چکیده:
سیستم های تولید سلولی یکی از مهم ترین روش های تولید به شمار می روند. در این مقاله، با توجه به انعطاف پذیری در پردازش عملیات، تخصیص ماشین به هر عملیات و تعریف فازی پارامترهای هزینه، یک مدل چندهدفه برای تشکیل یک سیستم تولید سلولی در شرایط پویا ارائه می شود. در مدل پیشنهادی، اهداف حداقل سازی هزینه های سیستم تولید و حداقل سازی واریانس هزینه های فازی درنظر گرفته می شوند. همچنین، به منظور دستیابی به جواب های موثر، یک الگوریتم ترکیبی از NSGA-II و شبیه سازی تبرید تدریجی پیشنهاد می شود و طراحی آزمایشات تاگوچی برای تنظیم پارامترهای این الگوریتم به کار می رود. برای بررسی کارایی الگوریتم پیشنهادی، نتایج به دست آمده از حل چندین مسئله نمونه مختلف، براساس شاخص های زمان CPU، فاصله نسل ها، فاصله بندی و کیفیت جواب ها با نتایج الگوریتم اولیه NSGA-II مقایسه و تحلیل می شود.
خلاصه ماشینی:
در این مقاله ، با توجه به انعطاف پذیری در پردازش عملیات ، تخصیص ماشین به هر عملیات و تعریف فازی پارامترهای هزینه ، یک مدل چندهدفه برای تشکیل یک سیستم تولید سلولی در شرایط پویا ارائه میشود.
برای بررسی کارایی الگوریتم پیشنهادی، نتایج به دست آمده از حل چندین مسئله نمونه مختلف ، براساس شاخص های زمان CPU، فاصله نسل ها، فاصله بندی و کیفیت جواب ها با نتایج الگوریتم اولیه NSGA-IIمقایسه و تحلیل میشود.
کیا و همکاران (٢٠١٤) نیز یک مدل برنامه ریزی عددصحیح مختلط را برای طرح جانمایی چندطبقه ای سیستم های تولید سلولی در محیط پویا ارائه کردند که درنهایت با استفاده از الگوریتم ژنتیک آن را حل نمودند [١٩].
فرض بیشتر مدل هایی که درزمینه سیستم های تولید سلولی ارائه شده اند، این بوده است که پردازش هر عملیات فقط به یک شکل و با یک ماشین قابلیت برنامه ریزی دارد [١٨].
٣. روش شناسیپژوهش روش شناسی این پژوهش ، در ابتدا ارائه یک مدل ریاضی چند هدفه فازی در خصوص سیستم های تولید سلولی پویا و سپس پیشنهاد یک الگوریتم فراابتکاری ترکیبی به منظور حل آن است .
International Journal of Computers & Operations Research, 36, 777–794.
A new fuzzy genetic algorithm for the dynamic bi-objective cell formation problem considering passive and active strategies.
A fuzzy linear programming approach to layout design of dynamic cellular manufacturing systems with route selection and cell reconfiguration.
Solving a multi-floor layout design model of a dynamic cellular manufacturing system by an efficient genetic algorithm.