حل پارتو برای مساله زمانبندی سه هدفه کمینه کردن تعداد کار دیرکرددار، بیشینه زودکرد و بیشینه دیر کرد 1||nt, e max,t max
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده مهندسی صنایع
- author مجید روحانی
- adviser قاسم مصلحی مهدی بیجاری
- Number of pages: First 15 pages
- publication year 1387
abstract
یکی از مباحث مهم در زمانبندی دیدگاه تولید به موقع (jit) این دیدگاه به دنبال کاهش دادن همزمان زودکرد و دیرکرد کارها می-باشد که جز ء مباحث زمانبندی چند هدفه طبقه بندی می شود. یکی از روش های حل مسایل چند هدفه ارایه جوابهای کارا به تصمیم-گیرنده جهت انتخاب گزینه نهایی است. در این تحقیق مساله پیچیده کمینه کردن سه هدف تعداد کارهای دارای دیرکرد، بیشینه زودکرد کارها و بیشینه دیرکرد کارها برای تک ماشین(n_t,e_max,t_max 1||) به دلیل انطباق با سیستم تولید به موقع مورد بررسی قرار گرفته و یک رویه شاخه و کران جهت به دست آوردن جوابهای کارا و مرز پارتو ارایه شده است. ارایه حدود بالا و پایین مناسب، باعث کوچک شدن فضای قابل بررسی مسایل گردیده و همچنین توسعه اصول غلبه کارا و قضایای حدی موجب شده که رویه شاخه و کران به صورت کارا عمل نماید. به منظور تست و بررسی روش تعداد 700 مساله تصادفی تولید و حل شده است. نتایج به دست آمده نشان می دهد که با این روش مسایلی تا 25 کار قابل حل می باشند و کلیه جوابهای کارای آنها به دست می آید
similar resources
حل مساله تک ماشین جهت کمینه کردن بیشینه زودکرد و بیشینه دیرکرد و بیکاری مجاز با یک روش ابتکاری
چکیده ندارد.
15 صفحه اولحل مسئله زمانبندی پروژه بر پایه حجم کار با منبع محدود برای کمینه کردن هزینه‌های زودکرد و دیرکرد با الگوریتم ژنتیک
در این مقاله، مسئله زمانبندی پروژه بر پایه حجم کار[1]با محدودیت منبع برای کمینه کردن هزینه‌های زودکرد و دیرکرد با توجه به حجم کار ثابت برای فعالیت‌ها، روابط پیشنیازی و محدودیت منابع تجدیدپذیر مورد بررسی و تحلیل قرارگرفته است. باتوجه به اینکه فعالیت‌ها دارای سررسید مشخصی هستند برای فعالیت‌هایی که از سررسید خود انحراف دارند جریمه زودکرد و دیرکرد در نظر گرفته می شود. برای حل این مسئله دو الگوریتم ...
full textکمینه سازی مجموع بیشینه های زودکرد و دیر کردار در مسائل flow shop
مسئله تعیین توالی مجموعه ای از کارها با معیار کمینه سازی مجموع بیشینه های زودکرد و دیرکرد مورد بررسی قرار گرفته است . این معیار به دلیل سعی در حداقل کردن و به صفر رساندن مقادیر زودکرد و دیر کردار، منطبق بر سیستمهای تولیدی مختلفی از جمله jit می باشد. این معیار در مسائل یک ماشین و n کار (n/1/et max) و مسائل m ماشین و n کار با حالت flow shop، (n/m/p/et max) مورد بررسی قرار گرفته است . حالتهای خاص ...
15 صفحه اولکمینه کردن جریمه دیرکرد و بیشینه کردن پاداش زودکرد انجام فعالیت ها در مسئله mrcpsp/max با استفاده از الگوریتم ژنتیک دو مرحله ای
در این مقاله، برای اولین بار مسئله زمانبندی پروژه در شرایط محدود بودن منابع، امکان اجرای فعالیت ها در چندین مد و با در نظر گرفتن تأخیرات زمانی بیشینه و کمینه میان زمان های شروع فعالیت ها، mrcpsp/max ، با هدف کمینه کردن جریمه دیرکرد و بیشینه کردن پاداش زودکرد اتمام فعالیت ها، مطرح شده و مورد بررسی قرار گرفته است. پس از بررسی تاریخچه و روند استفاده از روش های مختلف در حل مسائل مشابه در سال های گذ...
full textحل مسئله زمانبندی پروژه بر پایه حجم کار با منبع محدود برای کمینه کردن هزینه های زودکرد و دیرکرد با الگوریتم ژنتیک
در این مقاله، مسئله زمانبندی پروژه بر پایه حجم کار[1]با محدودیت منبع برای کمینه کردن هزینه های زودکرد و دیرکرد با توجه به حجم کار ثابت برای فعالیت ها، روابط پیشنیازی و محدودیت منابع تجدیدپذیر مورد بررسی و تحلیل قرارگرفته است. باتوجه به اینکه فعالیت ها دارای سررسید مشخصی هستند برای فعالیت هایی که از سررسید خود انحراف دارند جریمه زودکرد و دیرکرد در نظر گرفته می شود. برای حل این مسئله دو الگوریتم ...
full textمسئله زمان بندی تک ماشین با هدف کمینه کردن مجموع بیشینه های زود کرد و دیر کرد با فرض زمان آماده سازی
یکی از مباحث مهم در مسایل زمان بندی در نظر گرفتن فرضیات منطبق با شرایط واقعی در سیستم های تولیدی به منظور نزدیک تر شدن به اهداف و تصمیمات مدیران و نیز ارایه به موقع خدمات و تولیدات است. در نظر گرتفن زمان های آماده سازی به صورت مجزا از مدت زمان پردازش و وابسته به توالی یک یکی از این فرضیات است. مدت ها به این شرط چندان توجه نمی شد و با نادیده گرفتن آ» در مسایل یا افزودن ان به مدت زمان پردازش سعی ...
15 صفحه اولMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده مهندسی صنایع
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023