مقایسه سه روش فراابتکاری برای کمینه نمودن زمان چرخه در مسئله زمانبندی جریان کارگاهی مختلط دوره‌ای با در نظر گرفتن اثر یادگیری

Abstract

زمانبندی کار‌ها در صنایعی که روند حرکت کار‌ها بر روی ماشین‌ها به صورت دوره‌ای می‌باشد، همچون صنایعی که محصولات آنها فاسد شدنی نظیر صنایع غذایی و یا دارای طول عمر همانند مواد شیمیایی، رادیواکتیو و غیره هستند، از اهمیت زیادی برخوردار است، زیرا که این صنایع به دلیل محدودیت‌های زمانی و یا رقابت با سایر شرکت‌ها سعی در کمینه نمودن بازه زمانی انجام کار‌ها دارند. از آنجا که غالباً محیط تولیدی این صنایع به صورت تولید جریان کارگاهی مختلط دوره‌ای می‌باشد و اثر یادگیری اپراتور در سرعت تولید مشهود است، این پژوهش در نظر دارد که زمان چرخه بر روی هر ماشین را با وجود اثر یادگیری به ‌کمک چینش فعالیت‌ها کمینه نماید. برای این منظور در روند این پژوهش، ابتدا تحقیقات پیشین در این حوزه مورد مطالعه قرار گرفت. سپس مدل ریاضی این مسأله نوشته و به دلیل آنکه ماهیت کمینه نمودن زمان انجام کار‌ها در محیط تولید جریان کارگاهی مختلط دوره‌ای، جزء مسائل سخت (NP-Hard) می‌باشد، برای حل این مسأله از سه روش فراابتکاری الگوریتم ژنتیک، الگوریتم شبیه‌سازی تبرید و الگوریتم شبیه‌سازی تبرید مبتنی بر جمعیت استفاده شد. نتایج نشان می‌دهند که الگوریتم شبیه‌سازی تبرید مبتنی بر جمعیت به دلیل ساختار جمعیتی آن، به‌طور میانگین نسبت به دو الگوریتم دیگر کارایی بهتری دارد.