مقایسه سه روش فراابتکاری برای کمینه نمودن زمان چرخه در مسئله زمانبندی جریان کارگاهی مختلط دوره ای با در نظر گرفتن اثر یادگیری
نویسنده:
چکیده:
زمانبندی کار ها در صنایعی که روند حرکت کار ها بر روی ماشین ها به صورت دوره ای می باشد، همچون صنایعی که محصولات آنها فاسد شدنی نظیر صنایع غذایی و یا دارای طول عمر همانند مواد شیمیایی، رادیواکتیو و غیره هستند، از اهمیت زیادی برخوردار است، زیرا که این صنایع به دلیل محدودیت های زمانی و یا رقابت با سایر شرکت ها سعی در کمینه نمودن بازه زمانی انجام کار ها دارند. از آنجا که غالبا محیط تولیدی این صنایع به صورت تولید جریان کارگاهی مختلط دوره ای می باشد و اثر یادگیری اپراتور در سرعت تولید مشهود است، این پژوهش در نظر دارد که زمان چرخه بر روی هر ماشین را با وجود اثر یادگیری به کمک چینش فعالیت ها کمینه نماید. برای این منظور در روند این پژوهش، ابتدا تحقیقات پیشین در این حوزه مورد مطالعه قرار گرفت. سپس مدل ریاضی این مساله نوشته و به دلیل آنکه ماهیت کمینه نمودن زمان انجام کار ها در محیط تولید جریان کارگاهی مختلط دوره ای، جزء مسائل سخت (NP-Hard) می باشد، برای حل این مساله از سه روش فراابتکاری الگوریتم ژنتیک، الگوریتم شبیه سازی تبرید و الگوریتم شبیه سازی تبرید مبتنی بر جمعیت استفاده شد. نتایج نشان می دهند که الگوریتم شبیه سازی تبرید مبتنی بر جمعیت به دلیل ساختار جمعیتی آن، به طور میانگین نسبت به دو الگوریتم دیگر کارایی بهتری دارد.
کلیدواژگان:
زبان:
فارسی
در صفحه:
105
لینک کوتاه:
magiran.com/p1676183
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!