Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
This paper investigates the application of artificial neural networks to the problem of job shop scheduling with a scope of a deterministic time-varying demand pattern over a fixed planning horizon. The purpose of the research is to design and develop a job shop scheduling system (a scheduling software) that can generate effective job shop schedules using the multi-layered perceptron (MLP) networks. The contributions of this study include designing, developing, and implementing a production activity scheduling system using the MLP networks; developing a method for organizing sample data using a denotation bit to indicate processing sequence and processing time of a job simultaneously; using the back-propagation training process to control local minimal solutions; and developing a heuristics to improve and revise the initial production schedule. The proposed production activity schedule system is tested in a real production environment and illustrated in the paper with a sample case.
Department of Information Systems and Decision Sciences, College of Business and Public Administration, Old Dominion University, Norfolk, VA 23529, USA