عنوان مقاله :
كمينه‌سازي هزينه توقف خط مونتاژ با استفاده از الگوريتم ژنتيك
عنوان به زبان ديگر :
Minimizing Stoppage Cost of an Assembly Line Using Genetic Algorithm
پديد آورندگان :
توكلي‌مقدم ، رضا دانشگاه تهران - دانشكده فني - گروه مهندسي , رباني ، مسعود دانشگاه تهران - دانشكده فني - گروه مهندسي , بهشتي ، محمد علي دانشگاه مازندران -علوم و فنون - گروه مهندسي
كليدواژه :
خط مونتاژ چند مدلي , هزينه توقف , الگوريتم ژنتيك
چكيده فارسي :
در اين مقاله، يك مدل برنامه‌ريزي غيرخطي عدد صحيح تركيبي با هدف كاهش هزينه توقف خط در خطوط مونتاژ چند مدلي ارايه مي‌شود. امروزه با توجه به دليل تنوع زياد محصولات براي پاسخگويي سريع به تقاضاهاي متنوع مشتريان، اكثر شركتهاي توليدي از خطوط مونتاژ چند مدلي استفاده مي‌كنند. از آنجا كه معمولا زمان مونتاژ، تركيب و مقدار قطعات مورد نياز براي هر مدل متفاوت است، حداقل كردن توقف خط يك عامل عمده كه در تعيين توالي پردازش محصولات مطرح مي‌شود. توقف خط موجب بيكاري اپراتورها، بيكاري ماشينها، كاهش توليد و افزايش هزينه سربار و در نهايت كاهش بهره وري مي‌شود. به علت پيچيد‌گي اين مدل كه جزء خانواده مسايل NP-hard است، يك روش فراابتكاري بر اساس الگوريتم ژنتيك براي به دست آوردن حلهاي نزديك به بهينه در ابعاد بزرگ و در زمان معقول طراحي و پيشنهاد مي‌شود. براي نشان دادن كارايي اين الگوريتم پيشنهادي، نتايج محاسباتي با حلهاي به دست آمده از نرم‌افزار لينگو مقايسه شده است
چكيده لاتين :
This paper presents a nonlinear mixed-integer programming model to minimize the stoppage cost of mixed-model assembly lines. Nowadays, most manufacturing firms employ this type of line due to the increasing varieties of products in their attempts to quickly respond to diversified customer demands. Advancement of new technologies, competitiveness, diversification of products, and large customer demand have encouraged practitioners to use different methods of improving production lines. Minimizing line stoppage is regarded as a main factor in determining the sequence of processing products. Line stoppage results in idleness of operators and machines, reduced throughput, increased overhead costs, and decreased overall productivity. Due to the complexity of the model proposed, which belongs to a class of NP-hard problems, a meta-heuristic method based on a genetic algorithm (GA) is proposed to obtain near-optimal solutions in reasonable time, especially for large-scale problems. To show the efficiency of the proposed GA, the computational results are compared with those obtained by the Lingo software
عنوان نشريه :
مواد پيشرفته در مهندسي
عنوان نشريه :
مواد پيشرفته در مهندسي
