الگوريتم چندهدفۀ فرا ابتكاري تركيبي براي مسأله زمان‌بندي جريان كارگاهي جايگشتي دوباره وارد‌شونده توزيع‌شده با در نظر گرفتن نگهداري و تعميرات پيشگيرانه در شرايط عدم‌قطعيت

Multi-Objective Hybrid Metaheuristic Search Algorithm for Distributed Reentrant Permutation Flow Shop Scheduling Via Considering Preventive Maintenance under Uncertainty

در اين مقاله، مدلي رياضي براي مسأله برنامه‌ريزي زمان‌بندي جريان كارگاهي توزيعيِ جايگشتي با امكان برگشت دوبارۀ كارها و لحاظ‌كردن برنامه‌ريزي نگهداري و تعميرات پيشگيرانه ارائه شده است. عدم‌قطعيت زمان انجام تعميرات پيشگيرانه با استفاده از رويكرد بهينه‌سازي استوار بودجه‌اي لحاظ شده است. هدف از حل مسأله، تخصيص كارها به تسهيلات توليد و تعيين توالي عمليات آنها با لحاظ‌كردن معيارهاي ارزيابي حداقل‌كردن زمان تكميل آخرين كار، كل هزينه‌هاي توليد و متوسط مدت‌زمان ديركرد در تحويل كارها است. با‌توجه‌به پيچيدگي‌هاي حل مسأله بررسي‌شده، از الگوريتم فرا ابتكاري تركيبي مبتني‌بر جستجوي همسايگي وسيع انطباق‌پذير و شبيه‌سازي تبريد استفاده شده است. نتايج حل نشان‌دهندۀ كارايي مدل ارائه‌شده براي ارائۀ زمان‌بندي و تخصيص مناسب انجام كارها با‌توجه‌به معيارهاي ارزيابي مدنظر و لحاظ‌كردن سطوح مختلف ريسك‌پذيري تصميم‌گيرندگان است. نتايج حل مسائل نمونه و ارزيابي عملكرد الگوريتم حل، نشان‌دهندۀ كارايي آن است.

Distributing the production activities among the supply chain facilities with regard to the considered criteria can have a significant impact on the productive management. In this paper, a comprehensive mathematical model for reentrant permutation flow shop scheduling via considering a preventive maintenance and distributed jobs on different facilities is proposed. The uncertainty of the time of preventive maintenance operation is handled using robust optimization technique based on the uncertainty budget approach. Job assignment to production facilities and job scheduling are determined in the proposed model by considering multiple objectives include Cmax minimization, production cost minimization, and average tardiness. Due to the NP-hard nature of the proposed flow shop scheduling problem, a new hybrid meta-heuristic based on the novel adaptive large neighborhood search and the simulated annealing is adopted. The obtained results from an extensive numerical experimentation indicate the efficiency of the proposed model and solution algorithm to tackle the proposed problem.