مدل برنامه ریزی کمینه سازی زمان سیکل در سلول های تولیدی رباتیک سه ماشین با فرض ‏وجود ‏تعویض ابزار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشگاه آزاد اسلامی واحد بناب، بناب، ایران

2 استادیار گروه مهندسی صنایع، دانشگاه آزاد اسلامی واحد بناب، بناب، ایران.

3 استادیار گروه مهندسی صنایع، دانشگاه کردستان، ایران.

چکیده

در این مقاله مسئله زمان‌بندی در سلول‌های تولیدی رباتیک سه ماشینه برای تولید قطعات مختلف با فرض وجود تعویض ابزار مورد بررسی قرار ‏گرفته است. در سلول تولیدی رباتیک انعطاف‎‌‎پذیر ماشین‎‌‎ها از طریق تعویض ابزار می‎‌‎توانند کلیه عملیات‌ مربوط به تولید قطعات را انجام دهند. از آنجا ‏که مخزن ابزار ماشین‌ها دارای ظرفیت محدود است،‏ لذا برای تولید قطعات مختلف توسط ماشین‌ها، نیاز به تعویض ابزار خواهد بود. مسئله‌ی اصلی در ‏این مقاله تصمیم‌گیری در مورد سیاست جابجایی قطعات توسط ربات، ترتیب ورود قطعات به سلول تولیدی رباتیک و همچنین نحوه‌ی تعویض ابزار ‏روی ماشین‌ها برای رسیدن به زمان سیکل بهینه می‌باشد. از این رو در این مقاله رویکردی جدید برای محاسبه تعداد تعویض ابزار ارائه شده است و ‏مدل برنامه‌ریزی ریاضی کمینه‌سازی زمان سیکل تولیدی مساله مورد بررسی ارائه شده است. توسط مدل نشان داده شده است که زمان تعویض ابزار را ‏می‌توان با مسائل موجود در سلول های تولیدی رباتیک ادغام و فرمول‌بندی کرد و نتایج حاصل نشان داد که زمان تعویض ابزار و توالی ورود قطعات در ‏انتخاب سیاست حرکتی ربات و زمان تولید تاثیر مستقیم دارد. با استفاده از نرم افزار ‏GAMS‏ مسائل عددی مربوط به مدل ریاضی حل شده و نشان ‏داده شده است که نرم افزار ‏GAMS‏ برای قطعات بیشتر از 8 در زمان معقول به جواب نمی‌رسد، ولی مسائلی تا 80 قطعه مختلف با استفاده از ‏الگوریتم ژنتیک در زمان معقول به جواب می‌رسند. همچنین نشان داده شده است که زمان حل توسط الگوریتم ژنتیک کمتر از زمان حل به وسیله ‏GAMS‏ می‌باشد.‏

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling for Minimizing Cycle Time in a three-Machine Robotic Cell with ‎Assumption of Tool Switching

نویسندگان [English]

  • Vahed Moradi 1
  • Mehdi Yousefi Nejad Attari 2
  • Hiwa Farughi 3
2 Department of Industrial Engineering, Islamic Azad University, Bonab Branch, Bonab, Iran
3 Department of Industrial Engineering, University of Kurdistan, Iran
چکیده [English]

In this paper, three-machine scheduling problem in robotic production cells that producing different parts and ‎assuming the tool change has been investigated. The main issue in this article is make decisions about how to move ‎the parts by a robot between machines, the order of parts to robotic production cells as well as how to tool switch on ‎the machine is to achieve the optimum cycle time. A new approach to calculate the number of tool switching is ‎provided. Then a programming model for minimizing cycle time is presented in this problem and the results showed ‎that tool changing and parts sequencing has a direct impact on robot movement policy and cycle time. Finally, ‎numerical examples have been studied using Genetic algorithms. The results were compared with software GAMS. ‎It has been proven that GAMS does not answer for more than eight parts in a reasonable time, but examples up to ‎‎80 different parts using Genetic Algorithm reach to answer in a reasonable time.‎

کلیدواژه‌ها [English]

  • Scheduling
  • Robotic Production Cell
  • Tool switching
  • sequencing
  • GA
[1]      Shirazi, R., ‏Frizelle, G., (2001). “Minimizing the number of tool switches on a flexible machine: an ‎empirical study”, International Journal of Production Research, 39(15): 3547-3560.
[2]      Tang, C.S., Denardo, E.V., (1988). “Models arising from a flexible manufacturing machine, part I: ‎minimization of the number of tool switches”, Operations research, 36(5): 767-777.
[3]     Crama, Y., Oerlemans, A.G., Spieksma, F.C., (1996). “Minimizing the number of tool switches ‎on a flexible machine”, Springer.
[4]     Privault, C., Finke, G., (1995). “Modelling a tool switching problem‏ ‏on a single NC-machine. ‎Journal of Intelligent Manufacturing”, 6(2): 87-94‎.
[5]     Hertz, A., Laporte, G., Mittaz, M., Stecke, K.E., (1998). “Heuristics for minimizing tool switches when‏ ‏scheduling part types on a flexible machine”, IIE transactions, 30(8): 689-694‎‏. ‏
[6]     ‏Al-Fawzan, M., Al-Sultan, K., (2003). “A tabu search based algorithm for minimizing the ‎number of tool switches on a flexible machine”, Computers & industrial engineering, 44(1): 35-‎‎47‎‏.
[7]     ‏‏Akturk, M.S., Ghosh, J.B., Gunes, E.D., (2003). “Scheduling with tool changes to minimize ‎total completion time: a study of heuristics and their performance”, Naval Research Logistics ‎‎(NRL), 50(1): 15-30‎‏. ‏
[8]     ‏Laporte, G., Salazar-Gonzalez, J.J., Semet, F., (2004). “Exact algorithms for the job sequencing ‎and tool switching problem”, IIE transactions, 36(1): 37-45‎‏.
[9]      ‏‏Zhou, B.H., Xi, L.F‏., Cao, Y.S., (2005). “A beam-search-based algorithm for the tool switching ‎problem on a flexible machine”, The International Journal of Advanced Manufacturing ‎Technology, 25(9-10): 876-882‎‏. ‏
[10]   ‏Crama, Y., Moonen, L.S., Spieksma, F.C., Talloen, E., (2007). “The tool switching problem revisited”, ‎European Journal of Operational Research, 182(2): 952-957‎‏. ‏
[11]   ‏Konak, A., Kulturel-Konak, S., Azizoğlu, M., (2008). “Minimizing the number of tool switching instants ‎in Flexible Manufacturing Systems”, International Journal of Production Economics, 116(2): 298-‎‎307‎‏. ‏
[12]   ‏‏Yanasse, H.H., Rodrigues, R.d.C.M., Senne, E.L.F., (2009). “An enumeration algorithm based ‎on partial ordering to solve the minimization of tool switches problem”, Gestão & Produção, ‎‎16(3): 370-381‎‏. ‏
[13]   ‏Amaya, J.E., Cotta, C., Fernández-Leiva, A.J., (2012). “Solving the tool switching problem with ‎memetic algorithms, Artificial Intelligence for Engineering Design”, Analysis and Manufacturing, ‎‎26(02): 221-235‎‏. ‏
[14]   ‏Catanzaro, D., Gouveia, L., Labbé, M., (2015). “Improved integer linear programming formulations for ‎the job Sequencing and tool Switching Problem”, European Journal of Operational Research, 244(3): ‎‎766-777‎‏. ‏
[15]   ‏Chaves, A., Lorena, L., Senne, E., Resende, M., (2015). “Hybrid method with CS and BRKGA applied to ‎the minimization of tool switches problem”, Computers & Operations Research.‏
[16]   ‏Sethi, S.P., Sriskandarajah, C., Sorger, G., Blazewicz, J., Kubiak, W., (1992). “Sequencing of parts and ‎robot moves in a robotic cell”, International Journal of Flexible Manufacturing Systems, 4(3-4): ‎‎331-358‎‏. ‏
[17]   ‏Zarandi, M.F., Mosadegh, H., Fattahi, M., (2013). “Two-machine robotic cell scheduling problem with ‎sequence-dependent setup times”, Computers & Operations Research, 40(5): 1420-1434‎‏. ‏
[18]   ‏Al-Ahmari, A., (2016). “Optimal robotic cell scheduling with controllers using mathematically based timed ‎Petri nets. Information Sciences”, 329: 638-648‎‏. ‏
[19]   ‏Gultekin, H., Akturk, M.S., Karasan, O.E., (2006). “Cyclic scheduling of a 2-machine robotic cell with ‎tooling constraints”, European Journal of Operational Research, 174(2): 777-796‎‏. ‏
[20]   ‏Abadi, I.K., Gholami, S., (2009). “Robot Movements in a Cyclic Multiple-Part Type Three-‎Machine Flexible Robotic Cell Problem”, Transactions E: Industrial Engineering, 16: 36-54‎‏.
[21]   ‏‏Fathian, M., Kamalabadi, I.N., Heydari, M., Farughi, H., (2011). “A Petri net model for part sequencing ‎and robot moves sequence in a 2-machine robotic cell”, Journal of Software Engineering and ‎Applications, 4(11): 603‎‏-614.‏
[22]   ‏Crama, Y., Kats, V., Van de Klundert, J., Levner, E., (2000). “Cyclic scheduling in robotic ‎flowshops”, Annals of operations Research, 96(1-4): 97-124‎‏.
[23]   ‏Sethi Sethi, S.P., Sriskandarajah, C., Sorger, G., Blazewicz, ‎J., Kubiak, W., (1992). “Sequencing of parts and ‎‎robot moves in a robotic cell”, International Journal of ‎Flexible Manufacturing Systems, 4(3-4): ‎‎331-358‎‏. ‏
[24]   ‏Farughi, H., Dolatabadiaa, M., Moradi, V., Karbasi, v., Mostafayi, S., (2017). “Minimizing the number of ‎tool switches in flexible manufacturing cells subject to tools reliability using genetic algorithm”, ‎Journal of Industrial and Systems Engineering, 10(1): 17-33. ‏
[25]   فخرزاد، محمدباقر، علی‌نژاد، اسماعیل. (1392). «برنامه‌ریزی و ‏زمان‌بندی پیشرفته با در نظر گرفتن اثر یادگیری در ‏سیستم‌های ساخت کارگاهی انعطاف‌پذیر». نشریه ‏پژوهش‌های مهندسی صنایع در سیستم‌های تولید، ‏‏1(1): 13-24.‏
[26]   Holland, J.H., “Adaptation in natural and artificial systems: ‎an introductory analysis with applications to biology”, ‎Control and artificial intelligence. 1992: MIT press‏.‏
[27]   Roy, R., (1990). “A Primer on the Taguchi Method, Society of ‎Manufacturing Engineers. Ann Arbor, Mich, USA‎‏.‏