|
Title
|
يك مدل رياضي چند هدفه براي زمان بندي كارگاهي انعطاف پذير چند منبعي با فعاليت هاي نگهداري انعطافپذير
|
|
Type
|
Thesis
|
|
Keywords
|
multi-objective flexible jobshop scheduling, multi resource, integer programming, meta-heuristic algorithm
|
|
Abstract
|
زمينه: زمان بندي عمليات يكي از مهم ترين مسئله ها در حوزه برنامه ريزي و مديريت فرآيندهاي توليدي مي باشد. زمان بندي يك فرآيند تصميم گيري است كه بر پايه اي نظام مند در صنايع توليدي و خدماتي مورد استفاده قرار مي گيرد. زمان بندي كارگاهي انعطاف پذير شكل توسعه يافته اي از زمان بندي كارگاهي است كه در آن عمليات مي توانند بر روي ماشين هاي مختلفي از يك مجموعه ماشين ها انجام شوند. زمان بندي كارگاهي انعطاف پذير از آن جهت كه بايد نحوه ي تخصيص عمليات به ماشين ها را نيز تعيين كند از زمان بندي كارگاهي پيچيده تر است. در اين پژوهش مسئله زمانبندي كارگاهي انعطاف پذير با توجه به محدوديت نگهداري و تعميرات و دسترسي به تعميركار مورد توجه قرار گرفته است.
هدف: هدف اين پژوهش ارائه ي يك برنامه ي زمان بندي مناسب است به طوري كه: برنامه ي نگهداري پيشگيرانه را در نظر گرفته و وقفه هاي ناشي از تداخل با برنامه ي توليد و نيز بار ماشين آلات را كاهش دهد و محدوديت هاي ناشي از دسترسي تعميركارها را در نظر گرفته و با تخصيص صحيح فعاليت هاي نگهداري و تعميرات به آن ها زمان پايان تمام كارها و بار ماشين ها را كمينه سازد.
روششناسي: در اين پژوهش پس از بازخواني پژوهش هاي پيشين اقدام به شناسايي متغيرها، پارامترها و معيارهاي عملكرد گرديد و بر اين پايه يك مدل رياضي غيرخطي آميخته عدد صحيح تعريف گرديد. سپس مدل پيشنهادي با استفاده از يك الگوريتم فراابتكاري حل گرديد. در آخر نيز يافته هاي مسئله مورد تجزيه و تحليل قرار گرفت و اقدام به نتيجه گيري و ارائه پيشنهادها گرديد.
يافتهها: در اين بخش مقادير زمان تكميل عمليات، زمان تكميل فعاليت هاي تعميراتي و ميزان زمان تخصيص داده شده به تعميركاران براي انجام فعاليت ها مشخص گرديد. همچنين سه مقدار از بهترين مقادير به دست آمده براي معيارهاي عملكرد نيز ارائه شده است.
نتيجهگيري: در راستاي سوال هاي پژوهشي يك مدل رياضي غيرخطي آميخته عدد صحيح طراحي گرديد و مقادير سه تابع هدف كمينه سازي زمان تكميل كل كارها، كل بار ماشين ها و بيشينه بار ماشين ها بدست آمد.
|
|
Researchers
|
Khodakaram Salimifard (Primary advisor) , Rahim Ghasemieh (Advisor)
|