تلفیق شبیه سازی چند عاملی و یادگیری تقویت شده برای بهینه سازی لجستیک حمل و نقل درون کارخانه ای
- سال انتشار: 1398
- محل انتشار: شانزدهمین کنفرانس بین المللی مهندسی صنایع
- کد COI اختصاصی: IIEC16_165
- زبان مقاله: فارسی
- تعداد مشاهده: 1223
نویسندگان
دانشجوی کارشناسی ارشد، دانشکده فنی، دانشگاه خوارزمی؛
گروه مهندسی صنایع، دانشکده فنی، دانشگاه خوارزمی؛
کارشناسی ارشد ، دانشگاه خوارزمی
چکیده
هدف حمل و نقل، انتقال مواد از نقطه ای به نقطه دیگر، حذف برگشت به عقب، انتخاب کوتاه ترین مسیر و حداقل کردن حمل و نقلهای زاید و اتلاف وقت میباشد. اهمیت حمل و نقل مواد در کارخانه شامل، هزینه های تولید و هزینه های حمل ونقل می باشد، زمان تولید محصول در جریان حمل و نقل مصرف می شود و بهبود حمل و نقل در کارخانه می تواند تا حدود زیادی از هزینه های حمل و نقل را کاهش دهد. در این تحقیق سعی تلاش شده ا ست که تداخلات جرثقیلها بررسی کرده و راه حلهایی ارائه داده شود تا میزان تولید به حداکثر ظرفیت بر سد. مشکلاتی که در این زمینه وجود دارد عبارت ا ست از، تعمیرات نسبتا3 زیاد جرثقیلهای سقفی که هزینه کلانی در بر دارد و همچنین کاهش مدت انتظار در هنگام این تداخل ها می با شد. در این را ستا با ا ستفاده از بهینه سازی سازی مبتنی بر شبیه سازی مدلهای عامل بنیان مدل فرایند ذوب را در میحط نرم افزار AnyLogic پیادهسازی و سپس با الگوریتم یادگیری تقویتی بهترین مسیر برای مدل بررسی شده ا ست. نتایج حا صل از روش پیشنهادی بر روی مدل کارخانه ذوب مس بهترین مسیر مربوط به مسیری، از کوره ریورب 21 به جرثقیل 1 و سپس از جرثقیل 1 به کوره کنورتر 32 و سپس از کوره کنورتر 3 به جرثقیل 2 و در نهایت از جرثقیل 2 به کوره آند 13 میباشد. در نهایت با استفاده از تحلیل آماری دو مدل شبیه سازی شده و بهینه سازی شده برای میزان خروجی محصول کنورتر مقایسه میشود.کلیدواژه ها
مدل بهینه سازی مبتنی بر شبیه سازی ، مدلهای عامل بنیان، فرایند ذوب مس، تداخل جرثقیل، یادگیری تقویتیمقالات مرتبط جدید
- نهان کاوی صوتی براساس مدل psychoacoustic معکوس شنیداری انسان
- اهمیت و جایگاه هوش مصنوعی و لجستیک بحران در حملات بیوتروریستی
- بهینه سازی سبد سهام بورس اوراق بهادار تهران با استفاده از الگوریتم ژنتیک
- بررسی چالش های امنیتی و راهکارهای آن در پایگاه داده های NoSQL و کلان داده ها
- طراحی مدل تخصیص هواپیماها به مسیر جهت حداکثر کردن سود مورد انتظار با در نظر گیری عدم قطعیت در تقاضا
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.