.png){kind=icon}
返回
Optimizing Multi-Technician Work Order Scheduling: A Dispatching Rule Algorithm Approach to Reduce Downtime
.png){kind=icon}
PRE
AI
DOI：10.33889/IJMEMS.2025.10.6.082.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了各种调度规则算法在优化涉及配对技术人员的工单调度方面的有效性，重点关注减少工业维护作业中的停机时间。尽管高效的调度对运营生产力至关重要，但现有方法往往强调复杂的技术人员利用率分析，这可能导致决策延迟并加剧停机时间。通过基于模拟对七种调度规则（First Come First Serve (FCFS)、Last Come First Serve (LCFS)、Round Robin、Longest Processing Time (LPT)、Shortest Processing Time (SPT)、Weighted Longest Processing Time (WLPT)和Weighted Shortest Processing Time (WSPT)）的评估，本研究测量了等待时间和维修时间等关键绩效指标。结果表明，FCFS在减少停机时间方面持续优于其他算法，强调了技术人员速度和调度响应能力比深入的专业技术人员角色更具影响力。通过展示简单、基于规则的调度的实际优势，本研究为维护优化知识体系做出了贡献，并为寻求简化技术人员分配的行业提供了可操作的见解。未来研究应探索基于AI的调度和动态团队配置，以进一步提高效率，同时避免引入不必要的复杂性。
Keyword:
Dispatching rule algorithms
Downtime optimization
Paired technician
Scheduling simulations
期刊
I
IF:
1.5
论文数:
76
被引数:
0
机构
引用论文
Joint Dispatching and Cooperative Trajectory Planning for Multiple Autonomous Forklifts in a Warehouse: A Search-and-Learning-Based Approach.png)
Electronics
ElectronicsIF0
PREAI
分享收藏
Deep Reinforcement Learning for Selection of Dispatch Rules for Scheduling of Production Systems
IF0
PREAI
分享收藏Dynamic scheduling for flexible job shop with new job insertions by deep reinforcement learning基于深度强化学习的新作业插入柔性作业车间动态调度
PREAI
分享收藏Efficient Multi-Objective Optimization on Dynamic Flexible Job Shop Scheduling Using Deep Reinforcement Learning ApproachProcesses
OAAI
ProcessesIF0
OAAI分享收藏
查看更多内容