توصيفگر ها :
زمانبندي كار كارگاهي انعطافپذير , دامنهي عمليات , زمان آمادهسازي , جدول زماني كارگر , روابط پيشنيازي , الگوريتم جستجوي همسايگي بزرگ تطبيقيافته
چكيده فارسي :
افزايش نرخ توليد و اهميت تحويل به موقع باعث گرديده كه صنايع ديگر نتوانند از روشهاي قديمي براي زمانبندي توليد استفاده كنند. صنايع توليدي نقش مهمي در اقتصاد منطقه دارند و كاهش هزينه در آنها سبب افزايش بهرهوري و كارايي ميشود. زمانبندي يك مسئلهي تصميمگيري براي تخصيص عمليات به منابع موجود براي توليد در طول زمان، به منظور برآورده كردن تابع هدف است. رايجترين منابع درنظرگرفتهشده، ماشينآلات و كارگران هستند كه در مقادير محدودي در دسترس هستند و بايد با احتياط اختصاص داده شوند تا از هزينههاي اضافي غيرضروري جلوگيري شود. بههمين دليل، مسئلهي زمانبندي كار كارگاهي بهعنوان پيچيدهترين مسائل بهينهسازي تركيبي در ارتباط با استقرار كارگاهي، مطرح شده است. اين مسئله به تعيين توالي و زمان شروع كارها در هر ماشين ميپردازد، بهنحوي كه تمام محدوديتهاي توليد رعايت گردد. اهميت زمانبندي توليد در كار كارگاهي با اهداف و فرضيات مختلف مورد توجه محققان زيادي بوده است؛ اما همچنان شكافهاي تحقيقاتي فراواني براي حل اين مسئله در دنياي واقعي وجود دارد. در اين پاياننامه به بررسي زمانبندي در استقرار كار كارگاهي انعطافپذير با هدف كمينهسازي دامنهي عمليات با در نظر گرفتن زمان آمادهسازي، كارگر و روابط پيشنيازي بين كارها پرداخته شده و يك مدل برنامهريزي عدد صحيح مختلط براي مسئله ارائه ميشود. به دليل پيچيدگي مسئله، يك الگوريتم ابتكاري بهمنظور رسيدن به جواب قابل قبول و جواب اوليه ابداع گرديده است. همچنين براي حل،يك الگوريتم فراابتكاري جستوجوي همسايگي بزرگ تطبيق يافته مطابق با فرضيات مسئله توسعه داده شده است. براي آزمايش مدل و الگوريتمها 16 دسته نمونه با ابعاد 10 نمونه در هر دسته با ابعاد متفاوت توليد و نتايج حاصل از اجرا با يكديگر مقايسه شده است. نتايج محاسباتي نشان دادند كه مدل رياضي 68 نمونه را به صورت بهينه حل كرده است و در نمونه هاي كوچك قابل استفاده است. الگوريتم ابتكاري در نمونههاي متوسط و بزرگ، با زمان حل زير يك ثانيه و ميانگين درصد خطا 11.6 نسبت به بهترين جواب يافت شده توسط مدل، جواب قابل قبول ارائه كرده است. در نمونههاي بزرگ نيز، الگوريتم فراابتكاري عملكرد با ميانگين درصد خطاي 0.9 نسبت به بهترين جواب يافت شده و ميانگين درصد بهبود 10.6نسبت به جواب اوليه، برتري خود را اثبات نموده است.
چكيده انگليسي :
Increasing production rates and the importance of timely delivery have made it so that industries no longer able to use old methods for production scheduling. Manufacturing industries play an important role in the regional economy, and cost reduction leads to increased productivity and efficiency. Scheduling is a decision problem to allocate operations to available resources for production over time, in order to achieve the objective function. The most common resources considered are machines and workers, which are limited quantities and must be allocated carefully to prevent unnecessary extra costs. For this reason, the job shop scheduling problem has been raised as the most complex combination optimization problem related to the jobshop. This problem determines the sequence and time of starting job in each machine in a way that all production constraints are met.. The importance of production scheduling in job shop scheduling with different goals and assumptions has attracted the attention of many researchers, but there are still many research gaps in solving this problem in the real world. This thesis investigates flexible job shop scheduling with the goal of minimizing the make span considering setup time, worker, and precedence relationships between jobs, and presents Mixed Integer Linear Programming for the problem. Due to the complexity of the problem, an heuristic algorithm has been devised to reach an acceptable solution and an initial solution. Also, for the solution, a meta-heuristic algorithm of large neighborhood search adapted according to the assumptions of the problem has been developed.. The model and algorithms were tested on 16 sets of samples with 10 instances in each set with different dimensions, and the results obtained were compared with each other. The computational results showed that the mathematical model solved 68 samples optimally and can be used in small samples. In medium and large samples, the heuristic algorithm provided an acceptable solution with a solution time below one second and an average error percentage of 11.6 compared to the best solution found by the model. In large samples, the metaheuristic algorithm has proven its superiority with an average error percentage of 0.9 compared to the best solution and an average improvement percentage of 10.6 compared to the initial solution Keywords: Flexible jobshop scheduling, make span, setup time, worker timetabling, precedence relationships, adapted large neighborhood search.
