Performance Optimization for Skim Milk Powder Unit of a Dairy Plant Using Genetic Algorithm

اين مقاله، بهينه سازي عملكرد واحد شير خشك بدون چربي از كارخانه هاي لبني با استفاده از الگوريتم ژنتيك (G. A.) در موسسه ملي تحقيقات لبني (N.D.R.I) را مورد بررسي قرار مي دهد. كارخانه به بخش هاي زيادي از جمله واحد بازاريابي، واحد تغليظ و خشك كردن، واحد پنير و كره، واحد كنترل كيفيت، واحد پودر شير و واحد بسته بندي تقسيم مي شود. واحد پودر شير بدون چربي، شامل شش زير مجموعه است. نرخ شكست و ترميم از اين زير مجموعه ها از تاريخ هاي تعمير و نگهداري كه به دنبال توزيع نمايي گرفته شده است تبعيت مي كند. به منظور توسعه تفاوت معادلات ديفرانسيل، فرمول رياضي با استفاده از روش احتمالاتي و تولد ماركف - فرآيند مرگ به دست مي آيد. اين معادلات با استفاده از شرايط عادي حل شد تا فرموله كردن شرايط پايدار تدوين گردد. نتايج بهينه نرخ شكست / تعمير هر يك از زير مجموعه هاي واحد شير خشك بدون چربي با استفاده از نرم افزار MATLAB 7.1 و ابزار الگوريتم ژنتيك مورد بررسي قرار گرفته است. شرايط پايدار به دست آمده از تجزيه و تحليل ماركف نيز با در دسترس بودن بهينه محاسبه شده از طريق ابزار G.A. مقايسه شده است. بنابراين، يافته هاي اين مقاله براي مديريت كارخانه و توسعه استراتژي هاي نگهداري مناسب بسيار مفيد مي باشد و موجب افزايش عملكرد سيستم مي گردد.

The paper deals with the performance optimization for skim milk powder unit of a dairy plant at National Dairy Research Institute (N. D. R. I.), Karnal using Genetic Algorithm (G. A.). The skim milk powder unit comprises of six subsystems working in series. The failure and repair rates of the subsystems are taken from maintenance history sheets, which follow the exponential distribution. The mathematical formulation is carried out using probabilistic approach and the Markov birth – death process is used to develop the difference differential equations. The steady state availability expression has been derived using normalizing conditions. The optimal values of failure/repair rates of each subsystem of the skim milk powder unit have been evaluated using Matlab 7.1 G. A. tool. The steady state availability obtained from Markov analysis is also compared with the optimal availability calculated through G. A. tool. So, the findings of the present paper will be highly useful to the plant management for developing proper maintenance strategies which can be implemented in order to enhance system performance.