نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)
سال:1388 | دوره:20 | شماره:2 |تعداد مقالات:6

در این مقاله یک مساله کنترل موجودی چند دوره ای که در آن فاصله زمانی بین دو بازپرسازی متغیرهای تصادفی مستقل و هم توزیع هستند مورد بررسی قرار می گیرد. در حقیقت تولید کننده با خریدار در زمانی کاملا تصادفی رودررو می شود. دیگر فرض حاکم بر مساله وجود محدودیت فضا بوده و متغیر تصمیم نیز عدد صحیح در نظر گرفته شده است. سه مدل ارایه شده است که در مدل اول کل کمبود به حالت پس افت در می آید. در مدل دوم کل کمبود فروش از دست رفته شده و در مدل سوم که ترکیبی از مدلهای اول و دوم است درصدی از کمبود حالت پس افت یافته و درصد باقی مانده نیز، فروش از دست رفته خواهد شد. سه خصوصیت اصلی مدل که منجر به جدید بودن مدل شده است تصادفی بودن طول دوره، چند محصولی و محدودیت دار بودن مدل و عدد صحیح بودن متغیر های تصمیم هستند. به عنوان نمونه، مدل سوم با فرض یکنواخت بودن طول دوره بازپرسازی بازنویسی شده و مدل به دست آمده نیز یک مساله برنامه ریزی غیرخطی عدد صحیح است. همچنین برای حل مدل از شبیه سازی تبرید استفاده می شود و برای توضیح کارکرد الگوریتم نیز یک مثال عددی ارایه شده است.

در این مقاله، مساله زمانبندی تولید کارگاه منعطف (Flexible Job Shop) با تعریف جدیدی از انعطاف پذیری مورد بررسی قرار می گیرد. در این نوع انعطاف پذیری برای مساله فرض می شود که در هر ایستگاه عملیاتی چند ماشین وجود دارند که کارها در هر ایستگاه می توانند به یکی از آنها تخصیص داده شود. تابع هدف کمینه سازی بازه ساخت (make span) است. ابتدا مدل ریاضی مساله ارایه شده و سپسNP-hard  بودن مساله نشان داده می شود. بعلت NP-hard بودن مساله استفاده از روشهای دقیق برای حل آن در زمان چند جمله ای ممکن نیست و باید از الگوریتمهای ابتکاری برای حل آن استفاده نمود.  به این منظور دو الگوریتم ابتکاری به نامهای H1 و H2 به ترتیب برای مسایل با ابعاد بزرگ و معمولی برای حل مساله ارایه می شود. بعلت اینکه این مساله تاکنون در ادبیات موضوع مورد مطالعه قرار نگرفته است، معیار مناسبی برای ارزیابی الگوریتم های ارایه شده وجود ندارد. بنابراین بمنظور ارزیابی الگوریتمهای ارایه شده، سه الگوریتم ابتکاری با نامهای H3، H4 و H5 و همچنین یک کران پایین برای آن ارایه می شود و نتایج الگوریتمهای H1 و H2 با آنها مقایسه شده است. نتایج محاسبات نشان می دهد که الگوریتم پیشنهادی H2 برای مسایل با ابعاد کوچک، جوابهای بهتری را نسبت به الگوریتمهای دیگر ارایه می دهد. اما در مسایل با ابعاد بزرگ H1 به طور مجانبی کاراتر از H2 است. همچنین کارایی الگوریتم H3 پایین تر از سایر الگوریتمها است.

مساله مسیریابی وسایل نقلیه به همراه پنجره های زمانی، در زمره مسایل NP-Complete می باشد، بگونه ای که حتی یافتن یک جواب بهینه برای ابعاد کوچک آن بسیار دشوار و زمانبر است. هدف این مساله بکارگرفتن ناوگانی از وسایل نقلیه با ظرفیت های معین جهت خدمت دهی به تعداد معینی از مشتریان با تقاضاهای متفاوت و محدودیت های زمانی متفاوت می باشد، بگونه ای که هزینه کمینه شده و ظرفیت ها و نیز پنجره زمانی نقض نگردند. این مساله تاکنون توسط بسیاری از روشهای حل ابتکاری و فراابتکاری مورد حل واقع شده و جوابهای بهینه یا نزدیک به جواب بهینه حاصل شده است. در این مقاله نوع اصلاح شده الگوریتم کلونی مورچگان پیشنهاد گردیده و در آن سعی شده تا حد ممکن از پیچیدگی های محاسباتی اجتناب و سهولت روش حل فراهم گردد؛ البته در نظر گرفتن چنین قابلیتی منجر به از دست دادن مقدار کمی از دقت محاسباتی شده است. با این حال اجرای الگوریتم پیشنهادی بر روی تعدادی از نمونه مسایل Solomon، آشکار نمود که این الگوریتم توانایی تولید جواب های نسبتا خوب را دارا می باشد.

شناسایی و تعیین دیدگاه مشتریان و ذینفعان به منظور ارزیابی میزان موفقیت مدیریت پروژه ها در کنار مثلث زمان، هزینه و کیفیت از سالهای پایانی قرن بیستم مورد توجه محققان دانش مدیریت پروژه بوده است. از این رو تهیه یک پرسشنامه مبتنی بر شاخص های ارزیابی مطرح از نگاه مشتریان در مدیریت این نوع پروژه ها و تعیین میزان اهمیت شاخص ها از دید ایشان، منبع اصلی داده های این تحقیق بوده است. همچنین از تحلیل عاملی برای خلاصه سازی شاخصهای اولیه و تعیین مولفه های زیر بنایی شکل دهنده آن برای ایجاد یک مدل ارزیابی بهره گیری شده است. سپس با استفاده از الگوی ارایه شده به ارزیابی عملکرد مدیریت پروژه ها در ساخت قطعات خودرو پرداخته شده است. نتایج بدست آمده نشان می دهد ضعف موجود در زمینه شناخت و به کارگیری مدیریت ریسک در فرایند مدیریت این نوع پروژه ها به عنوان یکی از عوامل منفی تاثیرگزار بر میزان موفقیت آنها به شمار می رود.

مساله زمان بندی گروهی در سیستم تولید سلولی شامل دو مرحله زمان بندی است. ابتدا در مرحله اول، توالی قطعات هر خانواده- قطعه مشخص شده و سپس در مرحله دوم، توالی خانواده- قطعات تعیین می شود. در این مقاله، مساله زمان بندی گروهی با ساختار جریان کارگاهی با هدف کمینه سازی بیشترین زمان تکمیل کارها بررسی شده است. در مسایل زمان بندی گروهی سنتی، زمان پردازش کارها مقادیری ثابت و مستقل از توالی کارها فرض شده اند. این فرض در اکثر مواقع مناسب نیست، زیرا با تکرار انجام کار، توانایی و مهارت کارگر افزایش یافته و در نتیجه زمان پردازش کارها کاهش می یابد. این پدیده با نام اثر یادگیری شناخته می شود. در این مقاله، از یک مدل یادگیری موقعیت گرا در سیستم تولید سلولی استفاده شده است که در آن زمان پردازش هر قطعه خانواده- قطعه وابسته به توالی ورود آن قطعه است. مساله زمان بندی گروهی با در نظر گرفتن اثر یادگیری موقعیت گرا و فرض زمان آماده سازی وابسته به توالی خانواده- قطعات مدل سازی شده است. دو الگوریتم ژنتیک مختلف و یک روش ابتکاری جهت حل این مساله توسعه داده شده و توسط مسایل آزمایشی مورد ارزیابی قرار گرفته اند. نتایج عددی حاصل از ارزیابی روش های حل پیشنهادی، نشان دهنده آن است که الگوریتم ژنتیک دوم از لحاظ کیفیت جواب، از سایر روشهای پیشنهادی بهتر است.

مساله زمانبندی کار کارگاهی سنتی یک مساله NP-Complete از نوع قوی است و به همین دلیل در تحقیقات صورت گرفته، الگوریتم های فراابتکاری زیادی برای حل آن ارایه شده است، اما تنها در تعداد معدودی از آنها الگوریتم بهینه سازی دسته ذرات (PSO) مورد توجه قرار گرفته است که یکی از دلایل آن می تواند جدید بودن این روش باشد. در الگوریتم ارایه شده در این مقاله ابتدا بمنظور حفظ موجه بودن جوابها در هر تکرار الگوریتم شیوه نمایش بر مبنای فهرست اولویت برای جوابها انتخاب شده است. همچنین برای ایجاد رابطه یک به یک بین جواب مساله که ماهیت گسسته دارد و جواب مورد پذیرش الگوریتم که اعداد پیوسته هستند و همچنین حفظ قانونی بودن جوابها در هر تکرار، یک شیوه جدید بر اساس تبدیل مبنای اعداد و با استفاده از نمایش اعداد در مبنای فاکتوریل توسعه داده شده است. با توجه به تکاملی بودن PSO، بمنظور شروع از جوابهای نسبتا خوب از یک الگوریتم ابتکاری جستجوی تصادفی حریصانه به عنوان مولد جوابهای اولیه استفاده شده است. هر جواب بدست آمده توسط PSO بوسیله یک الگوریتم جستجوی محلی بهبود داده می شود. برای فرار از دام بهینه های محلی یک رابطه جدید بهنگام سازی سرعت در الگوریتم PSO توسعه داده شده است. به همین منظور و همچنین برای بهبود نهایی جواب بدست آمده توسط PSO از یک الگوریتم آنیلینگ شبیه سازی شده استفاده شده است. الگوریتم بر روی تعدادی از مسایل نمونه آزمایش شده و نتایج حاصل بیانگر دقت و کارایی جوابها نسبت به سایر الگوریتم های موجود برای حل مساله مورد بحث است.