زمانبندی تعمیرات اساسی، با توجه به محدودیت دسترسی به قطعات یدکی، قابلیت اطمینان و دسترسی‌ پذیری تجهیزات و با استفاده از داده‌‌های فازی

این مقاله یک مدل ریاضی در راستای برنامه‌ریزی مطلوب تعمیرات اساسی ماشین‌آلات، در شرایط محدودیت دسترسی به قطعات یدکی در شرایط عدم قطعیت و عدم وجود اطلاعات دقیق و کامل ارائه‌ می‌کند. پارامترهای هزینه تعمیرات، تقاضا، راندمان دستگاه‌ها، قیمت فروش هر واحد محصول و میزان تولید به‌عنوان پارامترهای فازی در نظر گرفته‌شده است. نخست دسترسی‌پذیری یک سیستم صنعتی مدل می‌شود، سپس نتایج آن در توسعه یک مدل برنامه‌ریزی مختلط عدد صحیح غیرخطی به‌کاربرده می‌شود تا با حل آن، زمان انجام تعمیرات اساسی تجهیزات به‌گونه‌ای مشخص شود که مجموع هزینه‌‌های تعمیرات و بهره‌برداری را کمینه کند. رویکرد ارائه‌شده برای یک مثال عددی به‌صورت یک سیستم تولیدی فرضی اجراشده است. درنهایت با حل دقیق، با استفاده از نرم‌افزار gams، پاسخ بهینه مثال موردنظر به‌دست‌آمده است. تحلیل حساسیت پاسخ بهینه نسبت به تغییر پارامترهای اصلی مدل انجام‌شده و نتایج به‌صورت نمودار نشان داده‌شده است. آنگاه مسئله مجدداً با استفاده از رویکرد بهینه‌سازی فازی حل‌شده و نتایج به‌دست‌آمده با روش حل قبلی مقایسه شده است. این نتایج بیانگر آن است که رویکرد فازی انعطاف زیادی در انتقال انتظارات تصمیم‌گیرندگان به فرآیند مدل‌سازی دارد، زیرا با استفاده از آن می‌توان به‌خوبی نظر تحلیل‌گر را در رابطه با اولویت‌بندی توابع هدف، در مدل برنامه‌ریزی ریاضی، منعکس نمود.

overhaul scheduling, considering the limited access to spare parts, reliability, and equipment availability by using fuzzy data

this article presents a mathematical model to develop the optimal planning for equipment overhaul under limited access to spare parts, uncertainty, and lack of accurate and complete information. the parameters of repair cost, demand, device efficiency, the selling price of each product unit, and production rate are considered fuzzy parameters. first, the system availability is modeled. the results are used in the development of a non-linear mixed integer programming model so that by solving it, the time of equipment overhaul can be determined in such a way as to minimize the total costs of repairs and operation. the presented approach is implemented for a numerical example, including a hypothetical production system. finally, with the exact solution, using gams software, the optimal answer to the desired problem has been obtained and analyzed. the optimal solution sensitivity analysis facing the change of the main parameters of the model is done, and the results are shown in the graphs. then the problem is resolved again using the fuzzy optimization approach, and the results are compared with the previous solution method. these results indicate that the fuzzy approach has excellent flexibility in transferring decision-maker’s expectations to the modeling process. in this way, the analyst’s opinion regarding the prioritization of the objective functions can be well reflected in the mathematical programming model.