بالانس و توالی خطوط مونتاژ مدل چندگانه با در نظر گرفتن اثر یادگیری و فراموشی اپراتورها تحت شرایط عدم قطعیت

هدف: یکی از موضوعات امروزه تولیدکنندگان، بحث تنوع سلیقه های مشتریان است که برای مدیریت این شرایط با کمترین تغییر در محصولات تولیدی، نیاز به خطوط چندگانه است که انعطاف لازم برای تولید این محصولات را دارا باشند. از سویی خیلی از محصولات نیازمند عملیات مونتاژند. هدف اصلی مقاله بالانس این دسته از مسائل با توجه به شرایط نیروی کار و محصولات مختلف است.روش‌شناسی پژوهش: در این مقاله با ارائه مدل‌های ریاضی به حداقل کردن تعداد ایستگاه‌های کاری به ازای یک‌زمان سیکل معین پرداخته می‌شود. در مدل اول تمام پارامترها قطعی است. ازآنجاکه ممکن است تقاضای مشتریان ثابت نباشد و این عامل می‌تواند روی زمان سیکل اثرگذار باشد در مدل دوم، از رویکرد استوار برای این مسئله استفاده می‌شود.یافته‌ها: تجزیه‌وتحلیل روی مسائل مختلف نشان می‌دهد که رویکرد مدل‌سازی استوار طراحی مطمئن‌تری ارائه می‌دهد و به تصمیم‌گیرندگان اجازه می‌دهد تا مونتاژ بهتری بر اساس درک بهتر از شرایط کوتاه‌مدت و بلندمدت تحت شرایط عدم قطعیت تقاضا داشته باشند. اصالت/ارزش‌افزوده علمی: در این مقاله دو مدل ریاضی جدید برای بالانس خط مونتاژ مدل‌های چندگانه ارائه می‌گردد که در آن عملیات مونتاژ توسط کارگران و به شکل دستی صورت می‌پذیرد و برای برنامه‌ریزی دقیق‌تر، تفاوت‌هایی که کارگران از منظر اثر یادگیری و فراموشی دارند، بر روی بالانس خط مونتاژ منظور گردید.

Multi-model Assembly Line Balancing and Sequencing with Operators’ Learning and Forgetting Effects under Uncertainty

Purpose: One of the topics for manufacturers today is to discuss the diversity of customer tastes, which to manage this situation with the least change in products, requires multiple lines that have the necessary flexibility to produce these products. On the other hand, many products require assembly operations. The main purpose of this article is to balance these issues according to the conditions of the workforce and different products.Methodology: This paper presents two mathematical models to minimize the number of workstations per given cycle time. In the first model, all parameters are definite. Since customer demand may not be constant and this factor can affect the cycle time, the second model uses a robust approach to this issue.Findings: Analysis of various issues shows that a robust modeling approach provides a more reliable design and allows decision makers to have better assembly based on a better understanding of shortterm and longterm conditions under conditions of demand uncertainty.Originality/Value: In this paper, two new mathematical models for assembly line balance are presented. Multimodels in which assembly operations are performed manually by workers and for more accurate planning, the differences that workers have in terms of learning and forgetfulness effect on assembly line balance are considered.