19621

۱۹۶۲۱

زمانبندي جريان كارگاهي دو مرحلهاي با ماشين¬هاي موازي غير يكسان به منظور حداقل سازي ديركرد كل، مطالعه موردي: شركت سايپا پرس

كارشناسي ‌ارشد

مديريت سيستم و بهره وري

1394-139۷

۱۳۹۷/۷/۱۰

دكتر مهدوي مزده

دكتر حيدري

صنايع

با توسعه صنعت، پيشرفت سريع تكنولوژي و بازار رقابتي نياز به استفاده از زمانبندي و توالي عمليات در برنامه‌ريزي ساخت و توليد در صنعت نياز حياتي به شمار مي‌رود. امروزه موفقيت توليد كنندگان و كارخانه‌ها بستگي به توانايي آن‌ها در كاهش هزينه‌ها، كاهش مدت زمان توليد و افزايش بهره‌وري دارد. اين مهم را مي‌توان از طريق زمانبندي و توالي عمليات به دست آورد. اين پژوهش به تحقيق در مورد مسئله‌ي جريان كارگاهي دو مرحله‌اي با ماشين‌هاي موازي غير يكسان به منظور حداقل سازي مجموع وزني تاخير كارها به همراه زمان تكميل آخرين كار مي‌پردازد، كه در آن ماشين‌هاي مستقل و موازي در مرحله توليد و در مرحله مونتاژ چيده شده‌اند. همچنين به مسئله امكان پذيرش و عدم پذيرش سفارش و قابليت بسته بندي افزوده شده است. براي اين مسئله ابتدا يك مدل برنامه ريزي رياضي ارائه مي‌شود. از آنجاكه مدل برنامه ريزي خطي در گروه مسائل NP-Hard قرار مي-گيرد، الگوريتم‌هاي فراابتكاري ژنتيك و تكامل تفاضلي پيشنهاد شده‌اند. نتيجه حاصل از تابع هدف مدل رياضي كد شده در گمز با الگوريتم¬هاي ذكر شده در متلب برابر بود، اما اين مورد در نرم افزار گمز در مسائل با ابعاد بزرگ در زمان مناسب بدست نمي¬آمد. در ابعاد متوسط و بزرگ الگوريتم¬هاي فراابتكاري در زمان مناسب¬تر اما با كمي انحراف به نتايج مطلوب مي¬رسند. نتايج محاسباتي نشان مي‌دهد الگوريتم ژنتيك عملكرد بهتري به طور ميانگين، سه درصد بهبود بيش¬تر نسبت به الگوريتم تكامل تفاضلي دارد. به منظور نشان دادن تاثير مدل بر تصميمات شركت مورد مطالعه جهت بهره‌وري بيش‌تر، نتايج عملكرد شركت با مدل توسعه داده شده طبق فرضيات موجود در متن، تحليل شده است و نشان از بهبود بيش ‌از 50 درصدي در محيط مورد تحقيق موارد تحت آزمايش دارد.

1397/08/05

Scheduling Two-stage Flow Shop with Non-identical Parallel Machines to Minimize Total Tardiness: A Case Study of The Saipa Press Company

10/27/2018 12:00:00 AM

With the Expansion of industry, Rapid technological progress, competitive market, the requirement of using scheduling and sequencing in the industry is vital. Nowadays the success of manufactures depends on their ability to cutting cost, reducing production span and increasing productivity. This can be achieved through scheduling. We address two-stage flow shop with non-identical parallel machines(flexible flowshop) where there are independent parallel j machines at the first stage produce components and independent parallel k machines at the second stage assemble the components and finish the jobs. In addition we proposed mathematical model tries to schedule the jobs to minimize the total weighted tardiness plus the time to complete the last job (Cmax). We consider for the problem the ability of order-acceptance-rejection and batch delivery to inhance the simulation. In literature review, it indicates that the scheduling of two-assembly flexible flow shop with non-identical parallel machines with the ability of order-acceptance-rejection and batch delivery to minimize the total weighted tardiness plus Cmax is known as an NP-Hard problem. In this study, we present a mixed-integer linear programming (MILP) model to solve the problem but the commercial solver as (GAMS) can not guarantee to reach the global and optimal solution in large-size problems at a reasonable amount of time. Therefore, we developed meta-huristic method base such as genetics algorithm (GA) and differential evaluation algorithm (DE). The result of the objective function of the encoded mathematical model in GAMS was equal to the algorithms has encoded in MATLAB software, but this did not achieve into the GAMS software in large-scale issues at the suitable time. In medium and large dimensions, the meta-huristic-algorithms are more suitable at a better time but with a slight deviation to the desired results. In addition the computational results indicate that the GA has performed better on average more than three percent improvement over the DE. By using the model, results revealed that the factory costs improved by more than fifty percentages.