زمان بندی

در این مقاله مسئلۀ زمان بندی تک ماشین با تولید دسته ای و خرابی تصادفی ماشین بررسی می شود. در این مسئله هر کار متعلق به یک خانوادۀ کار است و هر خانوادۀ کار زمان آماده سازی معلوم و مستقل از توالی دارد. همچنین فرض می شود یک خرابی ماشین در طول افق برنامه ریزی اتفاق می افتد و زمان شروع و طول تصادفی با توزیع احتمال دلخواه و از قبل مشخص دارد. تابع هدف مسئله حداقل سازی مجموع حداکثر زودکرد و حداکثر دیرکرد موردانتظار کارهاست. تاکنون در پژوهش های گذشته مطالعه ای بر این مسئله مشاهده نشده است. برای این مسئله یک مدل جدید برنامه ریزی عدد صحیح خطی مختلط توسعه داده شده است. با توجه به NP-hard بودن مسئله برای حل بهینۀ آن، یک الگوریتم شاخه و کران جدید با اصول غلبه و یک حد پایین کارا ارائه شده است که از یک الگوریتم ابتکاری جدید برای به دست آوردن حد بالا استفاده می کند. به منظور ارزیابی عملکرد الگوریتم های معرفی شده، تعداد 2520 عدد مسئلۀ نمونه طراحی و با الگوریتم های ارائه شده، حل شده است. نتایج محاسباتی نشان می دهد 98% مسائل نمونه در محدودۀ زمانی مشخص شده با الگوریتم شاخه و کران به صورت بهینه حل شده اند و میانگین درصد انحراف از جواب بهینه در الگوریتم ابتکاری ارا ئه شده کمتر از 30% است. این موارد کارایی الگوریتم های ارائه شده را تأیید می کند.

هدف: در این مقاله یک روش دومرحله ای جدید برای حل مساله ی زمان بندی دروس دانشگاهی مبتنی بر برنامه ی درسی ارایه شده است. در هر دو مرحله، روش از رویکرد فراابتکاری جدید استفاده شده است. علاوه بر این، یک نمایش جواب جدید برای زمان بندی دروس دانشگاهی معرفی شده است و از برخی رویکردها نیز برای تشدید و تنوع استفاده می شود که کاملاً مبتنی بر نمایش جواب جدید است. روش شناسی پژوهش: در مرحله ی اول روش جدید، یک جواب با کیفیت بالا قابل اجرا محاسبه می شود. برای این منظور، ابتدا محدودیت های سخت مربوط به دوره های زمانی در نظر گرفته شده و جوابی محاسبه می شود که این محدودیت های سخت را برآورده کند. در مرحله ی بعد روش جدیدی برای تخصیص اتاق ها به دروس معرفی می شود که پس از اعمال آن بر روی جوابی که محدودیت های سخت دوره ی زمانی را برآورده می کند، یک جواب شدنی محاسبه می شود. علاوه بر این، نتایج عددی نشان می دهد که جواب شدنی محاسبه شده کیفیت بالایی دارد. در مرحله ی دوم، ابتدا چندین تابع همسایگی جدید برای بهبود کیفیت جواب شدنی محاسبه شده به طور قابل توجهی مورد استفاده قرار می گیرد که برای کاهش جریمه جواب شدنی محاسبه شده مرحله ی اول طراحی شده است. در حالی که تابع تناسب مرحله ی اول مبتنی بر نقض محدودیت های سخت است، تابع تناسب مرحله ی دوم بر اساس جریمه ی جواب شدنی است. در بسیاری از الگوریتم های فراابتکاری که تاکنون ارایه شده اند، تلاش محاسباتی زیادی بر روی الگوریتم برای انتساب اتاق ها به دوره ها صرف می شود. ویژگی جدید الگوریتم ارا یه شده این است که از یک استراتژی برای تخصیص اتاق ها به دوره فقط یک بار و بدون استفاده از هیچ الگوریتم تطبیقی استفاده می شود. یافته ها: الگوریتم ارایه شده بر روی برخی از نمونه های استاندارد ادبیات اعمال شده و کارایی الگوریتم ارایه شده مورد تجزیه و تحلیل قرار گرفته است. نتایج عددی نشان می دهد که زمان محاسبات مورد نیاز با اندازه ی نمونه ها افزایش می یابد و الگوریتم بعد از چند دقیقه به سمت جواب بهینه همگرا می شود. اصالت/ارزش افزوده علمی: الگوریتم ارایه شده ما را قادر می سازد تا در عمل با مسایل بزرگ زمان بندی دروس دانشگاهی مواجه شویم. علاوه بر این، روشی کارآمد برای دستیابی به جواب های شدنی برای نمونه های دنیای واقعی و تلاش برای بهبود کیفیت آنها در اختیار ما قرار می دهد.

مسئله زمان بندی ماشین های موازی و نگهداری و تعمیرات پیشگیرانه این دسته از ماشین ها ازجمله مسائل کلیدی در حوزه فرآیندهای تولیدی است که همواره موردتوجه پژوهشگران بوده است. این پژوهش به دنبال طراحی مدل یکپارچه ای برای زمان بندی تولید و برنامه ریزی نگهداری و تعمیرات ماشین های موازی با در نظر گرفتن احتمال اختلال در عملکرد تسهیلات و عدم قطعیت در پارامترهای مسئله است. در این راستا یک مدل برنامه ریزی ریاضی با دو هدف حداقل سازی زمان تکمیل وزنی محصولات و حداکثرسازی قابلیت اطمینان در خط تولید ارائه شده است. با توجه به ماهیت NP-hard مسئله موردبررسی از جنبه محاسباتی، از الگوریتم های حل فراابتکاری NSGA-II و MOPSO به منظور حل مسائل عددی در ابعاد متوسط و بزرگ استفاده شده است. بر این اساس، مسائل عددی در ابعاد مختلف طراحی شده و از الگوریتم های موردنظر به منظور حل این مسائل استفاده شد. نتایج نشان می دهند که الگوریتم NSGA-II در مقایسه با الگوریتم MOPSO جواب های مناسب تری را ارائه می کند. هرچند الگوریتم MOPSO نسبت به الگوریتم NSGA-II از نظر زمان حل مسئله از کارایی بیشتری برخوردار است، مقدار این برتری قابل ملاحظه نیست و نمی توان آن به عنوان مبنای قطعی مقایسه دو الگوریتم در نظر گرفت.

در این مقاله، یک مسئله زمان بندی جریان کارگاهی به منظور اورهال تجهیزات ارائه شده است. این مسئله شامل سه مرحله است که در مرحله اول، عملیات تفکیک اجزای یک تجهیز و در مرحله دوم، عملیات تعمیرات و اورهال بر قطعات تفکیک شده مرحله اول انجام می شود؛ سپس در مرحله سوم، قطعات اورهال شده مرحله قبل بر هم سوار می شوند. در مرحله سوم، کارگاه های موازی، عملیات را به صورت موازی انجام می دهند. تابع هدف مسئله، بیشینه زمان تکمیل کارهاست و توالی پردازش کارها باید به نحوی باشد که مقدار تابع هدف، کمینه شود. به منظور حل مسئله، یک مدل برنامه ریزی عدد صحیح آمیخته برای سایز کوچک ارائه شده است که براساس موقعیت هر کار، توالی پردازش کارها را مشخص می کند. برای حل مسئله در ابعاد بزرگ، الگوریتم ژنتیک به کار رفته است. با افزایش سایز مسئله و در سایزهای مختلف، نتایج بررسی و تجزیه و تحلیل شده است که این کارایی مدل و الگوریتم ارائه شده را نشان می دهد.