در این مقاله به زمان بندی کارگاه جریان کارگاهی منعطف در شرایط چندکارخانه یی پرداخته ایم که در آن کارخانه ها با ایجاد یک شبکه ی تولیدی سعی بر ارضای تقاضای بازار دارند. در این تحقیق علی رغم آن که فرض شده است کارخانه ها به صورت مجزا فعالیت می کنند، در برخی مواقع نیز به دلیل وجود صف هایی طولانی در یک کارخانه، برخی از کارها به کارخانه های دیگر ارسال می شوند تا زمان تکمیل کارها کاهش یابد. به عبارت دیگر، در این سیستم فرض شده است هر کارخانه پس از ارضای تقاضای منطقه ی خود، می تواند در جهت حصول تابع هدف بهتر برای شبکه ی تولیدی با سایر کارخانه ها همکاری کند. در این پژوهش با در نظر گرفتن فرض ناهمسانی کارخانه های موجود در شبکه ی تولیدی و هزینه های نگهداری، ابتدا مدل برنامه ریزی عدد صحیح برای مسیله ارایه شده است. در ادامه و پس از حل مدل پیشنهادی با استفاده از نرم افزار گمز و به دلیل پیچیدگی آن، الگوریتمی بر پایه ی آزادسازی لاگرانژ به منظور حل مسیله در ابعاد بزرگ تر توسعه داده شده است. خروجی مقایسات حاصل از نتایج گمز و الگوریتم آزادسازی لاگرانژ، نشان می دهد که الگوریتم پیشنهادی کارایی مناسبی دارد.

مقدمه و اهداف: سیستم کار کارگاهی منعطف یکی از پرکاربردترین سیستم های زمان بندی، در محیط های تولیدی است که به علت کاربردهای متنوع در سیستم های تولیدی همواره موردتوجه پژوهشگران این حوزه بوده است. در تعداد زیادی از پژوهش ­های این حوزه فرض شده است که زمان های پردازش، مقداری ثابت و از پیش مشخص شده هستند. حال آنکه در شرایطی و بر اثر پدیده زوال، زمان های پردازش عملیات افزایش می یابند و پس از اجرای فعالیت های تعمیرات و نگهداری با نام RMA، زمان های پردازش به زمان های نرمال اولیه کاهش می یابند. موضوع پژوهش حاضر، بررسی سیستم کار کارگاهی منعطف با درنظرگرفتن سیاست رد کارها و منابع دوگانه محدود انسان ـ ماشین و پیاده سازی فعالیت های تعمیرات و نگهداری RMA است.روش ها: هدف از حل مسائل زمان بندی کار کارگاهی منعطف، یافتن تخصیص هر عمل به یک ماشین و یک کارگر از میان مجموعه ماشین ها و کارگران قابل، به نحوی است که توالی عملیات بر روی ماشین آلات بهینه شود. برای این منظور یک مدل ریاضی بر اساس رویکرد برنامه ریزی خطی عدد صحیح مختلط منعطف توسعه داده شده است. مروری بر مطالعات پیشین نشان می دهد که مسئله با مفروضات فوق الذکر در زمره مسائل NP-hard رده بندی شده ­اند؛ بنابراین استفاده از روش های فراابتکاری برای دستیابی به جواب اجتناب ناپذیر است. برای این منظور از روش فراابتکاری جست ­وجوی همسایگی متغیر، شبیه سازی تبرید و الگوریتم ترکیبی این دو برای حل مسئله استفاده شده است. یافته ها: در این پژوهش، 20 زیر­مسئله موردبررسی قرار گرفته است که بر اساس اندازه، به سه دسته کوچک، متوسط و بزرگ دسته بندی می شوند. ویژگی های هر مسئله موردبررسی بر اساس پارامترهایی نظیر تعداد کارها، تعداد ماشین آلات، تعداد کارگران، مجموع کل تعداد عمل های کارها و تعداد باکت­ها مشخص شده است. برای حل این مسئله از روش های فراابتکاری جست­وجوی همسایگی متغیر، شبیه سازی تبرید و ترکیب این دو، استفاده شده است؛ همچنین هفت ساختار تولید همسایگی بر پایه تغییر در ماشین ها و کارگران تخصیص یافته به هر عمل، تعویض عمل ها و کارها، اجرا و یا عدم­اجرای فعالیت های تعمیرات و نگهداری RMA و درنهایت رد/ پذیرش کارها ایجاد می شود. این ساختارهای همسایگی با هدف جست وجوی بهتر فضای جواب مسئله در روش های فراابتکاری، مورداستفاده قرار گرفته است. ساختار تولید جواب های جدید به صورتی است که ضمن مراعات الزامات سیستم کار کارگاهی منعطف، همواره جواب های موجه تولید می شود. پارامترهای روش های فراابتکاری با استفاده از روش تاگوچی تنظیم شده اند و به عنوان نمونه، پارامترهای مرتبط با روش فراابتکاری جست­ وجوی همسایگی متغیر و شبیه سازی تبرید گزارش شده است که مشتمل بر پارامترهای دمای اولیه، تعداد جست­وجوهای همسایگی و شمارنده تکرار حلقه ارتعاش است. در ادامه نتایج حاصل از اجرای روش های فراابتکاری مقایسه قرار گرفته و در خصوص مسائل کوچک، با مقدار جواب دقیق به دست آمده مقایسه شده است.نتیجه گیری: در خاتمه، نتایج حاصل از حل 20 زیرمسئله از طریق سه روش های فراابتکاری جست­وجوی همسایگی متغیر، شبیه سازی تبرید و روش ترکیبی این دو، با استفاده از روش های آماری مقایسه شده است و نتایج حاکی از آن است که روش ترکیبی شبیه سازی تبرید و جست­ وجوی همسایگی متغیر، عملکرد بهتری در حل این مسئله داشته است.

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.

یکی از چالش های اساسی تولیدکنندگان در سیستم های تولید بر اساس سفارش، برقراری توازن بین سفارش های ورودی و منابع محدود است. از این رو آنها باید برخی سفارش ها را انتخاب و بعضی را رد کنند. علاوه بر این، در پذیرش سفارش ها باید زمان بندی کارهای جاری در نظر گرفته شود. در تحقیق پیش رو در مورد مساله زمان بندی و پذیرش سفارش در سیستم تولیدی خط جریان منعطف بدون وقفه بحث شده است. سفارش هایی که امکان تحویل در موعد مقرر را نداشته باشند، رد می شوند. بیشتر تحقیقات صورت گرفته مبتنی بر بهینه سازی تک هدفه اند، در صورتی که در شرایط واقعی باید اهداف مختلف را در تصمیم گیری مدنظر قرار داد. به همین دلیل مدل دو هدفه ای با اهداف حداکثر سازی سود و حداقل سازی میزان انحراف ها از موعد تحویل، ارائه شده است. به دلیل پیچیدگی زیاد مدل، روش های دقیق جواب بهینه ای را تولید نمی کنند، بنابر این دو الگوریتم فراابتکاری NSGA II و MOSA برای این مساله توسعه داده شده و عملکرد آنها در سه دسته مختلف مسائل از طریق شاخص های کمی مقایسه شد.

مساله زمانبندی کارِ کارگاهی منعطف Flexible Job Shop))، حالت توسعه یافته زمانبندی کارِ کارگاهی Job Shop)) است که در آن هر عملیات می تواند توسط بیش از یک ماشین از میان مجموعه ماشین های موجود انجام شود. این مساله در زمره مسائل NP-hard طبقه بندی می شود و برای حل آن با دو زیر مساله مواجه هستیم. نخست اینکه، نحوه تخصیص هر فعالیت به ماشینی از میان ماشین های موجود که قادر به پردازش فعالیت مورد نظر است تعیین شود و سپس توالی فعالیت های تخصیص یافته مشخص گردد. واضح است که دستیابی به پاسخ بهینه، حتی در ابعاد کوچک دشوار و بسیار زمان بر است در این مقاله یک الگوریتم ممتیک جهت کمینه کردن حداکثر زمان تکمیل و بدست آوردن جواب بهینه مسائل کوچک و بهترین جواب مسایل متوسط و بزرگ ارائه می شود.در این مقاله همچنین به منظور بهبود جواب های حاصل از الگوریتم ممتیک و کاهش حداکثر زمان تکمیل فرض ایجاد وقفه در انجام کارها را نیز در نظر می گیریم.

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 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.

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، 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.