* Instytut Informatyki Automatyki i Robotyki, Politechnika Wroc³awska Adam Tyñski*, Mariusz Makuchowski*
Modelowanie i algorytm rozwi¹zywania problemu przep³ywowego z transportem
1. Wstêp
Czas wykonania zadania produkcyjnego przez maszyny stanowi zaledwie kilka pro- cent ca³kowitego czasu pobytu zadania w systemie produkcyjnym. Pozosta³y czas zadanie spêdza m.in. w buforach maszyn, b¹d jest transportowane. Uwzglêdnienie czasów trans- portu ju¿ na etapie konstrukcji harmonogramu pracy takiego systemu w doæ oczywisty sposób znajduje prze³o¿enie na wzrost jego wydajnoci. Wp³yw na wydajnoæ systemu ma równie¿ odpowiedni dobór rodków transportu. Wród urz¹dzeñ transportuj¹cych du¿¹ po- pularnoci¹ ciesz¹ siê wózki AGV. Wykorzystanie wózków AGV wi¹¿e siê ze wzrostem elastycznoci, lepszym wykorzystaniem przestrzeni roboczej i ni¿szymi kosztami pracy systemu w stosunku do systemów wykorzystuj¹cych inne rodki transportu. Przegl¹d osi¹- gniêæ w zakresie zastosowania wózków AGV do transportu w systemach produkcyjnych znajduje siê m.in. w pracy [1].
Wykorzystanie wózków AGV wymaga odpowiedniej organizacji ca³ego systemu pro- dukcyjnego. Jedno z rozwi¹zañ polega na zaopatrzeniu systemu w stacjê za³adowcz¹ i wy-
³adowcz¹, jeden lub wiêcej wózków AGV, za okrelon¹ liczbê maszyn organizuje siê w uk³ad typu pêtla (single loop). Aby wyeliminowaæ ryzyko wyst¹pienia konfliktów trans- portowych, na system narzuca siê jednokierunkowy przep³yw zadañ, za na wózkach wy- musza siê cykliczny, jednokierunkowy tryb pracy. W poszczególnych cyklach pracy ka¿de- go wózka do systemu wprowadzane jest jedno zadanie przez stacjê za³adowcz¹, jedno zada- nie opuszcza system przez stacjê wy³adowcz¹, za wszystkie pozosta³e zadania s¹ transportowane w kierunku kolejnych maszyn w pêtli. Uk³ady tego typu, ze wzglêdu na swoj¹ prostotê i jednoczenie du¿y potencja³, znajduj¹ szerokie zastosowanie w przemyle i tym samym przykuwaj¹ uwagê badaczy [24].
Ze wzglêdu na narzucony kierunek przep³ywu zadañ oraz tryb pracy wózków, optyma- lizacja harmonogramu pracy systemu wi¹¿e siê z koniecznoci¹ rozwi¹zania permutacyjne-
go problemu przep³ywowego. W literaturze opisano wiele metod rozwi¹zywania wspo- mnianego problemu. Wród najlepszych algorytmów klasycznych wymieniany jest algo- rytm TSAB, wykorzystuj¹cy technikê poszukiwañ z zabronieniami [5]. Algorytmy te w trakcie swojej pracy nie uwzglêdniaj¹ jednak czasów transportu. Wykorzystanie harmo- nogramów klasycznych spowoduje stosunkowo nieefektywn¹ pracê systemów produk- cyjnych, w których czasy transportu odgrywaj¹ istotn¹ rolê w ca³oci procesu produkcyjne- go. Jedn¹ z szans na poprawê jakoci harmonogramów pracy takich systemów upatruje siê w próbie zaadaptowania algorytmów klasycznych do rozwi¹zywania permutacyjnego pro- blemu przep³ywowego z uwzglêdnieniem transportu, co czyni siê w niniejszej pracy.
W pracy rozwa¿any jest elastyczny system produkcyjny typu pêtla o strukturze prze- p³ywowej permutacyjnej, w którym do transportu miêdzystanowiskowego wykorzystano identyczne wózki AGV. Problem polega na wyznaczeniu takiej kolejnoci wykonania za- dañ przez maszyny, by moment zakoñczenia wykonywania procesu technologicznego przy- j¹³ wartoæ minimaln¹. Do rozwi¹zania przedstawionego w pracy problemu zastosowano odpowiednio zmodyfikowany algorytm rozwi¹zywania przybli¿onego, wykorzystuj¹cy technikê poszukiwañ z zabronieniami. Algorytm zosta³ poddany badaniom numerycznym w celu okrelenia jakoci generowanych przez niego rozwi¹zañ miêdzy innymi w zale¿no-
ci od liczby uwzglêdnionych wózków AGV. Rozwa¿ania przedstawione w tej pracy stano- wi¹ kontynuacjê rozwa¿añ z prac [6, 7], w których opisywano systemy typu pêtla wyposa-
¿one w jeden wózek AGV.
2. Model matematyczny problemu
Problem mo¿na przedstawiæ nastêpuj¹co. W rozwa¿anym systemie produkcyjnym znajduje siê zbiór maszyn M =Mp∪Mt ={1, 2,...,mp} {∪ mp+1}, gdzie mp > 2 jest licz- b¹ wszystkich maszyn produkcyjnych, za mt ≥ 1 jest liczb¹ wózków AGV (maszyn trans- portowych) znajduj¹cych siê w systemie. Ka¿da maszyna o numerze 2, ..., mp – 1 posiada bufor wejciowy i wyjciowy o jednostkowej pojemnoci, za maszyny 1, mp uto¿samiaj¹ odpowiednio stacjê za³adowcz¹ i wy³adowcz¹, wyposa¿one w bufory o nielimitowanych pojemnociach. Wszystkie maszyny zorganizowane s¹ w uk³ad typu pêtla, tj. rozmieszczo- ne s¹ wzd³u¿ zamkniêtej drogi w ten sposób, ¿e maszynê l, 1 < l ≤ mp, poprzedza maszyna o numerze l – 1. Dodatkowo stacja za³adowcza (maszyna 1) znajduje siê w bezporedniej bliskoci stacji wy³adowczej (maszyny mp).
Czas przejazdu wózka v ∈ Mt pomiêdzy maszyn¹ l i maszyn¹ l + 1, 1 ≤ l < mp, bêdzie oznaczany przez t(l, l + 1) > 0. Podobnie, przez t(mp, 1) > 0 bêdzie oznaczany czas przejaz- du wózka pomiêdzy stacj¹ wy³adowcz¹ i za³adowcz¹. Zak³ada siê, ¿e wózki mog¹ poruszaæ siê tylko w jednym kierunku, tj. odwiedzaj¹c kolejno maszyny 1, 2, ..., mp – 1, mp. W po³¹- czeniu ze sposobem rozmieszczenia maszyn ³atwo jednoznacznie okreliæ czas przejazdu wózków
1
1 1
1
( , 1),
( , ) ( , 1) ( ,1) ( , 1)
0,
p
k i l
m p l
i i k
t i i
l k
t l k t i i t m t i i l k
l k
=−
− −
= =
⎧ +
⎪ <
=⎪⎨ + + − + >
⎪ =
⎪⎩
∑
∑ ∑
(1)pomiêdzy dowoln¹ par¹ maszyn produkcyjnych l, k ∈ Mp.
W systemie nale¿y wykonaæ r > 1 zadañ ze zbioru J = {1, 2, ..., r}. Ka¿de zadanie j ∈ J podzielone jest na m = 2mp – 1 operacji, w tym mp operacji produkcyjnych i mp– 1 operacji transportowych. Operacjê produkcyjn¹ l zadania j ∈ J, notowan¹ jako para (l, j), nale¿y wykonaæ na maszynie l ∈ Mp w czasie p(l, j) > 0. Zbiór wszystkich np operacji produkcyj- nych bêdzie oznaczany symbolem Op={( , ) :l j l M∈ p,j J∈ },gdzie |Op|=m r np⋅ = p. Pomiêdzy ka¿d¹ par¹ operacji produkcyjnych (l, j), (l + 1, j), 1 ≤ l < mp, j ∈ J, wykony- wana jest operacja transportowa, notowana jako para (mp + l, j). Operacja ta polega na przetransportowaniu przez wózek v ∈ Mt palety z elementem wykonywanym w ra- mach zadania j pomiêdzy maszynami l, l + 1 ∈ Mp i wykonywana jest w czasie
( p , ) ( p ) ( , 1).
p m +l j = p m + =l t l l+ Zbiór wszystkich nt operacji transportowych bêdzie oznaczany symbolem Ot ={(mp+l j, ) :1≤ <l mp,j J∈ }, gdzie |Ot| (= mp− ⋅ =1) r nt. W dalszych rozwa¿aniach przydatny bêdzie równie¿ zbiór wszystkich n operacji
p t ,
O O= ∪O = × gdzie N = {1, 2, ..., m}, oraz N J | |O =np+nt = ⋅ =m r n.
Przyjêta struktura systemu oraz kierunek przep³ywu zadañ wymuszaj¹ jednakow¹ ko- lejnoæ przejcia zadañ przez ka¿de ze stanowisk (system ma strukturê przep³ywow¹ per- mutacyjn¹). Dalej, niech permutacja zbioru zadañ π = (π(1), π(2), ..., π(r))oznacza kolej- noæ wykonywania zadañ ze zbioru J przez ka¿d¹ z maszyn produkcyjnych, za niech Π bêdzie zbiorem wszystkich permutacji. Dla permutacji π ∈ Π przyjmuje siê arbitraln¹ kolej- noæ wykonywania operacji transportowych przez ka¿dy wózek, generowan¹ na bazie π w sposób opisany poni¿ej. Nie trudno zauwa¿yæ, ¿e wszystkie wózki wykonuj¹ w sumie lC = mp + r – 2 cykli, gdzie cykl i pracy ka¿dego wózka, 1 ≤ i ≤ lC, przebiega nastêpu- j¹co. Jeli i ≤ r, to wózek czeka przy maszynie 1 na zakoñczenie siê operacji za³adowczej (1, π(i)), po czym wykonuje operacjê transportow¹ (mp +1, π(i)) w czasie p m( p+ π1, ( ))i =t(1, 2).
W przeciwnym przypadku, je¿eli ostatnie z zadañ do wykonania zosta³o ju¿ wprowadzone do systemu, tzn. jeli i > r, wózek wykonuje przejazd pusty (przejazd bez za³adunku) w kierunku maszyny 2 (w czasie t(1, 2)). Nastêpnie, jeli 1 ≤ i – 1 ≤ r, to wózek oczekuje na zakoñczenie siê operacji (2, π(i – 1)), po czym wykonuje operacjê transportow¹ (mp +2, π(i – 1)). W przeciwnym razie wózek wykonuje przejazd pusty w kierunku maszyny 3.
Proces powtarza siê a¿ do momentu przyjazdu wózka do maszyny mp. Wykonanie przejaz- du pustego pomiêdzy stacj¹ wy³adowcz¹ i za³adowcz¹ w czasie t(mp, 1) koñczy cykl.
Arbitralna kolejnoæ wykonania operacji transportowych wi¹¿e siê z arbitralnym przy- dzia³em ka¿dego wózka v ∈ Mt do wykonania operacji
(mp+ +1 f , (πe − f )), u=0,...,u , w=0,...,w ( )u (2)
gdzie
u t
e = ⋅u m +v (3)
0
uw u
f = f +w (4)
0 max(0, )
u u
f = e −r (5)
max { : u , u 1 }
u = u e ≤lc e + >lc (6)
max( ) { : uw min( p 1, ),u uw 1 min( p 1, )}u w u = w f < m − e f + ≥ m − e (7) Jak przedstawiono w pracy [6], przyjêcie arbitralnej kolejnoci realizacji operacji trans- portowych jest uzasadnione sposobem programowania komputera pok³adowego wózków AGV oraz metod¹ koordynacji pracy systemu produkcyjnego. Co wiêcej, przyjêcie innego trybu pracy wózków zasadniczo nie prowadzi do poprawy wydajnoci systemu. Przyjêta ko- lejnoæ gwarantuje równie¿, ¿e wózki nie bêd¹ wyprzedzaæ siê w trakcie realizacji harmo- nogramu, co jest czêstym wymogiem w wielu rzeczywistych systemach produkcyjnych.
Uszeregowaniem nazywa siê zbiór wartoci S(i) ≥ 0, i ∈ O, gdzie S(i) jest momentem rozpoczêcia wykonania operacji i. Uszeregowanie jest dopuszczalne, gdy spe³nia wszystkie ograniczenia technologiczne, typowe dla klasycznego problemu przep³ywowego (patrz. np.
[57]). Problem polega na odnalezieniu takiego uszeregowania dopuszczalnego, by mo- ment zakoñczenia siê procesu technologicznego, równy S m( p, ( ))πr +p m( p, ( )),π r przy- j¹³ wartoæ minimaln¹. Problem jest silnie NP-trudny.
3. Model permutacyjno-grafowy
Przedstawiony poni¿ej model permutacyjno-grafowy znajduje swoje zastosowanie g³ównie w algorytmach rozwi¹zywañ; jest szczególnie przydatny na etapie obliczania war- toci funkcji celu. Dana jest permutacja π ∈ Π. Niech G(π) =(O, E) bêdzie grafem skierowa- nym, reprezentuj¹cym dowoln¹ permutacjê π ∈ Π, ze zbiorem wierzcho³ków O i zbiorem
³uków E E= T∪EK∪EV ∪ES, gdzie
1 1
{(( , ),( , )),(( , ),( 1, ))}
mp
T p p
j J l
E − l j m l j m l j l j
∈ =
=
7 7
+ + + (8)1 1
{(( , ), ( , 1))}
p
K r
l M j
E − l j l j
∈ =
=
7 7
+ (9)2 2 1
{(( , ),( 1, 1))}
r mp
V p p
j l
E − m l j m l j
= =
=
7 7
+ + + − (10)Zbiór ES stanowi sumê zbiorów ES =ES1∪ES2 okrelonych nastêpuj¹co:
1
1 2
{(( ( ), ( )),( 1, 1))}, 1 2
, 1 2
r mt
p t t
S j
t
a j b j m j m r m
E
r m
− +
=
⎧⎪ + + − − + ≥
= ⎨⎪
⎪ ∅ − + <
⎪⎩
7
(11)1 2 max(2, 2 )
{(( ( ), ( )),( , ))}, 1 max(2, 2 )
, 1 max(2, 2 )
p
t
m p p t
S l m r
p t
c l d l m l r m m r
E
m m r
−
= + −
⎧⎪ + + ≥ + −
= ⎨⎪
⎪ ∅ + < + −
⎪⎩
7
(12)gdzie
( ) min( , p 1)
a j = m j m+ − (13)
( ) max(1, p 1)
b j = j m− + (14)
( ) min( , p 1 t)
c l = m l m+ − + −r m (15)
( ) max(1, p 1 t)
d l = l m− + + −r m (16)
Ka¿dy wierzcho³ek (l, j) ∈ O przyjmuje obci¹¿enie p(l, π(j)). £uki ze zbiorów ET, EK, EV nie s¹ obci¹¿one. Reprezentuj¹ odpowiednio kolejnoæ wykonania operacji w zadaniu, operacji produkcyjnych przez maszyny i operacji transportowych przez wózki. Ka¿dy ³uk (a, b) ∈ ES, gdzie a = (l, i), b = (k, j), przyjmuje obci¹¿enie t(l – mp + 1, k – mp). £uki te reprezentuj¹ przejazdy wózka bez za³adunku. Definicja zbioru ³uków E gwarantuje acy- klicznoæ grafu dla ka¿dej permutacji π ∈ Π. Symbolem rπ(i) bêdzie oznaczana najd³u¿sza
cie¿ka dochodz¹c¹ do wierzcho³ka i ∈ O bez jego obci¹¿enia p(i) w grafie G(π). War- toæ rπ(i) jest równa najwczeniejszemu mo¿liwemu momentowi rozpoczêcia operacji i, tj.
rπ(i) = S(i). Rozwa¿any w pracy problem sprowadza siê zatem do odnalezienia permutacji π ∈ Π, dla której cie¿ka krytyczna w grafie G(π), równa Cmax( )π =r m rπ( p, )+p m( p, ( )),πr przyjmuje wartoæ minimaln¹.
Graf G(π) skonstruowany jest w ten sposób, ¿e ka¿dy z wierzcho³ków posiada co naj- wy¿ej dwa bezporednie poprzedniki i nastêpniki, dziêki czemu stosunkowo ³atwo mo¿na
π
proste s¹ te¿ modyfikacje powy¿szego grafu. Graf G(δ), δ ∈ Π bêdzie siê ró¿ni³ od grafu G(π) jedynie obci¹¿eniem wierzcho³ków reprezentuj¹cych niektóre operacje produkcyjne, tj. (l, δ(j)), gdzie l ∈ Mp, δ(j) ≠ π(j), j ∈ J. Struktura zbioru ³uków E oraz czas wykonania operacji transportowych w przyjêtym modelu s¹ niezale¿ne od permutacji.
4. Algorytmy rozwi¹zywania i badania numeryczne
Pomimo zmienionej definicji, mo¿liwy przebieg cie¿ek krytycznych w opisywanym grafie nie zmienia siê w stosunku do opisu z pracy [7]. W zwi¹zku z powy¿szym w³asnoci
cie¿ki krytycznej opisane w [7] w badanym przypadku równie¿ s¹ zachowane. Przyjmuj¹c zatem za definicjê funkcji kryterialnej d³ugoæ Cmax(π) cie¿ki krytycznej w grafie G(π), do rozwi¹zywania problemu z transportem mo¿na zastosowaæ algorytm konstrukcyjny NEHAGV oraz algorytm poszukiwañ z zabronieniami TSABAGV, omawiane równie¿ w pra- cy [7].
Celem przeprowadzonych badañ numerycznych by³o (i) okrelenie relacji czasowych i jakociowych pomiêdzy algorytmem NEHAGV i TSABAGV oraz (ii) okrelenie wp³ywu liczby wózków AGV na wartoæ funkcji celu. Wspomniane algorytmy nie bêd¹ porówny- wane z algorytmami klasycznymi, nieuwzglêdniaj¹cymi czasów transportu, gdy¿ takie porównanie dla systemu z jednym wózkiem AGV zosta³o wykonane w pracy [7]. W cyto- wanej pracy zaproponowano równie¿ zestaw 70 instancji testowych podzielonych na 7 grup. Ka¿da instancja ma swoj¹ unikaln¹ nazwê w postaci TFr/mp/k, gdzie r jest liczb¹ zadañ, mp jest liczb¹ maszyn produkcyjnych, r×mp = 20×5, 20×10, 50×5, 50×10, 100×5, 100×10, 200×10, za zmienna k ∈ {1, 2, ..., 10} jest numerem instancji w danej grupie r×mp. Na potrzeby problemu opisywanego w tej pracy do ka¿dej instancji zostanie dodany dodatkowy parametr mt = {1, 2, 3, 6}, okrelaj¹cy liczbê wózków w systemie. Ostatecznie otrzymujemy zestaw 280 instancji podzielonych na 28 grup, gdzie ka¿da instancja ma na- zwê w postaci TFr/mp/mt/k.
Wszystkie instancje zosta³y w sposób przybli¿ony rozwi¹zane przez nastêpuj¹ce algo- rytmy NEHAGV i TSABAGV, zaimplementowane w Delphi i uruchamiane na komputerze z procesorem Intel Core 2 Duo (2,66 GHz, 22445 MIPS). Permutacja wygenerowana przez algorytm NEHAGV stanowi³a permutacjê pocz¹tkow¹ algorytmu TSABAGV. Algorytm TSABAGV dla ka¿dej instancji zosta³ uruchomiony z identycznymi wartociami parame- trów jak w pracy [7] (ε = 0, maxt = 8, maxret = 1000/500, maksymalny czas pracy algo- rytmu, równy 10 minut). Wartoci funkcji celu permutacji dostarczonych przez algorytm NEHAGV oraz TSABAGV bêd¹ oznaczane (w zale¿noci od liczby wózków AGV uwzglêd- nionych w instancji) odpowiednimi symbolami CNHmt iCTSmt.
Dla ka¿dej instancji TFr/mp/mt/k, zosta³a wyznaczona poprawa wzglêdna ( t, t) 100% ( NHmt TSmt) / NHmt
FI NHm TSm = ⋅ C −C C wartoci CNHmt przez algorytm TSABAGV. Dla ka¿dej grupy instancji zosta³a wyznaczona rednia wzglêdna poprawa
( t, t).
I NHm TSm Dodatkowo dla instancji (oraz grup instancji), dla których mt > 1 zosta³y
wyznaczone odpowiednie wartoci FI TS TSm( 1, t), ( 1,I TS TSmt). Wszystkie wyznaczone
rednie poprawy wzglêdne zosta³y przedstawione w tabeli 1. Dla ka¿dej grupy instancji wyznaczone zosta³y równie¿ rednie czasy pracy algorytmów; dla algorytmu TSABAGV
zosta³y oznaczone przez T(TSmt) i przedstawione w tabeli 2.
Tabela 1
rednie wzglêdne poprawy dla poszczególnych algorytmów
Tabela 2
rednie czasy pracy algorytmów dla poszczególnych grup instancji
Z tabeli 1 wynika, ¿e uwzglêdnienie drugiego wózka AGV w trakcie pracy algorytmu TSABAGV (poprawy I(TS1, TS2)) powoduje w niektórych przypadkach nawet ponad dwu- dziestoprocentowy wzrost jakoci generowanych rozwi¹zañ. Dodanie ka¿dego kolejnego
r / mp I(NH1,TS1) [%] I(NH2,TS2)
[%] I(NH3,TS3)
[%] I(NH6,TS6)
[%] I(TS1,TS2)
[%] I(TS1,TS3)
[%] I(TS1,TS6) [%]
20 / 5 3,77 2,87 2,85 2,85 2,68 2,72 2,72
20 / 10 4,93 6,00 5,86 2,39 13,09 15,11 15,64
50 / 5 3,47 2,49 1,49 1,26 5,06 5,07 5,07
50 / 10 4,99 5,62 6,10 3,82 22,76 19,75 22,52
100 / 5 1,68 1,28 0,80 0,50 6,40 6,47 6,47
100 / 10 3,16 4,62 4,93 3,65 14,80 20,19 24,59 200 / 10 1,09 2,32 3,17 2,74 14,60 20,72 27,06
rednia 3,30 4,96 3,60 2,46 11,34 12,86 14,87
r / mp T(TS1)
[s] T(TS2)
[s] T(TS3)
[s] T(TS6) [s]
20 / 5 5,20 5,12 5,19 4,78
20 / 10 10,68 11,46 15,31 13,83 50 / 5 116,38 97,33 85,72 84,72
50 / 10 287,94 324,30 321,05 300,70
100 / 5 600,00 600,00 589,69 563,02
100 / 10 600,00 600,00 600,00 600,00
200 / 10 600,00 600,00 600,00 600,00
rednia 317,17 319,99 316,71 309,52
punktów procentowych. Dla instancji, dla których liczba maszyn jest niewielka (mp = 5), dodanie trzeciego i kolejnych wózków praktycznie nie wp³ywa na jakoæ generowanych rozwi¹zañ. Najprawdopodobniej dla tych instancji algorytm generuje rozwi¹zania bliskie optimum ju¿ dla liczby wózków, wynosz¹cej mt = 2. Najwiêkszy wzrost jakoci rozwi¹zañ w zale¿noci od liczby wózków obserwowalny jest dla instancji charakteryzuj¹cych siê du¿¹ liczb¹ zadañ i maszyn, tj. dla r ≥ 100, mp = 10. Podobne obserwacje mo¿na poczyniæ, porównuj¹c rozwi¹zania generowane przez algorytm TSABAGV w stosunku do NEHAGV. Pewnym wyj¹tkiem s¹ instancje z grup TFr/5/mt, dla których obserwowany jest spadek przewagi algorytmu popraw nad algorytmem konstrukcyjnym wraz ze wzrostem liczby wózków.
Czas pracy algorytmów NEHAGV, TSABAGV nie zale¿y w istotnym stopniu od liczby wózków AGV. Wraz ze wzrostem liczby wózków obserwowalny jest nieznaczny spadek czasu pracy algorytmu dla grup instancji TFr/5/mt oraz nieznaczny wzrost czasu pracy dla instancji z grup TFr/10/mt. Czasy pracy algorytmu NEHAGV nie przekroczy³y 3 sekund i nie zosta³y ujête w tabeli 2.
5. Podsumowanie
W pracy jest rozwa¿any elastyczny system produkcyjny typu pêtla, w którym trans- porty realizowane s¹ przez zbiór identycznych wózków AGV. W pracy zosta³ przedstawio- ny model matematyczny, reprezentacja permutacyjno-grafowa opisywanego sytemu oraz zosta³ sformu³owany problem szeregowania zadañ. Nastêpnie, dla problemu zosta³ zapro- ponowany algorytm konstrukcyjny NEHAGV i algorytm lokalnych poszukiwañ TSABAGV oraz instancje testowe. Pod koniec pracy zosta³y zaprezentowane wyniki badañ numerycz- nych, których celem by³o okrelenie relacji jakociowych pomiêdzy algorytmami jak rów- nie¿ wp³yw liczby wózków AGV na jakoæ generowanych przez nie rozwi¹zañ.
Po przeprowadzonych badaniach okaza³o siê, ¿e dla instancji uwzglêdniaj¹cych ju¿
dwa wózki AGV by³ obserwowalny znaczny wzrost jakoci generowanych przez algorytmy rozwi¹zañ w stosunku do rozwi¹zañ instancji z jednym wózkiem. Dla instancji z wiêk- sz¹ liczb¹ wózków wzrost jakoci rozwi¹zañ nie by³ ju¿ tak istotny jak w przypadku instan- cji z dwoma wózkami. Wzrost ten waha³ siê od zera do kilku punktów procentowych.
Nie zaobserwowano równie¿ istotnego wp³ywu liczby wózków na czas pracy badanych al- gorytmów.
Literatura
[1] Ganesharajah T., Hall N., Sriskandarajah C., Design and operational issues in AGV-served manu- facturing systems. Annals of Operations Research, 76, 1998, 109.
[2] Hall N., Sriskandarajah C., Ganesharajah T., Operational decisions in AGV-served flowshop loops:
scheduling. Annals of Operations Research, 107, 2001, 161.
[3] Bozer Y.A., Srinivasan M.M., Tandem configurations for automated guided vehicle systems and the analysis of single vehicle loops. IIE Transactions, 23, 1991, 72.
[4] Bozer Y.A., Srinivasan M.M., Tandem AGV systems: a partitioning algorithm and performance comparison with conventional AGV systems. European Journal of Operational Research, 63, 1992, 173.
[5] Nowicki E., Smutnicki C., A fast tabu search algorithm for the permutation flow-shop problem.
European Journal of Operational Research, 9, 1996, 160.
[6] Smutnicki C., Tyñski A., Modelowanie przep³ywu zadañ w elastycznym systemie produkcyjnym z wózkami AGV. Automatyka, 9, 2005, 223.
[7] Tyñski A., Zastosowanie techniki poszukiwañ z zabronieniami w rozwi¹zywaniu problemu prze- p³ywowego z transportem. Komputerowo Zintegrowane Zarz¹dzanie, 2, 2006, 595.