بهینه سازی یک مسئله چند هدفه برنامه ریزی تولید با شرایط دوباره کاری و مجاز بودن برون سپاری در چارچوب رویکرد صف

در این تحقیق، یک تسهیل دوباره کاری با ایستگاه های مستقل برای دوباره کاری محصولات نامنطبق بررسی می شود. این مسئله در چهار حالت مختلف در نظر گرفته می شود. در حالت اول، ظرفیت ایستگاه ها محدود است و در حالت دوم، علاوه بر محدودیت ظرفیت ایستگاه ها استراتژی برون سپاری نیز در نظر گرفته می شود. ابتدا هر ایستگاه به صورت سیستم صف m/m/1/k مدل می شود که در آن k متغیر است. سپس یک مدل برنامه ریزی دو هدفه غیر خطی عدد صحیح برای پیدا کردن ظرفیت بهینه توسعه داده می شود. تابع هدف اول سعی در کاهش زمان های انتظار و تابع هدف دوم سعی در بیشینه کردن بهره وری ایستگاه ها دارد. برای حل این مسئله پیچیده غیرخطی عدد صحیح، از میان روش های تصمیم گیری چند هدفه، هفت روش برتر انتخاب می شود تا مسئله دو هدفه به تابع یک هدفه تبدیل شود. برای حالت اول، فقط از نرم افزار gams و در حالت دوم به دلیل پیجیدگی مسئله از الگوریتم های فراابتکاری استفاده می شود. الگوریتم های فراابتکاری رقابت استعماری، ژنتیک و شبیه سازی انجماد تدریجی برای پیدا کردن جواب بهینه مسئله ی تک هدفه توسعه داده می شوند. در حالت سـوم و چهارم، مسـئله با هـدف تعیین تعداد خدمت دهندگان در هر ایـستگاه تـعریف می شود. هر ایستگاه به صورت صف m/m/m که در آن m متغیر است مدل می شود. سپس دو مدل برنامه ریزی غیر خطی عدد صحیح دو هدفه و سه هدفه توسعه داده می شود. در این جا تابع هدف اول مانند قبل سعی در کاهش زمان انتظار محصولات و تابع هدف دوم سعی در افزایش قابلیت اطمینان ماشین آلات دارد. در حالت چهارم علاوه بر این اهداف، تابعی به منظور کاهش بیکاری ماشین آلات اضافه می شود. برای حل این دو مدل از دو الگوریتم فراابتکاری چند هدفه، نسخه دوم الگوریتم ژنتیک با مرتب سازی نامغلوب و الگوریتم ژنتیک مبتنی بر رتبه بندی نامغلوب ها استفاده می شود. در الگوریتم های تک هدفه و چند هدفه فراابتکاری، ابتدا بهترین عملگرها انتخاب می شوند. سپس، پارامترهای مهم الگوریتم های ذکر شده با استفاده از تحلیل رگرسیون تنظیم می شوند. بر اساس آزمون های آماری t و دانکن و روش چند شاخصه تاپسیس، روش برتر حل هر حالت از مسئله تعیین می شود. برای اعتبار سنجی روش های حل از نرم افزار gams در اندازه کوچک استفاده می شود. در انتها، چندین مثال عددی برای نشان دادن کارایی الگوریتم های توسعه داده طراحی می شود.