عنوان پایان‌نامه
طراحی مدل پویای تشکیل سلولهای تولیدی بارویکرد بهینه سازی استوار وارایه روشهای دقیق ومتاهبورد ریسک به منظور حلآن
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1779;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45099
- تاریخ دفاع
- ۰۴ مرداد ۱۳۸۹
- دانشجو
- محمدمهدی قطب الدینی
- استاد راهنما
- مسعود ربانی
- چکیده
- این تحقیق در پی طراحی یک مدل جامع برای سیستم تولید سلولی پویا می باشد. رویکرد بهینه سازی با در نظر گرفتن چندین تابع هدف به دلایلی چون زمینه سازی فرصت های بیشتر برای تعریف مسئله و کمک به محقق در راستای گسترش هدف های آن و حل مدل های غیر معروف بسیار جذاب و در خور توجه است. از این رو با ارائه یک مدل جامع چند هدفه عدد صحیح مختلط جدید در زمینه تولید سلولی سعی شد تا نه تنها نقص های موجود در مدل های قبلی برطرف شود، بلکه نیازهای جدید کارگاه های صنعتی نیز در نظر گرفته شود. مدل پیشنهادی بسیاری از شرایط واقعی و اساسی برای تولید در دنیای واقعی تولید ناب را که در تحقیقات مشابه گذشته نادیده گرفته شده است را در نظر میگیرد. این مدل دسته بندی ماشین ها و قطعات تولیدی را به طور همزمان حل می کند در حالی که کارگرها را به گونه ای در هر دوره به سلول های تشکیل شده تخصیص می دهد، که شرایط برای تولید ناب به وجود آید. در این روش در طول دوران برنامه ریزی تمامی کارگران تجربه لازم برای کار در تمامی سلول ها با کارهای متنوع را برای کسب مهارت های بالاتر می آموزند. در این مدل توابع هدف به گونه ای تعریف شده اند که همزمان با کمینه شدن هزینه های تشکیل سلول ها همچون هزینه خرید ماشین آلات، یادگیری کارگرها، تخصیص کارگرها و ماشین ها وهزینه های ناشی از اضافه کاری و غیره، نرخ استفاده از نیروی انسانی در هر سلول نیز بهینه شود. این نرخ به صورت یک رابطه منطقی مابین تعداد نیروی انسانی و ساعت های کاری مورد نیاز هر سلول تولیدی تعریف شده است. این مدل که در ابتدا به صورت غیرخطی ارئه شده در ادامه با روش های خطی سازی به یک مدل خطی تبدیل شده و با نرم افزار گمز اعتبارسنجی شده است. از آنجا که درتحقیق های مشابه تولید سلولی مدل ها معمولا با روش های ابتکاری و یا فرا ابتکاری حل می شوند، در این تحقیق سعی شد تا با ارائه یک روش حل دقیق، و اجرای آن بر روی مدل از این کلیشه خارج شویم. هرچند که روش های حل دقیق به منظور حل مسائل با سختی غیر چند جمله ای بسیار زمان بر و در بسیاری از موارد ناتوان از یافتن جواب بهینه مدل می باشند، اما استفاده از آن ها در حل مدل ها راه را برای بهبود آن ها به منظور بالا بردن قدرت آن ها در حل مسائل در تحقیقات آتی هموارتر می کند. جواب های حاصل از حل مدل پیشنهادی با روش حل دقیق به نام تجزیه بندرز در ادامه تحقیق ارائه شده است. استفاده از این روش با توجه به کارایی آن در حل مسائل برنامه ریزی عدد صحیح مختلط و متناسب بودن آن با ویژگی های مدل پیشنهادی ما می باشد. در ادامه این پایان نامه ما به گسترش مدل سیستم تولید سلولی پویای طراحی شده قبلی هستیم، در حالی که در محیطی تولیدی خود با داده های غیرقطعی سرو کار داریم. در اغلب مدل های تولید سلولی محققان پارامترهای مدل خود را قطعی و از پیش تعیین شده فرض میکنند، در نظر گرفتن این فرض موجب نادیده گرفته شدن عدم قطعیت داده ها در دنیای واقعی و تاثیر شگرف آن در یافتن جواب بهینه و یا حتی جواب موجه برای مدل می شود. اما همانگونه که می دانیم اغلب پارامترهای یک مدل مانند پارامترهای مربوط به هزینه و یا میزان تقاضای محصولات در عمل معمولا غیر قطعی هستند که تاثیر زیادی در مقدار بهینه تابع هدف خواهند داشت. به عبارت دیگر این احتمال وجود دارد که بعد از یافتن جواب بهینه مدل با در نظر گرفتن یک مجموعه از پارامترها با مقادیر قطعی، در صورت تغییر جزئی برخی از این پارامترها نه تنها شرط بهینگی جواب نهایی مدل رعایت نشده باشد بلکه جواب موجود، برخی از محدودیت ها را نیز نقض کرده و دیگر موجه نباشد. برای مقابله با این احتمال محققان روش های متفاوتی را به کار می گیرند. روشهایی چون برنامه ریزی احتمالی، رویکرد فازی و ... . از جمله این رویکردها می-توان به رویکرد بهینه سازی استوار اشاره کرد که به دلیل کارایی این رویکرد در مهار کردن اثر عدم قطعیت داده ها ، امروزه بیش از پیش مورد توجه و اقبال قرار گرفته است. همتای استوارمدل جامع ارائه شده در این تحقیق در ادامه ارائه می شود، تا کاربرد آن در صنعت بیش از پیش مورد توجه قرار گیرد. این مدل با نرم افزار گمز اعتبار سنجی شده است که نتایج آن در ادامه ارائه شده است.
- Abstract
- This research is seeking to design a dynamic cellular manufacturing system (DCMS). Area of multi objective optimization is become attractive not only for offering new opportunities for defining problem, but it helps us to extend and solve the anonymous problem. So we present a new multi objective mixed integer model. The proposed model considers some real world critical conditions in lean production which are neglected in similar studies in the literature. This model solves the part and machine grouping simultaneously with labor assignment to minimize the cost of various terms like reassignment cost of human resource, over time cost of equipments and labors, and maximize utilization rate of human resource. The model is linearized and validated with GAMS 22.1\Cplex. Because the benders’ decomposition approach was not applied to solve multi objective CMS problems, we use this method to solve our model. Moreover, this research is seeking to design a dynamic cellular manufacturing system (DCMS) while we are working with uncertain data in a vague environment. In most cell formation design models, researchers and modelers assume that parameters of exactly known and they neglect data uncertainty and its effect on optimality and feasibility of their models; but as we know most of the model parameters, especially cost and demand related parameters are somehow uncertain which can affect the optimal solution. In the other words, it is possible that an optimal solution for a set of nominal data may violate critical constraints and also become far from optimality. We applied robust optimization approach in our mixed integer model. The model is validated with GAMS 22.1\Cplex. The results are presented at the end.
