زمانبندی سبز در محیط جریان کارگاهی انعطاف‌پذیر با مراحل پردازش وابسته به ماشین، محدودیت دسترسی به ماشین‌ها و درنظر گرفتن زمان ترخیص کارها

زمانبندی یکی از مسایل مهم در حوزه‌های تحقیقاتی و کاربردی مدیریت تولید است که تاثیر زیادی بر کارایی منابع تولیدی دارد. از این رو، روش‌ها و رویکردهای مختلفی برای حل این مسایل در سیستم‌های تولیدی با ویژگی‌های خاص معرفی شده است. در این راستا، پژوهش حاضر یک مساله زمانبندی سبز جریان کارگاهی انعطاف‌پذیر را مورد بررسی قرار می‌دهد که در آن، مراحل پردازش هر کار وابسته به ماشینی است که آن را در مرحله اول پردازش می‌کند. علاوه بر این، زمان‌های راه‌اندازی وابسته به توالی بوده، محدودیت دسترسی به ماشین‌ها بررسی و زمان‌های ترخیص و آماده بودن کارها نیز درنظر گرفته می‌شود. این مساله با درنظر گرفتن هزینه‌های تولید و مصرف انرژی به عنوان دو تابع هدف مهم، در قالب مدل ریاضی عدد صحیح مختلط (mip) تشریح می‌گردد. مدل پیشنهادی برای حل مساله در ابعاد کوچک با روش محدودیت اپسیلون اجرا شده و یک روش حل تقریبی نیز مبتنی بر رویکرد مرتب‌سازی نامغلوب با الگوریتم ژنتیک (nsga-ii) برای حل مساله در ابعاد بزرگ معرفی می‌شود. نتایج حل نشان‌دهنده عملکرد مناسب الگوریتم پیشنهادی در حل این مساله بوده و همچنین، مقایسه نتایج حاکی از برتری این الگوریتم نسبت به الگوریتم رقیب spea 2 به عنوان یکی دیگر از روش‌های بهینه‌سازی چندهدفه می‌باشد.

green scheduling in flexible flow shop with machine-dependent processing stages, machines eligibility, and release time

scheduling is one of the most important problems in the research and applied fields of production management, which has a great impact on the efficiency of production resources. therefore, various methods and approaches have been introduced to solve these problems in production systems considering specific features. in this regard, this study investigates a flexible flow shop scheduling problem wherein, the processing steps of each job depend on the machine assigned in the first stage. in addition, the setup times depend on the sequence, the machine’s eligibility is investigated, and the release times are also considered. this problem is explained in the form of a mixed-integer mathematical model (mip) by considering production costs and energy consumption as two important objective functions. the proposed model is run using the ϵ-constraint method for solving the problem in small scales, and an approximate solution method based on the non-dominant sorting approach with genetic algorithm (nsga-ii) is introduced for solving the problem in large scales. the solution results show the appropriate performance of the proposed algorithm in solving this problem, and also, the comparison of the results indicates the superiority of this algorithm over the competing spea 2 algorithm as another multi-objective optimization method.