نشریه پژوهش های مهندسی صنایع در سیستم های تولید

نشریه پژوهش های مهندسی صنایع در سیستم های تولید

مدل‌سازی ریاضی برای مسأله برنامه‌ریزی تولید با درنظر گرفتن قابلیت اطمینان در یک شرکت قطعه‌سازی خودرو

نوع مقاله : مقاله پژوهشی

نویسندگان
مسعود لطیفیان 1
رضا توکلی‌مقدم 2
امیر حسین لطیفیان 3
مهدی کاشانی 4
1 دکتری مدیریت تکنولوژی، گروه مدیریت تکنولوژی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 استاد، دانشکده مهندسی صنایع، دانشکدگان فنی، دانشگاه تهران، تهران، ایران
3 دکتری مدیریت انتقال تکنولوژی، گروه مدیریت تکنولوژی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
4 کارشناسی ارشد مدیریت صنعتی، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
10.22084/ier.2024.28743.2153
چکیده
در زمینه‌ی مسأله تشکیل سلول، مقالات و تحقیقات اندکی به خرابی یا قابلیت اطمینان ماشین­‌ها پرداخته‌اند. عموماً در مسأله تشکیل سلول فرض براین است که اکثر ماشین‌‌ها 100 درصد قابل ‌اطمینان هستند، با این‌ وجود در مسائل واقعی چنین اتفاقی نمی‌افتد. خرابی ماشین­‌ها می‌تواند به‌‌شدت بر عملکرد سیستم تأثیر بگذارد و باعث می­‌شود کارها در تاریخ مقرر انجام نپذیرد. سیستم تولید سلولی، یکی از فلسفه­‌های فناوری گروهی است که با تقسیم یک سیستم بزرگ به چندین زیرسیستم کوچک، کنترل و مدیریت سیستم تولید را تسهیل می‌کند. هدف از پژوهش حاضر، ارائه یک مدل برنامه‌­ریزی ریاضی برای مسأله برنامه‌­ریزی تولید در واحدهای صنعتی با درنظر گرفتن قابلیت اطمینان است که شرایط استفاده از مسیر­های جایگزین برای قطعات را ایجاد می‌­نماید و منجربه کمینه‌­سازی هزینه­‌های ازدست‌‌رفته و همچنین هزینه­‌های نگهداری و تعمیرات می‌شود. ازآنجائی‌که مسأله پیشنهادی از نوع چندجمله‌­ای غیرقطعی سخت است برای حل مدل پیشنهادی از الگوریتم ژنتیک استفاده می‌­شود. مدل ریاضی ارائه شده با حداقل کردن هزینه‌­های خرابی ماشین‌­ها باعث کاهش هزینه‌­های سیستم، نگهداری و تعمیرات، و حرکات بین و درون سلولی گردید. 
کلیدواژه‌ها
سیستم تولید سلولی
برنامه‌ریزی تولید
بهینه‌سازی ریاضی
قابلیت اطمینان
الگوریتم ژنتیک
موضوعات

عنوان مقاله English

A Mathematical Model for a Production Planning Problem Considering Reliability in an Automotive Parts Company

نویسندگان English

Masoud Latifian 1
Reza Tavakkoli-Moghaddam 2
Amir Hossein Latifian 3
Mahdi Kashani 4
1 . Ph.D. Technology Management, Department of Technology Management, Faculty of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
2 Professor, School of Industrial Engineering, College of Engineering, University of Tehran
3 Ph.D. Technology Transfer Management, Department of Technology Management, Faculty of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
4 M.A Industrial Management , Department of Industrial Management, Faculty of Management & Economy, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده English

A few studies have addressed the failure or reliability of machines regarding cell formation problems. The general assumption in cell formation is that most machines are 100% reliable; however, they are not in a practical situation. Machine failure can severely affect the system performance and cause a delay in the scheduled date. A cellular manufacturing system is a philosophy among group technology ones, which is controlled by dividing a large system to multiple smaller sub-systems and facilitate manufacturing system management. This study presents a mathematical programming model for production planning problems in industrial units with reliability that prepares the conditions to utilize alternative routes for parts, which minimizes the lost costs along with maintenance costs. Since the considered problem is an NP-hard one, a genetic algorithm is used to solve the model. The presented mathematical model minimizes system costs, and the costs related to intra- and inter-cellular movements and maintenance by minimizing the costs of machine failures.

کلیدواژه‌ها English

Cellular Manufacturing System
Production Planning
Mathematical Optimization
Reliability
Genetic Algorithm

  •  

    • Bouaziz, H., D., Bardou., M., Berghida, S., Chouali, A., Lemouari. (2023). "A novel hybrid multi-objective algorithm to solve the generalized cubic cell formation problem". Computers & Operations Research, 150: p. 106069. https://doi.org/10.1016/j.cor.2022.106069.
    • Liu, C., J. Wang., J.Y.-T. Leung. (2016). "Worker assignment and production planning with learning and forgetting in manufacturing cells by hybrid bacteria foraging algorithm". Computers & Industrial Engineering, 96: p. 162-179. https://doi.org/10.1016/j.cie.2016.03.020.
    • Goli, A., E.B. Tirkolaee, N.S. Aydın. (2021). "Fuzzy integrated cell formation and production scheduling considering automated guided vehicles and human factors". IEEE Transactions on Fuzzy Systems, 29(12): p. 3686-3695. doi: 10.1109/TFUZZ.2021.3053838.
    • Chaudhuri, B., R. Jana, P.K. Dan. (2020). "A review on the multi-objective cell formation problem in cellular manufacturing systems". International Journal of Manufacturing Technology and Management, 34(2): p. 188-209. https://doi.org/10.1504/IJMTM.2020.106207.
    • Batsyn, M.V., E.K. Batsyna, I.S. Bychkov, (2020). "NP-completeness of cell formation problem with grouping efficacy objective". International Journal of Production Research, 58(20): p. 6159-6169. https://doi.org/10.1080/00207543.2019.1668072.
    • Rafiee, M., V., Kayvanfar. A., Mohammadi. F., "Werner. (2022). "A robust optimization approach for a cellular manufacturing system considering skill-leveled operators and multi-functional machines". Applied Mathematical Modelling, 107: p. 379-397. https://doi.org/10.1016/j.apm.2022.02.028.
    • خیرخواه، ا.س. قجری، ع.، (1397). "یکپارچه‌سازی طراحی سیستم‌های تولید سلولی و برنامه‌ریزی تولید با نگرش تولید متوازن"، مهندسی صنایع و مدیریت شریف، دوره 1-34، شماره 1/2، ص53-64. doi:10.24200/J65.2018.20057.
    • Dekkers, R. (2018). Group technology: Amalgamation with design of organisational structures. International Journal of Production Economics, 200: p. 262-277. https://doi.org/10.1016/j.ijpe.2018.02.018.
    • Karoum, B., Y.B. Elbenani, (2017). "A clonal selection algorithm for the generalized cell formation problem considering machine reliability and alternative routings". Production Engineering, 11(4): p. 545-556. https://doi.org/10.1007/s11740-017-0751-6.
    • کرباسیان، م. قندهاری، م. عابدی، س.، (1389). "بهینه‌سازی نگهداری و تعمیرات پیش‌گیرانه مبتنی‌بر قابلیت اطمینان سیستم برمبنای هزینه و قابلیت اطمینان وابسته به مکان اجزاء سیستم"، علمی پژوهشی مدیریت تولید وعملیات، دوره 1-1، ص 19-30.

    https://jpom.ui.ac.ir/article_19760.html.

    • رفیعی، م. محمدی طلب، ع.، (1395). "ارائه یک مدل ریاضی با رویکرد بهینه‌سازی استوار برای طراحی سیستم تولید پویا با درنظر گرفتن ماشین‌آلات چندکاره"، پژوهش‌های مهندسی صنایع در سیستم‌های تولید، سال چهارم شماره نهم، ص 281-295. doi: 10.22084/ier.2017.1827.
    • کریمی، ب. نیاکی، س.ت.ا. حاله، ح. نادری، ب.، (1396). "مدل‌سازی قابلیت اطمینان وسایل نقلیه هدایت‌شونده خودکاردر سیستم‌های تولید سلولی: حل با استفاده از الگوریتم جستجوی فاخته با مرتب‌سازی جواب‌های نامغلوب"، پژوهش‌های مهندسی صنایع در سیستم‌های تولید، سال پنجم شماره یازدهم، ص 131-147. doi: 10.22084/ier.2017.13881.1627.
    • Farughi, H., S. Mostafayi, A. Afrasiabi, (2019). "Bi-objective robust optimization model for configuring cellular manufacturing system with variable machine reliability and parts demand: A real case study". Journal of Industrial Engineering and Management Studies, 6(2): p. 120-146. https://doi.org/10.22116/jiems.2019.93028.
    • Amirghodsi, S., Bonyadi Naeini, A. & Makui, A. (2022). "Dual model for selecting technology and technology transfer method using a combination of the Best-Worst Method (BWM) and goal programing". Scientia Iranica, 29(5): p. 2628-2646. doi:  10.24200/SCI.2020.53925.3511.
    • Dahooie, J.H., Qorbani, A.R. & Daim, T. (2021). "Providing a framework for selecting the appropriate method of technology acquisition considering uncertainty in hierarchical group decision-making: Case study: Interactive television technology". Technological Forecasting and Social Change, 168, 120760.         https://doi.org/10.1016/j.techfore.2021.120760   .
    • Sadat Khorasgani, S.M., M. Ghaffari, (2018). "Developing a cellular manufacturing model considering the alternative routes, tool assignment, and machine reliability". Journal of Industrial Engineering International, 14(3): p. 627-636.   https://doi.org/10.1007/s40092-017-0239-1.
    • Xu, J.; Wang, X.; Liu, F.; (2021). "Government subsidies, R&D investment and innovation performance: Analysis from pharmaceutical sector in China". Technology Analysis & Strategic Management, 33(5): p. 535-553. https://doi.org/10.1080/09537325.2020.1830055.
    • Latifian, M.; Keramati, M.A.; Tavakkoli-Moghaddam, R.; (2022). "A Bi-objective model of research and development in battery manufacturing industry to improve customer satisfaction". International Journal of Engineering, 35(11): p. 2077-2091. doi: 10.5829/IJE.2022.35.11B.03.
    • Kazemi, M., A., Sadegheih., M.M., Lotfi, M.A., Vahdat. (2022). "Developing a bi-objective schedule for an online cellular manufacturing system in an MTO environment". Soft Computing,. 26(2): p. 807-828. https://doi.org/10.1007/s00500-021-06402-z.
    • Arabahmadi, R., Mohammadi, M., Samizadeh, M., Rabbani, M., Gharibi, M.(2023). "Facility location optimization for technical inspection centers using multi-objective mathematical modeling considering uncertainty". Journal of Soft Computing and Decision Analytics, Volume 1, Issue 1 (2023) 181-208. https://doi.org/10.31181/jscda11202314.
    • Mirjalili, S., A., Safaa Sadiq, H., Faris. (2020). "Genetic algorithm: Theory, literature review, and application in image reconstruction". Nature-inspired optimizers: p. 69-85. https://doi.org/10.1007/978-3-030-12127-3_5
    • شهابی، ف. شاهبندرزاده، ح. بالویی جامخانه، ه.، (1402). "بهینه‌سازی یک سیستم تولید سلولی پویا با درنظر گرفتن خرابی ماشین‌آلات، همراه با پایش توالی دوره‌های عملیات"، مدیریت صنعتی، دوره 15، شماره 3، ص 507-532. doi:10.22059/IMJ.2023.356073.1008035.
نشریه پژوهش های مهندسی صنایع در سیستم های تولید
دوره 12، شماره 24
شهریور 1403
صفحه 5-15