CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مسیله زمانبدنی تولید با درنظر گرفتن اثر یادگیری و فراموشی

عنوان مقاله: مسیله زمانبدنی تولید با درنظر گرفتن اثر یادگیری و فراموشی
شناسه ملی مقاله: MGCONF01_234
منتشر شده در کنفرانس ملی دانش و فناوری علوم مهندسی ایران در سال 1395
مشخصات نویسندگان مقاله:

مطهره اکبری - دانشجوی کارشناسی ارشد مهندسی صنایع، موسسه آموزش عالی اشراق بجنورد
محسن باقری - استادیار، گروه مهندسی صنایع، دانشگاه صنعتی سجاد، مشهد

خلاصه مقاله:
به دلیل کاربرد زیاد و سادگی اجرای مسایل زمانبندی تک ماشینه، مقالات فراوانی برای تعیین چگونگی زمانبندی کارها، قبل از پردازش آنها روی یک ماشین وجود دارد. مطالعات اخیر در زمانبندی تک ماشینه نشان از روند روبه رشد کاربرد این مسیله در دنیای واقعی دارد. در این تحقیق مسیله ماشین های موازی درنظر گرفته می شود. برای بهینه سازی مسیله ی زمانبندی ماشین های موازی، معیارهای زمانی زیادی وجود دارد که برخی از آنها عبارتنداز: بیشینه ی زمان تکمیل کارها، مجموع زمان های تکمیل، مجموع توان k ام زمان های تکمیل، مجموع وزنی زمان های تکمیل، کمینه سازی بیشینه ی دیرکرد و همچنین تعداد کارهای تاخیری. بسیاری از مطالعات بر این فرض استوارند که زمان های تکمیل، کمینه سازی بیشینه ی دیرکرد و همچنین تعداد کارهای تاخیری. بسیاری از مطالعات بر این فرض استوارند که زمان تکمیل کارها ثابت است، در صورتی که زمان تکمیل کارها معمولا به موقعیت آنها در توالی، یا زمان شروع آنها و یا هر دو بستگی دارد. این مسیله بیانگر لزوم اعمال پدیده ی یادگیری در مسایل زمانبندی می باشد. دراین تحقیق، مفروضات دیگری مانند، زمان پردازش و تجربه بر اساس اجرای اثر یادگیری و فراموشی به طور همزمان به کار گرفته خواهد شد. در ابتدا برخی از عوامل موثر معرفی شده و سپس معادلاتی برای نشان دادن این فرضیات ارایه می گردد. سپس با بهره گیری از این معادلات، مسیله فوق به صورت یک مدل ریاضی عدد صحیح مختلط فرموله شده و در نهایت یک رویکرد حل برای مسیله مورد نظر ارایه می گردد. برای اعتبار سنجی مدل از نرم افزارهای حل دقیق مانند گمس، لینگو، سیپلکس و غیره می توان بهره گرفت. در این مسیله علاوه بر ارایه یک مدل زمانبندی چند ماشینه با درنظر گرفتن اثر یادگیری و فراموشی به صورت توامان با مفروضات نزدیک به دنیای واقعی، یک الگوریتم کارا و متناسب با ساختار مدل پیشنهادی ارایه خواهد شد.

کلمات کلیدی:
زمانبندی، تولید، یادگیری، فراموشی، تک ماشین، موازی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/628013/