gxceed
← 論文一覧に戻る

Modeling and optimization of machine deterioration effects in low-carbon flexible job shop scheduling problems

低炭素フレキシブルジョブショップスケジューリング問題における機械劣化効果のモデリングと最適化 (AI 翻訳)

Zhuo Su, Junlong Peng, Yuntao Su, Xiao Liu, Chupei Chen

Computers & Operations Research📚 査読済 / ジャーナル2026-05-01#省エネ
DOI: 10.1016/j.cor.2026.107538
原典: https://doi.org/10.1016/j.cor.2026.107538

🤖 gxceed AI 要約

日本語

本研究は、低炭素製造を目指したフレキシブルジョブショップスケジューリングにおいて、機械劣化が炭素排出に与える影響をモデル化し、最適化手法を提案する。劣化を考慮することで、より現実的な低炭素スケジューリングが可能となる。

English

This study models and optimizes machine deterioration effects in low-carbon flexible job shop scheduling to reduce carbon emissions in manufacturing. Considering deterioration enables more realistic low-carbon scheduling.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本の製造業におけるカーボンニュートラル達成には、生産プロセス効率化が重要であり、機械劣化を考慮したスケジューリング最適化は実務上有用な知見を提供する。

In the global GX context

This paper contributes to global sustainable manufacturing research by integrating machine deterioration into low-carbon scheduling optimization, a practical step for industrial decarbonization.

👥 読者別の含意

🔬研究者:Operations researchers can leverage the deterioration model for more accurate carbon footprint optimization.

🏢実務担当者:Manufacturing managers can apply the scheduling method to reduce emissions while accounting for machine wear.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。