مسئله زمان بندي جريان كارگاهي غير جايگشتي با تخصيص اپراتورهاي ناهمگن مبتني بر منحني يادگيري

Flow Shop Scheduling with Heterogeneous Workers based on Learning Curve

در اين تحقيق مسئلهي زمان بندي جريان كارگاهي غير جايگشتي، با تخصيص اپراتورهاي ناهمگن و اثر يادگيري بررسي شده است. در نظر گرفتن اپراتورها با سطح توانايي هاي مختلف همزمان با زمان بندي بهينهي كارها در محيط جريان كارگاهي، مي تواند كاربردي تر و به مسائل واقعي نزديكتر باشد. اين مسئله توسط مراكز كار براي افراد كم مهارت جهت ادغام اپراتورهاي داراي توانايي هاي مختلف توسعه يافته است. در اين تحقيق علاوه بر زمان بندي بهينه كارها روي ماشين ها در محيط جريان كارگاهي، به تخصيص بهينه اپراتورها به ماشين ها با توجه به توانايي ها و مهارتهاي آنها پرداخته شده است. لذا هدف از اين تحقيق يافتن همزمان تخصيص بهينهي اپراتورها و زمان بندي بهينهي كارها در محيط جريان كارگاهي در جهت كمينه كردن مجموع وزني زمان اتمام كارها است. در ادامه يك مدل رياضي عدد صحيح مختلط براي حل اين مسئله معرفي شده است. با توجه به پيچيدگي بالاي زمان حل مسأله، استفاده از روش هاي ابتكاري و فراابتكاري براي حل مسئله مي تواند مفيد باشد. لذا در اين تحقيق از روش فرا ابتكاري بر پايهي الگوريتم شبيه سازي تبريد استفاده شده است

with allocation of shop scheduling problem In this paper, we study non-permutation flow heterogeneous worker and learning effect. To consider worker with different ability at the same time optimal schedule of jobs in the flow shop, can be useful and is closer to the real issues. This problem developed by work centers for people with low skills to integrate workers with different abilities. In this paper, addition to optimal scheduling jobs on the machines in the flow shop, the optimal allocation of workers to the machines according to their abilities and skills has been paid. Therefore, the aim of this study simultaneous optimal allocation workers and optimal scheduling jobs in the flow shop in order to minimize the total weighted completion time. In the following, a mixed integer mathematical model is introduced to solve this problem. According to the complexity of the problem, using heuristic and metaheuristic methods to solve the problem can be useful. Therefore, in this study meta-heuristic method based on simulated annealing algorithm used.