بهینه سازی مسئله برنامه ریزی تولید و زمان بندی ارتباط انسان-ربات در شرایط فازی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 211

فایل این مقاله در 34 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_INDU-15-1_002

تاریخ نمایه سازی: 20 اردیبهشت 1404

چکیده مقاله:

مقدمه و اهداف: برنامه ریزی تولید، زمان بندی و توالی، هسته اصلی عملکرد شرکت های تولیدی را تشکیل می دهد. تقاضاهای جدید و در حال تغییر بازار، تولید را به یک چالش تبدیل می کند، زیرا شرکت ها باید با استفاده از حداقل منابع ممکن، محصولاتی با کیفیت بالا ارائه کنند و به تقاضاهای غیر قطعی بازار پاسخ دهند. بنابراین نیاز به برنامه ریزی، زمان بندی و توالی تولید کارآمد به یک حوزه تحقیقاتی بسیار مهم برای شرکت ها و محققان در دهه های اخیر تبدیل شده است. در این مقاله به مدل سازی و حل یک مسئله برنامه ریزی تولید و زمان بندی ارتباط انسان-ربات در شرایط فازی پرداخته شده است. مدل ارائه شده به دنبال تصمیماتی همچون مقدار بهینه تولید، تخصیص انسان-ربات به تولید محصولات در هر خط، زمان بندی پردازش و تولید محصولات می باشد. برای دستیابی به تصمیمات یکپارچه برنامه ریزی تولید و زمان بندی ارتباط انسان-ربات سه تابع هدف بیشینه سازی ارزش خالص فعلی، کمینه سازی حداکثر زمان اتمام تولید محصولات و کمینه سازی مجموع زمان زودکرد و دیرکرد در نظر گرفته شده است.روش ها: از آنجایی که مقدار تقاضا و زمان پردازش به عنوان پارامترهای غیرقطعی در این مسئله مطرح هستند، از روش برنامه ریزی فازی بدبینانه برای مواجهه با این پارامترها و برای حل مدل سه هدفه از روش اپسیلون محدودیت، الگوریتم ژنتیک با مرتب سازی نامغلوب ۲ (NSGA-II)، بهینه سازی ازدحام ذرات چندهدفه (MOPSO) و بهینه سازی وال چندهدفه (MOWOA) استفاده شده است. از این رو برای حل مسئله در سایز کوچک و تحلیل حساسیت مدل ریاضی از روش اپسیلون محدودیت استفاده شده است و برای حل مسئله در سایزهای بزرگتر از الگوریتم های فرا ابتکاری بهره گرفته شده است.یافته ها: تحلیل مدل ریاضی در شرایط عدم قطعیت نشان می دهد که با کاهش مقدار حداکثر زمان اتمام تولید محصولات، مقدار ارزش خالص فعلی و همچنین مجموع زمان زودکرد و دیرکرد کاهش یافته است. کنترل مدل با استفاده از روش برنامه ریزی فازی و استفاده از نرخ عدم قطعیت نیز نشان می دهد که افزایش این پارامتر، منجربه کاهش ارزش خالص فعلی و افزایش حداکثر زمان اتمام تولید محصولات شده است. با تحلیل مثال های عددی مختلف در اندازه های مختلف نیز مشاهده می گردد که کیفیت جواب های تولید شده توسط الگوریتم های MOWOA، NSGA-II و MOPSO بالاتر از روش اپسیلون محدودیت می باشد. به طوری که در بین این الگوریتم ها، MOWOA بیشترین تعداد جواب کارا را با کمترین شاخه فاصله متریک و فاصله از نقطه ایده آل کسب کرده است.نتیجه گیری: تحلیل ها نشان می دهد که بیشترین مقدار مجموع زمان زودکرد و دیرکرد زمانی رخ می دهد که مقدار نرخ عدم قطعیت برابر با ۰.۵ باشد. همچنین با انجام تحلیل حساسیت بر روی نرخ بهره بانکی مشاهده گردید که با افزایش ۴ درصد در نرخ بهره بانکی، مقدار ارزش خالص فعلی، ۱۵.۶۸ درصد کاهش یافته است. مقدار نرخ بهره بانکی تاثیری بر روش مقدار حداکثر زمان اتمام تولید محصولات و مجموع زمان زودکرد و دیرکرد نداشته است. تحلیل مثال های عددی با اندازه های مختلف نیز نشان داد که روش اپسیلون محدودیت توانایی حل مثال های عددی با اندازه ای بزرگ را نداشته است و کیفیت جواب های حاصل از الگوریتم های فرا ابتکاری بالاتر از روش دقیق بوده است. همچنین تعداد جوب های کارا، بیشترین گسترش و زمان حل در الگوریتم های فرا ابتکاری بهتر از روش اپسیلون محدودیت بوده است. در بین الگوریتم های فرا ابتکاری نیز MOWOA کارایی مناسب تری نسبت به دیگر روش های حل داشته است.

کلیدواژه ها:

نویسندگان

میثم امینی

دانشجوی دکتری، گروه مدیریت صنعتی، پردیس کیش، دانشگاه تهران، تهران، ایران.

عزت الله اصغری زاده

استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

جاوید قهرمانی نهر

استادیار، پژوهشکده توسعه و برنامه ریزی، جهاد دانشگاهی، تبریز، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aerts, D., Arguēlles, J. A., Beltran, L., de Bianchi, M. ...
  • Alimian, M., Ghezavati, V., Tavakkoli-Moghaddam, R. (۲۰۲۰). New integration of ...
  • Amirnia, A., Keivanpour, S. (۲۰۲۴). A context-aware real-time human-robot collaborating ...
  • Baroud, M. M., Eghtesad, A., Mahdi, M. A., Nouri, M. ...
  • Bazargan-Lari, M. R., Taghipour, S., Zaretalab, A., Sharifi, M. (۲۰۲۲). ...
  • Bogner, K., Pferschy, U., Unterberger, R., Zeiner, H. (۲۰۱۸). Optimised ...
  • Casalino, A., Mazzocca, E., Di Giorgio, M. G., Zanchettin, A. ...
  • Deb, K., Pratap, A., Agarwal, S., Meyarivan, T. A. M. ...
  • Faraji Amiri, M. and Behnamian, J. (۲۰۲۰). A Simulation Based ...
  • Fattahi, P. , Mohammadi, E. and Daneshamooz, F. (۲۰۱۹). Providing ...
  • Ghaleb, M., Taghipour, S., Zolfagharinia, H. (۲۰۲۱). Real-time integrated production-scheduling ...
  • Gharoun, H., Hamid, M., Torabi, S. A. (۲۰۲۲). An integrated ...
  • Goli, A., Ala, A., Hajiaghaei-Keshteli, M. (۲۰۲۳). Efficient multi-objective meta-heuristic ...
  • Guo, D. (۲۰۲۴). Fast scheduling of human-robot teams collaboration on ...
  • Guo, X., Fan, C., Zhou, M., Liu, S., Wang, J., ...
  • Guzman, E., Andres, B., Poler, R. (۲۰۲۲). Models and algorithms ...
  • Ham, A., Park, M. J. (۲۰۲۱). Human–robot task allocation and ...
  • Hari, S. K. K., Nayak, A., Rathinam, S. (۲۰۲۰). An ...
  • Huang, M., Zhai, Q., Chen, Y., Feng, S., Shu, F. ...
  • Liu, Q., Li, X., Gao, L. (۲۰۲۱). Mathematical modeling and ...
  • Löffler, M., Boysen, N., Schneider, M. (۲۰۲۳). Human-robot cooperation: coordinating ...
  • Lohmer J., Lasch, R. (۲۰۲۰). Production planning and scheduling in ...
  • Loukil, T., Teghem, J., Tuyttens, D. (۲۰۰۵). Solving multi-objective production ...
  • Lu, C., Gao, L., Pan, Q., Li, X., Zheng, J. ...
  • Maderna, R., Pozzi, M., Zanchettin, A. M., Rocco, P., Prattichizzo, ...
  • Muñoz-Díaz, M. L., Escudero-Santana, A., Lorenzo-Espejo, A. (۲۰۲۴). Solving an ...
  • Nourmohammadi, A., Fathi, M., Ng, A. H. (۲۰۲۴). Balancing and ...
  • Qin, W., Zhang, J., Song, D. (۲۰۱۸). An improved ant ...
  • Rastgar, I., Rezaeian, J., Mahdavi, I., Fattahi, P. (۲۰۲۳). A ...
  • Roshanaei, V., Azab, A., ElMaraghy, H. (۲۰۱۳). Mathematical modelling and ...
  • Sadik, A. R., Urban, B. (۲۰۱۷). Flow shop scheduling problem ...
  • Seyed Bathaee, M. S. , Ghahremani-Nahr, J. , Nozari, H. ...
  • Shao, W., Shao, Z., Pi, D. (۲۰۲۰). Modeling and multi-neighborhood ...
  • Vahedi-Nouri, B., Tavakkoli-Moghaddam, R., Hanzálek, Z., Dolgui, A. (۲۰۲۴). Production ...
  • Vieira, M., Moniz, S., Gonçalves, B. S., Pinto-Varela, T., Barbosa-Póvoa, ...
  • Vital-Soto, A., Baki, M. F., Azab, A. (۲۰۲۳). A multi-objective ...
  • Wang, D., Zhang, J. (۲۰۲۴). Flow shop scheduling with human–robot ...
  • Xu, W., Sun, H. Y., Awaga, A. L., Yan, Y., ...
  • Yazdani, M., Amiri, M., Zandieh, M. (۲۰۱۰). Flexible job-shop scheduling ...
  • Yu, F., Lu, C., Zhou, J., Yin, L. (۲۰۲۴). Mathematical ...
  • Yu, T., Huang, J., Chang, Q. (۲۰۲۱). Optimizing task scheduling ...
  • نمایش کامل مراجع