نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

2 استاد یار، گروه مهندسی صنایع ، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

3 استاد، گروه مدیریت صنعتی، دانشگاه علامه طباطبایی، تهران، ایران

10.22105/dmor.2021.271200.1315

چکیده

هدف: یکی از مهمترین مسائل حوزه زمانبندی تولید که اخیراً بسیار مورد توجه محققان قرار گرفته است، مسئله زمانبندی کار کارگاهی منعطف با منابع دوگانه محدود انسان و ماشین (DRCFJSP)است. برای مقابله با اختلال های غیرمنتظره مانند خرابی ماشین، باید برنامه زمانبندی کارها استوار باشد تا در صورت وقوع اختلال، برنامه زمانی دارای کارایی مناسبی باشد و از راه حل بهینه انحراف کمتری داشته باشد. لذا در این تحقیق، مسئله زمانبندی کار کارگاهی منعطف با منابع دوگانه محدود انسان و ماشین با در نظر گرفتن سناریوهای محتمل خرابی ماشین‌ها یا اختلال در کارگاه مورد مطالعه قرار می گیرد.

روش‌شناسی پژوهش: در حل مسئله مورد مطالعه، نحوه واگذاری کارها به ماشین‌ها و توالی عملیات بر روی هر ماشین باید به گونه‌ای صورت پذیرد که تحت هر سناریوی محتمل، حداکثر زمان تکمیل کارها کمینه شود تا ترکیب وزنی مربوط به عملکرد سیستم در حالت متوسط، عملکرد سیستم در حالت بدبینانه، جریمه نقض قیود پنجره های زمانی موعدهای تحویل کارها و واریانس مقدار تابع هدف با توجه به سناریوهای مختلف بهینه باشد. به این منظور یک مدل برنامه‌ریزی تصادفی سناریومحور استوار (RSSP) در قالب یک مدل برنامه ریزی خطی عدد صحیح مختلط برای این مسئله ارائه گردیده است و به منظور اعتبار‌سنجی در ابعاد کوچک و متوسط بوسیله نرم‌افزار گمز حل شده است. با توجه به Np-hard بودن این مسئله، یک روش فراابتکاری مبتنی بر الگوریتم ژنتیک (GA) برای حل مسائل در ابعاد بزرگ ارائه شده است.

یافته ‎ها: نتایج اجرای مدل RSSP پیشنهادی نشان می‌دهد که نرم افزار گمز قادر است که مسائل مذکور تا ابعاد متوسط را در یک زمان قابل قبول حل کند و به یک پاسخ کنترل شده و استوار دست یابد. همچنین نتایج عددی نشان‌دهنده عملکرد مناسب الگوریتم GA پیشنهادی به عنوان یک گزینه برای حل مدل RSSP در مسائل با اندازه بزرگ است.

اصالت/ارزش افزوده علمی: در این تحقیق، مسئلهDRCFJSP با در نظر گرفتن سناریوهای محتمل خرابی ماشین‌ها مورد مطالعه قرار می گیرد. همچنین در این مقاله یک مدل برنامه‌ریزی تصادفی سناریومحور استوار (RSSP) در قالب قاعده برنامه ریزی خطی عدد صحیح مختلط و یک روش فراابتکاری برای برای مسئله مورد نظر ارائه گردیده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Modeling and Solving Dual Resource Constrained Flexible Job-Shop Scheduling Problem considering Machine Breakdown

نویسندگان [English]

  • Parham Soofi 1
  • Mehdi Yazdani 2
  • Maghsoud Amiri 3
  • Mohammad Amin Adibi 2

1 PhD Student, Department of Industrial Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran

2 Assistant of Professor, Department of Industrial Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran

3 Professor, Department of Industrial Management, Allameh Tabatabai University, Tehran, Iran.

چکیده [English]

Purpose: One of the most important issues in the field of production scheduling, which has recently received much attention from researchers, is Dual Resource Constrained Flexible Job Shop Scheduling Problem (DRCFJSP). To deal with unexpected disruptions such as machine breakdowns, the job schedule must be robust so that in the event of a malfunction, the job schedule works properly and deviate less from the optimal solution. The purpose of this paper is to study the DRCFJSP problem with possible scenarios of machine failure or workshop disruption.

Methodology: In solving the under-studied problem, the assignment of jobs and the sequence of operations on each machine should be done in such a way that under any possible scenario, the maximum completion time is minimized so that the weight combination of system performance in average mode, system performance in worst mode, the penalty for violating the time window constraints of the due dates and the variance of the objective function value is optimal according to different scenarios. For this purpose, a Robust Scenario-Based Stochastic Programming (RSSP) model based on a mixed integer linear programming model has been presented for this problem and has been solved by Gams software for validation in small and medium-sized problems. Also, due to the Np-hard nature of this problem, a meta-heuristic method based on Genetic Algorithm (GA) is proposed for solving the large-sized problems.

Findings: The results of the proposed RSSP model indicate that GAMS software is able to solve these problems up to medium sizes in an acceptable time and achieve a controlled and robust solution. Numerical results also show the proper performance of the proposed GA as an alternative to solve the RSSP model in the large-sized problems.

Originality/Value: In this paper, DRCFJSP problem is studied with possible scenarios of machine failure or disruption in the workshop. Also, a robust scenario-based stochastic programming (RSSP) model according to the mixed integer linear programming formulation and a meta-heuristic Algorithm have been presented for mentioned problem in this article.

کلیدواژه‌ها [English]

  • Flexible job-shop scheduling
  • Dual-Resource constrained
  • machine breakdown
  • Robust scenario-based stochastic programming
  • Genetic Algorithm