زمان بندی یک ماشین پردازش انباشته در راستای تحقق تولید بهنگام با در نظر گرفتن موعد تحویل نزدیک (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
توسعه و پیچیدگی بازارهای جدید از یک سو و محدودیت های اقتصادی از سوی دیگر، سبب شده اند تا توجه به دو اصل ارائه خدمات مطلوب و کاهش هزینه ها به ضرورتی اجتناب ناپذیر تبدیل شوند. نگرش تولید بهنگام، از جمله رویکردهای مناسب برای موازنه میان دو اصل یاد شده است. همچنین، طی دو دهه اخیر، به موضوع تعیین توالی و زمان بندی عملیات در سیستم های تولید انباشته ای به طور وسیعی توجه شده است. دستگاه پردازش انباشته ای، هم زمان یک انباشته را از کارها پردازش می کند و این امر سبب کاهش زمان تنظیم دستگاه و همچنین تسهیل در امر مدیریت جریان مواد می شود. هدف پژوهش حاضر، کمینه سازی مجموع وزنی تعجیل و تأخیر کارهایی با اندازه غیر یکسان بر ماشین پردازش انباشته، با لحاظ کردن موعد تحویل نزدیک به زمان شروع زمان بندی و در راستای تحقق تولید بهنگام است. در این تحقیق دو رویکرد برای انباشته سازی کارها، یکی مبتنی بر یک روش ابتکاری و دیگری مبتنی بر حل یک مدل ریاضی، بررسی شده است؛ سپس توالی انباشته ها به کمک یک الگوریتم برنامه ریزی پویا برای تحقق تولید بهنگام، تعیین شده است. همچنین یک الگوریتم ابتکاری و یک الگوریتم فراابتکاری بر مبنای الگوریتم ازدحام ذرات برای حل کامل مسئله ارائه شده است. نتایج محاسباتی حاکی از آن است که متوسط انحراف نسبی الگوریتم ازدحام ذرات پیشنهادی، کمتر از ۱درصد و مقدار این شاخص برای الگوریتم ابتکاری ارائه شده ۷۸/۱درصد است.Scheduling a Batch Processing Machine in a Just-in-Time Production System Considering a Tight Due Date
Purpose: The development and complexity of new markets, on the one hand, and economic constraints, on the other hand, have made it an inevitable necessity to pay attention to the two principles of providing a desirable and reliable level of service to customers and reducing supply and maintenance costs. Therefore, the need to study the methods that enable the production system to deal with these issues is felt more than ever. Just-In-Time production strategy has been mentioned as one of the appropriate approaches to balance between the two principles. On the other hand, the issue of sequencing and scheduling of operations in batch processing systems has been widely considered in the last two decades. A batch processing machine can process a batch of jobs simultaneously, which reduces the machine's set-up time and facilitates material flow management. This study aims to minimize the total weighted earliness and tardiness penalties of jobs with non-identical sizes on the batch processing machine, considering that the due date is tight.Design/methodology/approach: Mathematical programming has been used to model the problem. A mixed integer linear programming model has been proposed for the research problem. Since the problem is shown to be NP-hard, heuristic and meta-heuristic methods have been developed to find near-optimal solutions for industrial-sized instances. Also, a dynamic programming approach has been proposed to find the optimal scheduling of a predetermined batch of jobs.Findings: The dynamic programming algorithm requires a high computational effort, and the solution time by this algorithm increases significantly when the number of jobs increases. However, the obtained results indicated that the proposed heuristic algorithms lead to good performance with less time and in practice, such algorithms can be used for real applications and large-size instances. The average relative deviation of the proposed particle swarm algorithm is less than 1%, and the value of this index for the proposed heuristic algorithm is 1.78%.Research implications: Examining the two investigated methods for batching the jobs, one based on a heuristic algorithm and the other with the help of solving a mathematical model, indicated no significant difference between these two methods. Therefore, if necessary, the heuristic algorithm with less computational effort can be used without losing the quality of the solution.Practical implications: According to the findings, developing efficient heuristic and meta-heuristic algorithms for batch processing machine scheduling in just-in-time production systems can reduce production costs.Originality/value: For the first the heuristic and meta-heuristic algorithms were proposed for the problem of scheduling a batch processing machine considering a tight due date in a just-in-time production system. A dynamic programming approach was also proposed for the first time to find the optimal scheduling of a predetermined batch of jobs.