عنوان پایان‌نامه
حل مسئله ی موازنه ی خط مونتاز در خودروی پژو با استفاده از الگوریتم ژنتیک
- رشته تحصیلی
- مدیریت صنعتی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50923
- تاریخ دفاع
- ۱۹ بهمن ۱۳۸۹
- دانشجو
- ندا باقرنیا
- استاد راهنما
- منصور مومنی
- چکیده
- یکی از مسائل مطرح در خطوط مونتاژ چند ایستگاهی، تخصیص کار‌‌ها‌ی مختلف به ایستگاه‌‌ها‌ی کاری مختلف است. به این مسائل، موازنه خط مونتاژ گفته می شود. توابع هدف مختلفی در زمینه مسائل موازنه خط مونتاژ در نظر گرفته شده است که سطح وسیعی از این توابع را حداقل کردن زمان سیکل عملیاتی، زمان بیکاری و تعداد ایستگاه‌‌ها تشکیل می دهد. مساله موازنه خط مونتاژ یکی از مسائل پیچیده بهینه سازی است که با نگرش‌‌ها‌ی مختلفی حل شده است. این دسته از مسائل می توانند بوسیله برنامه ریزی خطی، برنامه ریزی عدد صحیح و برنامه ریزی پویا فرموله شوند ولی اکثر این نگرش‌‌ها به الگوریتمی کارا منجر نمی شوند. اخیراً از الگوریتم‌‌ها‌ی ژنتیکی برای حل مسائل پیچیده بهینه سازی مانند مسائل برنامه ریزی تولید، بسیار استفاده شده است که نتایج قابل قبولی در پی داشته اند و از آنها به عنوان ابزاری کارا در این زمینه یاد می شود. در این پژوهش یک مدل برنامه ریزی خطی جدید برای حل مساله موازنه خط مونتاژ در خودروی پژو ارائه شده که با توجه به رابطه ی خطی بین تعداد ایستگاه‌‌ها و زمان بیکاری، می توان ادعا کرد که تابع هدف فوق هر دو عامل را حداقل می کند. رویکرد این مدل با الهام از مدل ارائه شده توسط Gen، Kubota و Tsujimura در سال 1995 شکل گرفته است. نگرش و فرضیات موجود در این مدل مورد نقد و بررسی قرار گرفته و تغییراتی در آنها ایجاد شده تا با شرایط واقعی خط مونتاژ مورد نظر ما منطبق شوند و بدین ترتیب مدل ارائه شده در این پژوهش شکل گرفت. تابع هدف و محدودیت‌‌ها‌ی این مدل در قالب روابط ریاضی بیان شده و رابطه ای نیز برای تعیین حد بالای تابع هدف ارائه گردیده است. برای حل مدل برنامه ریزی خطی مساله فوق از نرم افزار LINGO استفاده گردید که با توجه به زمان زیاد حل، همانگونه که از قبل انتظار میرفت، نیاز به روشی جدید احساس گردید و این روش جدید الگوریتم ژنتیک بود. الگوریتم ژنتیک مورد استفاده در این پژوهش با استفاده از عملگر‌‌ها‌ی تقاطع و جهش ارائه شده در کتاب Goldberg در سال 1989 و یک الگوریتم تعمیر ابتکاری به منظور ارضاء روابط پیش نیازی توسط نرم افزار MATLAB حل شد و به نتایجی دست یافت که مزیت و برتری نسبی الگوریتم ژنتیک را از نظر زمانی به خوبی آشکار کرد.
- Abstract
- One of the problems in the design of multi station lines is the allocation of different work elements to various work station. This problem is called assembly line balancing (ALB). Various objectives are considered in ALB problems. The most widely investigated ones are the minimization of cycle time, idle time and the number of work station. Assembly line balancing (ALB) problem is known as one of difficult combinatorial optimization problems. This problem has been solved with various approaches such as linear programming (LP), integer Programming (IP) and dynamic Programming (DP), but most of them do not lead to efficient algorithms. Recently, genetic algorithms are used to solving complex optimization problems such as production planning. They have been resulted to the acceptable outcomes and called as an appropriated tools. In this research, a new linear programming model is presented to solve the Peugeot assembly line balancing. According to linear relationships between the number of stations and idle time we claim that the objective function minimize both of them. The approach of this model has been inspired by Gen, Kubota and Tsujimura’s model on 1995. Approach and assumptions of this model have been studied and changed to adjust and suitable for this research. Objective function and restrictions of model have been introduced by mathemathical relations and so an equation has exposed to show the upper bound of the objective function. To solve this linear programming model we used LINGO software but according to plenty of time for solving we need to use a new method has called genetic algorithm. The genetic algorithms in this research have used Goldberg’s mutation and crossover operators on 1989 and an innovative repair operator to satisfy the precedence relations by MATLAB software. We understand that genetic algorithms have so many advantages about time to solving than the other methods.
