زمانبندی در محیط کارگاهی منعطف با فرض برون سپاری سفارشات

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 512

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC02_178

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

در این محیط، چند سفارش باید توسط چند مرحله مورد پردازش قرار گیرند که در هر مرحله نیز تعدادی ماشین وظیفهپردازش سفارشات را به عهده دارند. هدف، پیدا کردن ترکیب مناسبی از نحوه برون سپاری و درون سپاری سفارشات،تخصیص سفارشات به ماشین آلات هر مرحله و تعیین توالی تولید آنها به نحوی است که مجموع هزینه های تولید ودیرکرد سفارشات کمینه شود. ابتدا مدل ریاضی عدد صحیح مختلط برای مسأله ارائه می شود. پیچیدگی این مسأله ازنوع NP-hard است و درنتیجه استفاده از روش های دقیق برای حل مسأله در زمان معقول امکان پذیر نیست . برای حلاین مسأله یک الگوریتم ژنتیک که دارای کروموزوم هایی با ساختار دومرحله ای است ارائه می شود . از آنجا که اینمسأله تاکنون در ادبیات موضوع مورد بررسی قرار نگرفته است، مبنای مناسبی جهت ارزیابی الگوریتم ژنتیک ارائهشده وجود ندارد. بنابراین الگوریتم ژنتیک ارائه شده با روش جستجوی تصادفی برای مسائل با ابعاد بزرگ مقایسه شدهاست. همچنین برای مسائل با ابعاد کوچک نیز الگوریتم پیشنهادی با جواب بهینه مقایسه شده است. نتایج، نشان از کاراییبالای الگوریتم ژنتیک ارائه شده در مقایسات انجام شده دارد.

کلیدواژه ها:

زمان بندی ، الگوریتم ژنتیک ، محیط جریان کاری منعطف ، جستجوی تصادفی

نویسندگان

محمدعلی بهشتی نیا

استادیار رشته مهندسی صنایع دانشکده فنی و مهندسی دانشگاه سمنان

مه رو رضایی

دانشجوی کارشناسی ارشد رشته مهندسی صنایع دانشکده فنی و مهندسی دانشگاه شمال

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 :
  • B otta-Genoulaz, V. (2000). Hybrid flow shop scheduling with precedence ...
  • Chang, P.-C., Chen, M.-H., Tiwari, M.K. and Iquebal, A.S. (2013). ...
  • Dai, M., Tang, D., Giret, A., Salido, M.A. and Li, ...
  • Gupta, J.N.D., Kriger, K., Lauff, V., Werner, F. and Sotskov, ...
  • Jungwatt anakit, J., Reodecha, M., C haovalitwongs e, P. and ...
  • Khademi Zare, H. and Fakhrzad, M.B. (2011). Solving flexible flow-shop ...
  • Kurz, M.E. and Askin, R.G. (2004). Scheduling flexible flow lines ...
  • Li, J.-q. and Pan, Q.-k. (2015). Solving the large-scale hybrid ...
  • "1 Intcrnationl Confcrcncc k 3«" National Confcrcncc on Ncw Tcchnologics ...
  • Naderi, B., Gohari, S. and Yazdani, M. (2014). Hybrid flexible ...
  • Potts, C.N. and Van Wassenhove, L. (1982). Decomposition algorithm for ...
  • Sawik, T. (2000). Mixed integer programming for scheduling flexible flow ...
  • Wang, S. and Liu, M. (2013). A genetic algorithm for ...
  • Yang, J. (2015). Minimizing total completion time in a two-stage ...
  • نمایش کامل مراجع