زمان‌بندي خط مونتاژ جريان كارگاهي دومرحله‌اي با درنظرگرفتن اثر كهولت در زمان پردازش، محدوديت دسترسي به كارها و نگهداري و تعميرات پيشگيرانه

Two stage assembly flow shop scheduling problem with preventive maintenance, aging effect and release time

رقابت بين‌المللي و توانايي پاسخ به تغييرات بازار از ويژگي‌هاي كليدي در طراحي سيستم كارآمد توليدي است. جريان كارگاهي مونتاژ دومرحله‌اي، سيستمي تركيبي است كه در آن قطعات مختلف بر روي ماشين‌هاي موازي به‌صورت غيرمستقل توليد مي‌شود، اين سيستم روشي است كه براي توليد طيف وسيعي از كالاها با مونتاژ و تركيب قطعات مختلف به‌كار مي‌رود. در اين تحقيق مسئلة زمان‌بندي خط جريان مونتاژ دومرحله‌اي با درنظرگرفتن اثر استهلاك ماشين‌ها و فعاليت‌هاي نگهداري و تعميرات بررسي شده است. براي مسئلة مورد نظر ابتدا يك مدل رياضي عدد صحيح ارائه‌ شده است، همچنين با حل يك نمونه كوچك عملكرد آن نمايش داده و تحليل حساسيت‌هاي مختلف براي آن ارائه شده است. براي حل در ابعاد متوسط و بزرگ نيز الگوريتم‌هاي فرا ابتكاري HGA و HPSO دريافت شده است كه به‌ترتيب تركيبي از الگوريتم‌هاي ژنتيك و شبيه‌سازي تبريد و الگوريتم تجمع پرندگان هستند. تنظيم پارامترهاي دو الگوريتم نيز با استفاده از روش آماري تاگوچي انجام شده است. نتايج دو الگوريتم نشان مي‌دهد الگوريتم HPSO در مقايسه با الگوريتم HGA، از نظر به‌دست‌آوردن پاسخ‌هاي باكيفيت‌تر (براساس سنجة مقدار تابع هدف) در مسائلي با ابعاد بزرگ كيفيت بيشتري دارد.

In this study, Two-stage assembly flow shop problem (TAFSP) considering aging effects of the machines and preventive maintenance activities is investigated. At the first stage, m-1 parallel machines process parts of each jobs and at the second stage related parts of the jobs are assembled by one assembly machine. As the machines work on the jobs their tools get aged. Aging effects on the machines causes that they will not be able to complete the jobs in the same time could as they were new or when they are operating jobs immediately after their preventive maintenance activity. Processing times of the job are related to the positions in which it is located after the last preventive maintenance. The job that is operated in a position immediately after the preventive maintenance activity on a machine has its standard processing time, however the processing time of the jobs operated in the further positions increase based on the number of the positions. The machines return to the initial condition after each preventive maintenance activity. The objective is to schedule the jobs on the machines and determine when the preventive maintenance activities get done on them in order to minimize the total weighted tardiness and maintenance costs. An integer mathematical model is presented for the problem and its validation is shown by solving an example in small scale. Since two-stage assembly flow shop problem is Np-hard, in order to solve the problem in medium and large scale two meta-heuristic algorithms, Hybrid Genetic Algorithm (HGA) and Hybrid Particle swarm Optimization (HPSO), are proposed. These algorithms are hybrids version of genetic algorithm and particle swarm optimization representatively with simulated annealing. The algorithms are tuned by Taguchi method and are used to solve many numerical examples. Finally statistical analysis illustrates that performance of HPSO is better than HGA.