بهینه سازی هوشمند مصرف انرژی در مسئله کارکارگاهی منعطف با در نظرگیری نگهداری و تعمیرات پایایی محور

نگهداری و تعمیرات سهم قابل توجهی از هزینه‎های زنجیره‎های تامین و سیستم‎های تولیدی را شامل می‎شود. امروزه با رشد تکنولوژی های مبتنی بر فناوری اطلاعات سیستم‎های هوشمند نت نیز بسیار در عرصه بین‎المللی در حال گسترش می‎باشد. در این تحقیق به توسعه یکی از روش‎های نوین نگهداری و تعمیرات مبتنی بر پایایی که در آن یک سامانه هوشمند به تعیین تعمیر یا تعویض بر اساس سطح پایایی سیستم می‎پردازد در مسئله بسیار پر کاربرد کارکارگاهی منعطف خواهیم پرداخت. بعلاوه با توجه اهمیت تولید سبز، در مسئله تصمیم‎گیری توسعه داده شده انرژی مصرفی در کنار دو تابع هدف هزینه‎های تولید و پایایی سیستم به توازن می‎رسد. در توسعه نوآوری تحقیق، همانند مدل‎های محاسباتی وزارت نیرو در مدل محاسبه انرژی توجه به مناطق کمتر توسعه داده شده هم به عنوان یک عامل اجتماعی در نظرگرفته شده است. بعلاوه پایایی توسعه داده شده برای سیستمی پیچیده شامل چندین ماشین با عمر تجهیزات وابسته به زمان با قابلیت تعمیرپذیری می‎باشد و در آن مدت زمان انجام عمل‎ها، زمان نگهداری و تعمیرات و سطح پایایی پس از تعمیرآن‎ها همگی تصادفی می‎باشند. سپس مدل توسعه داده شده توسط الگوریتم‎های فراابتکاری مناسب‎سازی شده با رویکرد بهینه‎سازی مبتنی بر شبیه‎سازی حل شده و جواب‎های بدست آمده به وسیله روش‎های آماری و غیرآماری تحلیل شده‎اند. تحلیل محاسباتی نتایج بدست آمده حاکی ازکارا بودن الگوریتم‎های حل برای مسئله پیچیده چندهدفه قویا تصادفی می‎باشد که می‎توانند به عنوان یک سیستم پشتیبان تصمیم در دست توسعه دهندگان نرم افزار در این حوزه قرار گیرد.

intelligent energy consumption optimization in flexible job shop scheduling considering reliability-centered maintenance (rcm)

maintenance is a significant cost factor in supply chains and production systems. intelligent maintenance systems are gaining global interest with the rise of it-based technologies. this study focuses on a new reliability-centered maintenance (rcm) method, where an intelligent system decides on repair or replacement based on system reliability in the practical flexible job shop scheduling problem (fjsp). the research introduces a balance by integrating industrial units’ green production and energy consumption with traditional objectives like production costs and system reliability in a multi-objective framework. another key aspect is the consideration of less developed regions as a social factor in the energy calculation model, resembling the ministry of energy’s computational models. the reliability model is tailored for a complex system with multiple machines having time-dependent lifespans and repair probabilities, where operation times, maintenance times, and post-repair reliability levels are all stochastic. metaheuristic algorithms combined with simulation-based optimization are used to solve the model. statistical and non-statistical methods are used to depict the performance of the algorithms. the study shows that these algorithms effectively solve complex multi-objective stochastic problems and can be considered as a decision support system (dss) for software developers working on real-world applications.