ارائه و بهینه‌سازی مدل چندهدفه زمان‌بندی جریان کارگاهی به منظور کاهش مصرف انرژی، زمان اتمام و زمان دیرکرد

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده‌ مدیریت و مهندسی صنایع، دانشگاه صنعتی سجاد، مشهد، ایران.

2 دانشکده مدیریت و مهندسی صنایع، دانشگاه صنعتی سجاد، مشهد، ایران.

چکیده

اخیرا در صنایع تولیدی، مسائل مرتبط با مصرف انرژی اهمیت یافته است. در مسایل کلاسیک زمان‌بندی، تلاش­ها عمدتاً در جهت بهینه‌سازی معیارهای عملکرد مرتبط با زمان­ بوده­ است و کمتر به بررسی معیارهای مربوط به مصرف انرژی پرداخته شده­ است. در این تحقیق، ما به دنبال جبران این نقص می‌باشیم که با ارائه یک مدل سه‌هدفه عدد صحیح مختلط در محیط جریان کارگاهی به بررسی کاهش مصرف انرژی، زمان اتمام و زمان دیرکرد کارها پرداخته‌ایم. بعد از اعتبارسنجی مدل با حل مثال عددی در مقیاس کوچک به روش مجموع وزنی و روش دقیق اپسیلون-محدودیت در نرم‌افزار گمز، مدل را در مقیاس بزرگ و متوسط توسط الگوریتم‌های فراابتکاری NSGA-II و SPEA-II حل می­نماییم. نتایج مقایسات میان روش دقیق و روش‌های فراابتکاری نشان می­دهد که این الگوریتم‌ها کارایی لازم برای حل مدل را دارا هستند.از این میان، الگوریتم NSGA-II عملکرد بهتری را از لحاظ دو معیار کیفیت و نظم نقاط پارتو ارائه داده‌است.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling and optimizing a multi-objective flow shop scheduling problem to minimize energy consumption, completion time and tardiness

نویسندگان [English]

  • Mohsen Bagheri 1
  • Neda Babaei Meybodi 2
  • Amir Hossein Enzebati 1
1 Department of Industrial Engineering and Management, Sadjad University of Technology, Mashhad, Iran.
2 Department of Management and Industrial Engineering, Sadjad University of Technology, Mashhad, Iran.
چکیده [English]

Energy consumption considerations in production systems have recently attracted the attention of researchers. In conventional production scheduling models, the importance has more often been given to time-related rather than to energy-related performance measures. In this paper, we simultaneously consider energy consumption, completion time and tardiness in the presented Multi-Objective Mixed Integer Programming flow shop scheduling model. After validating the model by solving small-scale numerical examples with Weighted Sum and Epsilon-constraint method in GAMS, the large and medium-scale examples are solved via NSGA-II and SPEA-II metaheuristic-algorithms. The results prove the efficiency of the proposed algorithms.

کلیدواژه‌ها [English]

  • energy consumption
  • Mathematical Modeling
  • completion time
  • Tardiness
  • Metaheuristic Algorithms

اسعدی، م. (1393). زمان‌بندی کامیون‌های ورودی و خروجی در مراکز فرابارانداز با چندین درب دریافت و ارسال (پایاننامه کارشناسی ارشد، دانشگاه صنعتی سجاد/دانشکده مهندسی صنایع و مدیریت).دریافت از علم نت.

رضایی ، ن. (1394). زمان‌بندی چندهدفه کادر اتاق عمل با در نظر گرفن ترجیحات رزیدنت‌ها در مراکز بهداشتی آموزشی درمانی ( پایاننامه کارشناسی ارشد، دانشگاه صنعتی سجاد/دانشکده مهندسی صنایع و مدیریت). دریافت از علم نت.

شهسواری‌پور، ن؛ کاظمی، م؛ اسدی، ح؛ حیدری، ع. (1394). برنامه‌ریزی و زمان‌بندی تولید با رویکرد الگوریتم‌های فراابتکاری، تهران: انتشارات دانشگاهی کیان.

هادی‌پور، ز. (1390). زمان‌بندی جریان کارگاهی چند‌هدفه ماشین‌آلات به کمک الگوریتم بهینه‌سازی گروه ذرات (pso) ( پایاننامه کارشناسی ارشد، دانشگاه صنعتی شریف/دانشکده مدیریت). دریافت از علم نت.

Arabani, A. B., Zandieh, M., & Ghomi, S. F. (2011). Multi-objective genetic-based algorithms for a cross-docking scheduling problem. Applied soft computing11(8), 4954-4970.

 Dai, M., Tang, D., Giret, A., Salido, M. A., & Li, W. D. (2013). Energy-efficient scheduling for a flexible flow shop using an improved genetic-simulated annealing algorithm. Robotics and computer-integrated manufacturing29(5), 418-429.

Dai, M., Tang, D., Xu, Y., & Li, W. (2015). Energy-aware integrated process planning and scheduling for job shops. Proceedings of the institution of mechanical engineers, part B: Journal of engineering manufacture229, 13-26.

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. A. M. T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation6(2), 182-197.

Dietmair, A., & Verl, A. (2009). A generic energy consumption model for decision making and energy efficiency optimisation in manufacturing. International journal of sustainable engineering2(2), 123-133.

Karimi, N., & Davoudpour, H. (2014). A high performing metaheuristic for multi-objective flowshop scheduling problem. Computers & operations research52, 149-156.

Langer, T., Schlegel, A., Stoldt, J., & Putz, M. (2014). A model-based approach to energy-saving manufacturing control strategies. Procedia CIRP15, 123-128.

Liu, G. S., Zhang, B. X., Yang, H. D., Chen, X., & Huang, G. Q. (2013). A branch-and-bound algorithm for minimizing the energy consumption in the PFS problem. Mathematical problems in engineering2013.

Mansouri, S. A., Aktas, E., & Besikci, U. (2016). Green scheduling of a two-machine flowshop: Trade-off between makespan and energy consumption. European journal of operational research248(3), 772-788.

Mavrotas, G. (2009). Effective implementation of the ε-constraint method in multi-objective mathematical programming problems. Applied mathematics and computation213(2), 455-465.

Nilakantan, J. M., Huang, G. Q., & Ponnambalam, S. G. (2015). An investigation on minimizing cycle time and total energy consumption in robotic assembly line systems. Journal of cleaner production90, 311-325.

Seow, Y., & Rahimifard, S. (2011). A framework for modelling energy consumption within manufacturing systems. CIRP journal of manufacturing science and technology4(3), 258-264.

Wang, H., Jiang, Z., Wang, Y., Zhang, H., & Wang, Y. (2018a). A two-stage optimization method for energy-saving flexible job-shop scheduling based on energy dynamic characterization. Journal of cleaner production188, 575-588.

Wang, S., Wang, X., Yu, J., Ma, S., & Liu, M. (2018b). Bi-objective identical parallel machine scheduling to minimize total energy consumption and makespan. Journal of cleaner production193, 424-440.

Weinert, N., Chiotellis, S., & Seliger, G. (2011). Methodology for planning and operating energy-efficient production systems. CIRP annals-manufacturing technology60(1), 41-44.

Eren, T., & Güner, E. (2006). A bicriteria scheduling with sequence-dependent setup times. Applied mathematics and computation179(1), 378-385.