Abstract:
هدف: زمان‌بندی عملیات و تخصیص کارگران موضوعی است که در مسئله چیدمان سلولی، بخش شایان توجهی از هزینه را به خود اختصاص می‌دهد. این موضوع زمانی اهمیت بیشتری می‌یابد که منابع مالی با محدودیت روبه‌رو باشد. در این پژوهش، مسئله چیدمان پویای سلولی بر اساس زمان‌بندی، تخصیص کارگر و محدودیت‌های منابع مالی روی ماشین‌ها و کارگران به‌طور هم‌زمان بررسی شده است؛ به‌گونه‌ای که هدف حداقل‌کردن هزینه کل، شامل هزینه ماشین‌ها، کارگران و حمل‌ونقل قطعات است.روش: در ابتدا یک مدل ریاضی برای مسئله مدنظر ارائه شد، سپس خطی‌سازی و اعتبارسنجی آن انجام گرفت. در ادامه، یک الگوریتم ژنتیک برای حل مسئله پیشنهاد شد که پارامترهای آن با استفاده از روش تاگوچی تنظیم و انتخاب گردید. همچنین بر اساس پارامترهای مرتبط با محدودیت‌های منابع مالی ماشین‌ها و کارگران تحلیل حساسیت انجام گرفت.یافته‌ها: نتایج نشان‌دهنده صحت مدل و اعتبارسنجی آن است. همچنین، نشان داده شد که الگوریتم پیشنهادی کارایی مطلوبی دارد و برای مسائل با ابعاد متوسط و بزرگ که امکان یافتن جواب بهینه وجود ندارد، قابلیت استفاده دارد.نتیجه‌گیری: تحلیل حساسیت نشان داد که محدودیت‌های منابع مالی برای خرید ماشین‌ها نسبت به محدودیت‌های مالی کارگران تأثیر بیشتری روی تابع هدف دارد که اهمیت آن را نشان می‌دهد.
Objective: Cellular production is one of the important applications of group technology in production. With the development of modern industrial technology, many manufacturers use it as a solution to implement complex and realistic scenarios that increase the productivity and flexibility of a production system. Cellular production includes cell formation, cellular and intracellular arrangement, operation scheduling, and resource allocation. The process of formation and grouping of machines to produce families of parts to minimize the cost of moving materials among cells is called cell formation. In other words, cell formation in cell production systems and assignment of machine groups and family of parts to these cells is done to minimize the total cost and increase flexibility and productivity in production. The layout design is also related to the position of the cells relative to each other and the position of the machines in each cell relative to each other. In some production units, the placement of cells in relation to each other and even the placement of devices in each cell is not done properly, which increases the movement of materials, semi-finished parts, and consequently, production costs. On the other hand, with changes in customer needs and demand and competitive market conditions, the combination of existing cells and their arrangement in one period may not be appropriate for another period, and it is necessary to make changes to reply to customer needs and remain competitive. The possibility of making changes in cells combination, placement inside and between cells is called dynamic cell formation. In other words, dynamic cell formation involves changing the position of the cells relative to each other and the proper placement of the machines in one cell so that it is possible to move the machines to a new position or another cell and increase or decrease them.Methods: Operation scheduling and assigning human resources incurring a notable proportion of expenses in the cell formation. These issues seem more important when financial resources are limited. In this research, dynamic cell formation problems based on scheduling, allocation of workers, and constraints of financial resources on machines and workers are simultaneously investigated, Accordingly, the present study seeks to minimize the total costs, including the costs of machines, workers, and transportation of parts. At first, a mathematical model was presented. The model was then linearized and validated. After that, a genetic algorithm was proposed to solve the problem where the parameters were adjusted and selected by using the Taguchi method. Sensitivity analysis was also performed based on the related parameters in constraints of financial resources of machines and workers.Results: The results showed the accuracy of the model and its validation. It was also shown that the proposed algorithm is highly efficient and can be used for medium and large-sized problems where it is not impossible to find the optimal solution.Conclusion: Sensitivity analysis showed that the constraints of financial resources for purchasing machines have a greater impact on the objective function than workers' financial constraints, which is of high importance.
Machine summary:
مقايسه ميان پژوهش هاي گذشته و کار انجام شده در اين تحقيق نويسندگان روش حل دلجو و همکاران ● 2010 ● ● ● الگوريتم ژنتيک کانگ و همکاران 2018 ● ● ● الگوريتم ابتکاري توکلي مقدم و همکاران ٢٠٠٧ ● ● ● مدل رياضي نياکان و همکاران 2016 ● ● ● الگوريتم ژنتيک و شبيه سازي تبريد وو و همکاران 2007 ● ● ● ● الگوريتم ژنتيک بوآزيز و همکاران 2020 ● ● ● مدل رياضي ، الگوريتم شبيه سازي تبريد آريانژاد و همکاران ● 2009 ● ● مدل رياضي محمدي و فرقاني 2017 ● ● ● الگوريتم ژنتيک و برنامه ريزي پويا ستگلو و سورش 2009 ● ● مدل رياضي دانيلويک و ايليک 2019 ● ● ● الگوريتم فراابتکاري مهدوي و همکاران ● 2010 ● ● مدل رياضي جولاي و همکاران 2012 ● ● الگوريتم ابتکاري و شاخه و کران آرکات و همکاران 2011 ● ● ● ● الگوريتم ژنتيک سليم پور و همکاران ● 2021 ● الگوريتم ژنتيک ، ازدحام ذرات کريشنان و همکاران 2012 ● ● ● الگوريتم ژنتيک ادامۀ جدول ١ نويسندگان روش حل کيا و همکاران ● 2012 ● ● ● الگوريتم شبيه سازي تبريد باقري و بشيري ● 2013 ● ● ● مدل رياضي عليميان و همکاران ● 2020 ● ● مدل رياضي مهدوي و همکاران 2013 ● ● ● مدل رياضي کيا و همکاران ● 2013 ● ● ● مدل رياضي ژو و آفوديل ● 2020 ● ● ● مدل رياضي ، الگوريتم شاخه و کران رفيعي و قدسي ● 2013 ● ● الگوريتم ژنتيک چانگ و همکاران 2013 ● ● ● الگوريتم جست وجوي ممنوع مهدي زاده و رحيمي ● 2016 ● ● ● ● مدل رياضي ، فراابتکاري تحقيق حاضر ● ● ● ● ● ● ● گمز- ژنتيک معرفي مسئله با توجه به اهميت و ضرورت توليد سلولي با تشکيل سلول و چيدمان پويا در اين تحقيق مسئله توليد سـلولي بـا چيـدمان پويا، زمان بندي عمليات و تخصيص کارگران را با محدوديت بودجه مربوط به ماشين ها و نيروي انساني بررسي مي نمايـد به طوري که امکان انتقال ماشين به مکان جديد، افزايش يا کاهش آن ، استخدام ، اخراج و آموزش نيـروي انسـاني وجـود دارد.
(
, 
, 
)
