برنامه‌ریزی و زمان‌بندی پیشرفته با در نظر گرفتن اثر یادگیری در سیستم‌های ساخت کارگاهی انعطاف‌پذیر

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه یزد-دانشکده صنایع

چکیده

برنامه‌ریزی و زمان‌بندی پیشرفته، نوعی فرآیند مدیریت تولید است که در آن منابع و ظرفیت‌های تولیدی به طور بهینه به تقاضاهای مشتریان تخصیص داده می‌شود. این رویکرد به طور خاص در محیط‌هایی که روش‌های برنامه‌ریزی ساده نمی‌توانند جوابگوی شرایط پیچیده باشند کاربرد دارد. یک فرض رایج در مسأله برنامه‌ریزی و زمان‌بندی پیشرفته این است که زمان پردازش یک محصول ثابت و مستقل از جایگاهش در توالی تولید است؛ اما در بسیاری از موارد عملی، عملکرد اپراتور به طور پیوسته با گذشت زمان بهبود و زمان پردازش کارها کاهش می‌یابد که این پدیده به عنوان اثر یادگیری شناخته می‌شود. در این مقاله، یک چارچوب بهینه‌سازی توسعه‌یافته برای مسأله برنامه‌ریزی و زمان‌بندی پیشرفته در محیط تولید انعطاف‌پذیر با در نظر گرفتن اثر یادگیری ارائه شده است تا توانایی بیشتری در بیان شرایط واقعی محیط‌های تولیدی فراهم و عوامل انسانی را در امر زمان‌بندی دخیل کند. هم‌چنین به دلیل پیچیدگی محاسباتی بالای مدل پیشنهادی، یک الگوریتم حل ژنتیک چند مرحله‌ای نیز پیشنهاد شده است. نتایج عددی نشان می‌دهد که الگوریتم حل پیشنهادی، توانایی رسیدن به جواب‌های بهینه/ نزدیک بهینه را در زمان­های محاسباتی بسیار کمتر از روش‌های دقیق دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Advanced planning and scheduling with a learning effect in the flexible job shop manufacturing system

نویسندگان [English]

  • M.B. Fakhrzad
  • E Alinezhad
چکیده [English]

Advanced planning and scheduling is a production management process in which the resources and production capacities are optimally assigned to the customers’ demands. This approach can particularly be applicable in the complex environments. A common assumption in the advanced planning and scheduling problems is that the processing time of a given product is constant and independent of its position in the production sequence. However, in the real-world situations, an operator’s skill may continuously be improved when the production time is passing which is known as the learning effect phenomenon. In this article, with regard to the learning effect, an extended multi-product optimization framework for the advanced planning and scheduling problem of a typical flexible production environment is developed to provide a more ability to address the actual situations. Due to the high computational complexity of the proposed model, a multi-stage genetic solution algorithm is also presented. Numerical results confirm that the proposed algorithm can obtain the optimum/near optimum solutions in much less computational times compared to the exact solutions

کلیدواژه‌ها [English]

  • Advanced Planning and Scheduling
  • Learning effect
  • Multi-stage Genetic Algorithm