ارائه مدل رياضي جديد MILP جهت بهينه‌سازي خطوط مونتاژ مختلط با رويكرد فراابتكاري روش ABC-PSO

The new MILP mathematical model for optimization of complex assembly lines with the ABC-PSO method

مسئله متعادل‌سازي خطوط مونتاژ از جمله مسائل بهينه‌سازي است كه توسط محققين مختلف بسياري مورد مطالعه قرارگرفته است. با اين‌وجود و پس از شش دهه تحقيق و توسعه، وجود شكافي عميق بين مطالعات دانشگاهي انجام‌شده در اين زمينه با كاربردهاي عملي مسئله متعادل‌سازي خط مونتاژ در محيط واقعي صنعت محسوس مي‌باشد. به‌همين دليل اين تحقيق با هدف ايجاد تعادل در خطوط مونتاژ مختلط در جهت كاهش هزينه نيروي‌انساني و كاهش تعداد ايستگاه‌هاي كاري انجام شده است. براي حل مساله از مجموعه داده شامل 7 ايستگاه كاري و 70 وظيفه و زمان حل 500 ثانيه و زمان انجام هر فعاليت شامل 260 فعاليت مشخص، با روابط پيش نيازي تعيين شده دو رويكرد كلي به كار گرفته مي شود، ابتدا مساله با روش دقيق از طريق نرم افزار گمز مدل حل شده است. سپس يك بار ديگر مساله با الگوريتم فراابتكاري زنبورعسل تغيير يافته در نرم افزار متلب حل شده است و در نهايت با استفاده از روش جديد و تلفيقي الگوريتم زنبورعسل هيبريدي با روش PSO نيز حل شده است و در آخر مقادير بدست آمده تابع هدف هر دو روش باهم مقايسه شده است و نتايج نشان مي دهد كه الگوريتم زنبورعسل هيبريدي در همان مراحل اوليه بهينه سازي به جواب بهينه رسيده است و مقدار تابع هدف آن به مينيمم مقدار خود رسيده است و كمترين مقدار تخطي قيود را نيز بدست آورده است و نشان از كاهش هزينه و كاهش ايستگاه‌هاي كاري به 3 ايستگاه دارد.

The problem of balancing assembly lines is one of the optimization problems that have been studied by many researchers. However, after six decades of research and development, there is a profound gap between academic studies in this area and the practical applications of the assembly line balancing problem in the real industry environment. For this reason, this study aimed to balance the complex assembly lines in order to reduce the cost of manpower and reduce the number of workstations. To solve the problem from the dataset consisting of 7 workstations and 70 tasks and the time to solve 500 seconds and the time of performing each activity including 260 specific activities, two general approaches are used to determine the prerequisite relationships. Gams model software is resolved. Then the problem is solved once again with the modified honeycomb algorithm in MATLAB software and finally solved by the new hybrid honeycomb algorithm with PSO method and finally the obtained values of the objective function of both methods are combined. Have been compared and the results show that the hybrid honeycomb algorithm is optimized at the same early stages of optimization and its objective function value reaches its minimum value and also obtained the least amount of constraint violation and shows cost and cost reductions. Reduces workstations to 3.