بالانس و توالي خطوط مونتاژ مدل چندگانه با در نظر گرفتن اثر يادگيري و فراموشي اپراتورها تحت شرايط عدم قطعيت

Multi-model Assembly Line Balancing and Sequencing with Operators’ Learning and Forgetting Effects under Uncertainty

يكي از موضوعات امروزه توليدكنندگان، بحث تنوع سليقههاي مشتريان است كه براي مديريت اين شرايط با كمترين تغيير در محصولات توليدي، نياز به خطوط چندگانه است كه انعطاف لازم براي توليد اين محصولات را دارا باشند. از سويي خيلي از محصولات نيازمند عمليات مونتاژند. هدف اصلي مقاله بالانس اين دسته از مسائل با توجه به شرايط نيروي كار و محصولات مختلف است. روش‌شناسي پژوهش: در اين مقاله با ارائه مدل‌هاي رياضي به حداقل كردن تعداد ايستگاه‌هاي كاري به ازاي يك‌زمان سيكل معين پرداخته مي‌شود. در مدل اول تمام پارامترها قطعي است. ازآنجاكه ممكن است تقاضاي مشتريان ثابت نباشد و اين عامل مي‌تواند روي زمان سيكل اثرگذار باشد در مدل دوم، از رويكرد استوار براي اين مسئله استفاده مي‌شود. يافته‌ها: تجزيه‌وتحليل روي مسائل مختلف نشان مي‌دهد كه رويكرد مدل‌سازي استوار طراحي مطمئن‌تري ارائه مي‌دهد و به تصميم‌گيرندگان اجازه مي‌دهد تا مونتاژ بهتري بر اساس درك بهتر از شرايط كوتاه‌مدت و بلندمدت تحت شرايط عدم قطعيت تقاضا داشته باشند. اصالت/ارزش‌افزوده علمي: در اين مقاله دو مدل رياضي جديد براي بالانس خط مونتاژ مدل‌هاي چندگانه ارائه مي‌گردد كه در آن عمليات مونتاژ توسط كارگران و به شكل دستي صورت مي‌پذيرد و براي برنامه‌ريزي دقيق‌تر، تفاوت‌هايي كه كارگران از منظر اثر يادگيري و فراموشي دارند، بر روي بالانس خط مونتاژ منظور گرديد.

One of the topics for manufacturers today is to discuss the diversity of customer tastes, which to manage this situation with the least change in products, requires multiple lines that have the necessary flexibility to produce these products. On the other hand, many products require assembly operations. The main purpose of this article is to balance these issues according to the conditions of the workforce and different products. Methodology: This paper presents two mathematical models to minimize the number of workstations per given cycle time. In the first model, all parameters are definite. Since customer demand may not be constant and this factor can affect the cycle time, the second model uses a robust approach to this issue. Findings: Analysis of various issues shows that a robust modeling approach provides a more reliable design and allows decision makers to have better assembly based on a better understanding of short-term and long-term conditions under conditions of demand uncertainty. Originality/Value: In this paper, two new mathematical models for assembly line balance are presented. Multi-models in which assembly operations are performed manually by workers and for more accurate planning, the differences that workers have in terms of learning and forgetfulness effect on assembly line balance are considered.