توسعه و حل یک مدل تعیین اندازه انباشته دو سطحی با چند روش تولید بوسیله الگوریتم بهینه سازی میرایی ارتعاش
محورهای موضوعی : مدیریتمحمد ابراهیمی 1 , مقصود امیری 2
1 - کارشناسی ارشد، گروه صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
2 - استاد، گروه مدیریت، دانشگاه علامه طباطبایی، تهران، ایران (عهده‌دار مکاتبات)
کلید واژه: ساختار محصول چند سطحی, مسئله تعیین اندازه انباشته, الگوریتم بهینه سازی میرایی ارتعاش,
چکیده مقاله :
مسئله تعیین اندازه انباشته شامل تعیین مقدار محصول و زمان بندی برای چندین قلم بر روی یک واحد تسهیل با بیش از یک تعداد متناهی از دوره به طوری که تقاضا و ظرفیت محدود می تواند با حداقل هزینه ارضا شود، می باشد. در این مقاله، یک مدل تعیین اندازه انباشته دو سطحی با چند روش تولید ارائه می شود. هدف مدل ارائه شده مینیمم سازی هزینه می باشد. از الگوریتم بهینه سازی میرایی ارتعاش برای حل مدل استفاده می شود. از آنجایی که کیفیت حل همه الگوریتم های فرا ابتکاری به پارامترهای آن ها وابسته است، برای تنظیم پارامتر الگوریتم میرایی ارتعاش از روش تاگوچی استفاده شده است. سپس برای اثبات عملکرد مناسب روش حل ارائه شده، ابتدا مسائل آزمایشی با ابعاد مختلف تولید شده و سپس توسط نرم افزار لینگو و الگوریتم بهینه سازی میرایی ارتعاش حل گردید. در نهایت پاسخ لینگو و الگوریتم بهینه سازی میرایی ارتعاش را با هم از نظر زمان حل مقایسه می کنیم که نتایج بدست آمده نشان می دهد، جواب الگوریتم بهینه سازی میرایی ارتعاش در مسائل با اندازه بزرگ کیفیت بهتری نسبت لینگو داشته است.
The Capacitated Lot Sizing Problem (CLSP) consists of determining the production quantity and timing for several items on a single facility over a finite number of periods so that the demand and capacity constraints can be satisfied at a minimum cost. In this Article, developing two level lot sizing problem with multi production methods is provided. The objective of the proposed model is to minimize costs. Vibration Damping Optimization (VDO) is used to solve a model. Taguchi method has been utilized to calibrate the parameters of algorithms Since the quality of solving all of the meta-innovative algorithms depends on their parameters.Then, to demonstrate the proper function of the solution method is provided, at first, experimental issues with different dimensions were generated, then it was solved by Lingo software and Vibration Damping Optimization. Finally, we compare the Lingo response and the optimization algorithm to reduce the vibration damping Optimization algorithm together in terms of the solution time. The results show that the answer to the vibration damping Optimization algorithm has a better quality than Lingo in issues of large size.
_||_