مقاله انگلیسی مدیریت ترجمه شده یک الگوریتم شاخه و کران برای مسائل تخصیص کارگر به خط مونتاژ و بالانس

دسته بندی: -

قیمت: 130,000 ریال

تعداد نمایش: 433 نمایش

ارسال توسط:

خرید این محصول:

پس از پرداخت لینک دانلود برای شما نمایش داده می شود.

سال نشر: ۲۰۱۴

تعداد صفحه انگلیسی:  ۱۰

تعداد صفحه ترجمه فارسی:  ۳۹  صفحه word

(دانلود رایگان مقاله انگلیسی)

کد محصول:M451

عنوان فارسی:

مقاله انگلیسی مدیریت ترجمه شده یک الگوریتم شاخه و کران برای مسائل تخصیص کارگر به خط مونتاژ و بالانس

عنوان انگلیسی:

A branch-and-bound algorithm for assembly line worker assignment and balancing problems

چکیده فارسی:

در این مقاله، ما مساله موازنه و تخصیص کارگر به خط مونتاژ را مطالعه می کنیم، که یک تعمیم از مسئله قدیمی موازنه خط مونتاژ است که برای بهینه کردن کار، مونتاژ در ایستگاهها همراه با واگذاری اپراتورها به ایستگاه ها دنبال می شود. رابطه بین این مسئله و چندین مسئله شناخته شده دیگر کشف شده و کران پایینی از آن بوجود آمده اند. بعلاوه، یک الگوریتم شمارش دقیق، که استفاده از کران پایین را ممکن می کند، برای حل مسئله بوجود آمده است. الگوریتم با استفاده از یک مجموعه الگوبرداری استاندارد از نمونه ها ایجاد شده است. نتایج نشان می دهند که الگوریتم با بهترین روشهای عملکردی برحسب کیفیت جواب، و دستیابی به راه حل های بهینه تر نسبت به دیگر روش های دقیقی که در دسترس است بهبود می یابد.

واژه های کلیدی: شاخه و کران، تولید، موازنه خط مونتاژ

۱٫مقدمه

یک خط مونتاژ، یک فرایند تولید است که در تولید انبوه محصولات استاندارد استفاده می شود، مثلا در اتومبیل. یک خط مونتاژ اغلب تشکیل شده از چند ایستگاه است که به شکل زنجیره ای مرتب شده و بوسیله یک سیستم جابجایی مواد به یکدیگر مرتبط می شوند، از قبیل یک کمربند نقاله. واحدهای محصول به صورت متوالی از خط آغاز شده و از ایستگاهی به ایستگاهی دیگر بوسیله سیستم جابجایی مواد جابجا می شوند. به هر ایستگاه یک زمان یکسان تخصیص داده شده، که تحت نام زمان چرخه شناخته می شود، و برای تکمیل یک یا تعداد بیشتری از کارها روی هر محصول می باشد.

مسئله موازنه خط مونتاژ (ALBP) یک مسئله بهینه سازی از تفکیک کار مونتاژ (موازنه) در میان ایستگاه ها بر طبق برخی اهداف است. ALBP یک مسئله وسیع از نظر مطالعاتی است که شکل اصلی آن به صورت مسئله موازنه خط مونتاژ ساده (SALBP) شناخته می شود، [۱] را برای کارهای اخیر ببینید. SALBP با تخصیص کارها به ایستگاه به روشی سر و کار دارد که روابط اولویتی بین امور (مثلا، صندلی های ماشین باید قبل از درب های ماشین مونتاژ شوند) کامل شده و کارایی خط بیشینه شود. بیشینه کردن کارایی معادل با کمینه کردن زمان بیکاری کلی است، که با اختلاف بین زمان چرخه و بار کاری هر ایستگاه اندازه گیری می شود (بار کاری یک ایستگاه عبارت از جمع زمان های عملیاتی کارهاییست که انجام می شود).

این اهداف می توانند با کمینه کردن تعداد ایستگاه ها برای یک زمان چرخه (اهداف نوع اول)، با کمینه کردن زمان چرخه برای یک تعداد خاص از ایستگاه ها (اهداف نوع دوم) و یا با کمینه کردن محصول زمان چرخه و تعداد ایستگاه ها (اهداف نوع E) بدست بیایند. همچنین یک حالت ممکن شناخته شده به نام مسئله نوع F وجود دارد که در آن هر دوی زمان چرخه و تعداد ایستگاه ها معلوم است، و هدف یافتن یک جواب ممکن است. حالات بهینه سازی SALBP بعنوان مسائل NP سخت شناخته شده و آنها را به مسئله بسته بندی تعمیم می دهند، که یک مسئله NP سخت است [۲].

هر مسئله ای که دارای محدودیت های اضافی یا اهداف مختلف باشد ممعمولا بعنوان مسئله موازنه خط مونتاژ کلی (GALBP) شناخته می شود، [۳] را برای یک شمای طبقه بندی شده و یا [۴] را برای یک مرور ببینید. معمولا، GALBP ها بر اساس SALBP و بواسطه به میان آوردن خصوصیات دیگری از موقعیت های زندگی واقعی ایجاد می شوند. مسئله ای که در این مقاله آورده شده است، بر اساس یک SALBP بوسیله مد نظر قراردادن زمان های عملیات که می تواند وابسته به عملکرد کارگران یا ویژگی های روبات هایی که این کارها را انجام می دهند باشد[۵]، ساخته شده است. در این نمونه، راه حل نیازمند تخصیص اوپراتورها، کارگرها یا روباتها به ایستگاه ها باضافه تفکیک امور است.

مسائل دیگری تحت شرایط مزبور اخیرا مطالعه شده اند. روبینوویتز و همکاران [۶] اولین مطالعه را انجام داده اند (به بهترین نحو از دانش)، که در آن هم تصمیم گیری در مورد تخصیص اوپراتور و هم موازنه خط به طور همزمان مد نظر است. این مطالعه توجه می کند که روبات های مختلفی برای انجام امور در دست است. روباتها ویژگی های متفاوتی دارند که برای زمان های عملیاتی که برای انجام هر کار مورد نیاز است مناسب است.

هدف در اینجا یافتن یک راه حل است که تخصیص روبات و کار برای هر ایستگاه به شکلی باشد که کارایی خط را بیشینه کند. این مسئله بعنوان مسئله موازنه خط مونتاژ روباتیک (RALBP) شناخته شده، و در نظر دارد که هیچ طراحی خطی که از قبل باشد، موجود نبوده، و بنابراین تعداد روباتهای موجود از هر نوع محدودیت ندارد.

اخیرا، میرالز و همکاران [۷] یک کاربرد از موازنه خط را برای یک مرکز کاری برای معلولین مطالعه کرده اند. نویسندگان به وجود نیروی کاری که بوسیله اوپراتورهایی که مهارتهای مختلف دارند و کسانی که کارهایی را که به هر ایستگاه تخصیص یافته انجام می دهند، شکل یافته است؛ توجه می کنند. مسئله بعنوان مسئله موازنه و تخصیص کارگر به خط مونتاژ (ALWABP) مشهور شده تا از مسائل قبلی دیگر مجزا شود زیرا وجود نیروی کاری یک محدودیت جدید است. در حالیکه برخی استثنائات وجود دارد (به مرور در بخش ۲ نگاه کنید)، ادبیات موضوع زمانی که اوپراتورها تنها هستند به این مسئله بعنوان ALWABP نگه می کند، و زمانی که انتخاب اوراتور بخشی از مسئله است، بعنوان RALBP نگاه می کند.

در این مقاله، ما مورد ALWABP را بررسی می کنیم (اوپراتورهای مجزا)، که در آن تعداد اوپراتورهای موجود و ایستگاه های موجود مساوی بوده و هدف بیشینه کردن کارایی از طریق کمینه کردن زمان چرخه است؛ این مورد بعنوان ALWABP-2 مشهور است. درواقع این شرایط متداولی را نشان می دهد که در آن تعداد اوپراتورها از طراحی خط موجود نشات گرفته اما تغییر در آمیخته تکنولوژی یا محصول، زمان های عملیات کاری را تغییر می دهد، بنابراین موازنه دوباره ضروری می شود. توجه کنید که مسئله از نوع NP سخت است که SALBP را تعمیم  داده است.

برای حل کردن این مسئله، ما یک روش شمارشی دقیق را پیشنهاد میکنیم که مبتنی بر الگوریتم انشعاب، کران و یادآوری (BB&R) ارائه شده در [۸] برای SALBP-1 است، که بهترین رویه عملکردی در ادبیات موضوع برای این نمونه ساده است. کاربرد الگوریتم نشان می دهد که رویه های قبلی موضوع را بهتر کرده است، و دیگر روش ها را بر حسب کیفیت جواب بهتر خواهد کرد. این الگوریتم قادر به تغییر بهینگی ۲۶۹ نمونه و یافتن جواب بهینه برای ۳۱۸ نمونه از ۳۲۰ نمونه الگوبرداری شده است که در چندین مطالعه اخیر استفاده شده است ([۹-۱۲] را ببینید).

مابقی این مقاله بصورت زیر ساختار یافته است: بخش ۲ به تشریح مسئله و مرور ادبیات مسائل موازنه، بخصوس مسائل آشنا اختصاص یافته است. بخش ۳ روش های کران پایین متفاوت را که برای توسعه یک الگوریتم BB&R استفاده می شوند، که تمرکز بخش ۴ است، توضیح می دهد. بخش ۵ نتایج چندین تجربه محاسباتی را که الگوریتم در آنها پیشنهاد شده است نشان میدهد، و بخش ۶ یک خلاصه را ارائه کرده و نتایج انتخابی را برای کار فعلی ارائه می کند.

پاسخ دهید