زمان بندی کار کارگاهی منعطف با سیاست رد کارها و تعمیرات و نگهداری پیشگیرانه (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه و اهداف: سیستم کار کارگاهی منعطف یکی از پرکاربردترین سیستم های زمان بندی، در محیط های تولیدی است که به علت کاربردهای متنوع در سیستم های تولیدی همواره موردتوجه پژوهشگران این حوزه بوده است. در تعداد زیادی از پژوهش های این حوزه فرض شده است که زمان های پردازش، مقداری ثابت و از پیش مشخص شده هستند. حال آنکه در شرایطی و بر اثر پدیده زوال، زمان های پردازش عملیات افزایش می یابند و پس از اجرای فعالیت های تعمیرات و نگهداری با نام RMA، زمان های پردازش به زمان های نرمال اولیه کاهش می یابند. موضوع پژوهش حاضر، بررسی سیستم کار کارگاهی منعطف با درنظرگرفتن سیاست رد کارها و منابع دوگانه محدود انسان ماشین و پیاده سازی فعالیت های تعمیرات و نگهداری RMA است.روش ها: هدف از حل مسائل زمان بندی کار کارگاهی منعطف، یافتن تخصیص هر عمل به یک ماشین و یک کارگر از میان مجموعه ماشین ها و کارگران قابل، به نحوی است که توالی عملیات بر روی ماشین آلات بهینه شود. برای این منظور یک مدل ریاضی بر اساس رویکرد برنامه ریزی خطی عدد صحیح مختلط منعطف توسعه داده شده است. مروری بر مطالعات پیشین نشان می دهد که مسئله با مفروضات فوق الذکر در زمره مسائل NP-hard رده بندی شده اند؛ بنابراین استفاده از روش های فراابتکاری برای دستیابی به جواب اجتناب ناپذیر است. برای این منظور از روش فراابتکاری جست وجوی همسایگی متغیر، شبیه سازی تبرید و الگوریتم ترکیبی این دو برای حل مسئله استفاده شده است. یافته ها: در این پژوهش، 20 زیر مسئله موردبررسی قرار گرفته است که بر اساس اندازه، به سه دسته کوچک، متوسط و بزرگ دسته بندی می شوند. ویژگی های هر مسئله موردبررسی بر اساس پارامترهایی نظیر تعداد کارها، تعداد ماشین آلات، تعداد کارگران، مجموع کل تعداد عمل های کارها و تعداد باکت ها مشخص شده است. برای حل این مسئله از روش های فراابتکاری جست وجوی همسایگی متغیر، شبیه سازی تبرید و ترکیب این دو، استفاده شده است؛ همچنین هفت ساختار تولید همسایگی بر پایه تغییر در ماشین ها و کارگران تخصیص یافته به هر عمل، تعویض عمل ها و کارها، اجرا و یا عدم اجرای فعالیت های تعمیرات و نگهداری RMA و درنهایت رد/ پذیرش کارها ایجاد می شود. این ساختارهای همسایگی با هدف جست وجوی بهتر فضای جواب مسئله در روش های فراابتکاری، مورداستفاده قرار گرفته است. ساختار تولید جواب های جدید به صورتی است که ضمن مراعات الزامات سیستم کار کارگاهی منعطف، همواره جواب های موجه تولید می شود. پارامترهای روش های فراابتکاری با استفاده از روش تاگوچی تنظیم شده اند و به عنوان نمونه، پارامترهای مرتبط با روش فراابتکاری جست وجوی همسایگی متغیر و شبیه سازی تبرید گزارش شده است که مشتمل بر پارامترهای دمای اولیه، تعداد جست وجوهای همسایگی و شمارنده تکرار حلقه ارتعاش است. در ادامه نتایج حاصل از اجرای روش های فراابتکاری مقایسه قرار گرفته و در خصوص مسائل کوچک، با مقدار جواب دقیق به دست آمده مقایسه شده است.نتیجه گیری: در خاتمه، نتایج حاصل از حل 20 زیرمسئله از طریق سه روش های فراابتکاری جست وجوی همسایگی متغیر، شبیه سازی تبرید و روش ترکیبی این دو، با استفاده از روش های آماری مقایسه شده است و نتایج حاکی از آن است که روش ترکیبی شبیه سازی تبرید و جست وجوی همسایگی متغیر، عملکرد بهتری در حل این مسئله داشته است.Flexible Job Shop Scheduling with Job Rejection Policy and Rate-Modifying Preventive Maintenance Activities
Introduction: The flexible job shop system is one of the most widely used scheduling systems in production environments, consistently attracting researchers' attention due to its diverse applications. Many studies in this field assume fixed and predetermined processing times. However, processing times can increase due to the deterioration effect, and after implementing rate-modifying activities (RMA), these times return to their original values. This study examines the flexible job shop scheduling system, considering job rejection policies, dual resource constraints (human and machine), and RMA maintenance activities.Methods: The objective of flexible job shop scheduling is to assign each operation to a machine and a worker from a set of eligible machines and workers in a way that optimizes the sequence of operations on the machines. A mathematical model based on the mixed-integer linear programming approach was developed for this purpose. Literature review classifies the problem with the stated assumptions as NP-hard, making the use of meta-heuristic methods essential for finding near-optimal solutions. Thus, Variable Neighborhood Search (VNS), Simulated Annealing (SA), and a combined VNS-SA algorithm were employed to solve the problem.Results and discussion: Twenty sub-problems were analyzed, categorized into small, medium, and large-sized problems. The characteristics of each problem were defined by parameters such as the number of jobs, machines, workers, total operations, and buckets. Meta-heuristic methods, including VNS, SA, and their combination, were utilized to solve the problem. Seven neighborhood structures based on changes in assigned machines and workers, operation and job replacements, execution of RMA activities, and job acceptance/rejection were developed to enhance solution space exploration. The solution generation structure ensures feasibility within the flexible job shop system's requirements. The parameters of the meta-heuristic methods were tuned using the Taguchi method. Parameters related to the combined VNS-SA algorithm, such as initial temperature, number of neighborhood searches, and shake procedure counter, were reported. The results of the meta-heuristic methods were compared, and for small-sized problems, they were also compared with exact solutions.Conclusion: The results of the twenty sub-problems solved using the three meta-heuristic approaches were compared statistically. The combined method of simulated annealing and variable neighborhood search showed superior performance in solving the problem.
تبلیغات
