Analysis of the impact of decision time on the system performance in distributed systems

Abstract

Biz bu çalışmada bir çizelge üretmek için geçen zamanın stokastik dinamik çizelgeleme sistemi performansına etkisini inceledik. Karar verme süresinin sistem performansı üzerindeki etkisini ayırdebilmek için tek makineli dinamik ve rastsal bir çizelgeleme ortamı tasarladık. İşlerin ortalama erkenliği ve geçliği sistem performansı ölçütü olarak kullanıldı. Çalışmamız iki aşamadan oluşuyor. İlk aşamada merkezi bir çizelgeleme sistemi kurduk. Karar verme süresini modelledik. Çizelgeleme sürecinde daha fazla zaman alan gelişmiş çizelgeleme algoritmaları kullanımını, basit hızlı sezgisel algoritmaların kullanımı ile kıyasladık. İkinci aşamada dağıtık bir çizelgeleme sistemi kurduk. Daha fazla zaman harcayarak ayrıntılı global bilgiyi dahil edip global eniyiliğe ulaşan merkezi kontrol yapısını, çabuk ulaşılan lokal bilginin kullanıldığı dağıtık kontrol yapısı ile kıyasladık. Benzetim modelimizde termin tarihlerinin sıkılığı, acil işlerin gelme oranı, üretim zamanlarındaki varyasyon, makina doluluğu parametreleri ile çeşitli atölye koşulları yarattık ve sistemi alternatif merkezi ve dağıtık kontrol politikaları altında çalıştırdık. Deneylerimizde, belirli atölye ortamlarında ve kontrol politikaları altında, basit ve hızlı bir sezgisel yöntemin yavaş bir eniyileme algoritmasından daha iyi sonuç verdiğini gösteriyoruz. Ayrıca, deneylerimizde yine belirli operasyon koşullarında, nispeten yavaş merkezi çizelgeleyici yerine hızlı dağıtık çizelgeleyicileri kullandığımızda, dinamik üretim sisteminin daha etkili yönetildiğini gösteriyoruz.

In this study, we investigate the effect of the time it takes to generate a schedule on the performance of a stochastic dynamic scheduling system. To isolate the impact of the decision time on the system performance, we devise a single machine stochastic scheduling environment where the performance of the system is measured by average earliness - tardiness cost. Our study is composed of two phases. In the first phase, we construct a centralized scheduling system. We explicitly model the decision time. We test the trade off between spending more time for the scheduling process by employing more sophisticated scheduling algorithms and using simple fast heuristic algorithm. In the second phase, we construct a distributed scheduling system. We test the trade off between spending more time by including detailed global information to achieve global optimality under a centralized control structure and using timely accessible local information under distributed control. We simulated the system under various scheduling environments controlled by due date tightness, urgent job ratios, operation time variability and utilization using different centralized control polices and distributed control policies. Our experiments show that under certain shop conditions and control policies, the shop may operate more efficiently if a simple fast heuristic is used instead of a slow optimum algorithm to solve the scheduling problems. We have been able to also show that, again under some specific operating conditions, the dynamic production system will run more efficiently when we use fast distributed schedulers instead of a relatively slow centralized scheduler.