بهینه ‌سازی چیدمان تسهیلات در یک سیستم تولید سلولی پویا، بر‌اساس میزان مصرف انرژی و ایمنی محیط کار و با در نظر گرفتن تخصیص اپراتور

سیستم تولید سلولی پویا، یکی از سیستم‌های تولیدی شناخته‌ شده است که امکان افزایش میزان واکنش‌پذیری، انعطاف‌پذیری و چابکی را در تولید‌، به‌منظور رقابت در بازار فراهم می‌کند؛ ولی با رشد توسعۀ صنعتی و توجه روزافزون جوامع به میزان مصرف انرژی و شرایط کارکنان در تولید، با چالش جدیدی مواجه شده است؛ به‌نحوی ‌که باید مباحث پایداری را از همان ابتدا و در طراحی چیدمان تسهیلات بگنجاند. این مقاله یک مسئلۀ بهینه‌سازی چندهدفه را در یک سیستم تولید سلولی پویا، با در نظر گرفتن میزان مصرف انرژی (الکتریکی) و توجه به ایمنی محیط کار کارکنان بررسی می‌کند. برای این امر یک مدل جدید، توسعه یافته است که حداقل‌سازی هزینه‌های جابه‌جایی و بازآرایی تسهیلات، حداقل‌سازی خطرات محیط کار (خطر بالقوۀ قرارگیری ماشین‌آلات در مکان خاص) و مصرف انرژی الکتریکی در عملیات تولید محصول را دنبال می‌کند. به‌منظور نزدیک‌شدن مدل به شرایط واقعی، دیگر موضوعات مربوط به محیط واقعی تولید، مانند استخدام و اخراج اپراتورها در هر دوره، آموزش، دستمزد و تخصیص نیز در مدل گنجانده شده است. مدل پیشنهادی با طراحی نمونه‌هایی در ابعاد مختلف و با استفاده از روش اپسیلون، محدودیت و الگوریتم فرا‌ابتکاری nsga-ii و mopso حل و با استفاده از شاخص‌های عملکردی (میانگین فاصله از ایده‌آل، پراکندگی، یکنواختی و زمان پردازش) مقایسه و با استفاده از آزمون t‌ تحلیل شده است. نتایج نشان داد‌ کیفیت جواب‌های حاصل از الگوریتم nsga-ii نسبت‌به دیگر روش‌ها بهتر بوده و از‌نظر زمان حل، حداقل 2 برابر زودتر از روش اپسیلون محدودیت به جواب رسیده است.

optimizing the layout of facilities in a dynamic cellular manufacturing system based on the amount of energy consumption and the work environment safety considering operator allocation

purpose: the design of facility layout and production planning accordingly is significantly important in the manufacturing industries. this type of design in traditional units is mainly based on the lowest cost of moving materials and effective environmental indicators, and social factors are ignored in the planning and design of facility layout; therefore, usually, the arrangement does not match the human capacity, the intensity of the employees’ work is not scientific and it causes a lot of damage to the physical and mental health of the employees for a long time. considering the importance of the mentioned items, paying attention to biological issues such as energy, which is one of the main concerns of the country, and social issues, such as the safety of the operator’s work environment, which is followed by governmental and non-governmental associations, can be considered a positive and new step in the layout design.design/methodology/approach: in this paper, a multi-objective mathematical programming model has been developed in a dynamic cellular manufacturing system, taking into account the minimization of the costs of moving and rearranging the facilities, the minimization of the risks of the work environment (the potential risk of placing machinery in a certain place), and the consumption of electrical energy in product production operations. to make the model closer to reality, other issues related to the production environment such as hiring and firing operators in each period, training, wages and their allocation are also included in the model. the proposed model is solved by designing samples in different dimensions, applying the epsilon constraint method and meta-heuristic algorithm nsga-ii and mopso, using performance indicators, and associated comparison and analysis by t-test.findings: performance indices (spacing metric, diversification metric, mean ideal distance, cpu time) in solution methods were calculated and compared based on information inspired by the subject literature and the design of 15 problems with different dimensions. the results indicated that the quality of the solutions obtained from the nsga-ii algorithm was better than other methods and in terms of the solution time, the solution was reached at least two times earlier than the epsilon constraint method.research limitations/implications: for future studies, it is suggested to investigate the performance of other meta-heuristic algorithms to solve the proposed model; also, the combination of other real-world industrial factors such as financial and energy resource limitations, facility idle time, and unequal facility dimensions can be considerably valuable for future research. in addition, the uncertainty of the parameters, which is one of the main and practical issues in the real world, can be added to the model in terms of demand or processing time.