ارائه یک رویکرد ابتکاری جدید در حل مسائل زمان بندی دیرکرد/زودکرد در حالت تک ماشین

تأکید روزافزون محیط های کسب و کار در تعهد به موعدهای تحویل، بعنوان یک مزیت رقابتی، منجر به توجه به معیارهای دیرکرد و زودکرد بعنوان موضوع بسیاری از مطالعات زمان بندی شده است. یکی از خصایص مهم تولیدات مدرن، کاربرد گسترده مفهوم تولید بهنگام در مدیریت تولید و موجودی به شمار می آید، که در آن هر کار بایستی تا حد امکان نزدیک به موعد تحویل خود تولید گردد. در چنین محیط هایی مدت زمانی که کار با دیرکرد و یا زودکرد مواجه می شود، حائز اهمیت است. بنابراین، برنامه های زمان بندی سعی در حداقل سازی کل دیرکرد و زودکرد که نمایانگر رضایت مشتری و همچنین سطح عملکرد تولید از لحاظ موجودی است، دارد. با توجه به کاربرد گسترده این دسته از مسائل زمان بندی ، روش های دقیق چون برنامه ریزی پویا و الگوریتم های مختلف شاخه و کران به منظور دستیابی به بهترین توالی جایگشتی توسعه یافته است. البته قابل ذکر است که به دلیل np-hard بودن اکثر مسائل مورد بررسی، روش های ابتکاری، فراابتکاری و روندهای ترکیبی در شرایط پیچیده و ابعاد بزرگ بسیار مفیدتر عمل می نماید. در این تحقیق، رویکرد ابتکاری دومرحله ای جدیدی به منظور حل مسائل زمان بندی دیرکرد/ زودکرد، در حالت تک ماشین ارائه شده است. معیارهای عملکرد مختلفی چون کمینه کردن مجموع بیشینه دیرکرد و زودکرد، کمینه کردن مجموع وزنی دیرکرد و زودکرد و همچنین کمینه کردن کل دیرکرد، به عنوان یک تابع هدف مهم، در نظر گرفته شده است. فاز اول رویکرد، به یافتن موقعیت تقریبی کارها در توالی می پردازد. بدین ترتیب که بر پایه یک نمونه تصادفی اولیه، ماتریس «کار- جایگاه» تشکیل می گردد. موقعیت تقریبی کارها در توالی بر اساس این ماتریس و روش مطرح شده، تشخیص داده می شود. بر پایه دانش استخراج شده از فاز اول رویکرد، نمونه تصادفی جدیدی ایجاد و ماتریس«کار- جایگاه» دیگری تشکیل می گردد. به منظور تخصیص نهایی هر کار به هر جایگاه، روش مجارستانی بر ماتریس فوق اعمال می گردد. خروجی حاصل از فاز دوم با بکارگیری روش جستجوی محلی، بهبود داده می شود. به منظور بررسی کارایی رویکرد پیشنهادی در حل مسئله زمان بندی با توابع هدف مختلف، مسائل نمونه مرتبط با ارزیابی هر معیار تولید و مورد استفاده و مقایسه قرار گرفت. نتایج محاسباتی به ازای ده کار، نشان دهنده دستیابی به جواب های بهینه و نزدیک بهینه در مدت زمان کوتاه است و کارایی الگوریتم پیشنهادی را تائید می کند.