ارائه يك مدل رياضي با رويكرد بهينه سازي استوار براي طراحي سيستم توليد سلولي پويا با در نظرگيري ماشين آلات چندكاره

a new robust optimization approach to solve a dynamic cellular manufacturing system in presence of multi-functional machines

عدم قطعيت يكي از موضوعات مهم در سيستم­ هاي توليدي مي باشد. عدم وجود اطلاعات كافي و انعطاف در نياز مشتري منجر به ايجاد عدم قطعيت پارامترها مي­ شود. در اين مطالعه يك رويكرد بهينه­ سازي استوار براي مدل سازي عدم قطعيت در سيستم توليد سلولي ارائه شده است. استواري مدل ارائه شده باعث شده است تا جواب بدست آمده به ازاي تمامي مقادير پارامترهاي غيرقطعي، شدني بودن خود را حفظ نمايد و در اين محيط غير قطعي به دنبال يافتن جواب بهينه باشد. علاوه بر اين خرابي ماشين­ آلات چندكاره مورد تحليل قرار گرفته است. انتخاب ابزار به گونه ­اي انجام مي‌شود كه ماشين­ هاي داراي نرخ خرابي بالا كمتر مورد استفاده قرار مي­گيرد و لذا متوسط هزينه مربوط به تعميرات را كاهش مي­ دهد. از ديگر ويژگي­ هاي مدل ارائه شده، در نظرگيري هزينه ­هاي پيكربندي (جا به­ جايي بين سلولي و درون سلولي)، پيكربندي مجدد، نصب و قطع و مصرف ابزار در محيطي پويا مي ­باشد. مدل ارائه شده با استفاده از تكنيك ­هاي خطي ­سازي به مدلي خطي تبديل شده­ است. پس از كدنويسي مدل ارائه شده، با استفاده از نرم ­افزار گمز به تحليل ­هايي از جمله بررسي مقادير بهينه و زمان حل هر يك از مدل­ هاي خطي و غيرخطي و تحليل حساسيت روي پارامترهاي مدل پرداخته شده است. بر اساس نتايج بدست آمده، تاثير اصلي تعادل حجم كاري بر روي تعيين توالي عمليات قطعات و قرارگيري ماشين ­آلات در سلول­ ها مي ­باشد. همچنين هزينه مصرف ابزار بيشتر از ساير توابع هدف از عدم قطعيت ناشي از مقدار تقاضا متاثر شده است.

Parameter uncertainty is one of the most concerning issues in manufacturing systems. Information insufficiency and also flexibility in the customer needs are main reasons of the uncertainty. In this study a robust optimization approach has been implemented in order to cope with uncertainty in a cellular manufacturing system. The solution obtained using this robust model remains feasible even optimal in every uncertainty level. Moreover multi0functional machines’ reliability is considered in proposed mathematical model. Machine tool selection is done based on the machine reliability. Other features of proposed model are consideration of inter-intra cell formation, cells’ reconfiguration and tools’ install-uninstallation costs. The proposed model is linearized and solved using the Gams optimization package. Based on the obtained results, machine loading volume impacts on the part process routing and also the machine intra-cell layout. Moreover, tool consumption cost is the most sensitive term to the model uncertainty.