حل مدل ریاضی چندهدفه تعادل بار آنلاین در خط تولید با روش ترکیبی الگوریتم ژنتیک و شیر مورچه

محورهای موضوعی : آلودگی هوا

نیما رحمانی ¹ (دانشجوی دکتری، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران)
علیرضا ایرج پور ² (دانشیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران)
ناصر حمیدی ³ (استاد، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران)
اکبر عالم تبریز ⁴ (استاد، گروه مدیریت صنعتی، دانشگاه شهید بهشتی، تهران، ایران)
رضا احتشام راثی ⁵ (استادیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران)

تاریخ دریافت : 1401/05/07 تاریخ پذیرش : 1401/08/05 تاریخ انتشار : 1402/03/25

کلید واژه: مدل ریاضی چند هدفه, بالانس آنلاین بار تولید, الگوریتم ترکیبی ژنتیک و شیر مورچه,

چکیده مقاله :

تولید به موقع سفارشات و تحویل آن به مشتری،مزیت رقابتی سیستم های تولیدی است و موجب رضایت مشتری می شود.تخصیص متوازن سفارشات به ایستگاه های کاری، عامل تاثیر گذار در تولید به موقع و حداقل نمودن هزینه ی از دست رفته است. ایجاد توازن بار سفارشات روی ایستگا های کاری ،کاهش زمان دوره ی تولید و کمینه کردن هزینه های مهارت نیروی انسانی و دسترسی به ماشین آلات مولفه های موثر در مسئله بالانس خطوط تولید می باشد. در این مقاله با پرداختن به مولفه های فوق مدل ریاضی چند هدفه برای مسئله بالانس آنلاین بار تولید ارائه شده است. حل مدل ریاضی با معرفی الگوریتم ترکیبی فراابتکاری ژنتیک چند هدفه و شیر مورچه انجام می شود ، این روش حل با داشتن حافظه جستجو جواب های با کیفیت را در زمان مناسب تولید می نماید. نتایج حاصل از رویکرد ارائه شده نسبت به روش های پیشین بالانس آنلاین بار نشان می دهد که زمان دوره تولید و توازن بار روی ایستگاه های کار بهبود یافته اند.

چکیده انگلیسی:

The timely production of orders and their delivery to the customer is a competitive advantage that makes production systems and becomes customer satisfaction. Balancing the load of orders on work stations, reducing the time of the production period and minimizing the cost of human skills and access to machines can be components in the cases of balance of production lines. In this article, by addressing the above components of the mathematical model, several objectives for checking the online load balance are presented. Solving the mathematical model is done by introducing the combined meta-heuristic algorithm of multi-objective genetics and ant milk, this solution method selects the fittest parents based on the fitness of the initial population by using the feature of selecting the initial population and having the search memory to find quality answers at the right time. produces. The results obtained compared to the previous online load balancing methods show that the production time and load balance on the workstations have been improved.