Mladen Perinić

Optimization of machining parameters for turning operation with multiple quality characteristics using Grey relational analysis

Optimizacija parametara obrade tokarenja s vise kriterija kvalitete uporabom Grey relacijske analize Izvorni znanstveni clanak Optimizacija procesa obrade je neophodna za postizanje vece produktivnosti i visoke kvalitete proizvoda kako bi ostali tržisno konkurentni. Ovaj rad istražuje vise-kriterijsku optimizaciju procesa tokarenja s optimalnom kombinacijom parametara obrade koji osiguravaju minimalnu hrapavost povrsine (Ra) s maksimalnim ucinkom uklanjanja materijala (MRR) uporabom Grey-based Taguchi metode. Razmatrani parametri obrade tokarenjem su brzina rezanja, posmak i dubina rezanja. Primjenom Taguchijevog L9 (3 4 ) ortogonalnog plana provedeno je devet eksperimenata te je koristena Grey relacijska analiza kako bi se rijesio visekriterijski problem optimizacije. Temeljem vrijednosti Grey relacijskog stupnja utvrđene su optimalne razine parametara. Signifikantnost parametara na sveukupne kriterije kvalitete procesa tokarenja ocijenjena je analizom varijance (ANOVA). Optimalne vrijednosti parametara dobivene tijekom istraživanja potvrđene su verifikacijskim eksperimentom. Kljucne rijeci: ANOVA; Grey relacijska analiza; Taguchijeva metoda; tokarenje; visekriterijska optimizacija

Učinkoviti genetski algoritam za planiranje proizvodnje

The Job Shop Scheduling Problem (JSSP) is one of the most general and difficult of all traditional scheduling combinatorial problems with considerable importance in industry. When solving complex problems, search based on traditional genetic algorithms has a major drawback - high requirement for computational power. The goal of this research was to develop fast and efficient scheduling method based on genetic algorithm for solving the job-shop scheduling problems. In proposed GA initial population is generated randomly, and the relevant crossover and mutation operation is also designed. This paper presents an efficient genetic algorithm for solving job-shop scheduling problems. Performance of the algorithm is demonstrated in the real-world examples.