زمانبندی بهنگام کارگاه عمومی با درنظرگرفتن ریسک‌های پایداری

زمانبندی بهنگام کارگاه عمومی با درنظرگرفتن ریسک‌های پایداری


زمانبندی بهنگام کارگاه عمومی با درنظرگرفتن ریسک‌های پایداری

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: زمانبندی بهنگام کارگاه عمومی با درنظرگرفتن ریسک‌های پایداری

ارائه دهنده: Provider: مرجان مجیدی - رشته صنایع

اساتید راهنما: Supervisors: جناب آقای دکتر بهنامیان

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: جناب آقای دکتر خیرخواه-جناب آقای دکتر دزفولیان

زمان و تاریخ ارائه: Time and date of presentation: 30 خرداد 1401

مکان ارائه: Place of presentation: اتاق شماره 10

چکیده: Abstract: در محیط‌های تولیدی در دنیای واقعی، اجرای یک زمانبندی اغلب با رویدادهای غیرمنتظره مواجه می‌شود که ریسک ناکارآمدی زمانبندی و بی‌ثباتی سیستم تولید را به همراه خواهد داشت. این مطالعه به حداقل‌سازی ریسک‌ها هم در عملکرد و هم در پایداری برای زمانبندی کارگاه عمومی تحت خرابی‌های تصادفی ماشین‌ها می‌پردازد. در این تحقیق رویکرد درج شناوری محدود مبتنی بر بلوک عملیاتی برای تولید برنامه‌ پیشبینانه استفاده می‌شود؛ که اجازه می‌دهد زمان بیکاری اضافی برای کنترل ریسک‌های پایداری درج شود. از طرفی با توجه به اهمیت تحویل به‌موقع کالا یا خدمات در بسیاری از صنایع به کار بردن زمانبندی بهنگام می‌تواند راهکار مناسبی برای کاهش هزینه‌های سیستم ( فساد، بیمه و .... ) باشد. این کار در قالب یک مدل برنامه‌ریزی غیرخطی عدد صحیح مختلط به‌منظور یافتن زمانبندی پیشبینانه با دو هدف کمینه کردن مدت‌زمان دیرکرد و زودکرد نسبت به موعد تحویل مقرر ارائه شده است. به‌منظور حل مدل در ابعاد کوچک از روش محدودیت اپسیلون تکامل‌یافته و نرم‌افزار گمز استفاده شد. ازآنجایی‌که مسئله موردبررسی یک مسئله NP-Hard است، برای حل نمونه‌های بزرگ، روش فراابتکاری ژنتیک چندهدفه با مرتب‌سازی نامغلوب (NSGA-II) توسعه داده شد. درنهایت شاخص‌های مقایسه‌ای برای مسائل نمونه حل‌شده توسط الگوریتم اصلی در رقابت با الگوریتم جستجوی همسایگی متغیر چندهدفه (MOVNS) محاسبه شد و با استفاده از آزمون ناپارامتری کروسکال-والیس نتایج به‌دست‌آمده مورد تحلیل قرار گرفت. تحلیل نتایج نشان داد که عملکرد دو الگوریتم در دو شاخص پراکندگی و یکنواختی دارای اختلاف معناداری نیست، همچنین الگوریتم NSGA-II در دو معیار متوسط فاصله از نقطه ایده‌آل و تعداد جواب‌های پارتو عملکرد بهتری ارائه داده است؛ درعین‌حال الگوریتم MOVNS دارای زمان حل کمتری است. Abstract

فایل: ّFile: