ارائه مساله طرح تاسیسات پویا با روش‌های فراابتکاری تک جواب و مبتنی بر جمعیت

محورهای موضوعی : مدیریت صنعتی

Mohammad Mahdi Karampour ¹ (M.A. in industrial engineering, department of industrial engineering, university of science and technology of Mazandaran, Behshahr)
Mostafa Hajiaghaei-Keshteli ² (Assistant professor, department of industrial engineering, university of science and technology of Mazandaran, Behshahr Email: [e-mail])

تاریخ دریافت : 1397/03/12 تاریخ پذیرش : 1397/03/12 تاریخ انتشار : 1397/03/01

کلید واژه: Metaheuristic Algorithms, Dynamic Facility Layout Problem, Imperialist Competitive Algorithm, روش تاگوچی, الگوریتم رقابت استعماری, الگوریتم های فراابتکاری, مساله طرح تاسیسات پویا, Taguchi approach,

چکیده مقاله :

در جوامع مدرن امروزی، مراکز تولیدی باید قادر به ارائه پاسخی صریح، دقیق، فوری به تغییرات تقاضا و تبع آن تغییرات در محصول باشند، بنابراین در این مقاله در پی مطرح نمودن مساله چیدمان و بازآرایی تاسیسات مراکز تولیدی و خدماتی هستیم به‌گونه‌ای که مجموع هزینه‌های حمل و نقل مواد و بازآرایی خطوط تولیدی به کمترین میزان خود برسد. یک طرح بهینه باعث انتقال بهینه و کارا مواد بین تاسیسات و کاهش فرآیند کار و هزینه انبار‌داری می‌شود. برای مراکز تولیدی، هزینه حمل مواد مهمترین شاخص برای تعیین بهره‌وری یک طرح می‌باشد. این موضوع به عنوان مساله طرح تاسیسات پویا (DFLP) مطرح گردیده است. در این مقاله، DFLP با پنج روش فراابتکاری شامل ژنتیک (GA)، شبیه‌سازی تبرید (SA)، جستجوی ممنوع (TS)، ازدحام ذرات (PSO) و رقابت استعماری (ICA) مدل‌سازی شده است. روش تاگوچی جهت انتخاب پارامترهای بهینه به کار برده شده است. نتایج حاصله به خوبی نمایانگر آن‌اند که روش‌های فراابتکاری، راه‌کارهایی بهینه و موثر برای غلبه بر مساله طرح تاسیسات مراکز تولیدی و خدماتی ارائه می‌دهند. نتایج مدل‌سازی حاکی از آن هستند که الگوریتم رقابت استعماری در مقام مقایسه با دیگر روش‌ها، جواب‌های بهینه بهتری را در این مساله با محدودیت‌های مفروض در معیارهای مختلف ارائه می‌دهد.

چکیده انگلیسی:

In modern societies, production centers should be able to supply the variety of demand and type of productions correctly, exactly, clearly and straightly. So, this study aims to present the dynamic facility layout problem (DFLP) in order to minimize the total cost of the facilities and costumes. Design an optimal plan leads to reduce the production process and cost of inventory. Transportation cost plays a key-role to specify the performance designing of part systems. This content displays the Dynamic Facility Location Problem (DFLP) in this paper. In order to handle the proposed problem, five metaheuristic methods are introduced: Genetic Algorithm (GA), Simulated Annealing (SA), Tabu Search (TS), Particle Swarm Optimization (PSO) and Imperialist Competitive Algorithm (ICA) are tackled to solve the problem. Taguchi approach is considered to select the proper values for presented algorithms. The results explain that proposed methods are provided the optimal design for the dynamic facility location problem. As a result, ICA and PSO reach the most performance output in the comparison of other algorithms with assumed conditions in the problem.  

منابع و مأخذ:

1. Armour, G. C. (1963). A heuristic algorithm and simulation approach to relative location of facilities. Management Science , 9(2), 294-309.


2. Balakrishnan J, &. C. (2000). Genetic search and the dynamic layout problem. Computers & Operations Research , 27(6):587–593.


3. Balakrishnan, J. C. (2000). An improved pair-wise exchange heuristic for the dynamic plant layout problem. International Journal of Production Research , 38(13), 3067-3077.


4. Balakrishnan, J. C. (2003). A hybrid genetic algorithm for the dynamic plant layout problem. International Journal of Production Economics , 86(2), 107-120.


5. BaykasogluA, &. G. (2001). A simulated annealing algorithm for dynamic facility layout problem. . Computers & Operations Research , 28(14):1403–26.


6. Burkard RE, &. B. (1983). A heuristic for quadratic Boolean problems with application to quadratic assignment problem. European Journal of Operational Research , 13:374–86.


7. Conway, D. G. (1994). Genetic search and the dynamic facility layout problem. Computers & Operations Research , 21(8), 955-960.


8. Erel E, G. J. (2003). New heuristic for the dynamic layout problem. . Journal of the Operational Research Society , 54:1275–82.


9. Gomory RE, &. H. (1961). Multi-terminal network flows. SIAM Journal , 9:551–70.


10. Hajiaghaei-Keshteli, M. &. (2010). Deriving the cost function for a class of three-echelon inventory system with N-retailers and one-for-one ordering policy. The International Journal of Advanced Manufacturing Technology , 50(1-4), 343.


11. Hajiaghaei-Keshteli, M. S. (2011). Determination of the economical policy of a three-echelon inventory system with (R, Q) ordering policy and information sharing. The International Journal of Advanced Manufacturing Technology , 55(5-8), 831-841.


12. Kaku, B. K. (1997). A tabu-search heuristic for the dynamic plant layout problem. INFORMS Journal on Computing , 9(4), 374-384.


13. Lacksonen TA, &. E. (1993). Quadratic assignment algorithms for the dynamic layout problem. International Journal of Production Research , 31(3):503–17.


14. McKendall, A. R. (2006). Hybrid ant systems for the dynamic facility layout problem. Computers & Operations Research , 33(3), 790-803. .


15. Pardalos PH, &. C. (1989). Proceedings of the 1989 supercomputer conference. In A parallel algorithm for the QAP. (pp. p. 351–60.). New York: ACM Press.


16. Pourvaziri, H. &. (2014). A hybrid multi-population genetic algorithm for the dynamic facility layout problem. Applied Soft Computing , 24, 457-469.


17. Rosenblatt, M. J. (1986). The dynamics of plant layout. Management Science , 32(1), 76-86.


18. Tompkins, J. A. (1996). Facilities Planning. 2 nd edn(New York: Wiley).


19. Urban, T. (1993). A heuristic for the dynamic facility layout problem. IIE Transactions , 25(4):57–63.