چکیده:
در این مطالعه، کاربرد شبیه سازی در بهینه سازی دو هدفه ی یک مسئله ی بالانس خط مونتاژ تشریح گردیدهاست که در آن هدف، تعیین مقادیر بهینه تخصیص نیروی انسانی و تجهیزات موازی به ایستگاهها می باشد، بهطوری که با حداقل هزینه های افزایش تجهیزات و نیروی انسانی در ایستگاهها، خروجی خط تولید به بیشترینمقدار خود افزایش یابد. به عبارت دیگر با استفاده بهینه از منابع موجود خروجی تولید حداکثر شده و بهرهوریبه حداکثر میزان ممکن ارتقاء یابد. بدین منظور، به کمک بهینه سازی ازطریق شبیه سازی، فرایند خط تولید ،تحت یک مدل شبیه سازی در نرمافزار ED شبیه سازی شده است. پس از اعتبارسنجی مدل با استفاده از طرحآزمایش سناریوهای متنوعی طراحی و در مدل شبیه سازی اجرا شد، مقادیر ممکن برای دو متغیر تعداد نیرویانسانی و تعداد تجهیزات موازی با استفاده از الگوریتم ژنتیک به دست آمده و در یک نمودار پارتو نشان دادهشده است و نتایج با وضعیت فعلی خط تولیدمقایسه گردیده است.در این مطالعه ، کاربرد شبیه سازی در بهینه سازی دو هدفه ی یک مسئله ی بالانس خط مونتاژ تشریح گردیده است که در آن هدف ، تعیین مقادیر بهینه تخصیص نیروی انسانی و تجهیزات موازی به ایستگاه ها میباشد، به طوری که با حداقل هزینه های افزایش تجهیزات و نیروی انسانی در ایستگاه ها، خروجی خط تولید به بیشترین مقدار خود افزایش یابد. به عبارت دیگر با استفاده بهینه از منابع موجود خروجی تولید حداکثر شده و بهره وری به حداکثر میزان ممکن ارتقاء یابد. بدین منظور، به کمک بهینه سازیازطریق شبیه سازی، فرایند خط تولید ، تحت یک مدل شبیه سازی در نرم افزار ED شبیه سازی شده است . پس از اعتبارسنجی مدل با استفاده از طرح آزمایش سناریوهای متنوعی طراحی و در مدل شبیه سازی اجرا شد، مقادیر ممکن برای دو متغیر تعداد نیروی انسانی و تعداد تجهیزات موازی با استفاده از الگوریتم ژنتیک به دست آمده و در یک نمودار پارتو نشان داده شده است و نتایج با وضعیت فعلی خط تولیدمقایسه گردیده است .
In this study، the use of simulation technique in bi-objective optimization of assembly line balancing problem has been studied. The aim of this paper is to determine optimal allocation of human resource and equipment to parallel workstations in order to minimize the cost of adding equipment and manpower among the stations and maximize the production output. In other words، with optimal use of resources، production output is maximized and therefore productivity become maximum. To this end، with optimization via simulation، the production line process is simulated in the form of a simulation model in the ED software. After validating the simulation model using design of experiment، various scenarios designed and run in the simulation model. Possible results for human resource and equipment variables، obtained by genetic algorithm are shown in a Pareto chart and have compared with the production line current situation.
خلاصه ماشینی:
"٢. بدلیل کنترل عملکرد بعضی از فرایندها به صورت آزمون و خطا تعریف شده اند که تعداد دفعات آزمون نیز برای محصولات مختلف متفاوت است بنابراین مسئله در این تحقیق ، بالانس تجهیزات تولیدی،تعداد پرسنل ماهر مورد نیاز برای هر بخش شناسایی گلوگاه ها و بهبود چیدمان خط تولید با استفاده از شبیه سازی میباشد.
در سال ٢٠١٥ تیاکی مدل دیگری را برای بالانس خطوط تولید با نظر گرفتن بحث تخصیص بافر بین ایستگاه هـای کـاری توسـعه داد کـه بـرای حـل آن از ترکیـب تکنیـک شـبیه سـازی و الگوریتم ژنتیک استفاده کرده است این مسئله با توجه به زمان فعالیت تصـادفی وایسـتگاه هـای کاری موازی و بافر بین ایستگاه های کاری مسـئله بسـیار پیچیـده ای اسـت .
نمودار پارتو تحلیل نتایج در حال حاضر خط تولید مذکور با توجه به تنوع زمان سیکل هر محصول و تنوع دفعات بازکاری که برای محصولات مختلف اتفاق میافتد برآورد درستی از میزان تخصیص بهینه نیروی انسانی و تجهیزات ندارد و متناسب با همین مطلب جهت افزایش تولید مشخص نیست که تخصیص منابع به چه صورت میباید انجام شود که منجر به افزایش تولید شود و از طرفی هزینه تغییرات نیز حداقل افزایش را داشته باشد که نهایتا منجر به کاهش بهره وری نگردد.
همچنین هدف دوم عبارت از هزینه افزایش و یا کاهش هر عامل مشخص و جمع تغییرات به عنوان هزینه هر طرح در نظر گرفته شد سپس با الگوریتم متا هیورستیک NSGA II به یک نمودار پارتو رسیدیم که جامعه ای متشکل از شرایط بهینه ارائه میکند و با آن میتوان برای مدیران تصمیم سازی کرد که برای افزایش و یا کاهش خروجی محصول به چه میزان هزینه های جاری میباید افزایش و یا کاهش یابد وهمچنین خطی متعادل و بهینه داشته باشیم ."
(
, 
, 
)
