ارایه مدلی برای حل مساله زمان‌بندی جریان کارگاهی مختلط با جریان کالا و درنظر گرفتن زمان آماده‌سازی وابسته به توالی و زمان حمل‌ونقل

هدف: جریان کالا یک تکنیک موثر برای افزایش کارایی تولید در یک سیستم تولیدی، با تبدیل یک کار به چندین قسمت کوچک‌تر می ‌باشد که در سال‌ های اخیر توجه‌های زیادی را به خود جلب کرده است؛ اما همواره از مفروضات مهمی که در محیط واقعی زمان‌بندی وجود دارد چشم‌پوشی شده است. هدف از انجام این مقاله ارایه‌ یک مدل ریاضی چندهدفه برای حل مساله‌ زمان‌بندی جریان کارگاهی مختلط با جریان کالا و درنظر گرفتن زمان آماده‌سازی وابسته به توالی و زمان حمل‌و‌نقل می‌باشد.روش‌شناسی پژوهش: در ابتدا برای حل مساله‌ یک مدل برنامه‌ریزی ریاضی چندهدفه ارایه و آن‌گاه برای بررسی کارایی مدل ارایه‌شده، مدل به‌صورت وزنی به تک‌هدفه تبدیل شده و مثال‌هایی در ابعاد کوچک طراحی و با استفاده از سالور cplex نرم‌افزار gams حل می‌شود. سپس با الهام از مطالعات پیشین برای حل مساله در ابعاد بزرگ، از الگوریتم‌های فرا ابتکاری مبتنی‌بر الگوریتم ژنتیک چندهدفه بهره گرفته می‌شود. برای بررسی کارایی الگوریتم‌ها، نتایج حاصل از سالور cplex نرم‌افزار gams با خروجی حاصل از الگوریتم‌های فرا ابتکاری در حالت تک‌هدفه مقایسه می‌شود.یافته‌ها: برای اعتبارسنجی مدل پیشنهادی نمونه مساله‌ای در ابعاد کوچک آورده شده است که با استفاده از سالور cplex نرم‌افزار gams حل شده است و برای اعتبارسنجی الگوریتم‌های فرا ابتکاری مثال‌هایی در ابعاد کوچک حل و با جواب‌های حاصل از سالور cplex نرم‌افزار gams مقایسه شده است. مقایسه نشان می‌دهد که الگوریتم‌های فرا ابتکاری از کارایی مناسبی برخوردار هستند. سپس برای حل مدل در ابعاد بزرگ‌تر از دو الگوریتم پیشنهادی استفاده شده است. برای این منظور، 30 نمونه مساله به‌صورت تصادفی تولید شده و از شش شاخص برای مقایسه‌ الگوریتم‌ها استفاده شده است. بعد از انجام آزمایش‌ها و مقایسه الگوریتم‌ها با یکدیگر، نتایج به‌دست‌آمده، کارایی بیش‌تر الگوریتم ژنتیک رتبه‌بندی نا‌مغلوب‌ها را نسبت به الگوریتم nsga-ii در حداقل سه شاخص نشان می‌دهد.اصالت/ارزش افزوده علمی: در این مقاله محدودیت ‌های زمان آماده‌سازی وابسته به توالی و زمان حمل‌و‌نقل بین ایستگاه‌های متوالی برای مساله‌ زمان‌بندی جریان کارگاهی مختلط با جریان کالا به‌منظور حل یک مدل ریاضی با هدف کمینه‌سازی ماکزیمم زمان تکمیل و مجموع تاخیر کار‌ها درنظر گرفته شده که فرض شده است زمان حمل ‌ونقل مستقل از کار‌ها است و تنها یک وسیله نقلیه بین هر دو ایستگاه متوالی وجود دارد. جهت حل مدل در ابعاد بزرگ و با توجه به np-hard بودن مساله از الگوریتم‌ های nsga-ii و nrga استفاده شد.

presenting a model for solving lot-streaming hybrid flow shop scheduling problem by considering independent setup time and transportation time

purpose: lot streaming, which has much attention in recent years, is an effective technique to increase production efficiency in a production system by splitting a job into several smaller parts in a multi-stage production system. but important assumptions that exist in the real-world scheduling environment are always ignored. hence, in this paper, these assumptions are discussed and the results are reviewed. in this paper, the aim is solving a multi objective mathematical model for solving hybrid flow shop scheduling problem with lot-streaming, setup time and transportation time.methodology: at first, a multi objective mathematical programming model is presented for solving the problem. then, by wighting method, the multi objective model convert to single objective model and gams software is used to solve the small size problems to show the performance of the mathematical mothel. inspired by previous studies, two multi objective metaheuristic algorithms based on the genetic algorithm is used to solve the large-scale problems. to illustrate the performance of the proposed metaheuristic algorithms, the obtained results of the algorithms compared with gams outputs in single mode.findings: to validate the proposed model, a sample is solved using gams software and compared with the genetic algorithm. the obtained results show the performance of the mathematical model. then, two proposed algorithms are used to solve the large-scale problems. for this purpose, 30 instance problems are randomly generated and six indicators are used to compare the algorithms. after performing the experiments and comparing the algorithms with each other, the results show nrga algorithm performs bether than nsga-ii.originality/value: in this paper, for solving a multi objective hybrid flow shop scheduling problem with lot-streamingm mathematical model with the aim of minimizing the makespan and total tardiness, the sequence-dependent setup time and the transportation time constraints between consecutive stages are considered. since the problem is np-hard, nsga-ii and nrga algorithms were used to solve the proposed problem.