عنوان پایان‌نامه
طراحی مساله زمانبندی سیستم های تولیدی انعطاف پذیر چند هدفه در شرایط پویا با استفاده از الگوریتم فراابتکاری کارآمد
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1439;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 40052
- تاریخ دفاع
- ۱۰ دی ۱۳۸۷
- دانشجو
- مریم رحیمی
- استاد راهنما
- رضا توکلی مقدم
- چکیده
- سیستم های تولیدی انعطاف پذیر (FMS)، عموماً شامل گروهی از ماشین ها می باشند که روی قطعات مختلف کارهای گوناگونی انجام می دهند، یک عملیات در ماشین های متفاوت می تواند پردازش شود و کلیه کارها توسط یک سیستم کامپیوتری کنترل می شوند. این انعطاف پذیری ها به شدت فضای راه حل ممکن را افزایش می دهد و زمانبندی FMS را پیچیده می کند. همچنین از آنجایی که در دنیای واقعی، تولید همواره مطابق با زمانبندی از پیش تعیین شده پیش نمی رود و ممکن است رویدادهای غیر منتظره ای رخ دهد که موجب قطع زمانبندی مورد انتظار شود، مفاهیمی نظیر پویایی زمانبندی سیستم های تولیدی و در نظر گرفتن شرایط عدم قطعیت درمسئله اهمیت ویژه ای یافته است. در این پایان نامه، مسئله زمانبندی مجدد و پویای سیستم تولیدی انعطاف پذیر در شرایط رویدادن سه انقطاع در طول زمانبندی شامل ورود قطعه جدید، خرابی ماشین و تعمیر ماشین و با اهداف کاهش طولانی ترین زمان انجام کل کارها و بالانس بار کاری ماشین ها در نظر گرفته شده است. همچنین زمان های پردازش وابسته به نوع ماشین، زمان های راه اندازی وابسته به توالی عملیات و زمان های جابجایی قطعات وابسته به فاصله میان ماشین ها در نظر گرفته شده است. از آنجاییکه تطبیق هرچه بیشتر یک مدل ریاضی با شرایط واقعی مستلزم فزونی متغیر ها و محدودیت ها می باشد، حل این مدل توسط روش های سنتی بهینه سازی نیازمند صرف زمان، حافظه و قدرت پردازش بالا بوده و تنها می توان مسائلی با ابعاد بسیار کوچک و در حالت استاتیک را با این شیوه حل نمود. لذا بکارگیری روش های فرا ابتکاری نظیر الگوریتم بهینه سازی انبوه اجزا نه تنها امکان حل مسائلی با ابعاد بزرگ را فراهم می کند، بلکه یافتن جواب های نزدیک به بهینه را نیز در زمان بسیار کوتاه میسر می نماید. در این پایان نامه ضمن در نظر گرفتن روشی بر مبنای شبیه سازی انقطاعات رویداده در طول زمان تولید، و طراحی یک الگوریتم بهینه سازی انبوه اجزا چند هدفه ابتکاری جهت حل مدل ریاضی ارائه شده و یافتن زمانبندی بهینه، مسائلی بصورت نمونه و با ابعاد مختلف با الگوریتم فوق الذکر حل شده و نتایج بدست آمده مورد تحلیل قرار گرفته اند.
- Abstract
- This thesis presents a particle swarm optimization (PSO) model by considering multiple objectives to solve a dynamic rescheduling problem in a complicated FMS environment with realistic disturbances. This model aims to balance the machine workload and minimize the total completion time for processing all the operations of all the parts on each machine consists of machine dependent processing times, operation sequence-dependent setup times, machine's distance-dependent material handling times. In real-life production processes of a flexible manufacturing system (FMS), unexpected disruptions, such as new part arrival, machine breakdown, and its repair, may make the existing scheduling significantly ineffective. Thus, dynamic rescheduling necessarily responds to such disruptions or other changes, and also improves the efficiency of the disturbed FMS. Furthermore, an event-driven rescheduling policy and complete regeneration of rescheduling methods are considered. Unlike the static scheduling, the dynamic rescheduling relies on more effective and robust search approaches for its critical requirement of real-time optimal response. The results show that the proposed PSO algorithm performs very well for the dynamic rescheduling in terms of the computational efficiency and solution quality.
