تعیین ضریب عملکرد در زمان سنجی با کرنومتر به کمک الگوریتم ژنتیک

تعیین ضریب عملکرد در فرآیند زمان سنجی با کرنومتر، یکی از بنیادی ترین گام ها در طراحی سیستم های کارا و علمی اندازه گیری زمان استاندارد عملیات صنعتی است. شیوه ی سنتی وستینگهاوس طی دهه ها به عنوان اصلی ترین روش تعیین این ضریب در صنایع پذیرفته شده است؛ با این حال، وابستگی شدید آن به ارزیابی ذهنی ناظران، استفاده از ضرایب عددی ثابت و فقدان پویایی در مواجهه با تغییرات واقعی عملکرد انسانی، موجب شده است دقت و تکرارپذیری آن در محیط های تولید مدرن کاهش یابد. در این پژوهش، ضریب عملکرد به عنوان یک متغیر تصمیم بهینه سازی بازتعریف شده و الگوریتم ژنتیک به کار گرفته می شود تا با حداقل سازی خطای انطباق بین زمان مشاهده شده و زمان واقعی عملیات، مقدار بهینه ی ضریب عملکرد استخراج گردد. روش پیشنهادی ضمن حذف کامل قضاوت انسانی، توانایی یادگیری از داده های تجربی و سازگاری با نوسانات عملکرد اپراتور را داراست. نتایج پیاده سازی مدل پیشنهادی بر داده های واقعی نشان داد که الگوریتم ژنتیک نسبت به روش وستینگهاوس حدود ۱۸٪ کاهش خطای نرمال سازی و ۲۴٪ افزایش پایداری عملکرد محاسبه شده دارد. در پایان، مدل ارائه شده به عنوان یک جایگزین علمی، تطبیقی و قابل تعمیم برای روش های سنتی در تعیین ضریب عملکرد در محیط های تولیدی پیشنهاد می شود.

کلیدواژه ها:

زمان سنجی با کرنومتر ، ضریب عملکرد ، روش وستینگهاوس ، الگوریتم ژنتیک ، بهینه سازی ، ارزیابی کار و زمان