مسأله زمانبندی گروهی در سیستم تولید سلولی شامل دو مرحله زمانبندی است. ابتدا در مرحله اول، توالی قطعات هر خانواده- قطعه مشخص شده و سپس در مرحله دوم، توالی خانواده- قطعات تعیین میشود. در این مقاله، مسأله زمانبندی گروهی با ساختار جریان کارگاهی با هدف کمینهسازی بیشترین زمان تکمیل کارها بررسی شده است. در مسائل زمانبندی گروهی سنتی، زمان پردازش کارها مقادیری ثابت و مستقل از توالی کارها فرض شدهاند. این فرض در اکثر مواقع مناسب نیست، زیرا با تکرار انجام کار، توانایی و مهارت کارگر افزایش یافته و در نتیجه زمان پردازش کارها کاهش مییابد. این پدیده با نام اثر یادگیری شناخته میشود. در این مقاله، از یک مدل یادگیری موقعیتگرا در سیستم تولید سلولی استفاده شده است که در آن زمان پردازش هر قطعهی خانواده- قطعه وابسته به توالی ورود آن قطعه است. مسأله زمانبندی گروهی با در نظر گرفتن اثر یادگیری موقعیتگرا و فرض زمان آمادهسازی وابسته به توالی خانواده- قطعات مدلسازی شده است. دو الگوریتم ژنتیک مختلف و یک روش ابتکاری جهت حل این مسأله توسعه داده شده و توسط مسائل آزمایشی مورد ارزیابی قرار گرفتهاند. نتایج عددی حاصل از ارزیابی روشهای حل پیشنهادی، نشاندهنده آن است که الگوریتم ژنتیک دوم از لحاظ کیفیت جواب، از سایر روشهای پیشنهادی بهتر است.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |