عنوان مقاله :
ارائه ي مدل رياضي براي برنامه ريزي توليد در محيط هاي توليدي تركيبي ساخت ذخيره يي سفارشي با درنظرگرفتن فعاليت هاي نگه داري و تعميرات و حل آن با الگوريتم هاي فراابتكاري
عنوان به زبان ديگر :
OPEN INVENTORY ROUTING PROBLEM CONSIDERING FUEL REDUCTION, SOLVING METHOD: DIFFERENTIAL EVOLUTION ALGORITHM
پديد آورندگان :
پيامي، ناصر , مهدي زاده، اسماعيل دانشگاه آزاد اسلامي واحد قزوين - دانشكده مهندسي صنايع و مكانيك
كليدواژه :
ساخت ذخيره يي , ساخت سفارشي , نگه داري و تعميرات , الگوريتم ژنتيك , الگوريتم بهينه سازي ازدحام ذرات
چكيده فارسي :
در اين پژوهش مدل رياضي براي برنامه ريزي توليد در محيط هاي توليدي تركيبي ساخت ذخيره يي و ساخت سفارشي با درنظرگرفتن فعاليت هاي نگه داري و تعميرات ارائه مي شود. براي حل مدل ارائه شده در ابعاد كوچك از روش شاخه وكران با نرم افزار لينگو ويرايش 8 بهره گرفته مي شود. اما به دليل ماهيت N P-h a r d بودن مسئله، براي حل مسائل با ابعاد متوسط و بزرگ از الگوريتم هاي فراابتكاري ژنتيك و بهينه سازي ازدحام ذرات بهره گرفته شده است و پارامترهاي اين الگوريتم ها به روش تاگوچي تنظيم مي شوند. نتايج محاسباتي نشان مي دهند كه الگوريتم هاي ارائه شده در حل مسئله ي مورد مطاالعه از كارايي مناسبي برخوردار هستند. همچنين دو الگوريتم ژنتيك و بهينه سازي ازدحام ذرات پيشنهادي با هم مقايسه شده اند. از نظر گرافيكي الگوريتم ژنتيك پيشنهادي نسبت به الگوريتم بهينه سازي ازدحام ذرات پيشنهادي برتري نسبي دارد اما از نظر آماري تفاوت معناداري بين الگوريتم هاي پيشنهادي وجود ندارد. همچنين به منظور اعتبارسنجي مدل و بررسي تاثير واردكردن، نگه داري و تعميرات در مدل با كمك يك مثال عددي نشان داده شده است كه با تاثيردادن نگه داري و تعميرات در مدل، به طور چشم گيري هزينه ي كل سيستم كاهش مي يابد.
چكيده لاتين :
In this paper, we present a mathematical model in Make to Stock (MTS) and Make to Order (MTO) production environments in order to entry stage. By solving this model, price and lead time of orders will be favorably obtained with respect to the maintenance activities. Also, in this study, scheduled preventive maintenance on assembly resources will be characterized. The proposed mathematical model is a mixed integer linear programming model. After presenting mathematical model, solving methods and various numerical examples in different dimensions are given. To solve the proposed model, at first, we use an exact method. The exact method is applied by optimization software, namely lingo 8.0. After solving the proposed model by Lingo 8.0 software, the results show that lingo software is not able to solve the model in medium- and large- sized problems in a reasonable time. The proposed model is classified among the NP-hard problems. In NP- hard problems, by increasing dimension of problems, the time taken for solving the models increases exponentially. It is also appropriate for our model. For solving NP-hard problems at the appropriate time, the metaheuristic algorithms are applied. Therefore, for solving the proposed model in medium and high dimensions, two meta-heuristic algorithms, namely genetic algorithm (GA) and particle swarm optimization (PSO) algorithms have been used. The comparison between the meta-heuristic algorithms and output of Lingo 8.0 software shows that the suitability of the proposed algorithms for solving the model in medium and high dimensions. Finally, we consider the time and quality of solutions; the two algorithms are compared both graphically and statistically. The graphical comparison shows that genetic algorithm is relatively better than particle swarm optimization algorithm; and the statistical comparison between two metaheuristic algorithms shows that there is no different between genetic algorithm and particle swarm optimization algorithm in solving the proposed mathematical model. It is shown that, with the help of a numerical example and with respect to the maintenance in the model, the total system costs are significantly reduced.
عنوان نشريه :
مهندسي صنايع و مديريت شريف
عنوان نشريه :
مهندسي صنايع و مديريت شريف
