رویکرد شبیهسازی- بهینهسازی برای یافتن توالی بهینه در مسئلۀ پویای تولید کارگاهی دارای خرابی و دوبارهکاری
Authors
Abstract:
در این مقاله سعی شده است با ادغام شبیهسازی و الگوریتم ژنتیک رویکردی پیشنهاد شود که بتوان از آن در هر مسئلۀ تولید کارگاهی که قابلیت مدلشدن با شبیهسازی را داشته باشد استفاده کرد. در رویکرد پیشنهادی برای درنظرگیری محدودیتهایمسئله از مدل شبیهسازی و برای بهینهسازی از الگوریتم ژنتیک استفاده میشود. بدین منظور ماتریسی بهعنوان رابط تعریف میشود که همزمان نقش بردار کنترلی برای مدل شبیهسازی و نمایش ماتریسی جواب برای الگوریتم ژنتیک را ایفا میکند. در این روش با استفاده از الگوریتم ژنتیک تغییراتی درماتریس اعمال میشود و سپس ماتریس وارد مدل شبیهسازیشده و تابع هدف تعریفشده در مسئله بهعنوان تابع برازش برای الگوریتم ژنتیک گزارش میشود و این روند تا رسیدن به شرایط اتمام الگوریتم ادامه پیدا میکند. روش پیشنهادی بر مسائل معیار تولید کارگاهی سنتی و با تابع هدف زمان اتمام آخرین کار آزمایش میشود و نتایج حاصل با نتایج روش برنامهریزی عدد صحیح مختلط مقایسه میشود. سپس اولویتدهی مناسب برای مینیممکردن تابع هدف چندگانه، در یک سیستم تولید کارگاهی پویای دارای خرابی و دوبارهکاری به دست میآید. نتایج بهدستآمده نشان میدهد روش بهینهسازی براساس شبیهسازی از توانایی بالایی برای مدلسازی و یافتن جواب مناسب در اکثر مسائل تولید کارگاهی برخوردار است.
similar resources
مدلسازی ریاضی و حل مسئلۀ زمانبندی تولید کار کارگاهی انعطافپذیر با جریانهای معکوس
یکی از مسائل مهم در سیستمهای تولید کارگاهی انعطافپذیر، توجه به جریانهای معکوس درون شبکه مونتاژ/ جداسازی است. در این پژوهش، مسئلة زمانبندی تولید کار کارگاهی انعطافپذیر با رویکرد جریانهای معکوس که از دو جریان کارها (مستقیم و معکوس) در هر مرحله متشکل است، بررسی میشود. 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 مرح...
full textارائۀ حد پایین برای مسئلۀ زمانبندی خط تولید کارگاهی همراه با یک مرحله مونتاژ موازی با استفاده از رویکرد رنگآمیزی گراف
زمانبندی یکی از مسائل پرکاربرد در صنعت است که پژوهشگران در سالهای اخیر توجهی ویژه به آن داشتهاند. تلاش برای کاهش شکاف میان روشهای تئوری و کاربردی در مسائل زمانبندی، از ضرورتهای دنیای امروز محسوب میشود. یکی از اقدامات صورتگرفته در این زمینه، توجه همزمان دو مرحلة مونتاژ و پردازش است. در این پژوهش با توجه به اهمیت توجه همزمان به مراحل مختلف تولید در صنعت و همچنین بهمنظور کاربردیترکرد...
full textحل مسئلهی زمانبندی تولید کارگاهی انعطافپذیر با یک مرحلهی مونتاژ و زمان آمادهسازی وابسته به توالی
در این مقاله مسئلهی زمانبندی تولید کارگاهی انعطافپذیر با یک مرحلهی مونتاژ و زمان آمادهسازی وابسته به توالی با هدف کمینهسازی زمان تکمیل محصولات مورد بررسی قرار میگیرد. این مسئله، مدلی از سیستمهای تولیدی است که در آن هر محصول از مونتاژ مجموعهیی از قطعات مختلف تولید میشود. در ابتدا، یک مدل برنامهریزی خطی عدد صحیح مختلط توسعه داده شده است. اعتبارسنجی مدل ریاضی پیشنهادی با استفاده از نرم...
full textبهینهسازی مبتنی بر مبنای شبیهسازی مسئلۀ زمانبندی تولید کارگاهی در کسبوکارهای کوچک و متوسط با رویکرد نظامهای صف با هدف کاهش هزینۀ زودکرد و دیرکرد فعالیتها
تعیین بهینۀ توالی کارها در تولید کارگاهی کسبوکارهای کوچک و متوسط، در بهرهوری ماشینآلات، هزینههای مربوط به دیرکرد و زودکرد تحویل کارها تأثیرگذار است. در این پژوهش ابتدا مدل ریاضی مسئلۀ تولید کارگاهی کسبوکارهای کوچک و متوسط طراحی شد، سپس بهکمک نرمافزار Arena 14 مدل شبیهسازی طراحی گردید و در نهایت با حل یک مثال عددی، جواب نزدیک به بهینۀ مسئله از لحاظ مجموع هزینۀ دیرکرد و زودکرد بهمنظور ...
full textمدلسازی و حل زمانبندی سیستم تولید کارگاهی در شرایط عدم انتظار سفارشات جهت کمینهسازی حداکثر زمان تکمیل: رویکرد تجزیه توالی سفارشات و جدولبندی زمانی
شرط عدم انتظار در مسألهی زمانبندی تولید کارگاهی، حالت خاصی از مسألهی عمومی زمانبندی سیستم تولید کارگاهی است که در آن هیچ زمان انتظاری بین فرآیندها و هیچ انقطاعی در حین فرآیندهای کارها، مجاز نمیباشد. بعبارت دیگر، از زمانیکه اولین فرآیند هر کار شروع شود، تا زمان تکمیل آن کار، هیچ توقفی وجود ندارد. در ادبیاتِ مسائل زمانبندی، این مسأله به عنوان یک مسألهی قویاً NP-hard معروف شده است. لذا ارایه راه...
full textMy Resources
Journal title
volume 8 issue 1
pages 157- 174
publication date 2017-03-21
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