زمان بندی سیستم جریان کارگاهی با محدودیت دسترسی ماشین و اثر یادگیری مبتنی بر یک مدل ترکیبی

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 147

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_INDU-5-4_002

تاریخ نمایه سازی: 14 آبان 1400

Abstract:

در طول دهه های اخیر مسئله زمان بندی سیستم جریان کارگاهی با مفروضات مختلفی بررسی شده است. یکی از حالاتی که توجه بسیاری از پژوهشگران را به خود جلب کرده است، در نظرگیری مفهوم یادگیری است. در شرایط واقعی محیط های کاری، اثر یادگیری تنها به موقعیت کارها محدود نمی شود؛ به عبارت دیگر تجربه کارگران نیز در طول روند عملیات باید در نظر گرفته شود. از طرف دیگر عوامل زیادی سبب در دسترس نبودن ماشین آلات و تجهیزات در افق برنامه ریزی می شود. این پژوهش یک مسئله جریان کارگاهی با محدودیت دسترسی ماشین و اثر یادگیری مبتنی بر یک مدل ترکیبی را موردمطالعه قرار می دهد. این مدل یادگیری به طور همزمان مبتنی بر موقعیت کارها و همچنین مجموع لگاریتمی زمان پردازش کارها است. در ابتدا یک مدل برنامه ریزی مختلط عدد صحیح برای مسئله ارائه و سپس به دلیل پیچیدگی بالای مدل، از دو الگوریتم فرا ابتکاری شبیه سازی تبرید (SA) و شبیه سازی تبرید مبتنی بر نظریه ابر (CSA)، برای یافتن جواب های نزدیک به بهینه استفاده شده است. تحلیل نتایج حاکی از آن است که عملکرد الگوریتم CSA به طور معنا داری بالاتر از عملکرد الگوریتم SAاست. 

Keywords:

زمان بندی تولید , سیستم جریان کارگاهی , اثر یادگیری مبتنی بر مدل ترکیبی , محدودیت دسترسی ماشین , الگوریتم شبیه سازی تبرید مبتنی بر نظریه ابر

Authors

مصطفی زندیه

دانشیار، دانشگاه شهید بهشتی.

آزاده فتوت

کارشناسی ارشد، موسسه آموزش عالی رجا.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Adeli, M., Zandieh, M. (۲۰۱۳). Multiobjective simulation-optimization approach for intrgrated ...
  • Aggoune, R. (۲۰۰۴). Minimizing the makespan for the flow shop ...
  • Aggoune, R., & Portmann, M.-C. (۲۰۰۶). Flow shop scheduling problem ...
  • Allaoui, A., & Artiba, A. (۲۰۰۶). Scheduling two-stage hybrid flow ...
  • Biskap, D. (۱۹۹۹). Single-machine scheduling with learning considerations. Euroupean journal ...
  • Biskup, D. (۲۰۰۸). A state-of-the-art review on scheduling with learning ...
  • Breit, J. (۲۰۰۴). An improved approximation algorithm for two-machine flow ...
  • Cheng, T., Kou, W.-H., & Yang, D.-L. (۲۰۱۳). Scheduling with ...
  • Cheng, T., Lai, P., Wu, C., & Lee, W. (۲۰۰۹). ...
  • Cheng, T., Wu, C., & Lee, W. (۲۰۰۸). Some scheduling ...
  • Deyi, L., & Yi, D. (۲۰۰۵). Artificial intelligence with uncertainty. ...
  • Deyi, L., Haijun, M., & Xuemei, S. (۱۹۹۵). Membership clouds ...
  • Eren, T., & Güner, E. (۲۰۰۸). A bicriterion flowshop scheduling ...
  • Ghodratnama, A., Rabbani, M., Tavakkoli-Moghaddam, R., & Baboli, A. (۲۰۱۰). ...
  • Janiak, A., & Rudek, R. (۲۰۰۸). Viewpoint on: complexity results ...
  • Lee, C. (۱۹۹۹). Two-machine flowshop scheduling with availability constraints. European ...
  • Lee, W.-C., & Wu, C.-C. (۲۰۰۴). Minimizing total completion time ...
  • Liao, L., & Tsai, C. (۲۰۰۹). Heuristic algorithms for two-machine ...
  • Lv, P., Yuan, L., & Zhang, J. (۲۰۰۹). Cloud theory-based ...
  • Ma, Y., Chu, C., & Zou, C. (۲۰۱۰). A survey ...
  • Rahimi, H., Azar, A., Rezaei Pandari, A. (۲۰۱۵). Designing a ...
  • Vahedi-Nouri, B., Fattahi, P., & Ramezanian, R. (۲۰۱۳b). Minimizing total ...
  • Vahedi-Nouri, B., Fattahi, P., Rohaninejad, M., & Tavakkoli-Moghaddam, R. (۲۰۱۳a). ...
  • Vahedi-Nouri, B., Fattahi, P., Tavakkoli-Moghaddam, R., & Ramezanian, R. (۲۰۱۴). ...
  • Wu, C., & Lee, W. (۲۰۰۹). Single-machine and flowshop scheduling ...
  • Yang, S.-J. (۲۰۱۰). Single-machine scheduling problems with both start-time dependent ...
  • Zhang, X., Yan, G., Huang, W., & Tang, G. (۲۰۱۲). ...
  • نمایش کامل مراجع