Optimization of Logistic and Manufacturing Systems through Simulation: A Colored Petri Net-Based Methodology

Piera, Miquel Àngel; Narciso, Mercedes; Guasch, Antoni; Riera, Daniel

doi:10.1177/0037549704045045

Cited by 53 publications

(42 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…CPNs provide a modeling formalism that can support the decision-making process of logistics systems, i.e., systems with stochastic, asynchronous, and dynamic behavior [15,16]. Manufacturing scheduling is an optimization process, considered as NP-hard problem.…”

Section: Pns and Cpns Combined With Ai Techniques For Manufacturing Smentioning

confidence: 99%

Manufacturing Scheduling Using Colored Petri Nets and Reinforcement Learning

Drakaki

Tzionas

2017

Applied Sciences

View full text Add to dashboard Cite

Agent-based intelligent manufacturing control systems are capable to efficiently respond and adapt to environmental changes. Manufacturing system adaptation and evolution can be addressed with learning mechanisms that increase the intelligence of agents. In this paper a manufacturing scheduling method is presented based on Timed Colored Petri Nets (CTPNs) and reinforcement learning (RL). CTPNs model the manufacturing system and implement the scheduling. In the search for an optimal solution a scheduling agent uses RL and in particular the Q-learning algorithm. A warehouse order-picking scheduling is presented as a case study to illustrate the method. The proposed scheduling method is compared to existing methods. Simulation and state space results are used to evaluate performance and identify system properties.

show abstract

Section: Pns and Cpns Combined With Ai Techniques For Manufacturing Smentioning

confidence: 99%

Manufacturing Scheduling Using Colored Petri Nets and Reinforcement Learning

Drakaki

Tzionas

2017

Applied Sciences

View full text Add to dashboard Cite

show abstract

“…Zřejmé analogie mezi oběma systémy lze využít k pokusům modelovat logistické systémy prostřednictvím Petriho sítí. Taková možnost byla již v minulosti některými autory zkoumána (Piera, 2004;Macías, 2004), nikoliv však na úrovni objektových Petriho sítí. Objekty přepravo-vané v logistických sítích mají mnoho parametrů, které jsou z logistického hlediska významné (hmotnost, rozměry, skladovací podmínky, trvanlivost apod.)…”

Section: Výsledky a Diskuseunclassified

Qualifications of Petri nets for modeling of logistical systems

Jedlička¹

2014

Acta Univ. Agric. Silvic. Mendelianae Brun.

View full text Add to dashboard Cite

JEDLIČKA, P.: Qualifications of Petri nets for modeling of logistical systems. Acta univ. agric. et silvic. Mendel. Brun., 2006, LIV, No. 3, pp. 131-136 Simulation and optimization is one of the most popular approaches to improve the use of simulation models as a tool to obtain the best system configuration. Petri nets have proved to be useful for examining the performance of different system configurations and/or alternative operating procedures for various systems. Based on their precise semantics and easy-to-understand graphical representation, Petri nets are appropriate to model logistic systems together with their quantitative and qualitative properties. In this paper, potential benefits of usage of object-oriented Petri nets for optimization of logistical systems are discussed. (Pernica, 2001).Logistika se stala významným atributem úspěšného podniku v tržním hospodářství. Zvládnout logistiku od úrovně realizátora toků surovin a hotových výrob-ků a s nimi spojených toků informací až po úroveň spolutvůrce podnikové strategie znamená získat konkurenční výhodu. Logistika se stala jedním z klíčo-vých faktorů strategického významu, které rozhodují o přežití podniku v prostředí integrace, globalizace a zostřující se konkurence. MATERIÁL A METODYÚčelem tohoto příspěvku je konfrontovat nejčas-tější požadavky na logistické systémy s modelovací-mi a analytickými možnostmi Petriho sítí. Cílem je naznačit možné využití Petriho sítí jako prostředku pro modelování, optimalizaci a zefektivnění logistických struktur a procesů. Cíle a očekávané přínosy optimalizace logistických systémůMezi nejčastěji sledované cíle restrukturalizace logistických systémů patří:-optimalizace časových, prostorových a dalších nároků na zajištění logistických činností, -eliminace nadbytečných materiálových toků, -zvýšení efektivity distribuce, snížení nákladů, -návrh nového rozmístění a kapacity skladů, -návrh způsobu a časového rozložení přepravy zboží, -příprava logistického systému na změny (zvýše-ní) objemu produkce a změny (rozšíření) portfolia výrobků/služeb, -optimalizace zásob při dodržení vysoké úrovně zákaznických služeb.

show abstract

“…The main CPN components that fulfil the cause-effect event relationship analysis include: places, transitions, input arc expressions, colour sets and state vector. See [12,15] for the description of these terms and tutorial on CPN.…”

Section: Modelling Formalismmentioning

confidence: 99%

A Derivative Control Mechanism For Supply Chain Performance Improvement

Baruwa¹,

Piera²

2008

ECMS 2008 Proceedings Edited By: L. S. Louca, Y. Chrysanthou, Z. Oplatkova, K. Al-Begain

View full text Add to dashboard Cite

Organizations increasingly find that they must rely on effective supply chains to successfully compete in the global market and networked economy. Over the years, simulation models have proved to be a useful decision support tool for examining the performance of different system configurations and/or alternative operating procedures for complex systems to improve operational and organizational efficiency. This paper presents a new approach that transforms an optimization problem to a search problem by evaluating the interrelationship of decision making when either one or more actors in the supply chain take aggressive or conservative positions. This is aimed at improving and optimizing performance, both individually and for the entire chain in order to reduce costs, lower inventories, and increase manufacturing throughput.

show abstract

Optimization of Logistic and Manufacturing Systems through Simulation: A Colored Petri Net-Based Methodology

Cited by 53 publications

References 20 publications

Manufacturing Scheduling Using Colored Petri Nets and Reinforcement Learning

Manufacturing Scheduling Using Colored Petri Nets and Reinforcement Learning

Qualifications of Petri nets for modeling of logistical systems

A Derivative Control Mechanism For Supply Chain Performance Improvement

Contact Info

Product

Resources

About