بهمن نادری

در دنیای واقعی، بنگاه های اقتصادی با محیط تولیدی جریان کارگاهی ترکیبی عموماً علاوه بر محدودیت در ماشین آلات با محدودیت نیروی انسانی و افزایش هزینه حقوق و دستمزد و تلاش برای استفاده بهتر از نیروی کار روبه رو هستند. از جهتی نیازمندی های تحویل مشتریان با توجه به محدودیت های منابع مزبور، استفاده از رد کارها را به منظور اقناع نیازمندی های متمایز مشتریان ضروری می کند. لذا این تحقیق منابع دوگانه محدود انسان و ماشین را با در نظر گرفتن رد کارها در مساله زمانبندی جریان کارگاهی ترکیبی جهت کمینه سازی هزینه خالص کل (جمع مجموع هزینه های به دست آمده از رد کارها و هزینه جریمه کل) مورد مطالعه قرار داده است که کاربرد گسترده ای در بسیاری از مسائل صنعتی دارد. در این تحقیق یک مدل برنامه ریزی خطی عدد صحیح مختلط جدید برای این مساله توسعه داده می شود. علاوه بر این به علت NP-hard بودن مساله مورد بررسی، یک الگوریتم بهینه سازی پرنده استوایی دریایی بهبود یافته جدید با یک روش رمزگشایی جدید برای حل مسائل با اندازه بزرگ ارائه می شود. به منظور ارزیابی الگوریتم بهینه سازی پیشنهادی، 5 الگوریتم شناخته شده در ادبیات تحقیق (الگوریتم سیستم ایمنی بدن مصنوعی مبتنی بر ایمونوگلوبولین، الگوریتم ژنتیک، الگوریتم زنبور عسل مصنوعی گسسته، الگوریتم توسعه یافته کرم میوه و الگوریتم بهینه سازی توسعه یافته پرندگان مهاجر) با مساله پیشنهادی تطبیق داده شده است و در نهایت عملکرد الگوریتم بهینه سازی پیشنهادی در مقایسه با الگوریتم های تطبیق یافته، مورد بررسی قرار گرفته است.

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.

در مسائل زمانبندی معمولا زمان پردازش عملیات های هر کار مشخص و ثابت در نظر گرفته می شود. در ادبیات زمانبندی پروژه بسیار تاکید شده است که زمان هر فعالیت/عملیات می تواند گاهی چند حالته باشد و با تخصیص مقداری بیشتری از منابع به یک فعالیت، زمان پردازش آن نیز کاهش یابد. در اینگونه مسائل علاوه بر زمانبندی فعالیت ها باید تخصیص منابع محدود در دسترس به فعالیت ها نیز انجام شود. این ضعف در ادبیات مسائل زمانبندی وجود دارد که زمان پردازش فعالیت ها ثابت فرض می شود. در این مقاله، مسئله جریان کارگاهی از حالت کلاسیک خود به مسئله جریان کارگاهی چند حالته با منابع محدود توسعه داده می شود. این مقاله به طور جامع در مورد مدلسازی ریاضی مسئله بحث می کند. در این راستا دو مدل ریاضی به فرم برنامه ریزی ریاضی عدد صحیح مختلط خطی با دو مفهوم مختلف ارائه می شود. مدل اول، مکان محور و مدل دوم توالی محور است. برای ارزیابی عملکرد این دو مدل، پیچیدگی اندازه و پیچیدگی محاسباتی آنها تعیین و مقایسه می شود. در شاخص پیچیدگی اندازه، مدل اول تعداد متغیرهای بیشتر اما تعداد محدودیت های کمتری در مقایسه با مدل دوم نیاز دارد. در شاخص پیچیدگی محاسباتی، مدل اول عملکرد کاملا بهتری از مدل دوم ارائه می کند. همچنین مدل اول علاوه بر حل تعداد بیشتری از مسائل به صورت بهینه، زمان کمتری نیز برای حل در مقایسه با مدل دوم احتیاج دارد

در این مقاله، مسئله زمانبندی جریان کاری ترکیبی با ماشینهای موازی در هر یک از ایستگاه های کاری مورد بررسی قرار میگیرد. در این مسئله کارها به دو گروه تقسیم شده اند: کارهایی که باید به صورت بدون انتظار زمانبندی شوند و کارهای معمولی. کارهای بدون انتظار کارهایی محسوب می شوند که باید بین پردازش عملیات های آن کار نباید هیچ فاصله زمانی وجود داشته باشد. در این مقاله، پس از تشریح جوانب مختلف مسئله، دو مدل ریاضی قالب برنامه ریزی عددصحیح مختلط است. با استفاده از نرم افزارهای تجاری تخصصی تحقیق در عملیات مدل ریاضی حل و نتایج عملکردی آن تحلیل و مقایسه می شود. مدل های ریاضی تنها قادر به حل مسایل با اندازه کوچک هستند. سپس برای حل مسئله در اندازه های واقعی، دو الگوریتم فراابتکاری شامل الگوریتم رقابت استعماری و شبیه سازی تبرید طراحی می شود. یک مجموعه مثال آزمایشگاهی تولید و عملکرد الگوریتم ها با یکدیگر مقایسه می شود. الگوریتم رقابت استعماری در مقایسه با الگوریتم دیگر عملکرد بهتری دارد