اولويت بندي انتخاب قطعات از فضاي انبارش و ارسال به واحد توليد بر اساس يك مدل رياضي جديد و الگوريتمهاي فراابتكاري چند هدفه

Prioritizing Order Picking from Storage and Transferring to Production Department Based on a New Mathematical Model and Multi-objective Meta-heuristic Algorithms

انبار مكاني است كه در هر كارخانه از لحظه دريافت مواد اوليه تا ارسال محصول نهايي وجود دارد. در فرآيندهاي انبار، انتخاب سفارش به عنوان فعاليتي كه بيشترين هزينه را دارد مطرح است. در اين مقاله، يك مدل رياضي دو هدفه براي مسئله انتخاب سفارشات اقلام از انبار پيشنهاد شده است. اهداف در نظر گرفته شده براي مدل توسعه يافته علاوه بر كمينه‌كردن كل هزينه هاي برداشت قطعه از انبار، ميانگين ديركرد تحويل سفارشات به خطوط مونتاژ/توليد را به حداقل مي رساند. مدل‌ پيشنهاد شده از دسته مسائل برنامه‌ريزي خطي عدد صحيح تركيبي (MILP) مي‌باشد كه به‌دليل پيچيدگي مسئله در ابعاد بزرگ و اثبات NP-Hard بودن آن در ادبيات موضوع، به‌منظور حل از الگوريتم‌هاي فرا ابتكاري چند هدفه با رويكرد پارتو شامل الگوريتم‌ ژنتيك مرتب‌سازي نامغلوب (NSGA-II) و الگوريتم ژنتيك رتبه بندي نامغلوب (NRGA) بهره برده ايم. از آنجائيكه خروجي الگوريتم‌هاي فرا ابتكاري به شدت وابسته به پارامترهاي ورودي الگوريتم‌هاست، از روش تاگوچي جهت تنظيم پارامترها استفاده شده است. در نهايت به‌منظور اثبات عملكرد مناسب روش‌هاي حل ارايه شده در مدل‌ مربوطه، اين روش‌ها بر روي مسائل آزمايشي توليد شده با ابعاد مختلف مورد تجزيه و تحليل آماري قرار گرفته است.

Warehouses are used in many factories from the moment of receiving raw materials to the moment of transmitting final products. In this paper, a bi-objective mathematical model is proposed for order picking problem in warehouses and delivery of orders to production/assembly lines. The first considered objective is to minimize the total cost of order picking in warehouse, and the second objective is to minimize the average tardiness of delivering orders to production/assembly lines.The proposed model is a mixed integer linear programming problem. Since the under study problem is proved in literature to be a NP-Hard problem, two multi-objective meta-heuristic algorithms are proposed entitled non-dominated sorting genetic algorithm (NSGA-II), and nondominated ranking genetic algorithm (NRGA). Since the optimality of solutions for meta-heuristic algorithms depends on the parameters of algorithms, the Taguchi method is utilized to tune the parameters of algorithms. Finally, computational results from solving different numerical examples with different sizes illustrate the performance of the proposed method.