عنوان مقاله :
بهينه‌سازي خطوط مونتاژ مختلط U شكل با رويكرد فرا ابتكاري الگوريتم جمعيت ملخ‌ها
عنوان به زبان ديگر :
OPTIMIZING U-SHAPED MIXED ASSEMBLY LINES WITH A META- HEURISTIC GRASSHOPPER OPTIMIZATION ALGORITHM
پديد آورندگان :
مظفري، ندا دانشگاه آزاد اسلامي واحد تهران مركزي، تهران - گروه مديريت صنعتي , مهرمنش، حسن دانشگاه آزاد اسلامي واحد تهران مركزي، تهران - گروه مديريت صنعتي , محمدي، محمود دانشگاه آزاد اسلامي واحد تهران مركزي، تهران - گروه مديريت صنعتي
كليدواژه :
بالانس خطوط مونتاژ , خطوط مونتاژU شكل , برنامه‌ريزي عدد صحيح مختلط , الگوريتم فرا ابتكاري ملخ
چكيده فارسي :
عدم دستيابي به يك سيستم توليد متعادل به معناي عدم استفاده كامل از ظرفيت‌هاي سيستم توليد مي‌باشد و بخاطر هزينه‌هاي بسيار زياد سيستم‌هاي توليدي، متعادل‌سازي اين سيستم‌ها يكي از مهم‌ترين مشغله‌هاي مديران توليد 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 دو رويكرد كلي به كار گرفته مي شود، براي ارزيابي مساله در شرايط مختلف دو مساله با اندازه متوسط و بزرگ حل مي شود. ابتدا يك مساله متوسط را با روش دقيق از طريق نرم افزار گمز (GAMS) و سالور بارون (BARON) حل مي شود. سپس يك بار ديگر مساله متوسط با الگوريتم فراابتكاري ملخ حل شده است و نتايج آن ها با روش دقيق مقايسه مي شود و از اين طريق صحت و دقت روش فراابتكاري سنجيده مي شود تا بتوان از آن براي حل مساله با اندازه بزرگ استفاده كرد. در نهايت مقادير برابر تابع هدف الگوريتم ملخ و تابع هدف در نرم افزار گمز نشان از عملكرد خوب اين الگوريتم دارد و در نتيجه مساله بزرگ با الگوريتم فراابتكاري ملخ حل مي‌شود و نتايج نشان از كاهش هزينه و كاهش ايستگاه‌هاي كاري دارد.
چكيده لاتين :
Failure to achieve a balanced production system means not fully utilizing the capabilities of the production system, and because of the high cost of production systems, balancing these systems is one of the most important concerns of production managers. Is. 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. There are two general approaches to problem solving, To evaluate the problem under different conditions two problems of medium and large size are solved. First, an intermediate problem is solved by the exact method through the Gaussian software (GAMS) and the Salon Baron (BARON). Then again the intermediate problem is solved with the grasshopper meta-algorithm and their results are compared with the precise method and by this the accuracy and accuracy of the meta-metric method is measured so that it can be used to solve the large size problem. Finally, the values equal to the Grasshopper Algorithm Target Function and the Gaussian Target Function software show that the algorithm performs well, resulting in a large problem solved by the Grasshopper Metabolic Algorithm, resulting in cost savings and reduced workstations.
عنوان نشريه :
مديريت توسعه و تحول
