بالانس خطوط مونتاژ با ايستگاه‌هاي چند اپراتوره با الگوريتم جستجوي ممنوع

MULTI-MANNED ASSEMBLYLINE BALANCINGUSINGTABU SEARCH ALGORITHM

بالانس خط مونتاژ يك استراتژي اثربخش براي كاهش هزينه ها و افزايش بهره وري در صنعت خودروسازي است. در واقع اين مسئله تخصيص كارهاي مختلف به ايستگاه هاي كاري است به گونه اي كه هزينه هاي مونتاژ كمينه، تقاضاها تامين، و محدوديت هاي فرآيند مونتاژ برآورده شوند. خطوط مونتاژ با ايستگاه هاي چند اپراتوره، به گستردگي در سيستم هاي مونتاژي نوين بكار گرفته مي شود. مشخصه هاي اين خطوط باعث افزايش پيچيدگي آن ها نسبت به خطوط مونتاژ ساده مي گردد. در اين مقاله، با بكارگيري هيوريستيك الگوريتم جستجوي ممنوع، رويكردي نو براي بالانس خطوط مونتاژ چند اپراتوره پيشنهاد ميگردد. محدوديت هاي سخت دربرگيرنده محدوديتهاي ناحيه اي، زمان عناصر كاري، زمان چرخه و محدوديت هاي پيشنيازي است. محدوديت هاي وضعيتي نيز محدوديت نرم ميباشند. با بكارگيري دادههاي واقعي خط مونتاژ يك شركت خودروسازي ايراني، توانمندي رويكرد پيشنهادي بررسي گرديد. براي يافتن مقدار مناسب پارامترهاي الگوريتم، سناريوهاي گوناگوني بر روي خط مونتاژ مطالعه موردي اجرا شد و بهترين سناريو و مقادير پارامترهاي الگوريتم پيشنهاد گرديده است. يافتهها نشان ميدهد كه رويكرد پيشنهادي در دستيابي به هدفهاي مساله بالانس خط، بسيار توانمند ميباشد.

Assembly line balancing is an effective strategy for reducing costs and increasing efficiency in car manufacturing industry. It is, in fact, assigning tasks to workstations in such a way as to minimize assembly costs, demand are met, and assembly constraints are satisfied. Multimanned assembly line, to the extent, is used in modern assembly systems. These lines characteristics contribute to the increasing complexity of the assembly line, comparing to simple assembly lines. In this paper, using Tabu Search heuristics, a new approach to multi-manned assembly line balancing is proposed. Hard constraints include zone constraints, element process times, cycle time constraints, and precedence constraints. Positions constraints are considered as soft constraints. Using real data from an Iranian car manufacturing company, the capability of the proposed approach was evaluated. In order to find suitable parameters for the algorithm, different scenarios were run on the case data and the most suitable parameters were proposed. Results show that the proposed approach is very powerful in achieving the goals of multi-manned line balancing problem.