fa زمان‌بندی گروهی با در نظر گرفتن اثر یادگیری در سیستم تولید سلولی سایر موضوعاتی که به مرزهای دانش در مهندسی صنایع و تولید کمک می کند Other related Industrial and production reserach subjects in which has direct relation to the state-of-the art of the IE پژوهشي Research <p align="right"><span lang="FA" dir="rtl" style="FONT-SIZE: 11pt FONT-FAMILY: Nazanin mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA mso-ascii-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman'">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.</span></p> <span style="FONT-SIZE: 10pt FONT-FAMILY: "Times New Roman" mso-fareast-font-family: 'Times New Roman' mso-bidi-font-family: 'B Nazanin' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA">The group scheduling problem in the cellular manufacturing system is comprised of two levels of scheduling. At the first level, the sequence of parts in each part-family is determined, and then at the second level the sequence of part-families is determined. In this paper, the flow shop group scheduling is investigated in order to minimize the makespan. In traditional group scheduling problems, the parts processing times of are assumed to be constant and independent of the job sequence. This assumption is impractical in many situations because a worker^’s ability and skill improve as a result of repeating the tasks, hence the part processing times decrease. This phenomenon is known as the learning effect.In this paper, a position-based learning model is used in the cellular manufacturing system in which each part processing time is dependent on its position in the parts sequence of part-family. The group scheduling problem is modeled with position-based learning effect and the part-families sequence-dependent setup times. Two different genetic algorithms and a heuristic method are developed to solve this problem and evaluated by the test problems. Numerical results obtained from evaluation of the proposed solution methods reveals that second genetic algorithm is better than other proposed methods regarding quality of<font size="2"><font face="Times New Roman"><span style="mso-spacerun: yes">  </span>the solutions.</font></font></span> سیستم تولید سلولی، زمان‌بندی گروهی ، اثر یادگیری ، اثر یادگیری موقعیت‌گرا، زمان آماده‌سازی وابسته به توالی Cellular manufacturing system; Group scheduling; Learning effect; Position-based learning effect; Sequence-dependent setup time 45 56 http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-1-103&slc_lang=fa&sid=1 Seyed Hessameddin Zegordi Zegordi@modares.ac.ir 180031947532846001356 180031947532846001356 Yes Ehsan Bohlouli ebohlouli@gmail.com 180031947532846001425 180031947532846001425 No