وبلاگ

خرابی ماشین و سفارش عجله ای

الیسانتوس و همکاران(۲۰۰۳)

FFS

میانگین دیرکرد

الگوریتم ایمن

جدول ۲-۲ (ادامه) دسته­بندی مطالعات بر روی زمان­بندی FFS تحت عدم قطعیت

زمان پردازش احتمالی و زمان های آماده سازی و موعد تحویل

فخرزاد و حیدری (۲۰۰۸)

FFL

هزینه کمبود

رویکرد فازی

ابراهیمی و همکاران(۲۰۱۳)

HFS

دامنه عملیات و دیرکرد

الگوریتم ژنتیم

خادمی زارع(۲۰۱۱)

HFS

مجموع دیرکرد

رویکرد فازی

۲-۷ رویکردهای اساسی زمانبندی تحت عدم قطعیت
در جامعه پژوهش عملیاتی (ادونوان^[۶۲] و همکاران، ۱۹۹۹، ویدال^[۶۳]، ۲۰۰۴؛ آیتوگ و همکاران، ۲۰۰۵؛ جنس و یانگ، ۲۰۰۸؛ اواهاج و پتروویچ، ۲۰۰۹) سه راه اساسی برای مقابله با زمان­بندی تولید تحت عدم قطعیت استفاده شده است که عبارتند از: رویکرد کاملا واکنشی، رویکرد استوار و رویکرد پیشگویانه-واکنشی.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

با توجه به جدول (۲-۲) تنها تعداد کمی از مطالعات در زمان­بندی جریان کارگاهی انعطاف­پذیر تحت عدم قطعیت گزارش شده است. از این رو، به منظور ارائه تصویر بهتر از ررویکردها برای برخورد با عدم قطعیت، دامنه ادبیات به انواع سیستم های تولید گسترش داده شده است، به طور عمده روی جریان کارگاهی، کار کارگاهی و سیستم های تولید انعطاف پذیر (FMS) متمرکز شده است.
۲-۷-۱ رویکرد کاملا واکنشی
رویکرد کاملا واکنشی توسط قابلیت های تصمیم گیری زمان واقعی مشخص می شود. در این روش، هیچ برنامه زمان­بندی از پیش تولید نمی­ شود و تصمیم گیری ها به صورت محلی ساخته شده و می تواند در حین اجرا در صورت لزوم تغییر یابند. این رویکرد به آسانی قابل درک است، و هزینه محاسبه آن کم است. با این حال، تنها از اطلاعات محلی برای تولید برنامه زمان­بندی استفاده می کند که ممکن است در طبیعت پاسخ بهینه جهانی نباشد. رویکرد کاملا واکنشی را در ادبیات به طور عمده می­توان به دو دسته طبقه بندی کرد: قوانین اعزام و روش­های چند عامله(آیتوگ و همکاران، ۲۰۰۵؛ او و ایراپتریتو، ۲۰۰۸).
۲-۷-۲ رویکرد استوار
روش استوار یکی دیگر از راه ممکن برای مقابله با مسئل برنامه ریزی FFS تحت عدم قطعیت است. هدف آن ایجاد یک زمان­بندی برای به حداقل رساندن اثر عدم قطعیت زمانی که زمان­بندی به اجرا در می ­آید. استواری یک زمان­بندی به تفاوت بین مقدار تابع هدف مورد انتظار و زمان­بندی محقق شده مربوط می­ شود. یک زمانبندی با زوال عملکردی کم تحت عدم قطعیت استوار تلقی می­ شود.
در زمینه برنامه ریزی استوار، بسیاری از روش های اندازه گیری برای تعیین کمیت استواری زمان بندی معرفی شده است، که به دو دسته طبقه بندی می­شوند (الویی^[۶۴] و همکاران، ۲۰۰۶؛ سابونکو اقلو و گورن، ۲۰۰۹؛ غزالی و همکاران، ۲۰۱۰٫):
استواری بر اساس عملکرد تحقق یافته: این روش متکی به عملکرد واقعی زمان بندی تحقق یافته است. برای انتخاب یک زمان بندی که با عملکرد خوبی تحقق یافته تلاش می­ کند
استواری بر اساس تأسف: این روش با به حداقل رساندن تأسف، تعریف شده توسط تفاوت عملکرد (یا تفاوت بدترین حالت) بین زمان­بندی مورد انتظار و تحقق یافته مربوط است.
از آنجا که زمان بندی استوار راه حل ها را با مدل سازی عدم قطعیت می­سازد (دونووان^[۶۵] و همکاران، ۱۹۹۹؛ لیو و همکاران، ۲۰۰۷) و یا عملکرد تحت سناریوهای مختلف را بهینه می­ کند (کوولیس^[۶۶] و همکاران، ۲۰۰۰)، می توان آن را به عنوان شکلی از زمانبندی ظرفیت به منظور حفظ استواری تحت سناریوهای مختلف بیان کرد.
بسیاری از روش های زمانبندی استوار در ادبیات بیان شده است. بسیاری از روش های به زمانبندی استوار در ادبیات گزارش شده است. رویکرد مبتنی بر افزونگی یکی از روش های معمول مورد استفاده است با هدف تولید زمان بندی با تخصیص اضافی از منابع و / یا زمان هروئلن و لئوس ۲۰۰۵). یک رویکرد مبتنی بر افزونگی معمولی زمان کمبود و یا بیکاری را در پیشبرد برای جذب اثر عدم قطعیت اضافه می­ کند. روش های قبلی در قرار دادن زمان بیکاری (مهتا، ۱۹۹۹، دونووان و همکاران، ۱۹۹۹) معمولا یک روش دو مرحله ای در طبیعت است. توالی کار ابتدا شناسایی می شود و سپس مقدار زمان بیکاری تعیین می شود و قبل از هر کار قرار داده می شود.
یکی دیگر از روش های استوار، معمولا رویکرد مبتنی بر شبیه سازی است. این حالت معمولا شامل ترکیب روش ابتکاری و یک مدل شبیه سازی رویداد گسسته است، از جمله سردشدن شبیه سازی شده^[۶۷](SA) ابتکاری، الگوریتم ژنتیک (GA)، الگوریتم ایمنی^[۶۸] و بهینه سازی کلونی مورچه ها^[۶۹] (ACO)، و غیره. مدل شبیه سازی رویداد گسسته یک محیط تولید واقعی تحت عدم قطعیت را شبیه سازی می­ کند و به منظور ارزیابی عملکرد از راه حل های تولید شده در طول حل مساله استفاده شود.
الویی و ارتیبا (۲۰۰۴) یک مدل شبیه سازی انعطاف پذیر با SA ابتکاری را برای رسیدگی به زمان­بندی FFS با محدودیت های نگهداری و تعمیرات یکپارچه کردند. مدل شبیه سازی برای ارزیابی راه حل های تولید شده توسط SA استفاده شد. آنها دریافتند که الگوریتم پیشنهادی بهتر از NEH ابتکاری ارائه شده توسط نواز و همکاران (۱۹۸۳) در برخی از موارد پیشنهادی انجام می شود.
وانگ و همکاران (۲۰۰۵) یک کلاس از الگوریتم های ژنتیک مبتنی بر آزمون فرض برای رسیدگی به مسأله زمان بندی جریان کارگاهی با زمان پردازش تصادفی معرفی کردند. در الگوریتم پیشنهادی، جواب­ها با الگوریتم ژنتیک تولید می­ شود و با شبیه سازی­های چندگانه مستقل ارزیابی می­ شود. به منظور بهبود اثر کاوش در فضای جستجو، آزمون فرضیه به رد کردن راه حلی که تفاوت معنی داری نداشتند انجام شد. آنها اثر الگوریتم پیشنهادی در مقایسه با GA سنتی را نشان داده­اند. برای مسأله مشابه زمان­بندی جریان کارگاهی، وانگ و همکاران (۲۰۰۵) همچنین یک الگوریتم بهینه سازی ترتیبی ژنتیکی که بهینه سازی ترتیبی، محاسبات بهینه تخصیص بودجه و GA را ترکیب می­ کند، ارائه کرده ­اند. چنین ترکیبی نه تنها می ­تواند به کیفیت راه حل بهتر منجر ­شود، بلکه می ­تواند استواری راه حل برای مسائل بهینه سازی تصادفی دست یابد
غلامی و همکاران (۲۰۰۹) روش ابتکاری برای حل مسأله زمان­بندی جریان کارگاهی انعطاف­پذیر با راه اندازی وابسته به توالی و خرابی تصادفی ماشین ارائه کرده ­اند. یک شبیه ساز، با بهره گرفتن از سیاست رویداد محور و رویکرد ابتکاری انتقال به راست گنجانده شده در GA برای محاسبه دامنه عملیات مورد انتظار می رود بکار رفته است. استواری الگوریتم با بهره گرفتن از طراحی پارامتر تاگوچی آنالیز شده است. تعداد کارها، تعداد مراحل، میانگین زمان بین خرابی و اندازه جمعیت تاثیر قابل توجهی در استواری روش ابتکاری پیشنهادی دارد. علاوه بر این، میانگین زمان تعمیر یک عامل تنظیم کننده است که تاثیر قابل توجهی در میانگین دامنه عملیات دارد. برای مسأله زمان­بندی مشابه، زندیه و غلامی (۲۰۰۹) روش دیگر، که شبیه سازی با الگوریتم ایمنی یکپارچه شده است را توسعه دادند. به طور مشابه، طراحی پارامتر تاگوچی برای تجزیه و تحلیل نتایج آزمایش مورد استفاده قرار گرفت. تنها تعداد کارها و تعداد مراحل تاثیر قابل توجهی در استواری روش ارائه شده دارند. اخیرا، احمدی زر و همکاران (۲۰۱۰) به مسأله زمان­بندی کارگاه گروهی با تاریخ های انتشار به صورت تصادفی و زمان پردازش تصادفی پرداختند. آنها یک روش بهینه سازی شبیه سازی، که ترکیبی از یک الگوریتم بهینه سازی کلونی مورچه ها، الگوریتم ابتکاری برای تولید راه حل های خوب، و یک مدل شبیه سازی رویداد گسسته ارزیابی عملکرد راه حل بود ارائه شده استفاده کرده اند. دوگاردین و همکاران (۲۰۱۰) سه روش بر اساس GA برای حل FFS با کارهای دوباره وارد شونده و زمان پردازش تصادفی توسعه دادند. یک مدل تصادفی بکار گرفته شد و شبیه سازی رویداد گسسته برای ارائه ارزیابی هر یک از راه حل های تولید شده توسط روش GA مورد استفاده قرار گرفته است.
۲-۷-۳ رویکرد پیشگویانه واکنشی
رویکرد پیشگویانه-واکنشی رایج ترین استراتژی استفاده شده در مطالعات مربوط به زمان­بندی سیستم­های تولیدی پویا است(ویرا و همکاران، ۲۰۰۳؛. آیتوگ و همکاران، ۲۰۰۵). روش پیشگویانه-واکنشی، در واقع یک فرایند دو مرحله ای است(ویرا و همکاران، ۲۰۰۳؛. آیتوگ و همکاران، ۲۰۰۵؛ اولهاج و پتروویچ، ۲۰۰۹). ابتدا، یک پیش ­بینی یک زمان­بندی در طول افق زمانی در نظر گرفته شده ایجاد می شود. سپس در حین اجرای زمان­بندی پیش ­بینی شده، در پاسخ به عدم قطعیت­های غیر منتظره زمان­بندی مجدد انجام می­گیرد. دو موضوع کلیدی که در این رویکرد باید بدان توجه شود این است که اول چه زمانی و دوم چگونه به عدم قطعیت­ها پاسخ گفت.
برای مسأله اول، سه سیاست، یعنی دوره ای^[۷۰]، رویداد محور^[۷۱] و ترکیبی^[۷۲]، در ادبیات معرفی شده است (چورچ و اوزسوری، ۱۹۹۲؛ ویرا و همکاران، ۲۰۰۳).