப்பு, வெப்பச் செயலாக்கம் அல்லது பூச்சு போன்ற செயல்முறைகளில், செயல்முறை அளவுருக்கள் தரத்தை நேரடியாகப் பாதிக்கின்றன. உற்பத்தித்திறனைக் குறைக்காமல் குறைபாட்டு விகிதங்களைக் குறைக்கும் உள்ளமைப்புகளைக் கண்டறிய, GA-ஐ கண்காணிப்பு அமைப்புகளுடன் ஒருங்கிணைக்க முடியும்.

5. முன்கணிப்பு பராமரிப்பு மற்றும் நம்பகத்தன்மை
இயந்திரங்களுக்கு எப்போது ஆய்வு தேவை, பாகங்கள் எப்போது மாற்றப்பட வேண்டும், மற்றும் செயலிழப்பு நேரத்தைக் குறைக்க பராமரிப்பை எவ்வாறு திட்டமிடுவது போன்ற உகந்த பராமரிப்பு உத்திகளைத் தீர்மானிக்கவும் GA உதவும். சென்சார் தரவு மற்றும் நம்பகத்தன்மை மாதிரிகளுடன் இணைக்கப்படும்போது, ​​GA ஆனது பராமரிப்புச் செலவுகளையும் செயலிழப்பு அபாயங்களையும் சமநிலைப்படுத்த முடியும்.

GA-வின் நன்மைகள் மற்றும் வரம்புகள்

கேயுங்குலன்
– மேம்பட்ட கணித மாதிரி தேவையில்லை; நேரியல் அல்லாத மற்றும் தனித்த அமைப்புகளுக்கு ஏற்றது.
– பன்முனை இலக்குகளையும் பல்வேறு கட்டுப்பாடுகளையும் கையாளும் திறன் கொண்டது.
– சிமுலேஷன், டிஜிட்டல் ட்வின் அல்லது சோதனைத் தரவுகளுடன் எளிதாக ஒருங்கிணைக்கலாம்.

வரம்புகள்
தகுதி மதிப்பீட்டிற்குச் சிக்கலான உருவகப்படுத்துதல்கள் தேவைப்பட்டால், கணக்கீடு செலவு மிக்கதாக ஆகலாம்.
– இது பெரும்பாலும் மிகச் சிறந்த தீர்வுகளை அளித்தாலும், உலகளாவிய உகந்த தீர்வுக்கு உத்தரவாதம் அளிப்பதில்லை.
– மக்கள்தொகை அளவு, குறுக்குவழி நிகழ்தகவு மற்றும் சடுதிமாற்றம் போன்ற அளவுருக்களுக்கு உணர்திறன் கொண்டது.

இந்த வரம்புகளைக் கடக்க, மரபணு வழிமுறைகள் (GAs) பெரும்பாலும் உள்ளூர் தேடல் (GA ஒரு நல்ல தீர்வைக் கண்டறிந்த பிறகு தீர்வை மேம்படுத்துதல்), மான்டே கார்லோ உருவகப்படுத்துதல் அல்லது திரள் வழிமுறைகள் போன்ற பிற முறைகளுடன் இணைக்கப்படுகின்றன .

தொழில்துறையில் பயனுள்ள GA செயல்படுத்தும் உத்திகள்

GA செயலாக்கம் உண்மையான பலன்களை அளிப்பதற்கு, பல நடைமுறை நடவடிக்கைகளை மேற்கொள்ளலாம்:
1. இலக்கைத் தெளிவாக வரையறுக்கவும், எடுத்துக்காட்டாக, தயாரிப்பு நேரத்தை 10% குறைப்பது அல்லது குறைபாட்டு விகிதத்தை 2% குறைப்பது.
2. நம்பகமான செயல்முறைத் தரவுகளைப் பயன்படுத்தவும்: இயந்திர அளவுருக்கள், முந்தைய செயலிழப்பு நேரம், தயாரிப்புத் தரம்.
3. ஒரு எளிய மாதிரியுடன் தொடங்குங்கள், பின்னர் அமைப்பைப் புரிந்துகொள்ளப் புரிந்துகொள்ள அதன் சிக்கலான தன்மையை அதிகரியுங்கள்.
4. உண்மையான உற்பத்தியைப் பாதிக்காமல் தீர்வுகளை மதிப்பிடுவதற்கு, உருவகப்படுத்துதலுடன் ஒருங்கிணைக்கவும்.
5. களச் சரிபார்ப்பைச் செய்யவும்: சிறந்த கணக்கீட்டுத் தீர்வு, உண்மையான உற்பத்திச் சூழல்களில் சோதிக்கப்பட வேண்டும்.

மூடுகிறது

மரபணு வழிமுறைகள் நவீன உற்பத்தி செயல்முறைகளுக்கு மிகவும் பொருத்தமான ஒரு உகப்பாக்க அணுகுமுறையாகும். பரந்த தீர்வு வெளியை ஆராயும் திறன், பல கட்டுப்பாடுகள் மற்றும் பல நோக்கங்களைக் கையாளும் ஆற்றல் ஆகியவற்றைக் கொண்டு, அளவுருக்கள், கால அட்டவணைகள் மற்றும் உற்பத்தி உள்ளமைவுகளின் மிகவும் திறமையான சேர்க்கைகளைக் கண்டறிய மரபணு வழிமுறைகள் நிறுவனங்களுக்கு உதவுகின்றன. அவற்றுக்கு வரம்புகள் இருந்தாலும், அவற்றின் சரியான பயன்பாடு—குறிப்பாக உருவகப்படுத்துதல்கள் மற்றும் தொழில்துறை தரவுகளுடன் இணைக்கப்படும்போது—குறிப்பிடத்தக்க உற்பத்தித்திறன் ஆதாயங்கள், செலவுக் குறைப்புகள் மற்றும் தர மேம்பாடுகளுக்கு வழிவகுக்கும். இறுதியில், மரபணு வழிமுறைகள் வெறும் கணக்கீட்டுக் கருத்துரு மட்டுமல்ல, மாறாக உற்பத்தியை மிகவும் தகவமைக்கக்கூடிய, அறிவார்ந்த மற்றும் போட்டித்தன்மை வாய்ந்த அமைப்புகளாக மாற்றுவதற்கான ஒரு உத்திசார் கருவியாகும்.