زمانبندی چندهدفه شبکه های تولید چندکارخانه ای با استفاده از الگوریتم ژنتیک زیرجمعیت و روش ارتجاعی

Authors

جواد بهنامیان

abstract

روند جهانی سازی موجود سبب پیدایش رقابتی شدید برای کسب هر چه بیشتر منافع در بین تولیدکنندگان شده است. برای حفظ شرایط رقابت پذیری در چنین بازارهایی، کارخانه ها تصمیم به ایجاد شبکه تولیدی متشکل از چندین کارخانه می نمایند. پراکندگی اعضاء در نقاط مختلف جغرافیایی در ساختارهای توزیع شده سبب در دسترس بودن منابع ارزان­تر، توانایی تولید بالاتر و مواجهه سریع تر با تغییرات و قدرت رقابتی بالاتر شده است. به این منظور در این مقاله زمانبندی چندکارخانه ای توزیع شده مورد مطالعه قرار گرفته است. علاوه­بر این، با در نظر گرفتن امکان جابه جایی کارها در بین کارخانه ها سعی شده است شرایط سیستم مورد بررسی هر چه بیشتر به دنیای واقعی صنعت نزدیک گردد. بدلیل توجه کمتر به مسائل چندهدفه در زمانبندی توزیع شده، در این تحقیق پس از مدل کردن مسئله با دو تابع هدف مجموع زمان های دیرکرد و زودکرد کارها به­عنوان تابع هدف اول و مجموع زمان های تکمیل به­عنوان تابع هدف دوم، یک روش دقیق و یک الگوریتم فرابتکاری چندهدفه برای حل مساله به­کار رفته است. در پایان نیز نتایج بدست آمده از این الگوریتم با نتایج به­دست آمده از الگوریتم بر پایه گروه ذرات مقایسه و گزارش شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برنامه‌ریزی همزمان توسعه تولید و انتقال در بازار برق با استفاده از الگوریتم ژنتیک چندهدفه

در این مقاله یک چارچوب جدید چند معیاره برای برنامه‌ریزی دینامیکی و همزمان توسعه تولید و انتقال در بازار برق ارائه شده است. هزینه‌های سرمایه‌گذاری و بهره‌برداری به‌عنوان معیارهای بلندمدت و کوتاه‌مدت اقتصادی، هزینه تراکم خطوط به‌عنوان معیاری از بازار و متوسط هزینه قطع بار در پیشامدهای احتمالی به‌عنوان معیاری از قابلیت اطمینان به‌عنوان اهداف برنامه‌ریزی انتخاب‌شده‌اند. از الگوریتم ژنتیک چندهدفه بر...

full text

ارزیابی الگوریتم های زمانبندی تولید کارگاهی انعطاف پذیر و مقایسه آنها با الگوریتم ژنتیک دوبخشی

در این مقاله مساله زمانبندی تولید کارگاهی انعطاف پذیر مورد بررسی قرار گرفته است، که بسط یافته مساله زمانبندی تولید کارگاهی می‌باشد. اهداف مساله کمینه کردن حداکثر زمان تکمیل آخرین سفارش(Cmax ) و ماکزیمم بارکاری ماشین (Wm) یعنی ماکزیمم بار کاری در هر ماشین و بارکاری کل (WT) بار کاری کل برای تمام ماشینها است. این مساله جز مسائل NP-hard می‌باشد، بنابراین بدست آوردن جواب بهینه در زمان معقول امکان پذ...

full text

طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک

طراحی جدول زمان­بندی، اساساً از وظایف پیچیده و وقت گیر برای پرسنل مسئول می­باشد که از طرفی انجام خودکار آن گامی در جهت کاهش بار کاری پرسنل و از سوی دیگر یک نمونه مطلوب برای امتحان روش­های برنامه­ریزی و ارضای محدودیت­ها در هوش مصنوعی است.  در این پژوهش، ابتدا  الگوریتم­های ژنتیک مطالعه و بررسی شده، سپس در مسأله بهینه سازی جدول زمانی دروس برای یک دانشکده فرضی مورد استفاده قرار گرفته است. د...

full text

برنامه ریزی همزمان توسعه تولید و انتقال در بازار برق با استفاده از الگوریتم ژنتیک چندهدفه

در این مقاله یک چارچوب جدید چند معیاره برای برنامه ریزی دینامیکی و همزمان توسعه تولید و انتقال در بازار برق ارائه شده است. هزینه های سرمایه گذاری و بهره برداری به عنوان معیارهای بلندمدت و کوتاه مدت اقتصادی، هزینه تراکم خطوط به عنوان معیاری از بازار و متوسط هزینه قطع بار در پیشامدهای احتمالی به عنوان معیاری از قابلیت اطمینان به عنوان اهداف برنامه ریزی انتخاب شده اند. از الگوریتم ژنتیک چندهدفه بر...

full text

ارزیابی الگوریتم های زمانبندی تولید کارگاهی انعطاف پذیر و مقایسه آنها با الگوریتم ژنتیک دوبخشی

در این مقاله مساله زمانبندی تولید کارگاهی انعطاف پذیر مورد بررسی قرار گرفته است، که بسط یافته مساله زمانبندی تولید کارگاهی می باشد. اهداف مساله کمینه کردن حداکثر زمان تکمیل آخرین سفارش(cmax ) و ماکزیمم بارکاری ماشین (wm) یعنی ماکزیمم بار کاری در هر ماشین و بارکاری کل (wt) بار کاری کل برای تمام ماشینها است. این مساله جز مسائل np-hard می باشد، بنابراین بدست آوردن جواب بهینه در زمان معقول امکان پذ...

full text

My Resources

Save resource for easier access later


Journal title:
نشریه پژوهش های مهندسی صنایع در سیستم های تولید

Publisher: دانشگاه بوعلی سینا

ISSN 2345-2269

volume 3

issue 6 2016

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023