تحقیق حاضر، علاوه بر پارامترهای پویایی و انعطاف پذیری، چندمعیاره بودن تابع هدف را نیز درنظر می گیرد. مسایل زمان بندی ماهیتا مسایل پویای بوده و لحاظ نمودن انواع انعطاف پذیری ها در این قبیل مسایل، منجر به رفع مشکلات گلوگاهی، افزایش تولید، بهبود عملکرد سیستم و ایجاد مزیت رقابتی می شود. از سویی دیگر برای دستیابی به اهداف سازگار با فلسفه تولید بموقع و اهداف مدیریتی زنجیره تامین، اهداف زمان بندی در این مساله حداکثر زمان تکمیل، متوسط زمان گردش کاری و متوسط دیرکرد قطعات در نظر گرفته شد. این اهداف بمنظور استفاده بهینه از منابع، کمینه کردن موجودی در گردش و تعهد بالا در مقابل مشتریان انتخاب شده و کنترل همزمان آنها منجر به بهبود عملکرد سیستم می شود. هدف از حل مساله، یافتن بهترین مجموع وزنی است. پس از مدل سازی مساله، الگوریتم ژنتیک پیشنهادی با کروموزوم های دوبعدی پویا، برای حل آن ارایه شد. پارامترهای کنترلی الگوریتم ژنتیک توسعه یافته، به طور دینامیک در طول اجرای الگوریتم و فرآیند بهینه سازی تغییر می کند که این عامل منجر به کاهش احتمال همگرایی زودرس می شود. نتایج حاصل و مقایسه آن با یک روش فرا ابتکاری، نشان دهنده بهبود بمیزان %4.90، %5.33 و %4.60 در میانگین جواب های به دست آمده، به ترتیب برای سه سطح انعطاف پذیری جزیی، متوسط و کامل است.

در مقاله حاضر، مساله زمان بندی کار کارگاهی انعطاف پذیر با فرض عدم دسترسی به ماشین ها به دلیل عملیات نگهداری و تعمیرات پیشگیرانه، بررسی می شود. در این پژوهش قصد داریم، برای مساله مورد بحث یک مدل برنامه ریزی خطی عدد صحیح مختلط (MILP) ارائه دهیم تا جواب بهینه برای ابعاد کوچک و متوسط مساله در زمان معقول حاصل شود. در این مدل هدف، کمینه سازی حداکثر زمان خاتمه (Cmax) می باشد و عملیات نت روی هر ماشین، مدت زمان ثابت داشته و خاتمه آن در یک پنجره زمانی معین رخ می دهد. به منظور ارزیابی مدل ریاضی مسائلی با ابعاد مختلف حل می نماییم. نتایج حاصل نشان می دهد مدل ریاضی قادر به حل مسائل با ابعاد کوچک و نسبتا بزرگ در زمان معقول می باشد.

در محیط های صنعتی واقعی، ممکن است ماشینی به دلایل مختلف (مانند نگهداری و تعمیرات پیشگیرانه) در طول افق برنامه ریزی در دسترس نباشد. در تحقیق حاضر، محدودیت دسترسی به ماشین ها از نوع قطعی (تحت عنوان محدودیت نت) و در حالت دسترسی نامعین بررسی شده است. پس از مدل سازی مساله، برای حل آن، الگوریتم ژنتیک توسعه یافته ای با کروموزوم های دوبعدی پویا که در آن برای حل زیرمساله نت یک الگوریتم ابتکاری دیگری نیز پیشنهاد شده؛ ارائه شد. عملکرد الگوریتم پیشنهادی در دو حالت مورد ارزیابی قرار گرفت. در حالت اول عملکرد نسخه توسعه یافته از الگوریتم پیشنهادی، با یک روش تکاملی موجود در ادبیات مقایسه شد که برای سه سطح انعطاف پذیری جزئی، متوسط و کامل به ترتیب نشانگر %3.9، %4.59 و %4.55 بهبود در شاخص «بهترین جواب به دست آمده» و نیز %4.9، %5.33 و %4.60 بهبود در شاخص «میانگین جواب های به دست آمده» است. در حالت دوم نیز روش پیشنهادی بر اساس شاخص «میانگین تابع هدف» در حالت وجود یک، دو و سه فعالیت نت به ترتیب با میانگین %4.86، %9.48 و %11.75 افزایش، از عملکرد مطلوبی برخوردار است. نتایج محاسبات در هر دو حالت رجحان روش حل پیشنهادی را در زمینه های کیفیت جواب ها و سرعت همگرایی، نشان می دهد.

در این مقاله، مسئله زمان بندی تولید در یک سیستم تولیدی چند مرحله ای از نوع کارگاهی انعطاف پذیر مورد بررسی قرار گرفته است. این سیستم ها از چندین مرکز کاری (مرحله) تشکیل شده اند که در هر مرکز کاری یا چند ماشین موازی یکسان وجود دارد و هر محصول با توجه به مسیر ساخت از قبل تعیین شده خود، از تمامی یا زیر مجموعه ای از این مراحل عبور می کند. در هر مرحله عملیات مربوطه توسط یکی از ماشین ها روی کل انباشته مربوط به هر محصول انجام می شود. فرضیات اصلی مسئله شامل وجود تقاضای پیوسته و ثابت محصولات طی یک افق برنامه ریزی نامحدود و استفاده از رویکرد سیکل مشترک در زمان بندی است. هدف مسئله تعیین یک برنامه زمانی بهینه تولید برای این محصولات است به نحوی که مجموع هزینه های راه اندازی و نگهداری موجودی محصولات در جریان ساخت و نهایی در واحد زمان بدون بروز کمبود موجودی حداقل گردد. بدین منظور یک مدل ریاضی غیر خطی مختلط صفر و یک جدید توسعه یافته است که برای تعیین همزمان جواب بهینه زیر مسایل تخصیص محصولات به ماشین ها در هر مرحله، تعیین توالی تولید محصولات تخصیص یافته به هر ماشین در هر مرحله، تعیین اندازه انباشته های تولیدی محصولات و برنامه زمانی تولید بکار می رود. به علت پیچیدگی محاسباتی بالای این مدل غیرخطی، یک روش ابتکاری برای تعیین جواب نزدیک به بهینه این مسئله ارایه شده و از یک مثال عددی برای بیان کاربردی بودن این روش استفاده شده است. همچنین دو حالت مهم دیگر (یعنی هزینه های راه اندازی صفر و تجزیه انباشته ها) مورد بررسی قرار گرفته و تغییرات لازم در مدل ریاضی و روش حل ارایه شده است.

یکی از مسائل مهم در سیستم های تولید کارگاهی انعطاف پذیر، توجه به جریان های معکوس درون شبکه مونتاژ/ جداسازی است. در این پژوهش، مسئلة زمان بندی تولید کار کارگاهی انعطاف پذیر با رویکرد جریان های معکوس که از دو جریان کارها (مستقیم و معکوس) در هر مرحله متشکل است، بررسی می شود. این مسئله زمانی کاربرد دارد که شما با دو جریان مواجه باشید که جریان (کار) رفت از مرحلة اول به آخر و جریان (کار) برگشت از مرحلة آخر به اول به کار برده شود سپس یک مدل ریاضی از مسئله با هدف کمینه سازی معیار بیشینة زمان تکمیل کارها یا به عبارتی Cmax ارائه می شود. با توجه به پیچیدگی حل و Np-hard بودن این مسئله، از الگوریتم ژنتیک بهره می گیریم. همچنین با استفاده از طراحی آزمایش ها و روش تاگوچی، مقدار مناسب پارامترهای الگوریتم ژنتیک را برآورد می کنیم. تحلیل نتایج، بیانگر کارایی الگوریتم ژنتیک برای حل مدل پیشنهادی است.

در این مقاله مسئله ی زمان بندی تولید کارگاهی انعطاف پذیر با یک مرحله ی مونتاژ و زمان آماده سازی وابسته به توالی با هدف کمینه سازی زمان تکمیل محصولات مورد بررسی قرار می گیرد. این مسئله، مدلی از سیستم های تولیدی است که در آن هر محصول از مونتاژ مجموعه یی از قطعات مختلف تولید می شود. در ابتدا، یک مدل برنامه ریزی خطی عدد صحیح مختلط توسعه داده شده است. اعتبارسنجی مدل ریاضی پیشنهادی با استفاده از نرم افزار گمز و به ازای مسائل کوچک و متوسط انجام شده است. سپس با توجه به این که مسئله ی مورد بررسی NP-hard است، الگوریتم بهینه سازی ازدحام ذرات و دو الگوریتم فراابتکاری ترکیبی برای حل مسائل در ابعاد متوسط و بزرگ پیشنهاده است. نتایج عددی الگوریتم های پیشنهادی با الگوریتم ترکیبی لی و گائو مقایسه شده است. نتایج محاسباتی نشان می دهد که در ابعاد متوسط و بزرگ مسئله، الگوریتم ترکیبی بهینه سازی ازدحام ذرات و جست وجوی همسایگی متغیر نسبت به سایر الگوریتم ها عملکرد بهتری دارد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در سال های اخیر، مساله زمان بندی سیستم های تولید کارگاهی انعطاف پذیر مورد توجه محققین مختلفی قرار گرفته است. این مقاله به بررسی مساله زمان بندی تولید کارگاهی انعطاف پذیر در حالت مونتاژ و زمان های پردازش وابسته به توالی می پردازد. هدف تخصیص عملیات به مجموعه ای از ماشین آلات و تعیین توالی پردازش هر یک از آن ها برای کمینه نمودن مجموع زمان تکمیل محصولات نهایی می باشد. با توجه به عدم بررسی این مساله در ادبیات موضوع، ابتدا مدل ریاضی مساله ارایه می شود. با توجه به NP-hard بودن مساله، سه الگوریتم فراابتکاری شامل الگوریتم های ژنتیک، شبیه سازی تبرید و یک الگوریتم ترکیبی که دو الگوریتم قبلی را با یکدیگر ادغام نموده، برای حل مساله پیشنهاد شده است. در انتها نیز به مقایسه الگوریتم ها با یکدیگر پرداخته می شود. نتایج محاسباتی نشان از کارایی بهتر الگوریتم ترکیبی نسبت به دو الگوریتم دیگر دارد.

با توجه به پیچیدگی بالای مسائل زمان بندی، روش های کلاسیک جواب گوی حل این مساله نیستند، بنابراین امروزه از الگوریتم های فرااکتشافی در حل آن استفاده می شود. در این مقاله الگوریتم بهینه سازی فاخته به عنوان یکی از جدیدترین و قوی ترین روش های بهینه سازی تکاملی برای حل مساله زمان بندی کارکارگاهی انعطاف پذیر استفاده شده است. در الگوریتم پیشنهادی برای بهبود پاسخ ها، ترتیب ورود جمعیت اولیه بر اساس الگوریتم NEH-D، که مبتنی بر کاهش زمان اجرای هر یک از کارها است، تعیین شده است. سپس ماشین های فعال توسط خوشه بندی مارکوف گروه بندی می گردند، تا در هر مرحله از عملیات، انتخاب ماشین از بین ماشین های فعال صورت گیرد. بنابراین تعداد جواب های انتخابی برای الگوریتم جستجوی فاخته محدود می گردد، تا سرعت اجرای الگوریتم فاخته افزایش یابد. در نهایت نیز از الگوریتم جستجوی فاخته برای تخصیص ماشین ها به کارها و از پرواز لوی برای بهبود در الگوریتم فاخته جهت جستجوی سراسری در کنار جستجوی محلی استفاده شده است. الگوریتم پیشنهادی بر روی مجموعه داده استاندارد Kacem،Brandimarte  و داده های مقالات مرتبط ارزیابی شده است. نتایج تجربی نشان می دهد، که الگوریتم پیشنهادی سرعت بالاتری در رسیدن به جواب نهایی و همچنین همگرایی بالایی در جواب ها دارد.