بهبود روند بهینه سازی شبیه سازی تولید به وسیله الگوریتم ژنتیک

برای این که تصمیمات یک مدیر، چه در سطح میانی و چه در سطح ارشد، تصمیماتی مطمئن و کارساز باشند، داشتن تسلط و احاطه کامل و جامع بر سیستم و قدرت پیش بینی بالا الزامیست. این در حالی است که آن ها با دنیایی از وقایع و رویدادهایی مواجه می شود که قطعیت آن مشخص نبوده و علی رغم تمایل مدیران، معمولا برآورد تبعات و نتایج تصمیمات، امری پیچیده و گاهی ناممکن است که مسلما عدم دست یابی به نتایج مدنظر با هزینه هایی همراه خواهد بود. لذا راهکارها و سیستم هایی می توانند ما را در این امر کمک کنند که اولا، بتوانند رویدادها و عوامل موثر را به صورت یکپارچه و جامع مدنظر قرار دهند و ثانیا، قادر به ارائه، نمایش و مقایسه نتایج حاصل از تغییرات اعمال شده باشند.شبیه سازی سیستم ها، از جمله آن راهکارهایی است که ضمن لحاظ‎نمودن موارد اشاره شده، این امکان را در اختیار یک مدیر قرار می دهد که دنیای واقعی را در یک اشل کوچکتر، درون یک سیستم رایانه ای، در اختیار داشته و در ادامه بتواند تصمیمات خود را بدون هیچ هزینه ای در سیستم شبیه سازی شده، مورد ارزیابی قرار داده و نتایج حاصله را با برآورد و انتظاراتش، مقایسه نماید. به بیانی دیگر از یک جهت آزمون و خطاهای مدیریتی قبل از اجرا در سیستم واقعی، درون مدل شبیه سازی شده، مورد ارزیابی و تحلیل قرار می گیرد و از جهتی دیگر از بین گزینه های گوناگون مدنظر مدیریت و یا پیشنهادی، بهترین گزینه انتخاب می گردد.در این پژوهش برآنیم که با تشریح و تبیین مفاهیم و اصول شبیه سازی و بهینه سازی شبیه سازی و همچنین کاربرد و کارایی آن در مدیریت تولید ، اهمیت و جایگاه شبیه سازی در بهبود میزان تولید را بیان کنیم .

Keywords:

اصول شبیه سازی , مدیریت تولید , الگوریتم ژنتیک