نام پژوهشگر: فاطمه بشارتی مقدم

بررسی مسأله زمان بندی گروهی تک ماشین با فرض زوال تکه ای و با تابع هدف کمینه کردن مجموع دیرکرد
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده صنایع و سیستمها 1390
  فاطمه بشارتی مقدم   فریماه مخاطب رفیعی

در اکثر مسائل زمان بندی فرض می شود که مدت زمان پردازش کارها ثابت هستند. این فرض در بسیاری از محیط های تولیدی صحیح نیست و در عمل به محیط هایی برخورد می شود که عوامل مختلف بر روی مدت زمان پردازش تأثیر گذاشته و موجب افزایش یا کاهش آن می شوند. بنابراین در نظر گرفتن مدت زمان پردازشی که مقدار آن بستگی به زمان شروع فعالیت داشته باشد، منطقی به نظر می رسد.همچنین مفهوم تکنولوژی گروهی نیز با گروه بندی بخش ها و محصولات متفاوت با فرآیند های تولیدی و طرح های مشابه، باعث افزایش کارایی و بازدهی تولید می شود.لذا در این تحقیق، مسأله زمان بندی در یک محیط با در نظر گرفتن تکنولوژی گروهی بررسی شده است. از میان معیارهای گوناگون مسائل زمان بندی، تابع هدف مجموع دیرکرد ،کاربرد عملی فراوانی در محیط های تولیدی و صنعتی دارد. علت این امر به دلیل متناظر بودن این تابع هدف با هزینه جبران دیرکرد در خط تولید و مونتاژ و در اکثر مواقع معادل هزینه از دست دادن مشتری می باشد. این مطالعه به بررسی مسأله زمان بندی تک ماشین با کارهای رو به زوال (زوال غیر خطی –تکه ای) و در نظرگرفتن تکنولوژی گروهی با معیار کمینه کردن مجموع دیرکرد می پردازد . با توجه به اینکه مسأله مورد نظر np-hard است و امکان ارائه حل بهینه برای مسأله در مدت زمان معقول در اندازه های بزرگ وجود ندارد، به همین دلیل برای حل مسأله، از یک رویکرد شاخه و کران برای مسائل با اندازه های کوچک استفاده شده است.درتحقیق انجام شده با ارائه حدبالا، حدپایین و اصول غلبه کارا مسائل تا تعداد 25 کار با 5 گروه به صورت بهینه حل شده است و در تعداد کار 25 با 12 گروه و نیز در تعداد بالاتر روش شاخه و کران در محدوده زمانی 3600 ثانیه قادر به حل مسأله نمی باشد. حد بالای استفاده شده در تحقیق مورد نظر الگوریتم ژنتیک با عملگرهای تقاطع و جهش در نظر گرفته شده است. همچنین مسائل در مقیاس بزرگ با استفاده از روش ترکیبی الکترومغناطیس و الگوریتم ژنتیک حل شده و جواب حاصل از روش ترکیبی با روش الگوریتم ژنتیک از نظر کیفیت جواب و مدت زمان حل با هم مقایسه شده اند. نتایج بدست آمده نشان دهنده عملکرد بهتر الگوریتم ژنتیک از نظر کیفیت جواب حاصل شده می باشد.