عنوان مقاله :
تلفيق منطق فازي و الگوريتم ژنتيك بهمنظور مديريت هزينه - زمان - كيفيت در واحدهاي شاليكوبي مدرن شهرستان رشت
عنوان به زبان ديگر :
Joint Fuzzy Logic and Genetic Algorithm to Management of Cost-time-quality in Modern Milling units of Rasht County
پديد آورندگان :
نبوي پله سرائي، اشكان دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكدۀ مهندسي و فناوري كشاورزي - گروه مهندسي ماشين هاي كشاورزي، كرج , رفيعي، شاهين دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكدۀ مهندسي و فناوري كشاورزي - گروه مهندسي ماشين هاي كشاورزي، كرج , محتسبي، سعيد دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكدۀ مهندسي و فناوري كشاورزي - گروه مهندسي ماشين هاي كشاورزي، كرج
كليدواژه :
برنج , بهينه سازي چند هدفه , جواب پارتو , فرآيند تبديل , منطق فازي
چكيده فارسي :
فيزيك ظريف و حساسيت بالا در فرآيند تبديل شلتوك به برنج سفيد از يكسو و اهميت كيفيت و نقش آن در ارزشافزوده محصول نهايي از سوي ديگر بيانگر اهميت مديريت سه شاخص كيفيت، هزينه و زمان در توليد برنج مي باشد. لذا هدف از اين مطالعه دستيابي به چيدماني بهينه از روش هاي مختلف با كمترين هزينه، كمترين زمان و بالاترين كيفيت در فرآيند تبديل مي باشد. بدين منظور تمامي روش هاي ممكن براي هر مرحله از فرآيند تبديل در واحدهاي شالي كوبي مدرن بيان گرديد و بازهاي از اعداد فازي براي آنها در نظر گرفته شد. همچنين مديريت ريسك نيز با اعمال برش هاي فازي بين صفر تا يك، جهت بررسي عدم قطعيت انجام شد. در گام بعد نيز با استفاده از الگوريتمهاي ژنتيك مبتني بر دستهبندي نامغلوب (NSGA-II) و رتبهبندي نامغلوب (NRGA-II) مديريت پروژه صورت پذيرفت. طبق نتايج، الگوريتم ژنتيك (NSGA-II) عملكرد بهتري نسبت به الگوريتم ژنتيك (NRGA-II) در حل اين مسئله از خود نشان داد و نهايتاً در واحدهاي شاليكوبي مدرن كمترين زمان، كمترين هزينه و بالاترين كيفيت در شرايط قطعي (1=α) به ترتيب 22/22 ساعت، 8088170 ريال و 62 درصد به دست آمد.
چكيده لاتين :
Managing three indicators of quality, cost and time in rice production is important.Therefore, the purpose of this study was to achieve optimal layout of different methods with the lowest cost, minimum time and highest quality in the conversion process. For this purpose, all possible methods for each stage of the conversion process in the modern milling units were expressed and a series of fuzzy numbers was considered for them. Risk management was also done by applying fuzzy cutes from zero to one to investigate uncertainty. In the next step, the project management was adopted using the non-dominated sorting genetic algorithm (NSGA-II) and non-dominated ranked genetic algorithm (NRGA-II). Based on the results, the genetics algorithm (NSGA-II) showed better performance in comparison with genetic algorithm (NRGA-II) in solving this problem and finally, the lowest time, minimum cost and the highest quality in the specified conditions (α = 1) were founded 22.22 hours, 8088170 Rial and 62%, respectively.
عنوان نشريه :
مهندسي بيوسيستم ايران