زمان بندی کارکارگاهی انعطاف پذیر برگشتی با ماشین های موازی پردازش دسته ای و اندازه غیر یکسان کارها

زمان بندی و تعیین توالی عملیات یکی از مسائل مهم در برنامه ریزی تولید بوده و کاربردهای زیادی در واحدهای تولیدی و خدماتی دارد. مسئله زمان بندی کارکارگاهی انعطاف پذیر برگشتی، همراه با ماشین های پردازش دسته ای باعث افزایش نرخ تولید، رفع مشکلات گلوگاهی، بهبود عملکرد سیستم وکاهش حجم سرمایه گذاری خواهد شد. از جمله کاربردهای این مسئله می توان به محیط های ساخت مدارهای مجتمع و قطعات فولادی اشاره نمود. تاکنون مطالعات بسیاری بر روی مسئله زمان بندی کارکارگاهی انعطاف پذیر با تابع هدف های مختلف صورت گرفته است. اما تاکنون مطالعه ای در مورد مسئله زمان بندی کارکارگاهی انعطاف پذیر برگشتی با ماشین های موازی پردازش دسته ای با فرض اندازه غیر یکسان برای کارها با تابع هدف کمینه سازی مجموع دیرکرد وزن دار کارها مشاهده نشده است. در این تحقیق مسئله fjm|parallel,s_i,b,rcrc|?_i??w_i t_i ? مورد بررسی قرار گرفته است. در این پایان نامه ابتدا به معرفی گراف فصلی مسئله زمان بندی کارکارگاهی کلاسیک در حالت های مختلف برگشت به عقب، فرض وجود ماشین های موازی پردازش گسسته و پردازش دسته-ای در ایستگاه های کاری پرداخته شده است. سپس 2 مدل برنامه ریزی عدد صحیح مختلط برای مسئله زمان بندی تک ماشینه پردازش دسته ای 1|s_i,b|???w_i t_i ? و مسئله زمان بندی کارکارگاهی انعطاف پذیر برگشتی fjm|parallel,rcrc|???w_i t_i ? توسعه داده شده است. همچنین با استفاده از این دو مدل توسعه داده شده، 2 مدل برنامه ریزی عدد صحیح مختلط برای مسئله fjm|parallel,s_i,b,rcrc|?_i??w_i t_i ? در حالتی که ماشین های همه ایستگاه های کاری پردازش دسته ای و در حالتی که ماشین های برخی ایستگاه های کاری پردازش دسته ای و برخی پردازش گسسته باشند، توسعه داده شده است. مسئله مورد بررسی مسئله ای به شدت np-hard است، لذا دو روش حل فرا ابتکاری الگوریتم ژنتیک و شبیه سازی تبرید برای مسئله ارائه شده است. در پایان، برای ارزیابی کارایی روش های فرا ابتکاری ارائه شده، 144 مسئله با سختی ها و ابعاد مختلف به صورت تصادفی تولید شده است. به منظور ارزیابی کارایی روش های حل، مسائل به دو دسته در ابعاد بزرگ و کوچک دسته بندی شده اند. برای مسائل در ابعاد کوچک جواب های بدست آمده از الگوریتم ها با جواب بدست آمده از حل مدل ریاضی توسط نرم افزار gams در محدودیت زمانی 36000 ثانیه مورد مقایسه قرار گرفته اند. برای مسائل در ابعاد بزرگ نیز به با توجه این که نرم افزار در محدودیت زمانی 36000 ثانیه قادر به پیدا کردن جواب نبوده به ارزیابی کارایی روش های حل از لحاظ کیفیت جواب و زمان حل پرداخته شده است. نتایج محاسباتی برای مسائل در ابعاد کوچک نشان داد که جواب بدست آمده از الگوریتم شبیه سازی تبرید و ژنتیک تنها در 9 مسئله از 72 مسئله از جواب مدل ریاضی بدتر بوده اند. همچنین نرم افزار gams در محدودیت زمانی 36000 ثانیه قادر به پیدا کردن جواب بهینه 39 مسئله از 72 مسئله بوده است؛ این در حالی است که الگوریتم شبیه سازی تبرید و الگوریتم ژنتیک قادر به پیدا کردن جواب بهینه 43 مسئله بوده اند. همچنین متوسط زمان حل الگوریتم های شبیه سازی تبرید و ژنتیک برای مسائل در ابعاد کوچک در مقایسه با زمان حل نرم افزار gams بسیار کم بوده است. نتایج محاسباتی برای مسائل بزرگ نیز نشان داد که الگوریتم شبیه سازی تبرید از لحاظ کیفیت جواب و زمان حل بسیار کاراتر از الگوریتم ژنتیک بوده است.