بهینه سازی زمانبندی سیستمهای تولید انعطاف پذیر با استفاده از الگوریتم ژنتیک چند هدفه

با توجه به تغییرات روز افزون جهان پیرامون، انعطاف پذیری راهکار پیشتاز باقی ماندن در کسب و کار است. در چند دهه گذشته عموما سیستم های تولیدی در دو دسته کلی قرار می گرفتند؛ دسته ای به تولید انبوه روی آورده و در مقابل دسته ای دیگر سعی در تولید در اندازه کوچک ولی متنوع و مطابق با خواست مشتریان را داشتند. ولی گسترش بازار مصرف از یکسو و از طرف دیگر تنوع درخواست ها و نیازهای مصرف کنندگان باعث گردید که هیچکدام از این دو سیستم دیگر کارایی گذشته را نداشته باشند. رقابت عامل بقاء و تنوع و سرعت در شناسایی نیازهای مصرف کنندگان شرط رقابت بود. به همین خاطر پاسخگویی به خواسته های مشتریان امکان پذیر نبود مگر با استراتژی انعطاف پذیری. البته انعطاف پذیری از ابعاد مختلفی برخوردار می باشد. یکی از این ابعاد اساسی انعطاف پذیری در تولید می باشد که سیستم تولید انعطاف پذیر به بررسی این بعد پرداخته است. زمانبندی حوزه وسیعی از مسائل اکثر سیستم های صنعتی را پوشش می دهد. مسائل زمانبندی دارای ویژگی های گوناگون و فراوانی می باشند، به همین دلیل مدلسازی این گونه مسائل بسیار مشکل است. بهینه سازی یک فعالیت مهم و تعیین کننده در طراحی ساختاری است. بسیاری از مسائل بهینه سازی در مهندسی، طبیعتاً پیچیده تر و مشکل تر از آن هستند که با روش های مرسوم بهینه سازی نظیر روش برنامه ریزی ریاضی و نظایر آن قابل حل باشند. اینجاست که روشهای فرا ابتکاری در حل مسائل بسیار کارآمد است. با توجه به ادبیات موضوع، در میان این روش ها، الگوریتم ژنتیک بسیار کاربرد داشته است. در این پایان نامه برای بهینه سازی از الگوریتم muga که یک الگوریتم ژنتیک چند هدفه است استفاده گردیده است. علت انتخاب این الگوریتم قدرت فراوان آن در بهینه سازی چند هدفه نسبت به سایر الگوریتم های مشابه است. از جمله مسائل بسیار مهم در حوزه بهینه سازی، بهینه سازی زمانبندی است که برای سازمان ها مزایای اقتصادی فراوانی دارد. اهداف مختلفی برای بهینه سازی زمانبندی در ادبیات تحقیق وجود داشتند که چهار هدف زمان انجام عملیات، هزینه انجام عملیات، عدم توازن و بار کاری روی هر ماشین، از اهداف بسیار مهم و در عین حال رایج بوده اند. در این کار ابتدا کدی در برنامه matlab آماده گردید که مقدار این چهار تابع هدف را حساب می کرد و آن ها را برای الگوریتم muga قابل فهم می کرد، سپس این کد به الگوریتم muga وصل می شد و توسط آن نقاط بهینه که هر چهار هدف را در بر می گرفت، معرفی گردید. به این ترتیب روشی به وجود آمد که توانایی بهینه سازی زمانبندی سیستمهای تولید انعطاف پذیر را با هر میزان پیچیدگی و هر تعداد تابع هدف دارا است.