زمان‌بندی ماشین موازی نامرتبط با زمان‌های راه‌اندازی وابسته به توالی در شبکه تولید چندکارخانه‌ای: مدل‌سازی و الگوریتم حل

امروزه به‌ دلیل برخی چالش‌ها، تولید متمرکز سنتی به‌اندازه کافی انعطاف‌پذیر نیست تا بتواند به تغییرات سریع بازار پاسخ دهد. در چنین محیطی، کارخانه‌ها تصمیم می‌گیرند ادغام شوند و یک شبکه تولید چند‌کارخانه‌ای را برای همکاری نزدیک‌تر با یکدیگر تشکیل دهند. در این راستا، در پژوهش حاضر به زمان‌بندی تولید چند کارخانه‌ ای پرداخته می ‌شود که در آن چند کارخانه متعلق به یک شرکت در قالب یک شبکه تولید چندکارخانه‌ای مشارکتی با یکدیگر فعالیت می ‌کنند تا تابع هدف کلی سیستم بهبود یابد. در اینجا فرض شده است که ماشین ‌ها در هر کارخانه به‌صورت موازی غیرمرتبط با  زمان‌های آماده ‌سازی وابسته به توالی، کارها را پردازش کرده بطوری‌که در روند حل، در یک فرآیند دو تخصیصی، ابتدا کار به کارخانه مناسب و سپس به ماشین مناسب در آن کارخانه تخصیص می‌باید. پس از پیشنهاد یک مدل برنامه ‌ریزی خطی عدد صحیح مختلط جدید بر پایه ترکیب دو نوع مدل‌سازی بر پایه توالی و تخصیص، در اینجا الگوریتم رقابت استعماری برای حداقل‌ کردن حداکثر زمان تکمیل کارها پیشنهاد شده است. درنهایت نیز کارایی الگوریتم با انجام آزمایش‌ها با الگوریتم ژنتیک مقایسه و نتایج گزارش شده است. نتایج عددی و تحلیل‌های آماری انجام‌شده نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم ژنتیک از کارایی بهتری برخوردار است.

unrelated parallel machine scheduling with sequence-dependent setup times in multi-factory production network: modeling and algorithm

today, due to some challenges and competition, such as external pressures, factories are forced to reduce production time, traditional centralized production scheduling is not flexible enough to respond to rapid market changes. in such an environment, factories decide to merge and form a multi-factory production network to work more closely together.  in this research, the multi-factory scheduling problem is considered, which factories belong to a company. the problem is assigning the jobs to appropriate factory and scheduling jobs on machines in each factory. in this paper, it is assumed machines in each factory are unrelated parallel machines. for scheduling jobs on machines sequence-dependent setup times are considered. after proposing a novel mixed integer linear programming model for the problem which is a combination of two types of modeling based on sequence and assignment, we developed an evolutionary metaheuristic namely imperialist competitive algorithm (ica) to minimize the maximum completion time or makespan among the factories. we compare the obtained solutions using the proposed ica with those using an adopted genetic algorithm to show the efficiency of the proposed algorithm. finally, the results are reported. numerical results show that the proposed algorithm has good performance.