عنوان مقاله :
مدلي جديد براي حل مساله موازنه خط مونتاژ هزينهگرا
عنوان به زبان ديگر :
A new model for solving cost- oriented assembly line balancing problem
پديد آورندگان :
موسي زادگان،حسنعلي دانشگاه تربيت مدرس - دانشكده مهندسي صنايع , ذگردي، حسام الدين دانشگاه تربيت مدرس - دانشكده مهندسي صنايع
كليدواژه :
خط مونتاژ , هزينه نيروي انساني و تجهيزات , الگوريتم ژنتيك
چكيده فارسي :
در اين مقاله، يك مدل جديد هزينهگرا براي مساله موازنه خط مونتاژ ارائه شده است كه شامل هزينه نيروي انساني و خريد تجهيزات ميباشد. رويكرد اين مدل نسبت به هزينههاي مذكور به گونهاي است كه علاوه بر اينكه با شرايط واقعي خطوط مونتاژ منطبق ميباشد، امكان استفاده از تجهيزات مشترك بين كارهاي مونتاژ را ميسر ميسازد. تابع هدف و محدوديتهاي اين مدل در قالب روابط رياضي بيان شده و روابطي نيز براي محاسبه حد پايين و بالاي تابع هدف ارائه شده است. براي حل مسائل مربوط به اين مدل از الگوريتم ژنتيك استفاده شده و بهترين مقادير پارامترهاي اين الگوريتم براي ابعاد مختلف مسائل يافت ميشود. همچنين عملكرد الگوريتم ژنتيك پيشنهادي با يك روش معروف موجود بنام RTA ( Random Task Assignment ) و نيز مقادير حدود پايين مقايسه شده است كه نتايج حاصل از اين بررسي، مزيت و برتري نسبي الگوريتم ژنتيك را هم به لحاظ كيفيت جواب و هم از نظر زمان حل به خوبي آشكار ميكند.
چكيده لاتين :
In this research, a new model for cost-oriented assembly line balancing problem has been presented that consists of labour and equipment cost. The approach of this model for these costs is coincided with real condition of assembly lines and yield possibility of using common equipment amoung tasks. The objective function and constrains of this model has been shown by mathematical relations and also some relations for lower and upper bounds of objective function have been presented. Genetic algorithm has been used for solving the problems of this model and the best parameters of this algorithm for different size of problems have been found. Also the performance of suggested genetic algorithm has been compared by a famous method named RTA (Random Task Assignment) and lower bound of objective function. The results of these experiments indicate better performance of the genetic algorithm in quality of solution and computing time.
عنوان نشريه :
مهندسي صنايع و مديريت توليد
عنوان نشريه :
مهندسي صنايع و مديريت توليد