ارائه الگوريتم بهينه سازي گروه ذرات گسسته براي زمانبندي مساله توليد كارگاهي انعطاف پذير با ماشين هاي موازي

Discrete Particle Swarm Optimization for Job Shop Scheduling Problem with Parallel Machine

زمانبندي توليد حوزه وسيعي از مسايل اكثر سيستم هاي توليدي و خدماتي را تحت پوشش قرار مي دهد به همين دليل ساختار اين نوع مسايل بسيار متنوع هستند. در محيط هاي توليدي پيشرفته، خاصيت انعطاف پذيري توليد به عنوان يك مزيت رقابتي به حساب مي آيد. به همين دليل در اين مقاله نوع خاصي از انعطاف پذيري در مساله سيستم زمانبندي توليد كارگاهي تعريف شده كه در آن در هر ايستگاه كاري، ممكن است چندين ماشين موازي براي پردازش كارها داشته باشد. سرعت پردازش هريك از ماشين ها براي عمليات مختلف نيز مي تواند متفاوت از ديگران باشد. تابع هدف اين مساله، كمينه سازي بازه ساخت بوده و به علت NP-hard بودن آن، از يك الگوريتم فراابتكاري جهت حل مسئله استفاده شده است. از اينرو و به دليل ساختار مساله مورد نظر و گسسته بودن فضاي جواب آن، يك روش جديد گسسته بر پايه بهينه سازي گروه ذرات پيشنهاد شده است. همچنين در انتها نيز براي ارزيابي عملكرد الگوريتم، از چند روش ابتكاري موجود در ادبيات براي بررسي تحليل و مقايسه استفاده شده است.

Since the production scheduling is covered the wide range of manufacturing and services systems, the types of related issues are highly diverse. In advanced manufacturing environments, because the production flexibility property is taking into account as a competitive advantage, in this paper a special kind of flexibility in the job shop scheduling problem is defined in which, for jobs processing, each workstation have multiple parallel machines. Processing speed of each machine can also be different. The objective of this problem is to minimize the maximum completion time (makespan). Due to NPhardness of problem, we proposed a metaheuristic algorithm. In the proposed approach, due to the structure of the problem and its discrete enviorment, we modified a particle swarm optimization as a new discrete algorithm. Finally to evaluate the performance of the algorithm, the proposed algorithm has been compared with several heuristics existing in the literature.