اسماعیل مهدی زاده
-
هدف
جریان کالا یک تکنیک موثر برای افزایش کارایی تولید در یک سیستم تولیدی، با تبدیل یک کار به چندین قسمت کوچک تر می باشد که در سال های اخیر توجه های زیادی را به خود جلب کرده است؛ اما همواره از مفروضات مهمی که در محیط واقعی زمان بندی وجود دارد چشم پوشی شده است. هدف از انجام این مقاله ارایه یک مدل ریاضی چندهدفه برای حل مساله زمان بندی جریان کارگاهی مختلط با جریان کالا و درنظر گرفتن زمان آماده سازی وابسته به توالی و زمان حمل و نقل می باشد.
روش شناسی پژوهش:
در ابتدا برای حل مساله یک مدل برنامه ریزی ریاضی چندهدفه ارایه و آن گاه برای بررسی کارایی مدل ارایه شده، مدل به صورت وزنی به تک هدفه تبدیل شده و مثال هایی در ابعاد کوچک طراحی و با استفاده از سالور Cplex نرم افزار GAMS حل می شود. سپس با الهام از مطالعات پیشین برای حل مساله در ابعاد بزرگ، از الگوریتم های فرا ابتکاری مبتنی بر الگوریتم ژنتیک چندهدفه بهره گرفته می شود. برای بررسی کارایی الگوریتم ها، نتایج حاصل از سالور Cplex نرم افزار GAMS با خروجی حاصل از الگوریتم های فرا ابتکاری در حالت تک هدفه مقایسه می شود.
یافته هابرای اعتبارسنجی مدل پیشنهادی نمونه مساله ای در ابعاد کوچک آورده شده است که با استفاده از سالور Cplex نرم افزار GAMS حل شده است و برای اعتبارسنجی الگوریتم های فرا ابتکاری مثال هایی در ابعاد کوچک حل و با جواب های حاصل از سالور Cplex نرم افزار GAMS مقایسه شده است. مقایسه نشان می دهد که الگوریتم های فرا ابتکاری از کارایی مناسبی برخوردار هستند. سپس برای حل مدل در ابعاد بزرگ تر از دو الگوریتم پیشنهادی استفاده شده است. برای این منظور، 30 نمونه مساله به صورت تصادفی تولید شده و از شش شاخص برای مقایسه الگوریتم ها استفاده شده است. بعد از انجام آزمایش ها و مقایسه الگوریتم ها با یکدیگر، نتایج به دست آمده، کارایی بیش تر الگوریتم ژنتیک رتبه بندی نا مغلوب ها را نسبت به الگوریتم NSGA-II در حداقل سه شاخص نشان می دهد.
اصالت/ارزش افزوده علمی:
در این مقاله محدودیت های زمان آماده سازی وابسته به توالی و زمان حمل و نقل بین ایستگاه های متوالی برای مساله زمان بندی جریان کارگاهی مختلط با جریان کالا به منظور حل یک مدل ریاضی با هدف کمینه سازی ماکزیمم زمان تکمیل و مجموع تاخیر کار ها درنظر گرفته شده که فرض شده است زمان حمل ونقل مستقل از کار ها است و تنها یک وسیله نقلیه بین هر دو ایستگاه متوالی وجود دارد. جهت حل مدل در ابعاد بزرگ و با توجه به NP-hard بودن مساله از الگوریتم های NSGA-II و NRGA استفاده شد.
کلید واژگان: زمان بندی, جریان کارگاهی مختلط, جریان کالا, زمان حمل و نقل, زمان آماده سازیPurposeLot streaming, which has much attention in recent years, is an effective technique to increase production efficiency in a production system by splitting a job into several smaller parts in a multi-stage production system. But important assumptions that exist in the real-world scheduling environment are always ignored. Hence, in this paper, these assumptions are discussed and the results are reviewed. In this paper, the aim is solving a multi objective mathematical model for solving hybrid flow shop scheduling problem with lot-streaming, setup time and transportation time.
MethodologyAt first, a multi objective mathematical programming model is presented for solving the problem. Then, by wighting method, the multi objective model convert to single objective model and GAMS software is used to solve the small size problems to show the performance of the mathematical mothel. Inspired by previous studies, two multi objective metaheuristic algorithms based on the genetic algorithm is used to solve the large-scale problems. To illustrate the performance of the proposed metaheuristic algorithms, the obtained results of the algorithms compared with GAMS outputs in single mode.
FindingsTo validate the proposed model, a sample is solved using GAMS software and compared with the genetic algorithm. The obtained results show the performance of the mathematical model. Then, two proposed algorithms are used to solve the large-scale problems. For this purpose, 30 instance problems are randomly generated and six indicators are used to compare the algorithms. After performing the experiments and comparing the algorithms with each other, the results show NRGA algorithm performs bether than NSGA-II.
Originality/Value:
In this paper, for solving a multi objective hybrid flow shop scheduling problem with lot-streamingm mathematical model with the aim of minimizing the makespan and total tardiness, the sequence-dependent setup time and the transportation time constraints between consecutive stages are considered. Since the problem is NP-hard, NSGA-II and NRGA algorithms were used to solve the proposed problem.
Keywords: scheduling, hybrid flow shop, lot-streaming, transportation time, Setup time -
فصلنامه علوم و فنون نظامی، پیاپی 59 (بهار 1401)، صص 245 -270
تخصیص بهینه تجهیزات جهت خنثی سازی اهداف که اغلب با عنوان مسیله ی تخصیص سلاح به هدف از آن یاد می شود به یکی از کانون های اصلی تفکر نظامی نوین تبدیل شده است. تخصیص سلاح با در نظر گرفتن اصل صرفه جویی در منابع، بدون کاستن از قدرت نابودکنندگی سامانه ها همواره جهت محافظت از زیرساخت های حیاتی مورد توجه بوده است. زیرساخت های حیاتی شامل دارایی های فیزیکی یک سیستم است که از دست دادن آن ها منجر به اختلال قابل توجهی در سیستم های عملیاتی و کاربردی می شود. در این مقاله یک مدل ریاضی استکلبرگ به عنوان یک تکنیک در نظریه بازی ها جهت مدیریت صحنه نبرد ارایه می گردد. بازی در نظر گرفته شده شامل دو بازیگر (دشمن و نیروی خودی) است که هر یک جهت بهینه کردن اهداف خویش در تلاش هستند. در نظر گرفتن نیروهای هوایی و زمینی به صورت همزمان و در نظر گرفتن دارایی های طرف خودی و دشمن از جمله نوآوری های در نظر گرفته شده است. ابتدا یک مدل دو سطحی استکلبرگ ارایه می شود و پس از خطی سازی، مدل دو سطحی با استفاده از شرایط کاروش کان تاکر (KKT) به مدل تک سطحی معمولی تبدیل شده است. در نهایت جهت نمایش کارایی مدل، تعدادی مثال با بهره گیری از نرم افزار گمز حل شده است.
کلید واژگان: تخصیص سلاح به هدف, مدیریت صحنه نبرد, نبرد هوایی و زمینی, نظریه بازیها, مدل ریاضی استکلبرگ, شرایط بهینگی کاروش کان تاکرOptimal assignment of equipment for disposal of targets, often referred to as a weapon assignment problem, has become one of the main centers of modern military thought. Weapon Target Assignment (WTA) is based on consideration of the principle of saving on resources, without reducing the power of systems and systems always to protect vital infrastructure. The critical infrastructure consists of the physical assets of a system, resulting in a significant disruption to operational and operational systems. In this study, a Stackelberg a mathematical model is presented to manage battle scenes. The Stackelberg model is considered to be a strategic game and an incomplete competition. The game is considered to consist of two actors (Enemy and Power), each striving to optimize its goals. Considering air and ground forces simultaneously, consider the assets of both the friendly and the enemy, including the innovations considered in this study. In this study, a two- level Stackelberg model has been presented and after linearization, the two- level model has been developed using Karush–Kuhn–Tucker conditions (KKT) to the ordinary one –level model. Finally to show the performance of the model, some examples are solved using GAMS software.
Keywords: Weapon Target Assignment, Battle scene management, Game Theory, Stackelberg mathematical model, Optimization conditions of Karush Kuhn Tucker -
یکی از مسائل مهم در سیستم های تولید کارگاهی انعطاف پذیر، توجه به جریان های معکوس درون شبکه مونتاژ/ جداسازی است. در این پژوهش، مسئله زمان بندی تولید کار کارگاهی انعطاف پذیر با رویکرد جریان های معکوس که از دو جریان کارها (مستقیم و معکوس) در هر مرحله متشکل است، بررسی می شود. این مسئله زمانی کاربرد دارد که شما با دو جریان مواجه باشید که جریان (کار) رفت از مرحله اول به آخر و جریان (کار) برگشت از مرحله آخر به اول به کار برده شود سپس یک مدل ریاضی از مسئله با هدف کمینه سازی معیار بیشینه زمان تکمیل کارها یا به عبارتی Cmax ارائه می شود. با توجه به پیچیدگی حل و Np-hard بودن این مسئله، از الگوریتم ژنتیک بهره می گیریم. همچنین با استفاده از طراحی آزمایش ها و روش تاگوچی، مقدار مناسب پارامترهای الگوریتم ژنتیک را برآورد می کنیم. تحلیل نتایج، بیانگر کارایی الگوریتم ژنتیک برای حل مدل پیشنهادی است.کلید واژگان: الگوریتم ژنتیک, جریان های معکوس, روش تاگوچی, زمان بندی تولید, طراحی آزمایش ها, کار کارگاهی انعطاف پذیر_ مدل سازی ریاضیThe scheduling problems application in todays competitive world and usage range of its result in industry is indicating its high importance. One of the important issues in the field of flexible job-shop production scheduling is reverse flows within a single production unit, as is the case in the assembly/disassembly plants. In this paper, we conduct a study of the flexible job-shop scheduling with reverse flows approach which consists of two flows of jobs at each stage in opposite directions. The problem can be used only if you have two flows: The first one going from first stage to last stage, and the second flow going from last stage to first stage. We present a mathematical model of problem with the objective is to minimize the maximal completion time of the jobs (i.e., the makespan). Because of the complexity solving and prove that this problem ranked on NP-hard problems, we proposed meta-heuristic algorithm genetic (GA) and then design proposed model chromosome structure. Also, The parameters of these algorithm GA and their appropriate operators are set and determined by the use of the Taguchi experimental design. The computational results validate outperforms proposed algorithm GA.Keywords: Production scheduling, Flexible job-shop, reverse flows, Genetic algorithm
-
مونتاژ جریان کارگاهی دو مرحله ای با در نظر گرفتن زمان آماده سازی، یکی از مسائل جدید زمانبندی تولید است. در این مساله قطعات در مرحله اول در یک سیستم جریان کارگاهی تولید و سپس در مرحله دوم قطعات تولیدی مونتاژ میشوند. هدف از حل این مساله ارائه توالی بهینه تولید قطعات و مونتاژ انها است، به طوری که زمان تکمیل آخرین سفارش کمینه شود. با توجه به جدید بودن موضوع، تاکنون مدل مناسبی برای حل این مساله ارائه نشده است. این مقاله ابتدا به بررسی مدل موجود می پردازد و سپس یک مدل برنامه ریزی خطی عدد صحیح مختلط برای حل مساله ارائه می دهد. سپس برای حل موثر این مساله، دو الگوریتم فراابتکاری رقابت استعماری و ژنتیک ارایه می شود. در ادامه عملکرد مدل و الگوریتم ها ارزیابی می شوند. نتایج نشان می دهد الگوریتم رقابت استعماری عملکرد بهتری دارد.کلید واژگان: برنامه ریزی خطی عدد صحیح مختلط, مونتاژ جریان کارگاهی, زمان آماده سازی, الگوریتم رقابت استعماری, الگوریتم ژنتیکThe two-stage assembly flow shop with setup times is one of the new production scheduling problems. In this problem, the parts are produced in the first stage and then they are assembled in the second stage. The objective is to sequence parts in the first stage to minimize the makespan. First, a mathematical model in form of a mixed integer linear programming model is developed. Then, to solve the problem, two metaheuristics, imperialist competitive and genetic algorithms, are proposed. The performance of the model and the two algorithms are evaluated by numerical experiments. The result show that the imperialist algorithm works more effectively.Keywords: Two-stage assembly flow shop scheduling , mixed integer linear programming , imperialist competitive algorithm , genetic algorithm
-
در این پژوهش مدل ریاضی برای برنامه ریزی تولید در محیط های تولیدی ترکیبی ساخت ذخیره یی و ساخت سفارشی با درنظرگرفتن فعالیت های نگه داری و تعمیرات ارائه می شود. برای حل مدل ارائه شده در ابعاد کوچک از روش شاخه وکران با نرم افزار لینگو ویرایش 8 بهره گرفته می شود. اما به دلیل ماهیت N P-h a r d بودن مسئله، برای حل مسائل با ابعاد متوسط و بزرگ از الگوریتم های فراابتکاری ژنتیک و بهینه سازی ازدحام ذرات بهره گرفته شده است و پارامترهای این الگوریتم ها به روش تاگوچی تنظیم می شوند. نتایج محاسباتی نشان می دهند که الگوریتم های ارائه شده در حل مسئله ی مورد مطاالعه از کارایی مناسبی برخوردار هستند. همچنین دو الگوریتم ژنتیک و بهینه سازی ازدحام ذرات پیشنهادی با هم مقایسه شده اند. از نظر گرافیکی الگوریتم ژنتیک پیشنهادی نسبت به الگوریتم بهینه سازی ازدحام ذرات پیشنهادی برتری نسبی دارد اما از نظر آماری تفاوت معناداری بین الگوریتم های پیشنهادی وجود ندارد. همچنین به منظور اعتبارسنجی مدل و بررسی تاثیر واردکردن، نگه داری و تعمیرات در مدل با کمک یک مثال عددی نشان داده شده است که با تاثیردادن نگه داری و تعمیرات در مدل، به طور چشم گیری هزینه ی کل سیستم کاهش می یابد.کلید واژگان: ساخت ذخیره یی, ساخت سفارشی, نگه داری و تعمیرات, الگوریتم ژنتیک, الگوریتم بهینه سازی ازدحام ذراتIn this paper, we present a mathematical model in Make to Stock (MTS) and Make to Order (MTO) production environments in order to entry stage. By solving this model, priceandleadtimeoforderswillbefavorablyobtained with respect to the maintenance activities. Also, in this study, scheduled preventive maintenance on assembly resources will be characterized. The proposed mathematical model is a mixed integer linear programmingmodel. Afterpresentingmathematicalmodel,solving methods and various numerical examples in dierent dimensions are given. To solve the proposed model, at rst, we use an exact method. The exact method is applied by optimization software, namely lingo 8.0. After solving the proposed model by Lingo 8.0 software, the results show that lingo software is not able to solve the model in medium- and large- sized problems in a reasonable time. The proposed model is classied among the NP-hard problems. In NP- hard problems, by increasing dimension of problems, the time taken for solving the models increases exponentially. It is also appropriate for our model. For solving NP-hard problems at the appropriate time, the metaheuristic algorithms are applied. Therefore, for solving the proposed model in medium and high dimensions, two meta-heuristic algorithms, namely genetic algorithm (GA) and particle swarm optimization (PSO) algorithms have been used. The comparison between the meta-heuristic algorithms and output of Lingo 8.0 software shows that the suit ability of the proposed algorithms for solving the model in medium and high dimensions. Finally, we consider the time and quality of solutions; the two algorithms are comparedbothgraphicallyandstatistically. Thegraphicalcomparisonshowsthatgeneticalgorithmisrelatively better than particle swarm optimization algorithm; and the statistical comparison between two metaheuristic algorithmsshowsthatthereisnodierentbetweengenetic algorithm and particle swarm optimization algorithm in solving the proposed mathematical model. It is shown that, with the help of a numerical example and with respect to the maintenance in the model, the total system costs are signicantly reduced.Keywords: Make to stock, make to order, maintenance activities, genetic algorithm, particle swarm optimization
-
خوشه بندی یکی از روش های پرکاربرد در بسیاری از زمینه های علمی است که در آن تلاش می شود داده ها داخل گروه ها براساس درجه ی شباهت قرار گیرند. الگوریتم های ابتکاری و فراابتکاری زیادی برای حل مسئله ی خوشه بندی ارائه شده است. یکی از روش های ابتکاری پرکاربرد، K-m e a n s است. این روش، به دلیل وابستگی به حالت اولیه، معمولا به بهینه یمحلی همگرا می شود. در این مقاله به منظور فرار از بهینه ی محلی، الگوریتم K-m e a n s با الگوریتم فراابتکاری الکترومغناطیس ترکیب شده و الگوریتم جدیدی با عنوان الگوریتم K-E M برای حل مسئله ی خوشه بندی ارائه می شود. به منظور بررسی کارایی الگوریتم پیشنهادی، پنج مجموعه داده انتخاب و حل شده و نهایتا جواب های حاصله با جواب های حاصل از الگوریتم های مطرح در ادبیات خوشه بندی مقایسه می شود. نتایج محاسباتینشان می دهد که الگوریتم پیشنهادی در دست یابی به جواب های مطلوب از کارایی مناسبی برخوردار است.کلید واژگان: خوشه بندی, الگوریتم K-m e a n s, الگوریتم الکترومغناطیسClustering is one of the useful methods in many scientific fields. It is a classification process for putting data in specific groups or clusters based on the similarities between them. In literature, many algorithms, such as heuristic and meta-heuristic, have been successfully applied to solve clustering problems. Among them, the K-means is well-known due to its simplicity and computational efficiency, although it suffers from several drawbacks due to its initial state and may be trapped in local optima.
Electromagnetism-like Mechanism (EM) algorithm is a new population-based meta-heuristic to tackle complex optimization problems. It imitates the attraction- repulsion of the electromagnetic theory that is based on Coulomb's law for obtaining the optimal solution.
Unlike some meta-heuristic algorithms such as Genetic Algorithm (GA) and Tabu search (TS), in EM, each particle is influenced by all other particles within its population.In this paper, to skip the local optimum, the K-means method is combined with the Electromagnetism-like Mechanism (EM) algorithm, and a new algorithm, called K-EM, is presented to solve clustering problems. In K-EM, there are two main phases. In the first phase, K-EM executes the K-means algorithm within the population size and tries to produce favorable centroids for desired clusters, which terminates when there is no change in centroid. In the second phase, the fitness value of each particle is computed and the particle that has the best fitness value is stored. Then, the particles are fed into the improved local search procedure. Then, the total force exerted on each particle is computed. In the move procedure, the particle position is moved according to the resultant force exerted on them. The search process of finding the best results continues until the stop criterion is met.
In order to evaluate the performance of the proposed algorithm, five distinguished and standard datasets are chosen from the UCI Machine Learning repository. These datasets are solved and the results are compared with the results of those of K-means, GA, Simulated Annealing (SA), Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO), and EM. The results illustrate that the proposed K-EM algorithm has good proficiency in obtaining desired results.Keywords: C?l?u?s?t?e?r?i?n?g, K-m?e?a?n?s, e?l?e?c?t?r?o?m?a?g?n?e?t?i?s?m-l?i?k?e m?e?c?h?a?n?i?s?m -
در این پژوهش، یک مدل برنامه ریزی تولید ادغامی چندهدفه فازی با درنظرگرفتن دو عامل اثر یادگیری کارگران و اثر زوال ماشین آلات ارائه می شود. توابع هدف شامل اهداف کمی افزایش سود و کاهش هزینه خرابی دستگاه ها و هدف کیفی افزایش میزان رضایتمندی مشتری هستند. سپس با درنظرگرفتن اوزان متفاوت برای اهداف و اصلاح اهداف با روش برنامه ریزی آرمانی فازی، مدل چندهدفه فازی به یک مدل تک هدفه قطعی تبدیل شده و با الگوریتم های ژنتیک و جست وجوی ممنوعه حل شده است. در تنظیم پارامترهای دو الگوریتم از روش تاگوچی بهره گرفته می شود. در پایان، جواب به دست آمده از دو الگوریتم با استفاده از آزمون فرض برابری میانگین ها با هم مقایسه می شوند. نتایج نشان می دهند الگوریتم ژنتیک در حل مدل ارائه شده نسبت به الگوریتم جست وجوی ممنوعه کارایی بیشتری دارد.کلید واژگان: الگوریتم جست وجوی ممنوعه, الگوریتم ژنتیک, برنامه ریزی آرمانی فازی, برنامه ریزی تولید ادغامی, برنامه ریزی چندهدفهIn this paper a non linear integrated fuzzy multi-objective production planning model with the labor learning and machines deterioration effects is presented. The objective function consists of two quantitative objectives namely increase profits and reduces the cost of system failure and a qualitative objective namely increases the satisfaction rate of the customers. Different weights for objectives and modification of the objectives by using fuzzy goal programming method are considered to convert the fuzzy multi-objective model to a deterministic single-objective model and the obtained model is solved by Genetic algorithm and Tabu search algorithm. Finally, the solution obtained from two algorithms compared together by using hypothesis test of equality of means. Experimental results show the proposed Genetic algorithm for solving the model has higher performance than the Tabu search algorithm.Keywords: Aggregate production planning, Fuzzy goal programming, Genetic Algorithm, Multi-objective programming, Tabu search algorithm
-
فرآیند حمل و نقل یکی از فرآیندهای اصلی لجستیک بوده که محققان همواره با طراحی سیستمهای مناسب حمل و نقل سعی در کمینه نمودن هزینه های ناشی از آن نموده اند. یکی از این سیستمها، لجستیک میلک ران می باشد و به عنوان گام بعدی تولید ناب که موجب کاهش زمان سیکل، سطح موجودی و آزاد سازی فضای انبارش می شود، شناخته شده است. در این پژوهش یک مدل پیشنهادی مبتنی بر خوشه بندی ارائه شده که در فاز اول تامین کنندگان را به منظور ایجاد سازگاری در مواد و قطعات مورد حمل، خوشه بندی نموده و سپس در فاز دوم برای تامین کنندگانی که در یک خوشه قرار گرفته اند، مسیریابی بهینه با هدف کمینه کردن هزینه های سفر و زمان سفر با در نظر گرفتن دو محدودیت مهم حداکثر ظرفیت و زمان سفر برای هر وسیله نقلیه را انجام می دهد. الگوریتم پیشنهادی با الگوریتم ژنتیک حل شده و به منظور تنظیم پارامترها از روش تاگوچی بهره گرفته شده است. در نهایت نتایج حاصله از اجرای الگوریتم پیشنهادی با نتایج حاصل از نرم افزار لینگو، کارایی الگوریتم پیشنهادی را تصدیق می کنند.کلید واژگان: مدیریت زنجیره تامین, لجستیک, مسئله مسیریابی وسایل نقلیه, الگوریتم ژنتیک, خوشه بندی
-
این تحقیق به دنبال ارائه ی مدلی برای مکان یابی تسهیلات دوهدفه با در نظر گرفتن صف و سیاست قیمت گذاری است. سیستم صف در نظر گرفته شده به صورت چندین خدمت دهنده، و ظرفیت صف محدود به صورت $M/M/m/k$ است. در سیستم مورد نظر، هر دو مشخصه ی مطلوبیت از دیدگاه مشتری)مدت زمان انتظار(و از دیدگاه طراح سیستم)سود سیستم(به طور همزمان مد نظر قرار گرفته است. در این راستا یک مدل دوهدفه با اهداف بیشینه سازی سود سیستم و کمینه سازی مدت زمان انتظار مشتریان در صف ارائه شده است. مدل ارائه شده به صورت یک مدل برنامه ریزی غیرخطی عدد صحیح بوده و در رده ی مسائل بسیار پیچیده قرار دارد. بدین منظور یک الگوریتم بهینه سازی چندهدفه مبتنی بر نظریه ی ارتعاشات برای حل مدل ریاضی ارائه شده است. در نهایت، الگوریتم پیشنهادی با الگوریتم های موجود در ادبیات مقایسه شده و کارایی آن در مسائل آزمایشی مختلف مورد تجزیه و تحلیل قرار گرفته است.
کلید واژگان: مکان یابی تسهیلات, نظریه ی صف, قیمت گذاری, تصمیم گیری چندهدفه, بهینه سازی میرایی ارتعاش چندهدفهIn this paper, we endeavor to develop a hybrid problem of location, pricing and queuing in a network with M customer nodes and N potential server nodes. In fact, we propose a bi-objective model for the facility location problem subject to congestion and a pricing policy. The model is formulated by means of a queuing framework, in which each facility behaves as an M/M/m/k queuing system, where m is the number of servers in each facility and k is the queuing system capacity. We consider two simultaneous perspectives for this problem; (1) customers (desire to limit times of waiting for service) and (2) service provider (desire to increase profit). Our mathematical model contains two simultaneous objectives, including (I) maximizing profit and (II) minimizing the amount of waiting time in the whole network. In our model, we assume that different prices are provided at different facilities for services. Furthermore, capacity constraints are considered to bring the problem even closer to reality. This assumption is referred to as ``mill pricing'', and gas stations and parking places are examples of mill pricing. The proposed model belongs to a class of mixed integer nonlinear programming models and the class of NP-hard problems. Therefore, we presented a multi-objective vibration damping optimization (MOVDO) algorithm to solve the mathematical model. Finally, the performance of the proposed algorithm is compared with the literature and different test problems are generated and analyzed.Keywords: Facility location, queuing theory, pricing, multi, objective decision making, MOVDO -
This paper presents a mathematical model for solving dynamic cell formation problem, operator assignment and the inter-cellular and intra-cellular layouts simultaneously. The proposed model includes three objectives, the first objective seeks to minimize inter and intra-cell part movement, machine relocation, second objective minimize operator related cost, third objective maximize ratio of consecutive forward flows. The model is Multi-objective; therefore, the LP-metric approach is used to solve it. In order to validate the model, the proposed model has been solved by using Lingo software. Then, due to NP-hardness of the cell formation problem, for solving large scale problems, a multi-objective simulated annealing algorithm proposed. Several numerical examples solved by Lingo software and multi-objective simulated annealing algorithm. Results show that the proposed multi-objective simulated annealing algorithm solved considerably time less than the software Lingo and also none of the answers obtained by the two methods are not dominated.Keywords: Dynamic cell formation, Operator assignment, Layout, Multi, objective planning, LP metric, Simulated annealing
-
A hybrid model for supplier's selection based on clustering method using NRGA and NSGA-II algorithmsSupply chain management (SCM) is one of the most important competitive strategies used by modern companies. The main goal of supply chain management is integration different suppliers to fulfill market demand. Therefore, evaluation and selection of suppliers has critical role and significant effect on supply chain management. This paper presents hybrid model based on clustering approach and supplier's selection. At first, K-harmonic means clustering method which is one of the most popular methods in clustering analysis is used for clustering suppliers. Then, according to theoutput of clustering, a multi-objective model is considered to select the best supplier. Since the model belongs to the class of NP-hard optimization problems, two meta-heuristic algorithms named Non-dominated Sorting Genetic Algorithm (NSGAII) and Non-dominated Ranked Genetic Algorithm (NRGA) is used for solving model in reasonable time. Computational results show that the clustering analysis can be considered as an effective way to the supplier's selection. Also, several data sets are applied to evaluate the effect of clustering analysis on supplier's selection.Keywords: Supplier selection, Supply chain management, Supplier Clustering, K, harmonic means
-
در این مقاله مسئله مکان یابی مسیریابی همراه با زمان های سفر و زمان های تحویل فازی مورد مطالعه قرار گرفته و یک مدل برنامه ریزی ریاضی دو هدفه پیشنهاد می شود. هدف های در نظر گرفته شده شامل کمینه کردن هزینه های شبکه توزیع و جمع موزون دیرکردها می باشد. هزینه های شبکه توزیع شامل هزینه های نصب دپوها و هزینه های حمل ونقل است و برای هر یک از مشتری ها یک موعد تحویل فازی در نظر گرفته می شود. از آنجا که مسئله مورد نظر در زمره مسائل NP-hard قرار دارد، از دو الگوریتم ژنتیک با مرتب سازی نامغلوب3 و شبیه سازی تبرید چند هدفه برای حل بهره گرفته می شوند. برای تنظیم پارامترهای الگوریتم ها از روش تاگوچی استفاده می شود و برای مقایسه الگوریتم های پیشنهادی تعدادی مسئله در سه مقیاس کوچک، متوسط و بزرگ تولید و حل شده استو نتایج محاسباتی نشان می دهند که الگوریتم شبیه سازی چند هدفه از کارایی بالاتری برخوردار است.
کلید واژگان: مسئله مکان یابی مسیریابی, مکان یابی تسهیلات, برنامه ریزی فازی, تصمیم گیری چند معیارهIn this study the location routing problem with fuzzy parameters is taken into account, this problem involves determining the location of the depots and routing of the vehicles in order to serve the customers. In this study a location routing problem with fuzzy travel times and due dates is considered and two objective models are proposed. The considered objectives are minimizing the total costs of the network and minimizing the total weighted tardiness. The costs of the network include the fixed installation costs and the transportation costs. In order to solve this problem a mathematical model is proposed. However since this problem is categorized into NP-hard problem; the mathematical model cannot be solved efficiently. Therefore meta-heuristic algorithms are proposed to efficiently solve this problem.Keywords: Location Routing Problem, Facility Location, Fuzzy Programming, Multi, Criteria Decision Making -
مساله زمان بندی پروژه بیانگر تخصیص زمان آغاز فعالیت های یک پروژه برای رسیدن به یک هدف معین می باشد. این هدف ممکن است مربوط به جنبه های مالی، زمانی، کیفی و یا دیگر جنبه های پروژه باشد. هنگامی که جنبه-های مالی پروژه مد نظر قرار داده شوند، یکی از بهترین معیارهای ارزیابی زمان بندی، ارزیابی ارزش خالص فعلی پروژه است. در مواردی که در پروژه ها با جریان های نقدی سنگین در مدت زمان قابل توجه روبرو هستیم، ارزش خالص فعلی اهمیت بیشتری پیدا می کند. لذا یک مدل موثر برای مساله تخصیص منابع محدود باید شامل معیاری با لحاظ کردن زمان و هزینه باشد. از طرف دیگر ماهیت غیر قطعی فعالیت ها در پروژه سبب می شود که مدل های قطعی پاسخگوی بسیاری از پروژه های عملی نباشد. از این رو، ما در مدل ارایه شده در این مقاله پارامترهای زمانی فعالیت ها به صورت اعداد فازی در نظر گرفته شده و مدلسازی صورت گرفته است که مساله تحت عنوان زمان بندی پروژه با محدودیت منابع با جریان های نقدی تنزیل یافته تحت شرایط فازی (F-RCPSPDCF) نامگذاری شده است. جهت حل مدل پیشنهادی یک الگوریتم فراابتکاری نوین با الهام از تئوری ارتعاشات به نام الگوریتم بهینه سازی میرایی ارتعاش (VDO) ارایه شده است. در این راستا، جهت تولید برنامه زمان بندی، روش زمان بندی دوسویه و ساختار نمایش لیست فعالیت ها به کار گرفته شده است. در نهایت کارایی الگوریتم ارایه شده با استفاده از مسائل استاندارد تولید شده توسط نرم افزار Pro-gen در مقایسه با الگوریتم شبیه سازی تبرید ارائه و مورد تجزیه و تحلیل شده است. تحلیل نتایج بیانگر کارایی الگوریتم ارائه شده جهت حل مدل پیشنهادی را با افزایش ابعاد مسائل نشان میدهد.
کلید واژگان: زمان بندی پروژه با محدودیت منابع, ارزش خالص فعلی, تئوری مجموعه های فازی, الگوریتم بهینه سازی میرایی ارتعاش, شبیه سازی تبریدInternational Journal of Industrial Engineering & Production Management, Volume:25 Issue: 4, 2015, PP 389 -401Resource-constrained project scheduling problem (RCPSP) aims to schedule at minimal duration a set of activities subject to precedence constraints and the limited availability of resources. Considering net present value (NPV) is one of the modern approaches in scheduling projects in which the project is scheduled in such a way that NPV be maximized. This approach with deterministic parameters such as activities duration was analyzed in the previous works. Since estimating the activities duration in exact manner is far from reality, we utilize an approximate estimation approach in scheduling project under fuzzy environment. In this respect, earliest start times and latest finish times for activities considered as fuzzy numbers. Since the problem is NP-hard problem, a novel meta-heuristic called vibration damping optimization (VDO) is proposed to solve the mathematical model. To demonstrate performance of proposed VDO, simulated anneling algorithm is applied. We also applied bi-directional scheduling method in order to generate neighborhoods. The result shows that the proposed VDO is capable to solve the model.Keywords: Resource constrained scheduling problem (RCPSP) -
امروزه سیستم های تولیدی با هدف دست یابی به سود بیشتر، سعی می کنند سهم بیشتری از تقاضای بازار را ارضاء کنند. اما در اکثر موارد به دلیل ناکافی بودن منابع تولیدی مایل اند برخی محصولات را از منابع خارجی تهیه کنند. با توجه به این مهم، مسئله ی تولید ترکیبی (P M)با مفهوم تصمیم گیری برون سپاری ادغام می شود و مسئله ی یک پارچه تولید ترکیبی برون سپاری (I P M O) مطرح می شود. پرسش اصلی می شود. پرسش اصلی در این مسئله آن است که چه مقدار از هر محصول داخل سیستم تولید شود و چه مقدار از آن برون سپاری شود. یکی از معروف ترین روش های حل مسئله ی I P M O، روش تئوری محدودیت ها (T O C) است. در این تحقیق روشی ابتکاری و ساده براساس T O C برای حل مسئله ی I P M O در حالت چندگلوگاهی ارائه می شود. الگوریتم پیشنهادی با الگوریتم های موجود در ادبیات مورد مقایسه قرار می گیرد و نشان داده می شود که الگوریتم پیشنهادی قادر به دست یابی به جواب های مناسب است.
کلید واژگان: سیستم های تولیدی, تولید ترکیبی, برون سپاری, نظریه ی محدودیت ها, الگوریتم ابتکاریDetermining the production rate of each product in order to maximize the throughput is important for production systems. This problem is called the product mix (PM) problem. In most cases, due to insufficient production resources, companies tend to obtain some of their products from external resources. Given this, PM, with the decision to outsource production, a combined and integrated product mix-outsourcing problem (IPMO) is formed. Here, the main question is how much of each product should be produced internally and how much should be outsourced. One of the most famous methods for solving the IPMO problem is the theory of constraints (TOC). TOC offers a five step methodology for the identification of organizational constraints and their elevation. The methodology is described as follows: (1) Identify the system's constraint(s) (2) Decide how to exploit the system's constraint(s) (3) Subordinate everything else to the above decision (4) Elevate the system's constraint(s)(5) If, in the previous steps, a constraint has been broken, go back to step1.In step1, the system bottleneck is dentified. In step 2, the scheduler decides how to use the bottleneck in order to maximize the throughput. In step 3, the bottleneck schedule (drum) is developed and, through backward and forward scheduling, other work centers are scheduled. In step 4, necessary improvements are considered in order to promote the bottleneck performance. And, finally, step 5 indicates the dynamic nature of the TOC. The product mix is determined through the first two steps of the TOC. In this study, we will introduce a simple and heuristic method based on TOC to solve IPMO problems in multi-bottleneck mode. First, it is shown, by an example, that available heuristic algorithms for solving the IPMO problem do not necessarily lead to optimum and even feasible solutions. Then, the proposed algorithm is compared with existing methods in the literature in single and multi-bottleneck modes, and it is indicated that the proposed algorithm is able to achieve appropriate solutionsKeywords: Production systems, product mix, outsourcing, theory of constraints, heuristic method -
در این تحقیق مدلی جدید برای سیستم موجودی بازدید پیوسته چندمحصولی با محدودیت های فضای انبار، بودجه و کم ترین سطح خدمت در حالت کمبود پس افت جزئی ارائه شده است. هدف به دست آوردن مقدار سفارش و نقطه سفارش مجدد است به گونه یی که هزینه ی کل سالیانه کمینه شود. این مدل با روش آزادسازی لاگرانژ و ترکیب آن با الگوریتم ابتکاری شناخته شده هدلی ویتین برای مسائل با ابعاد کوچک، و روش فراابتکاری شبیه سازی تبرید برای مسائل با ابعاد بزرگ حل می شود. از آنجا که روش آزادسازی لاگرانژ اجزء روش های دقیق است، می توان از آن برای ارزیابی جواب روش شبیه سازی تبرید بهره برد. مقایسه جواب های به دست آمده از دو روش نشان می دهد که روش شبیه سازی تبرید کارایی مناسب و قابل قبولی برای حل مدل پیشنهادی دارد.
کلید واژگان: کنترل موجودی بازدید پیوسته, کمبود پس افت جزئی, محدودیت فضای انبار, محدودیت بودجه, محدودیت کم ترین سطح سرویسRecently, different inventory models have been widely used in production and sales. However, some assumptions of these models do not provide the possibility of their use in practice. Therefore, it seems necessary to put aside these assumptions and expand the existing models. The most popular of these models is the classical economic order quantity (EOQ) that appears in every basic textbook covering inventory management. A key assumption of the basic EOQ model is that the demand is certain, so shortage is not permitted. While, in the real world, usually, demand is probabilistic, so, there is the possibility of encountering shortages. In some real life situations, there is a part of demand that cannot be satisfied from the current inventory, leaving the system in stock out. In these systems, two situations are mainly considered: all customers wait until the arrival of the next order (complete back order case) or all customers leave the system (lost sales case). However, in practical, some customers are able to wait for the next order to satisfy their demands during the stock out period, while others do not wish to, or cannot wait, and they have to fill their demands from other sources. This situation is modeled by consideration of partial backlogging in the formulation of the mathematical model. Therefore, In general, three approaches, including backorder, lost sales and partial backlogging, are considered when faced with shortage. In backorder models, the answer to all demands is commitment, in lost sales, there is no commitment to demand, and, in partial backlogging, a portion of the demand is backlogged. In partial backlogging, some customers are willing to wait for delivery, others are not. A common characteristic of this model is the assumption that the percentage of orders arriving during the shortage period that will be backordered is exogenously determined. Either these customers will cancel their orders or the supplier will have to fill them within the normal delivery time by using more expensive supply methods. Another major problem in traditional inventory models is restrictions in real world constraints, such as budget constraint, space constraint, number of orders constraint, service level constraint and etc. This applies more particularly to shortage models. Work on inventory control models, especially continuous models, pays little attention to constraints. In this survey, a multi product continuous review inventory model with capacitپy warehouse constraints, budget, and minimum service level in partial backlogging, in order to obtain the quantity order and reorder point to achieve minimum total annual cost, is minimized. Lagrangian relaxation and a hybrid heuristic algorithm based on Hadly-Whithin for small size problems, and a simulated annealing (SA) algorithm for large scale problems is used. Since the release Lagrange method is an exact method, to evaluate solutions obtained from the simulated annealing algorithm can be used. Comparison of the results obtained from the Lagrange method and the SA algorithm shows that the SA algorithm is credible and has suitable efficiency.Keywords: Continuous review inventory model, partial backlogging, capacity warehouse constraint, budget constraint, minimum service level constraint -
مسئله ی موازنه ی هزینه زمان در پروژه ها از مباحث مهمی است که مورد توجه محققین زیادی بوده است، اما تعداد اندکی از این تحقیقات محیط های تصادفی را مورد توجه قرار داده اند. از طرف دیگر، کیفیت پروژه نیز یکی از مواردی است که مدیران پروژه به آن علاقه مندند که در تحقیقات مورد توجه چندانی قرار نگرفته است. در این نوشتار مسئله ی موازنه ی هزینه زمان با در نظر گرفتن عامل کیفیت پروژه به عنوان یکی از ارکان پروژه با پارامتر تصادفی تاخیر در فعالیت های پروژه در هنگام فشرده سازی مورد بررسی واقع می شود. در این راستا ابتدا یک مدل تصادفی موازنه ی هزینه زمان و کیفیت پروژه توسعه داده می شود، آنگاه برای حل مدل از مفهوم برنامه ریزی سازشی مقیدشده ی تصادفی استفاده می شود و در نهایت برای تشریح مدل و حصول نتایج، کاربرد آن در یک پروژه ی واقعیدر زمینه ی استقرار مخازن گاز مایع مورد بررسی قرار می گیرد. نتایج بیان گر کاربردی بودن مدل ما در مسائل واقعی اند.کلید واژگان: زمان بندی پروژه, موازنه ی هزینه, زمان و کیفیت, برنامه ریزی چندمنظوره ی فازی, برنامه ریزی سازشی مقیدشده ی تصادفیSolving time costand quality trade off reject problem using multi objectivees t ochastic programmingT h e c r a s h i n g o f p r o j e c t t i m e s i s n o t a n e w t o p i c i n t h e p r o j e c t m a n a g e m e n t a r e a a n d i t s h i s t o r y r e t u r n s t o C P M a n d P E R T n e t w o r k d e v e l o p m e n t. N e w v i e w s a n d m e t h o d s h a v e b e e n p r e s e n t e d a b o u t t h e t i m e-c o s t t r a d e o f f i n r e c e n t y e a r s. G e n e r a l l y, t h e c o m p l e t i o n t i m e o f p r o j e c t s c o u l d b e s h o r t e n e d b y r e v i e w i n g p r o j e c t n e t w o r k l o g i c o r c r a s h i n g t h e a c t i v i t i e s t h r o u g h e x p e n d i n g m o r e c o s t. N o t e t h a t a n y r e d u c t i o n i n t h e d u r a t i o n o f a c t i v i t i e s c o u l d a f f e c t t h e i r q u a l i t y. I n o t h e r w o r d s, c r a s h i n g c o u l d d e c r e a s e t h e c l o s e n e s s r a t e o f p r o j e c t d e l i v e r a b l e s f r o m t h e e m p l o y e r o r c u s t o m e r e x p e c t a t i o n l e v e l s. A m b i g u i t y i s a n u n a v o i d a b l e f a c t o r i n m o s t a c t i v i t y d u r a t i o n e s t i m a t e s, a n d u n c e r t a i n t y i s a n o t h e r p r o b l e m t h a t a l w a y s g o e s a l o n g w i t h p r o j e c t s c h e d u l i n g. B y r e v i e w i n g t h e l i t e r a t u r e, i t w a s f o u n d t h a t r e s e a r c h e r s o f t e n t r y t o o p t i m i z e a s p e c i f i c o b j e c t i v e f u n c t i o n, w h i l e, i n r e a l w o r l d p r o b l e m s, a p r o j e c t m i g h t h a v e s e v e r a l o b j e c t i v e s s i m u l t a n e o u s l y. I n t h i s p a p e r, w e t r y t o s t u d y t h e p r o j e c t s c h e d u l i n g p r o b l e m i n a m u l t i-o b j e c t i v e s t o c h a s t i c s t a t e. O n t h e o t h e r h a n d, i t m i g h t b e a n u n p r e d i c t a b l e l a g t h a t o c c u r s f o r e a c h a c t i v i t y w h i c h a f f e c t s s u c c e s s o r s c h e d u l i n g a n d t h e d e l i v e r y d a t e o f t h e p r o j e c t, f i n a l l y. T h i s f a c t i n c r e a s e s t h e i m p o r t a n c e o f s c h e d u l i n g l a g s a n d t h e n e c e s s i t y o f c o m p e n s a t i o n o r t h e i r a v o i d a n c e. W h e n p r o j e c t m a n a g e r s d e c i d e t o s h o r t e n a c t i v i t i e s b y e x p e n d i n g c o s t, t h i s p r o b l e m b e c o m e s m o r e i m p o r t a n t. S o, i t i s n e c e s s a r y t o c o n s i d e r t h e s t o c h a s t i c l a g s o f e a c h a c t i v i t y, w h i c h m i g h t o c c u r a f t e r c r a s h i n g, i n p r o j e c t s c h e d u l i n g a n d t h e t i m e-c o s t t r a d e o f f p r o b l e m. S i n c e t h e d u r a t i o n t i m e o f t h e s e l a g s i s n o t d e t e r m i n e d, w e c a n c o n s i d e r t h e m s t o c h a s t i c. H e n c e, a p p l y i n g s t o c h a s t i c o b j e c t i v e f u n c t i o n s i n t h e s e p r o b l e m s i s a n o t h e r i n n o v a t i o n o f t h i s s t u d y, w h i c h c o u l d h e l p t o r e a l i z e b e t t e r t h a n e v e r r e s u l t s. I n t h i s p a p e r, t h e t i m e-c o s t t r a d e o f f p r o b l e m, w i t h q u a l i t y (T C Q T P) a s a k e y e l e m e n t o f t h e p r o j e c t s, i s d i s c u s s e d, w h i l e c r a s h i n g w i t h s t o c h a s t i c l a g s i s o c c u r r e d i n a c t i v i t i e s. F i r s t, a s t o c h a s t i c t i m e-c o s t-q u a l i t y m o d e l h a s b e e n d e v e l o p e d, a n d t h e n, w e u s e C h a n c e C o n s t r a i n e d C o m p r o m i s e P r o g r a m m i n g (C C C P) t o s o l v e i t. E v e n t u a l l y, t h e a b i l i t y o f t h e p r o p o s e d m o d e l i s i l l u s t r a t e d t h r o u g h a r e a l c a s e s t u d y i n a L i q u i d G a s T a n k E s t a b l i s h m e n t (L G T E) p r o j e c t. T h e r e s u l t s d e m o n s t r a t e t h e a p p l i c a b i l i t y o f o u r m o d e l i n r e a l w o r l d p r o b l e m s.Keywords: project scheduling, time, cost and quality trade off problem, multi, objective stochastic programming, chance constrained compromise programming
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.