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 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.

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.

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.

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.

مساله زمانبندی در محیط جریان کارگاهی انعطاف پذیر شامل تعیین توالی در یک مساله جریان کارگاهی می باشد که در هر مرحله حداقل یک یا چند ماشین موازی غیرمشابه وجود دارد. تابع هدف مساله کمینه سازی حداکثر زمان تکمیل کارها می باشد. برای حل این مساله از روش آزادسازی لاگرانژین استفاده شده است. برای حل زیرمساله های تولیدشده با استفاده از روش آزادسازی لاگرانژین نیز از دو رویکرد ساده سازی زیرمساله ها و توسعه قوانین چیرگی استفاده شده است. نتایج نشان می دهد که هر دو روش می توانند به جواب های نزدیک به بهینه در زمان های نسبتا معقول دست پیدا کنند ولی تفاوت معناداری با یکدیگر ندارند. همچنین روش ساده سازی زیرمساله ها در مدت زمان کوتاه تری می تواند به جواب های مورد نظر دست یابند.

در این تحقیق مسئله یکپارچه زمانبندی کارها و نیروی انسانی در محیط جریان کارگاهی مورد بررسی قرار گرفته است که در آن تعدادی نیروی انسانی با مهارت های مختلف وجود دارند که قابلیت انجام کارهای متفاوت با سرعت های مختلف را دارند. هدف مسئله تعیین زمانبندی کارها در مراحل مختلف و تخصیص نیروی انسانی به این مراحل است به گونه ای که بیشنه زمان تکمیل کارها (Cmax) کمینه شود. برای این منظور یک مدل ریاضی خطی عدد صحیح مختلط ارائه شده است که این مدل در نرم افزار CPLEX اجرا شده است که می تواند مسائل با ابعاد کوچک را در مدت زمان معقول حل شده است؛ اما به دلیل NP-hard بودن مسئله، این نرم افزار قادر به تولید جواب های بهینه برای مسائل با ابعاد بزرگ نمی باشد. برای این منظور، دو روش فراابتکاری مبتنی بر الگوریتم بهینه سازی ازدحام ذرات ارائه شده است؛ چون احتمال قرار گرفتن الگوریتم بهینه سازی ازدحام ذرات (PSO) در بهینه محلی زیاد است، عملکرد این الگوریتم با استفاده از الگوریتم تبرید شبیه سازی شده (SA) بهبود داده شده است (IPSO). نتایج نشان می دهد که الگوریتم IPSO عملکرد بهتری نسبت به الگوریتم PSO در تمامی ابعاد دارد و با بزرگ تر شدن ابعاد مسئله برتری الگوریتم IPSO محسوس تر می باشد.

در این مقاله، مساله زمانبندی جریان کارگاهی مونتاژ سه مرحله ای با دو هدف کمینه سازی متوسط زمان اتمام کارها و متوسط زمان دیرکرد کارها بررسی می شود. این مساله، مدلی از سیستم های تولیدی است که در آن عملیات تولیدی متفاوتی به طور همزمان و مستقل انجام می شوند، سپس قطعات تولیدی، جمع آوری شده و به مرحله مونتاژ برای عملیات نهایی منتقل می شوند. در این مدل سعی شده است با در نظر گرفتن زمان آماده سازی وابسته به توالی و زمان حمل و نقل قطعات، مدل طراحی شده به محیط واقعی نزدیک شود، سپس یک حد پایین برای زمان اتمام کلیه کارها ارایه می شود در ادامه برای مساله های نمونه، موعد تحویل کارها به صورت تصادفی در بازه تعیین شده تولید می شوند. برای اعتبارسنجی مدل پیشنهادی، از نرم افزار بهینه سازی لینگو 8 و روش شمارش کامل که در محیط نرم افزار MATLAB برنامه نویسی گردید، استفاده می شود. مقایسه نتایج بدست آمده از حل توسط لینگو 8 و شمارش کامل نشان می دهد که در مساله های با ابعاد بزرگتر (تعداد کارها (n)،n>8 )، حل توسط لینگو 8 از نظر زمان و انحراف مقدار تابع هدف، از مقدار بهینه کلی (از روش شمارش کامل)، ناکارآمدتر است. به طوری که در بعضی از مساله های بزرگ مقدار تابع هدف به دست آمده از لینگو 8 نسبت به روش شمارش کامل،20 % انحراف نشان می دهد. بنابراین پیشنهاد می شود برای کاهش زمان حل و کم کردن انحراف در مقدار تابع هدف می توان از الگوریتم های فراابتکاری استفاده نمود.