چکیده:
در پژوهش حاضر، مسئله زمانبندی یکپارچه سیستم تولید کارگاهی با یک مرحله مونتاژ و حملونقل با هدف کمینهکردن مجموع تأخیرها بررسی شده است. در این مسئله اجزای محصولات در مرحله تولید کارگاهی پردازش شده و در مرحله مونتاژ با یکدیگر مونتاژ میشوند؛ سپس محصولات در بستههایی به سمت مشتریان حمل میشوند. در این سیستم تولیدی، زمان آمادهسازی وابسته به توالی فرض شده است. ابتدا یک مدل برنامهریزی خطی عدد صحیح مختلط توسعه داده شده است؛ سپس با توجه به اینکه مسئله موردبررسی NP-hard است، الگوریتم ترکیبی رقابت استعماری و شبیهسازی تبرید برای حل مسائل در ابعاد متوسط و بزرگ پیشنهاد شده است. بهمنظور اعتبارسنجی الگوریتم پیشنهادی، نتایج بهدستآمده با الگوریتم رقابت استعماری و الگوریتم ترکیبی رقابت استعماری و جستوجوی ممنوع مقایسه شده است. برای مقایسه نتایج بین الگوریتمها از تحلیل واریانس طرح بلوکی تصادفی بهرهگیری شد. مقادیر P-value الگوریتمها و بلوکها در این آزمون کمتر از سطح معناداری 05/0 بهدست آمد. نتایج محاسباتی نشان میدهد که الگوریتم ترکیبی پیشنهادی عملکرد بهتری نسبت به الگوریتم رقابت استعماری و الگوریتم ترکیبی رقابت استعماری و جستوجوی ممنوع دارد.
In this research, an integrated scheduling problem of job shop systems with an assembly stage and transportation to minimize the total tardiness time is studied. In this problem, the parts are processed in a job shop system and then assembled in the assembly stage. Ultimately, the products are shipped in packages to customers. Setup time is assumed to depend on sequence. At first, a mixed-integer linear model is developed. Since the problem is NP-hard, a hybrid imperialist competitive and simulated annealing (ICA-SA) algorithm is proposed to solve the problems with the medium and large sizes. To validate the performance of the proposed algorithm, results are compared to an imperialist competitive algorithm and a hybrid imperialist competitive and tabu search (ICA-TS) algorithm. Analysis of variance random block design is used to compare the results of the algorithms. P-values of algorithms and blocks in this test are smaller than the significance level of 0.05. The computational results show that the proposed hybrid algorithm achieves better performance than the imperialist competitive algorithm and hybrid imperialist competitive and tabu search.