نام پژوهشگر: عباس شکری اوجقاز

ارائه مدل ریاضی چندهدفه برنامه ریزی حمل و نقل درون کارخانه ای (ارابه های خود راهنما)وتوسعه الگوریتم حرکت توده ذرات برای حل آن
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده صنایع 1390
  عباس شکری اوجقاز   حسن حاله

دراین تحقیق ابتدا یک مدل ریاضی جدید (modm) 1 برای برنامه ریزی همزمان agv 2ها و ماشین آلات پیشنهاد می گردد که این مدل جدید دارای سه تابع هدف از نوع کمینه سازی است . این اهداف عبارت اند ازحداقل سازی گستره زمانی تولید و زمان حرکت agv ها ، کمینه سازی انحراف معیار متغییرهای تعداد دفعات استفاده از هر کدام از ماشین آلات و حداقل سازی انحراف معیار متغییر تعداد دفعات حرکت مستقیم agv ها بین دو ماشین مفروض. در ادامه یک الگوریتم جدید به نام mino-pso معرفی وارائه می گرددکه در واقع توسعه ای از الگوریتمpso 3استاندارد می باشد.الگوریتمmino-pso که یک الگوریتم ترکیبی ازمتاهیوریستیک های pso استاندارد و الگوریتم sa 4است، برای حل مسائل گسسته باینری توسعه یافته است. پس از شرح مفهوم الگوریتمmino-pso ، برای بررسی کارایی الگوریتم mino-pso چند مسئله معروف tsp 5با استفاده از الگوریتم پیشنهادی در این تحقیق حل خواهد شد و بانتایج بدست آمده از سایر روش های حل نظیر الگوریتم های sa،ga 6،aca 7وpso-sa مقایسه خواهد شد. در انتها نیزبا ارائه یک مسئله واقعی در یکی از خطوط تولید قطعات خودرو، مدل ریاضی پیشنهادی برنامه ریزی agv ها وماشین آلات بررسی خواهدشد.که برای حل مدل پیشنهادی ابتدا مدل را به صورت یک مسئله تصمیم گیری سه شاخصه (madm) 8درنظر می گیریم وباحل مسئله با استفاده از روش topsis یک راه حل اولیه برای تعیین ضرایب هرکدام از عناصر در بردارترکیب خطی توابع مدل modm انتخاب می گردد. با تعیین ضرایب عناصر بردار ترکیب خطی توابع مدل ریاضی پیشنهادی ، با استفاده از الگوریتم mino-psoمدل برنامه ریزی agv ها وماشین آلات حل خواهد گردید. نتایج بدست آمده از حل مسائل tsp با استفاده از الگوریتم پیشنهادی نشان می دهد که الگوریتم mino-pso توانسته بهترین جواب بدست آمده برای دو مسئله معروف tsp را بهبود بخشد و رکورد های جدیدی برجای بگذارد. همچنین مدل ریاضی پیشنهادی برنامه ریزی agv ها و ماشین آلات نیز توانسته است عملکرد تولید محصول مورد نظر را بهبود بخشد. کلمات کلیدی: ارابه های خود راهنما ، تصمیم گیری چند شاخصه ، تصمیم گیری چند هدفه ، بهینه سازی همزمان ،