توسعه روش های فراابتکاری برای حل مسئله زمانبندی نیروی انسانی در محیط جریان کارگاهی

Authors

Abstract:

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 مهارت‌های مختلف وجود دارند که قابلیت انجام کارهای متفاوت با سرعت‌های مختلف را دارند. هدف مسئله تعیین زمانبندی کارها در مراحل مختلف و تخصیص نیروی انسانی به این مراحل است به‌گونه‌ای 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 نرم‌افزار CPLEX اجرا شده است که می‌تواند مسائل با ابعاد کوچک را در مدت‌زمان معقول حل‌شده است؛ اما به دلیل NP-hard بودن مسئله، این نرم‌افزار قادر به تولید جواب‌های بهینه برای مسائل با ابعاد بزرگ نمی‌باشد. برای این منظور، دو روش فراابتکاری مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات ارائه‌شده است؛ چون احتمال قرار گرفتن الگوریتم بهینه‌سازی ازدحام ذرات (PSO) در بهینه محلی زیاد است، عملکرد این الگوریتم با استفاده از الگوریتم تبرید شبیه‌سازی شده (SA) بهبود داده‌شده است (IPSO). نتایج نشان می‌دهد که الگوریتم IPSO عملکرد بهتری نسبت به الگوریتم PSO در تمامی ابعاد دارد و با بزرگ‌تر شدن ابعاد مسئله برتری الگوریتم IPSO محسوس‌تر می‌باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

توسعه روش آزادسازی لاگرانژین برای حل مسأله زمانبندی در محیط جریان کارگاهی انعطاف پذیر

مسأله زمانبندی در محیط جریان کارگاهی انعطاف­پذیر شامل تعیین توالی در یک مسأله جریان کارگاهی می­باشد که در هر مرحله حداقل یک یا چند ماشین موازی غیرمشابه وجود دارد. تابع هدف مسأله کمینه­سازی حداکثر زمان تکمیل کارها می­باشد. برای حل این مسأله از روش آزادسازی لاگرانژین استفاده شده است. برای حل زیرمسأله­های تولیدشده با استفاده از روش آزادسازی لاگرانژین نیز از دو رویکرد ساده­سازی زیرمسأله­ها و توسعه ...

full text

مقایسه و تحلیلی بر استفاده از الگوریتم های فراابتکاری برای حل مسائل زمانبندی تولید کارگاهی

One of the most important problems in research and applied fields of production management is a suitable scheduling for different operations. So, there are many approaches for job workshop or job non-workshop scheduling problems. Since job workshop scheduling problems (JSP) belong to NP-Hard class, some metaheuristics methods such as Tabu Search, Simulated Annealing, Genetic Algorithm and Parti...

full text

توسعه یک الگوریتم شاخه و کران برای حل مساله زمانبندی در سیستم تولید جریان کارگاهی مونتاژی

سیستم تولید جریان کارگاهی مونتاژی شامل دو مرحله است. در مرحله اول پردازش قطعات صورت می‌گیرد و معمولا به صورت یک ایستگاه با ماشین‌های موازی درنظر گرفته می‌شود. مرحله دوم نیز یک ایستگاه یا خط مونتاژ می‌باشد که قطعات پردازش شده، در آن مونتاژ و محصولات نهایی کامل می‌شود. در این تحقیق فرض می‌شود قرار است تعدادی محصول از انواع مختلف تولید شود و هر محصول جهت کامل شدن، نیازمند قطعاتی مشخص است. بعضی از ...

full text

حل مسئله زمانبندی جریان کارگاهی در حالت زمان فرآیند غیر قطعی و موعد تحویل

در این مقاله مدل زمانبندی جریان کارگاهی با m ماشین و n کار در حالت احتمالی و غیر قطعی مورد بررسی قرار می‌گیرد. زمانهای فرآیند غیر قطعی هستند. بنابراین زمان فرآیند هر کار روی هر ماشین یک مجموعه فازی است که نشان دهنده توزیع امکان زمان آن فرآیند است. و موعد تحویل برای زمان اتمام کل کارها متغیری تصادفی است. در اغلب مدلهای زمانبندی جریان کارگاهی قطعی هدف یافتن توالی است که زمان تکمیل آخرین کار روی ...

full text

یک مدل ریاضی برای حل همزمان مسئله زمانبندی پروژه و تخصیص نیروی انسانی

تخصیص نیروی انسانی به فعالیت‌های پروژه برای زمانبندی آن‌ها، یکی از نزدیک‌ترین حالات به شرایط واقعی مسائل زمانبندی است، اما با توجه به تازگی و تعلق این مسئله به دسته مسائل غیر چندجمله‌ای سخت، تا کنون روش‌های دقیق فقط قادر به حل مسائل با اندازه کوچک بوده‌اند. در این مسئله، منابع تجدیدپذیر از نوع ستادی بوده، به طوری که هر فرد با مهارت‌های چندگانه فقط قادر است، یکی از مهارت‌های مورد نیاز فعالیت‌ها ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 16  issue 54

pages  20- 20

publication date 2018-09-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023