به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "energy-efficient scheduling" در نشریات گروه "مدیریت"

تکرار جستجوی کلیدواژه «energy-efficient scheduling» در نشریات گروه «علوم انسانی»
جستجوی energy-efficient scheduling در مقالات مجلات علمی
  • هیمن صنعتی، قاسم مصلحی*، محمد رئیسی نافچی

    در سال های اخیر، افزایش چشم گیر مصرف انرژی و همچنین مواجه شدن با پدیده گرمایش زمین، باعث نگرانی هایی در سطح جهان شده است؛ ازاین رو، دولت ها با سیاست هایی مانند تعیین تعرفه مصرف انرژی در بازه های زمانی مختلف روز، سعی در کنترل مصرف انرژی دارند. محیط های تولیدی نیز به عنوان مصرف کنندگان بزرگ انرژی، از این قضیه مستثنا نیستند. ماشین های موازی، یکی از پرکاربردترین محیط های ماشینی در تولید است؛ اما تاکنون پژوهش هایی در پیشینه موضوع دیده نشده است که زمان بندی همراه با زمان آماده سازی را در این محیط، با هدف کمینه سازی هزینه انرژی در حالت وجود تعرفه مصرف، در بازه های زمانی مختلف بررسی کرده باشد؛ بنابراین در مقاله حاضر، مسئله زمان بندی کارای انرژی ماشین های موازی غیر مرتبط، با زمان های آماده سازی مستقل از توالی، در دو حالت منفصل از پردازش و متصل به پردازش، با تعرفه مصرف انرژی در بازه های زمانی مختلف بررسی می شود. برای هرکدام از این دو حالت، دو مدل ریاضی ارایه شده که در هر دو حالت، نمونه هایی تا ابعاد 20 ماشین و 80 کار، به صورت بهینه حل شده است. برای حل مسایل در ابعاد بزرگ تر، از الگوریتم ابتکاری مبتنی بر تثبیت و آزادسازی استفاده شده است. این الگوریتم برای هرکدام از مسایل، با آماده سازی منفصل از پردازش و متصل به پردازش به ترتیب، نمونه های تا 20 ماشین و 190 کار و نمونه هایی تا 20 ماشین و 220 کار را حل کرده است.

    کلید واژگان: زمان بندی کارای انرژی, تعرفه مصرف انرژی, ماشین های موازی غیر مرتبط, زمان های آماده سازی مستقل از توالی, برنامه ریزی عدد صحیح مختلط, تثبیت و آزادسازی
    Hemen Sanati, Ghasem Moslehi *, Mohammad Reisi-Nafchi
    Purpose

    In recent years, significant energy consumption and facing global warming have led to concern worldwide. Therefore, governments have turned to deterrent actions such as imposing daily tariffs in different intervals to tackle energy consumption. This article addresses unrelated parallel machine energy-efficient scheduling problems by considering sequence-independent setup times and energy consumption tariffs. The objective function is that jobs should be assigned to machines and processed in different intervals so that the cost of consumed energy becomes as less as possible. It should be noted that the assumed sequence-independent setup times are addressed in two different modes, setup times jointed to processing time and setup times disjointed from processing time. Design/methodology/approach: To optimize the total energy consumption cost in unrelated parallel machine scheduling problems with sequence-independent setup times jointed to processing time and disjointed from processing time, mixed-integer linear programming (MILP) models have been proposed from two different points of view. The first model has been formulated according to the predecessor jobs of a special job, while the second model has been conducted based on the immediate predecessor job. Also, a fix and relax heuristic (FRH) algorithm has been conducted to solve large- scale instances. All mathematical models and the heuristic algorithm have been coded in the Visual C# 2017 environment and implemented using the CPLEX 12.8 Concert Technology on a PC with 32GB RAM and Intel Corei7 4.0 GHz CPU (4 cores). Also, a sizeable number of instances have been solved to evaluate the efficiency of mathematical models and the heuristic algorithm and to ensure their accuracy.

    Findings

    According to numerical analysis, both mathematical models solved the instances of up to 20 jobs and 80 machines optimally for sequence-independent setup-times jointed to processing time, and sequence-independent disjointed from processing time problems. However, generally speaking, the mathematical model based on predecessor jobs was more efficient than another mathematical model, especially in terms of run time. Moreover, the proposed fix and relax-based heuristic algorithm solved instances of up to 20 machines and 190 jobs for the disjointed setup times problem, and up to 20 and 220 instances for the jointed setup times problem. It should be noted that all instances were generated analogously to the literature.

    Research limitations/implications

    A vast number of exogenous factors contributed to the scheduling problems in the real world, which can disturb the scheduling process easily, frequent power outages, machine breakdown, and operator absence. Besides, considering all the real world's possibilities raises extreme complexity in problems. Therefore, similar to other studies, some assumptions were considered as follows: - machines are always available at all times; - idle is allowable for machines; - the energy consumption rate of various machines is different for each job; - each machine's energy consumption rate during processing and setups is different for each job, it is assumed as constant; - preemption is not allowed in the job's processing and setups; - all jobs are available at the beginning of the planning horizon; and - each machine can process or do the setup for only one job at a time.

    Practical implications

    Given that unrelated parallel machines are one of the most practical scheduling environments, this article can be effective in production sites and operation lines that contain such a kind of machine. Besides, unrelated parallel machines cover identical and related parallel machines. Consequently, this paper is the building blocks of cost-effective and environmentally friendly scheduling programs. Also, the application of unrelated parallel machines is not merely restricted to production problems. In other words, unrelated parallel machine scheduling problems can be used in other real-world cases, such as airplane scheduling and elevator scheduling. Originality/value - In this paper, unrelated parallel machine energy-efficient scheduling has been addressed considering sequence-independent setup times. Since it was a common belief that sequence-independent setup times could be included in processing times, sequence-independent setup times have been neglected so far. However, in this innovative study for the first time, an unrelated parallel machine energy efficient problem was investigated with sequence-independent setup times. Mathematical programming models and a heuristic algorithm were proposed for such a practical problem.

    Keywords: Energy-efficient scheduling, Energy consumption tariffs, unrelated parallel machines, Sequence independent setup-times, mixed-integer programming, Fix, relax heuristic (FRH) algorithm
  • امیرحسین حسینیان، وحید برادران*
    در این پژوهش، یک مدل ریاضی انرژی محور برای مساله زمانبندی پروژه با منابع محدود ارائه شده است. اهداف این مدل، کمینه سازی همزمان زمان تکمیل و مصرف کل انرژی پروژه است. منابع در این پروژه، ماشین آلاتی هستند که امکان تنظیم سرعت پردازش آن ها وجود دارد. افزایش سرعت آن ها، منجر به افزایش مصرف انرژی خواهد شد. مساله مورد بررسی، از جمله مسائل NP-hard است. بنابراین، یک الگوریتم بهینه سازی چندهدفه مگس میوه برای حل مساله ارائه شده است. الگوریتم پیشنهادی از روش VIKOR که یک روش تصمیم گیری چندمعیاره است، برای رتبه بندی جواب ها در روند جستجوی فضای جواب بهره می برد. عملکرد الگوریتم پیشنهادی برای حل مسائل نمونه با ابعاد کوچک، متوسط و بزرگ مورد سنجش قرار گرفت. نتایج الگوریتم پیشنهادی، با نتایج سه روش فراابتکاری دیگر از نظر همگرایی، تنوع جواب ها و زمان محاسبات مورد مقایسه قرار گرفت. نتایج، نشان از آن دارد که روش پیشنهادی توانسته است از نظر اکثر معیارهای سنجش عملکرد، نسبت به سایر روش ها بهتر عمل نماید. همچنین، نتایج الگوریتم ها با خروجی نرم افزار GAMS در مسائل با ابعاد کوچک مقایسه شد.
    کلید واژگان: زمان بندی انرژی محور, بهینه سازی چندهدفه, زمانبندی پروژه, تصمیم گیری چندمعیاره
    Amir Hossein Hosseinian, Vahid Baradaran *
    In this paper, we propose an energy-efficient mathematical model for the resource-constrained project scheduling problem to optimize makespan and consumption of energy, simultaneously. In the proposed model, resources are speed-scaling machines. The problem is NP-hard in the strong sense. Therefore, a multi-objective fruit fly optimization algorithm (MOFOA) is developed. The MOFOA uses the VIKOR as a multi-criteria decision making (MCDM) method to rank solutions in vision-based search procedure. The proposed algorithm is applied to small, medium and large size problems to evaluate its performance. Comprehensive numerical tests are conducted to evaluate the performance of the MOFOA in comparison to three other meta-heuristics in terms of convergence, diversity and computation time. The experimental results significantly show that the proposed algorithm can surpass other methods in terms of most of the metrics. Besides, the results of meta-heuristics are compared with the outputs of GAMS software for small size problems.
    Keywords: Energy-efficient scheduling, Multi-objective optimization, Project scheduling, MCDM
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال