نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)
سال:1391 | دوره:23 | شماره:4 |تعداد مقالات:10

در این مقاله مساله زمان بندی فلوشاپ دو ماشین با در نظر گرفتن ورود غیر همزمان و با هدف کمینه سازی تعداد کارهای دیرکرددار بررسی شده است. در ابتدا پیچیدگی مساله بررسی و ثابت شده که مساله NP hard است. بنابراین برای حل مساله فوق یک الگوریتم ابتکاری که قابلیت حل مسائل با ابعاد خیلی بزرگ را دارد، ارائه شده است. همچنین به منظور حل بهینه مساله از روش شاخه و کران با در نظر گرفتن الگوریتم ابتکاری به عنوان حد بالا بهره گرفته شده است. نتایج محاسباتی نشان می دهد که رویه شاخه و کران مسائل با ابعاد 28 فعالیت در گروه High و 20 فعالیت در گروه Low را در زمان منطقی و به طور کامل حل می کند، که این امر کارآیی حد بالا، حدود پایین و اصول غلبه ارائه شده برای مساله را نشان می دهد. همچنین نشان داده شد که متوسط نسبت جواب بهینه به الگوریتم ابتکاری با هدف S(1-Ui) حداکثر 1.11 برابر می باشد که در مقایسه با الگوریتم های ارائه شده در تحقیقات مرتبط با کارهای دیرکرددار نسبت کوچکی می باشد. این نسبت نشان دهنده کارایی بالای الگوریتم ابتکاری است. با توجه به کارآیی بالای الگوریتم ابتکاری، مسائل نمونه با ابعاد بزرگ نیز حل و نتایج آن ارائه شده است.

وقوع حوادث غیرمترقبه و فجایع طبیعی و اثرات ناشی از وقوع آن ها جوامع کنونی را ملزم به انجام برنامه ریزی های لازم جهت روبرویی و کاهش اثرات مخرب مربوطه نموده است. اگرچه در حوادث کوچک انجام این کار به صورت تجربی امکان پذیر بوده و نیاز به ابزار خاصی وجود ندارد اما در حوادث با ابعاد بزرگتر و فجایع طبیعی نظیر زلزله به دلیل ابعاد و پیچیدگی عوامل درگیر، انجام آن بصورت تجربی امکان پذیر نیست. در چنین مواردی برای اتخاذ تصمیمات مناسب نیاز به ابزارهای تصمیم گیری وجود دارد. به همین منظور در این تحقیق یک مدل ریاضی جهت انجام برنامه ریزی لجستیکی با هدف بهبود در نتایج اقدامات لجستیکی پاسخ به زلزله ارائه می گردد تا از این طریق بتوان تصمیمات مناسبی را برای حمل مصدومان و کالاها به نحوی اتخاذ نمود تا بهترین استفاده از منابع صورت پذیرفته و بیشترین کارایی حاصل گردد. از آنجایی که سرعت پاسخگویی یکی از اهداف بسیار مهم در پاسخ به فجایعی نظیر زلزله است به همین منظور برای تابع هدف مدل توسعه یافته در این تحقیق، حداقل سازی مجموع نیازهای براورده نشده کالا و مصدومان رسیدگی نشده انتخاب شده است. سپس حل مدل تفضیلی مدل در قالب یک مثال تشریح شده است.

در بسیاری از فرآیندهای تولیدی و خدماتی، کیفیت محصول یا عملکرد فرآیند به کمک رابطه ای خطی یا غیرخطی، بین متغیر پاسخ و یک یا چند متغیر مستقل، بیان می گردد. به چنین روابطی در اصطلاح، پروفایل می گویند. متغیر پاسخ در رابطه پروفایل می تواند پیوسته یا گسسته باشد. تحقیقات نسبتا گسترده ای تا بحال در رابطه با متغیرهای پاسخ پیوسته انجام شده ولی متغیرهای پاسخ گسسته کمتر مورد توجه قرار گرفته است. در حالی که کاربردهای بالقوه ای وجود دارد که متغیر پاسخ با مدلهای رگرسیون لجستک رسته ای یا دودویی مدلسازی می شوند. متغیرهای پاسخ رسته ای کاربردهای متوعی به ویژه در صنعت خدمات دارند. در این مقاله ابتدا به منظور پایش پروفایل ها در فاز I، نمودارهای کنترل پیشنهادی برای پایش پروفایل هایی که دارای پاسخ چندرسته ای اسمی هستند توسعه داده شده اند. مدل مبنای پروفایل، رگرسیون لجستیک چندرسته ای اسمی در نظر گرفته شده است. عملکرد نمودارهای کنترل با استفاده از شبیه سازی و احتمال هشدار برای سناریوهای مختلف خارج از کنترل مقایسه شده اند.

همزمان با تغییر و تحولات ساختاری محیط های تجاری و صنعتی که در قرن بیستم آغاز شد، صنعت فیلم سازی، بعنوان بخشی مهم در گردش اقتصادی کشورهای توسعه یافته، نیز مواجه با ضرورته ای جدیدی گردید. بگونه ای که امروزه، تهیه کنندگان، ناچار به استفاده از روش هایی برای سازماندهی یک پروژه تولید فیلم هستند که قادر باشد سازگار با شرایط و ماهیت عدم قطعیت و تنوع کمی و کیفی نهاد ههای تولید، امکان ارائه اقتصادی محصولات خود را در یک فضای رقابتی داشته باشند. در مقاله حاضر، ضمن بررسی تحلیلیِ روند تاریخی توسعه روش های تولید فیلم، مدل «فیلمسازی مستقل» که بر پایه انعطاف پذیری ساختاری شکل گرفته است، به عنوان شیوه ای سازگار با تغییرات سریع بازار و تنوع تقاضای مشتریان مورد توجه قرار گرفته است. مساله محوری در سازماندهی روش فیلم سازی مستقل برای یک پروژه تولید فیلم چگونگی انتخاب نیروی انسانی ماهر از بین افراد متخصصِ در دسترس، سازگار با ماهیت وظیفه ای که باید انجام دهند، می باشد. از اینرو، با توجه به نیازمندی های متفاوت و سطوح متعدد کیفیت تخصصی جهت انجام یک فعالیت مشخصِ تعریف شده، ضرورت طراحی یک روش مهندسی برای اختصاص مناسب ترین فرد از مجموعه افراد متخصصِ قابل دسترس در محدوه جغرافیایی مورد عمل، به عنوان مساله اصلی تحقیق در این مقاله تعریف گردیده است. نتیجه نهایی؛ توسعه یک الگوریتم حل مساله مبتنی بر یک مدل ریاضی با ضرایب فازی است، که طی آن از یک روش ترکیبی تحلیل سلسله مراتبی و الگوریتم ژنتیک فازی برای پیکربندی تمامی گزینه های ممکن «فرد فعالیت» و سپس مدلسازی ریاضی مسأله و حل مدل در محیطی توام با عدم قطعیت استفاده شده است. فضای پاسخ، با استفاده از نظریه امکان جهت محاسبه برتری نسبی اعداد فازی و ارائه مجموعه جواب های بهینه به صورت رجحان نسبی گزینه های فازی طراحی شده است. در پایان کاربرد الگوریتم توسعه داده شده در شرایط واقعی و همچنین نحوه حل مدل ریاضی و تحلیل پاسخ های بدست آمده، با استفاده از روش شبیه سازی عددی نشان داده شده است.

مهمترین مساله مطرح برای سرمایه گذاران به خصوص در آغاز فعالیت اقتصادی، مساله نحوه تخصیص سرمایه به یک یا چند گزینه مختلف سرمایه گذاری است تا ضمن داشتن حداکثر بازده، حداقل ریسک را متحمل شوند. این موضوع در ادبیات اقتصادی به عنوان مساله انتخاب پرتفولیو مطرح است. این مقاله بر آن است که به ارائه روشی کارا به منظور پشتیبانی از فرد تصمیم گیرنده در انتخاب پرتفولیو مناسب جهت سرمایه گذاری بپردازد. در این مطالعه، انتخاب پرتفولیو مبنی بر مدل میانگین- واریانس- چولگی در نظر گرفته می شود که به منظور تطبیق هر چه بیشتر مدل با دنیای واقعی، بازده های سهام به صورت متغیرهای فازی فرض شده اند. در این مقاله به منظور حل مدل یک الگوریتم هوشمند ترکیبی جهت رسیدن به جوابی بهینه / نزدیک به بهینه ارائه شده است. در روش ارائه شده، از الگوریتم ژنتیک به منظور جستجوی پرتفولیو و از شبکه عصبی مصنوعی آموزش داده شده با شبیه سازی فازی جهت تخمین بازده و ریسک پرتفولیو استفاده می شود. در این الگوریتم به جهت استفاده از شبکه عصبی مصنوعی در تخمین مقادیر، زمان محاسبات به طور قابل ملاحظه ای در مقایسه با استفاده مستقیم از شبیه سازی فازی کاهش یافته است. همچنین در انتها با ارائه چند مثال عددی کارایی الگوریتم پیشنهادی در مقایسه با چند الگوریتم ترکیبی دیگر سنجیده شده است.

در حوزه زمانبندی عملیات، یکی از فرضیات رایج، فرض در دسترس بودن ماشین ها در افق برنامه ریزی است. واضح است که در عمل، ممکن است یک ماشین، به دلایل مختلف، نظیر وقوع خرابی و یا لزوم انجام فعالیت های نگهداری و تعمیرات پیشگیرانه، موقتا در دسترس نباشد. در این تحقیق مساله زمانبندی کار کارگاهی چند مسیره با لحاظ محدودیت در دسترس نبودن ماشینها در دوره های زمانی از قبل مشخص شده، و با هدف کاهش زمان انجام کارها مورد بررسی قرار می گیرد. ابتدا مدل برنامه ریری غیرخطی صفر و یک برای مساله مذکور ارائه میگردد. از آنجا که بدلیل پیچیدگی این مساله، حل دقیق آن از روشهای معمول میسر نیست، یک الگوریتم ابتکاری، بر مبنای الگوریتم سیستم ایمنی مصنوعی، نیز ارائه خواهد شد. همچنین جهت ارزیابی عملکرد الگوریتم پیشنهادی، 30 مساله در ابعاد کوچک، متوسط و بزرگ طراحی و توسط الگوریتم مذکور حل و نتایج آن ارائه شده است. از نقطه نظر زمان مورد نیاز برای تولید جواب و مقدار بدست آمده برای تابع هدف، نتایج حاکی از عملکرد مطلوب الگوریتم پیشنهادی است.

در این مقاله، شبکه های پرت پویا با چندین خدمت دهنده به صورت یک شبکه صف درنظر گرفته شده است، به طوری که پروژه های ورودی کاملا مشابه بوده و طبق فرآیند پوآسون وارد سازمان می شوند. فعالیتها به طور مستقل از هم و با توزیع نمایی در ایستگاه کاری متناظر خود و فقط توسط یک خدمت دهنده از میان چندین خدمت دهنده موجود و با نظم اولین ورودی، اولین سرویس انجام می شوند. همچنین هر پروژه یک هزینه جریمه ای برحسب زمان تکمیل واقعی پروژه و زمان متعهد شده توسط مجری پروژه، به خود اختصاص می دهد. در این پژوهش، برای بدست آوردن زمان ثابت موعد مقرر در شبکه های پرت پویا با چندین خدمت دهنده، ابتدا شبکه صف را به یک شبکه احتمالی تبدیل نموده و با ایجاد یک مدل مارکوفی مناسب که دارای حالات محدود و زمان پیوسته می باشد، معادله دیفرانسیلی سیستم تشکیل می گردد که در نتیجه می توان تابع توزیع زمان تکمیل هر پروژه را بدست آورد. درنهایت با بهره گیری از یک تابع جریمه خطی و حداقل کردن میانگین هزینه های کلی هر پروژه، موعد مقرر برای تحویل پروژه ها بدست می آید.

در این مقاله به بررسی مسائل طبقه بندی داده ها (به عنوان یکی از شاخه های علم داده کاوی) در قالب مدل برنامه ریزی ریاضی چند هدفه می پردازیم. مدلی که ارائه و بررسی می گردد یک مساله MODM می باشد. اولین بار بر پایه ایده ماشین بردار پشتیبان (SVM) (ماکزیمم کردن حاشیه دو گروه)، یک مدل برنامه ریزی ریاضی چند معیاره برای مسائل داده کاوی بر پایه طبقه بندی مشاهدات به دو گروه مجزا مبتنی بر دو هدف تفکیک داده ها (ماکزیمم کردن فاصله بین گروه های مختلف و مینیمم کردن طبقه بندی نادرست داده های مورد مشاهده) معرفی شد و از آن پس تاکنون ضمن اینکه افراد زیادی روی گسترش مدلهای طبقه بندی مبتنی بر روش های برنامه ریزی ریاضی کار کرده اند، همزمان و به صورت مستقل افرادی نیز روی بهبود روش های ماشین بردار پشتیبان مطالعه نموده اند. با توجه به فلسفه یکسان این دو دسته از روش های بهینه سازی، در این مقاله به منظور پر کردن شکاف بین این دو مسیر پژوهش، از روش های به روز و بهبود یافته SVM جهت ارائه مدلی به منظور طبقه بندی در داده کاوی مبتنی بر برنامه ریزی چند هدفه استفاده خواهد شد.

در این مقاله، یک مدل ریاضی عدد صحیح مختلط برای مساله زمانبندی و برنامه ریزی پیشرفته با هدف حداقل کردن مجموع هزینه های دیرکرد و زودکرد سفارشات ارائه و در شرکت تولیدی مان پلاستیک پیاده سازی شده است. مدل ریاضی ارائه شده محدودیتهای ظرفیت، توالی عملیات، موعد تحویل را در یک محیط چند سفارشی و شرایطی که منابع بیرونی وجود دارد در نظر می گیرد. سپس به منظور حل مدل ریاضی مساله زمانبندی و برنامه ریزی پیشرفته طراحی شده با استفاده از داده های موجود در شرکت مانپلاستیک از الگوریتم ژنتیک استفاده شد. نتایج حاصل از الگوریتم ژنتیک در مقایسه با وضعیت موجود جوابهای بهتر و مقدار تابع هدف کمتر را نشان داد. از نتایج حاصله در مدت زمان کوتاه چند دقیقه ای برنامه مونتاژ محصول نهایی، برنامه تزریق شرکت مانپلاستیک و همچنین پیمانکار استخراج گردید.

در حال حاضر با توجه به افزایش سرمایه گذاری در پروژه های بزرگ توسط بخش خصوصی و اجرای بسیاری از طرحها با روشهایی نظیر طراحی، ساخت و تامین مالی برنامه ریزی تامین منابع مالی دارای اهمیت فراوان شده است.در این مقاله تلاش می شود با توجه به عدم قطعیتها در زمان و هزینه فعالیتهای مختلف یک پروژه، برنامه ریزی منابع مالی به صورت وام طوری صورت گیرد تا هزینه تامین مالی یک طرح کمترین مقدار شود. برآورد زمان و هزینه در این مدل، با استفاده از متغیرهای فازی احتمالی، صورت می گیرد، همچنین یک نمونه از اجرای پروژه طراحی و ساخت نیروگاه آبی که با توجه به شرایط طراحی و اجرای خاص ذاتا دارای رخدادهایی با زمان و هزینه غیرقطعی می باشد، به تفکیک بخشهای مهندسی، تامین و نصب، در یک فضای احتمالی فازی مدل شده است و سپس بر اساس روش ارزش انتظاری و روش بیشترین شانس با در نظر گرفتن، محدودیت زمان کل اجرای طرح و محدودیت پیشنیازی فعالیتها مدل سازی و حل شده است.جواب بهینه در این روش بر اساس ترکیب شبیه سازیهای تصادفی و فازی و مفهوم اعتبار با استفاده از الگوریتم ژنتیک می باشد.