عنوان پایان‌نامه
مدل سازی و حل مسئله زمانبندی جریان کاری جایگشتی بافرض زمان انتظار صفر کارها
- رشته تحصیلی
- مهندسی صنایع- صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس البرز شماره ثبت: 399;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67575
- تاریخ دفاع
- ۳۰ بهمن ۱۳۹۳
- دانشجو
- مینا طهرانی یکتا
- استاد راهنما
- فریبرز جولای
- چکیده
- اجرای مجموعه ای از وظایف در هر سازمانی به زمان بندی و تخصیص بهینه منابع در طول زمان نیاز دارد. تصرف سهم مناسبی از بازار در شرایط بسیار رقابتی امروزی مستلزم ایجاد توالی در عملیات و زمانبندی دقیق در فرایند تولید است. فرضیه " برگشتی" در رابطه با مساله مطرح به این صورت است که در فرایند تولید، هر یک از اجزای کار می توانند با برگشت به یک یا جند ماشین عقب تر، عملیات پردازشی را بر روی چند ماشین خاص تکرار کنند. این گونه ویژگی را می توان در صنایع تولید فولاد و آهنگری به وفور مشاهده نمود. مسایل زمان بندی "بدون انتظار" در آن دسته از محیط های تولید رخ می دهد که طی آن یک کار می بایست از آغاز تاپایان تنها بر روی یک یا چند ماشین بدون وقفه مورد پردازش قرار گیرد. تابع هدف مورد نظر در این پایان نامه، کمینه سازی مجموعه دیرکرد کاری موزون شده است. براساس این فرضیات، در ابتدا لازم است یک مدل برنامه ریزی بهینه و مناسب برای حل مساله طراحی شود. از آنجا که حل مساله مورد نظر دشوار بوده و نرم افزار های مبتنی بر مدل ریاضی نمی توانند در بازه زمانی قابل قبول پاسخ بهینه ارایه کنند، لذا برای دستیابی به پاسخ بهینه یا حد اقل نزدیک به بهینه، ناگزیر از توسل به دوروش«فرا ابتکاری» هستیم. برای حل این مساله دو روش: "الگوریتم ژنتیک"و" الگوریتم شبیه سازی تبرید" ارایه شده اند. برای ارزشیابی کارایی این دو رهیافت، تعدادی مساله در ابعاد کوچک و بزرگ به طور تصادفی تولید شده و پاسخ های به دست آمده مورد مقایسه قرار گرفته اند. نتایج محاسباتی برگرفته برای هر دو دسته مسایل ، نشان دهنده کارایی بیشتر " الگوریتم ژنتیک" پیشنهادی نسبت به" الگوریتم شبیه سازی تبرید" به لحاظ کیفیت پاسخ های به دست آمده و زمان حل مساله، بوده است.
- Abstract
- Flow-shop scheduling and optimal allocation of resources is necessary for performance of the organizational tasks. Penetrating into markets and capturing a good share of it in a competitive environment, requires sequencing all operations, and optimal scheduling of processes of a production facility. According to the hypotheses, reentrant permutation in production process is defined in such a way that, each of sub-task or each job, can retrieve and visit its posterior machine and repeat the process in one or a ew certain machines. Such a characteristic is observed in steel manufacturing and iron-smith workshops. No-wait scheduling usually occurs in those production lines in which one job passes through” front-end” processing without any break. This Ttheses is aiming to minimize accumulated tardiness for weighted tasks in workespan. According to this hypotheses, designing and incorporating an optimal planning model for solving this problem is necessary. Since, finding a proper solution for these problems is very difficult, and mathematical–based software is not capable to respond reasonably in an optimal time frame, hence in order to attain optimal or at least near-optimal results, incorporation of two direct meta-heuristic approaches such as, “Genetic algorithm”, and “cooling simulation algorithm” to solve the problem will be inevitable. Evaluation of the efficiency of these two solutions requires random development of a number of small scale and large scale problems to be solved, and consequently compare the answer with the response by the mathematical model based on minimal dimension of 3600 time second -frame. The results gained through calculations for both problem groups (small scale and large scale) indicate that the efficiency of applied “genetic algorithm model” is dramatically higher than “cooling simulation model” in terms of quality and the minimal time required for optimal flow-shop scheduling.
