چکیده:
مونتاژ جریان کارگاهی دو مرحله ای با در نظر گرفتن زمان آمادهسازی، یکی از مسائل جدید زمانبندی تولید است. در این مساله قطعات در مرحله اول در یک سیستم جریان کارگاهی تولید و سپس در مرحله دوم قطعات تولیدی مونتاژ میشوند. هدف از حل این مساله ارائه توالی بهینه تولید قطعات و مونتاژ انها است، به طوری که زمان تکمیل آخرین سفارش کمینه شود. با توجه به جدید بودن موضوع، تاکنون مدل مناسبی برای حل این مساله ارائه نشده است. این مقاله ابتدا به بررسی مدل موجود میپردازد و سپس یک مدل برنامهریزی خطی عدد صحیح مختلط برای حل مساله ارائه میدهد. سپس برای حل موثر این مساله، دو الگوریتم فراابتکاری رقابت استعماری و ژنتیک ارایه می شود. در ادامه عملکرد مدل و الگوریتم ها ارزیابی می شوند. نتایج نشان می دهد الگوریتم رقابت استعماری عملکرد بهتری دارد.
خلاصه ماشینی:
Journal of Business & Economics Research (JBER), 5(6), 27-36.
Application of genetic algorithms in portfolio optimization for the oil and gas industry.
Exploring corporate strategy: text & cases.
Journal of Industrial Management Perspective, 5(3), 65- 90.
Journal of Industrial Management Perspective, 5(3), 65- 90.
Journal of Industrial Management Perspective, 5(3), 65- 90.
A review of mathematical optimization applications in oil-and-gas upstream & midstream management.
An improved portfolio optimization model for oil and gas investment selection.
هدف از حل این مسئله ، ارائه توالی بهینه تولید قطعات و مونتاژ آن ها است ؛ به طوری که زمان تکمیل آخرین سفارش کمینه شود.
در این پژوهش ابتدا مدل ریاضی مسئله در قالب یک مدل برنامه ریزی عدد صحیح مختلط ارائه می شود؛ سپس ازآنجاکه مسئله NP-hard است ، برای حل مؤثر آن ، دو الگوریتم رقابت استعماری و ژنتیک ارائه می شود.
توابع هدف مختلفی برای این مسئله در نظر گرفته شده است .
این مدل با استفاده از نرم افزارهای موجود، در ابعاد کوچک و در زمانی کوتاه قابل حل است ؛ علاوه بر آن دو الگوریتم رقابت استعماری و ژنتیک برای حل مسئله تطبیق داده می شوند.
در این بخش پس از تشریح مسئله ، مدل های ریاضی آمده است .
,١,٢} ,: زمان پردازش قطعه j روی ماشین i ,: زمان آماده سازی قطعه j روی ماشین i همچنین متغیرهای تصمیم تعریف شده در مدل نخست نیز به صورت زیر است .
ازآنجاکه مسئله موردبررسی ازجمله مسائل NP-hard است ، برای حل آن دو الگوریتم رقابت استعماری و شبیه سازی تبرید توسعه داده میشود.