امروزه برنامه ریزی و زمان بندی تولید به هسته اصلی مدیریت تولید در سیستم های تولیدی تبدیل شده است؛ چراکه منجر به کسب سود بیشتر و تثبیت تولید روزانه می شود. فرآیند تولید در برخی از صنایع تولیدی به صورت پیوسته و با ظرفیت بالا است؛ بنابراین تصمیم بهینه برای تولید پایدار و حداکثرسازی سود شرکت ضروری است. مسأله ی برنامه ریزی و زمان بندی تولید در سیستم های تولید پیوسته که فرآورده های متفاوتی را تولید می کنند، با درنظر گرفتن محدودیت های مختلف عملیاتی برای تولید فرآورده های مختلف و به منظور تأمین تقاضای مشتریان، یکی از مسائل پیچیده، اما بااهمیت در صنایع تولید، علی الخصوص تولید محصولات روانکار می باشد. در این پژوهش با درنظر گرفتن ساختار تولید محصولات روانکار، به مدل سازی و بهینه سازی زمان بندی تولید پرداخته می شود. هدف از مدل سازی، بهینه سازی زمان بندی و ارائه توالی اجرای برنامه تولید با درنظر گرفتن سطح و ظرفیت موجودی مخازن می باشد. درنهایت اعتبارسنجی مدل پیشنهاد شده، با استفاده از داده های مرتبط با صنعت صورت گرفته است. برای مسأله مورد مطالعه، مدل ریاضی فرموله شده در نرم افزار بهینه سازی Gams پیاده شده و راه حل بهینه در یک زمان قابل قبول به دست آمده است. نتایج به دست آمده نشان از بهبود برنامه زمان بندی داشته و دلالت بر قابلیت استفاده از مدل پیشنهادی در دنیای واقعی دارند.

یکپارچه سازی زمانبندی و برنامه ریزی تولید از تصمیمات مهم در هر سازمان تولیدی است که منجر به افزایش اثربخشی مدیریت عملیات می شود. تصمیمات بلندمدت برنامه ریزی تولید (تعیین مقدار تولید، سطح موجودی و غیره) و تصمیمات کوتاه مدت عملیاتی زمانبندی (ترتیب پردازش کارها و عملیات نت) تاثیر دوطرفه و مستقیم بر یکدیگر دارند. در این مقاله مدل ریاضی جدیدی برای تصمیم گیری همزمان برنامه ریزی و زمانبندی تولید با هدف حداقل کردن مجموع هزینه ها، زمان و دیرکرد در محیط جریان کارگاهی ترکیبی ارایه می شود. مفهوم نت ناکامل و در نظر گرفتن چند نوع منبع نگهداری تعمیرات در مدل پیشنهادی ارایه شده است. دو الگوریتم تکاملی فراابتکاری چندهدفه مبتنی بر الگوریتم جستجوی هماهنگی و روش حل دقیق اپسیلون-محدودیت برای حل مدل پیشنهادی ارایه شده است که فضای حل تصمیم گیری را به روشی مستمر جستجو می کنند. بدین منظور نمونه مسایلی مرتبط با مقاله پیشین ارایه شد و از سه معیار عملکردی تعداد حلهای پارتو، متوسط فاصله ایده آل و پراکندگی حلهای نامغلوب برای مقایسه نتایج حاصل از الگوریتمهای فراابتکاری استفاده شد. نتایج نشان دهنده مزایا و اثربخشی روش های استفاده شده در تعیین جواب بهینه پارتو برای مسایل بهینه سازی است.

در این مقاله، دو مدل برنامه ریزی مختلط عدد صحیح (MILP) برای جریان کارگاهی ترکیبی ((HFS)) با زمان های آماده سازی وابسته به توالی ارائه می شود. در مدل اول فرض شده که ماشین های موجود در هر مرحله یکسان (I) بوده اما در مدل دوم این ماشین ها مختلف در نظر گرفته شده اند. همچنین در این مقاله، تفاوت بین مدل های ارائه شده بر اساس راحتی بکارگیری و نیز قابلیت توسعه به مسائل گوناگون مورد بحث قرار گرفته است. یکی از مهمترین مزایای این دو مدل، تعیین جواب بهینه سیستم های جریان کارگاهی با مقیاس متوسط و استفاده از آن بعنوان بنچمارک برای ارزیابی الگوریتم های ابتکاری جدید می باشد.  

در دنیای واقعی، بنگاه های اقتصادی با محیط تولیدی جریان کارگاهی ترکیبی عموما علاوه بر محدودیت در ماشین آلات با محدودیت نیروی انسانی و افزایش هزینه حقوق و دستمزد و تلاش برای استفاده بهتر از نیروی کار روبه رو هستند. از جهتی نیازمندی های تحویل مشتریان با توجه به محدودیت های منابع مزبور، استفاده از رد کارها را به منظور اقناع نیازمندی های متمایز مشتریان ضروری می کند. لذا این تحقیق منابع دوگانه محدود انسان و ماشین را با در نظر گرفتن رد کارها در مساله زمانبندی جریان کارگاهی ترکیبی جهت کمینه سازی هزینه خالص کل (جمع مجموع هزینه های به دست آمده از رد کارها و هزینه جریمه کل) مورد مطالعه قرار داده است که کاربرد گسترده ای در بسیاری از مسایل صنعتی دارد. در این تحقیق یک مدل برنامه ریزی خطی عدد صحیح مختلط جدید برای این مساله توسعه داده می شود. علاوه بر این به علت NP-hard بودن مساله مورد بررسی، یک الگوریتم بهینه سازی پرنده استوایی دریایی بهبود یافته جدید با یک روش رمزگشایی جدید برای حل مسایل با اندازه بزرگ ارایه می شود. به منظور ارزیابی الگوریتم بهینه سازی پیشنهادی، 5 الگوریتم شناخته شده در ادبیات تحقیق (الگوریتم سیستم ایمنی بدن مصنوعی مبتنی بر ایمونوگلوبولین، الگوریتم ژنتیک، الگوریتم زنبور عسل مصنوعی گسسته، الگوریتم توسعه یافته کرم میوه و الگوریتم بهینه سازی توسعه یافته پرندگان مهاجر) با مساله پیشنهادی تطبیق داده شده است و در نهایت عملکرد الگوریتم بهینه سازی پیشنهادی در مقایسه با الگوریتم های تطبیق یافته، مورد بررسی قرار گرفته است. نتایج و ارزیابی های انجام شده نشان از عملکرد خوب الگوریتم بهینه سازی پرنده استوایی دریایی بهبود یافته دارد.

در این مقاله زمانبندی مساله جریان کارگاهی برگشت پذیر بدون وقفه با هدف کمینه سازی حداکثر زمان تکمیل کارها بررسی می شود. محیط های جریان کارگاهی برگشت پذیر به نوعی چیدمان جریان کارگاهی گفته می شود که در آن حداقل یک کار می بایست یک یا چند مرحله را بیش از یکبار ملاقات کند. در مسائل جریان کارگاهی بدون وقفه مراحل انجام یک کار بر روی ماشین ها از ابتدا تا انتها بدون وقفه انجام می شوند. ادغام هردوی این خصوصیات در بسیاری از صنایع مانند صنایع رباتیک دارد کاربرد دارد که در ادبیات بصورت مجزا مورد بررسی قرار نگرفته است. در این مقاله برای مساله زمانبندی جریان کارگاهی برگشت پذیر بدون وقفه مدل ریاضی ارائه شده است. برای مسایل با ابعاد کوچک نتایج حاصل از نرم افزار GAMS با نتایج حاصل از الگوریتم های ژنتیک و شبیه سازی تبرید مقایسه گردیده است و برای ابعاد بزرگ نتایج حاصل از الگوریتم های ژنتیک و شبیه سازی تبرید با یکدیگر مقایسه گردیده اند. نتایج محاسباتی نشان داد که در کل الگوریتم SA نسبت به GA، از لحاظ بدست آوردن جواب بهینه یا نزدیک به بهینه الگوریتمی کاراتر می باشد.

در این مقاله، یک مسئلۀ زمان بندی جریان کارگاهی به منظور اورهال تجهیزات ارائه شده است. این مسئله شامل سه مرحله است که در مرحلۀ اول، عملیات تفکیک اجزای یک تجهیز و در مرحلۀ دوم، عملیات تعمیرات و اورهال بر قطعات تفکیک‎‍شدۀ مرحلۀ اول انجام می شود؛ سپس در مرحلۀ سوم، قطعات اورهال‎‍شدۀ مرحلۀ قبل بر هم سوار می‎‍شوند. در مرحلۀ سوم، کارگاه‎‍های موازی، عملیات را به صورت موازی انجام می دهند. تابع هدف مسئله، بیشینۀ زمان تکمیل کارهاست و توالی پردازش کارها باید به نحوی باشد که مقدار تابع هدف، کمینه شود. به منظور حل مسئله، یک مدل برنامه‎‍ریزی عدد صحیح آمیخته برای سایز کوچک ارائه شده است که براساس موقعیت هر کار، توالی پردازش کارها را مشخص می‎‍کند. برای حل مسئله در ابعاد بزرگ، الگوریتم ژنتیک به کار رفته است. با افزایش سایز مسئله و در سایزهای مختلف، نتایج بررسی و تجزیه و تحلیل شده است که این کارایی مدل و الگوریتم ارائه‎‍شده را نشان می دهد.

در این تحقیق رفتار جریان در یک فیلتر الکترواستاتیک کارگاهی به دو روش عددی و تجربی بررسی و نتایج حاصل با هم مقایسه شده است. فیلتر مورد آزمایش برای اولین بار در ایران در این مرکز طراحی و ساخته شده است و کارایی آن در جذب ذرات گرد و غبار و دود چشمگیر است، اما برای افزایش راندمان آن باید روی بخش های مختلف تغییراتی صورت گیرد، لذا جا برای تحقیق بیشتر در این زمینه وجود دارد.بمنظور شبیه سازی عددی جریان از یک برنامه CFD بر اساس حجم کنترل و مدل آشفتگی k-e استفاده شده است. این برنامه معادلات حاکم بر جریان را پس از گسسته سازی روی یک شبکه منطبق بر بدنه که در پیش پردازنده برنامه تولید می شود، روی حجم های کنترل انتگرال گیری کرده و برای تعیین شار کمیت های روی وجوه حجم کنترل از تقریب مرتبه اول Power-Law یا مرتبه دوم Upwind استفاده می کند. برای اطمینان از صحت نتایج حل عددی، با استفاده از یک سرعت سنج سیم داغ، مقادیر سرعت جریان در دو مقطع از میدان اندازه گیری و با نتایج عددی مقایسه شده است که توافق خوبی را نشان می دهد.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در مسائل زمانبندی معمولا زمان پردازش عملیات های هر کار مشخص و ثابت در نظر گرفته می شود. در ادبیات زمانبندی پروژه بسیار تاکید شده است که زمان هر فعالیت/عملیات می تواند گاهی چند حالته باشد و با تخصیص مقداری بیشتری از منابع به یک فعالیت، زمان پردازش آن نیز کاهش یابد. در اینگونه مسائل علاوه بر زمانبندی فعالیت ها باید تخصیص منابع محدود در دسترس به فعالیت ها نیز انجام شود. این ضعف در ادبیات مسائل زمانبندی وجود دارد که زمان پردازش فعالیت ها ثابت فرض می شود. در این مقاله، مساله جریان کارگاهی از حالت کلاسیک خود به مساله جریان کارگاهی چند حالته با منابع محدود توسعه داده می شود. این مقاله به طور جامع در مورد مدلسازی ریاضی مساله بحث می کند. در این راستا دو مدل ریاضی به فرم برنامه ریزی ریاضی عدد صحیح مختلط خطی با دو مفهوم مختلف ارائه می شود. مدل اول، مکان محور و مدل دوم توالی محور است. برای ارزیابی عملکرد این دو مدل، پیچیدگی اندازه و پیچیدگی محاسباتی آنها تعیین و مقایسه می شود. در شاخص پیچیدگی اندازه، مدل اول تعداد متغیرهای بیشتر اما تعداد محدودیت های کمتری در مقایسه با مدل دوم نیاز دارد. در شاخص پیچیدگی محاسباتی، مدل اول عملکرد کاملا بهتری از مدل دوم ارائه می کند. همچنین مدل اول علاوه بر حل تعداد بیشتری از مسائل به صورت بهینه، زمان کمتری نیز برای حل در مقایسه با مدل دوم احتیاج دارد.