دانلود مقاله ISI انگلیسی شماره 22603 + ترجمه فارسی
عنوان فارسی مقاله

نظریه Choas (آشوب) در برنامه ریزی تولید

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
22603 2004 3 صفحه PDF 8 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Chaos Theory in Production Scheduling
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : CIRP Annals - Manufacturing Technology, Volume 53, Issue 1, 2004, Pages 381–383

فهرست مطالب ترجمه فارسی
چکیده

کلیدواژه ها

۱.   مقدمه

شکل ۱ : فاز تصویری آونگ : جابجایی زاویه ای در زمان t (بعد افقی) و زمان t-t/8 (بعد عمودی)

۲.   قوانین توزیع و فاز تصویری

جدول ۱ : نتایج آزمایشات برنامه ریزی شده برای هر قانون

شکل ۲ : فاز تصویری FCFS

شکل ۳ : فاز تصویری SPT

۳.    قانون مبتنی بر فاز تصویری

شکل ۴ : فاز تصویری مبتنی بر قانون(PPR)

جدول ۲ : نتایج آزمایشات برنامه ریزی برای هر قانون

۴.    نتایج و کارهای (پژوهشات) آینده
کلمات کلیدی
برنامه ریزی - کنترل - تصمیم گیری -
کلمات کلیدی انگلیسی
Scheduling, Control, Decision-making,
ترجمه چکیده
در این مقاله ، مفهوم آشوب در سیستم های تولیدی بصورت مختصر معرفی شده و ابزارهای استفاده شده در تعیین مشخصات سیستم بی نظم به بحث گذاشته شده است. در ابتدا برنامه ریزی سیستم تولید ساده ، با کمک قوانین وظایفی عموما استفاده شده ، شبیه سازی شده است. نتایج با کمک فاز تصویری مطالعه شده است. نتیجه گیری هایی بدست امده و روش های جدید برای برنامه ریزی پیشنهاد شده است. این روش در مقابل قوانین قراردادی آزمایش شده و نتایج ارزیابی و به بحث گذاشته شده است.
ترجمه مقدمه
کاربرد نظریه آشوب (بی نظمی) برای سیستم های تولیدی بعنوان قلمرویی نسبتا جدید در نظر گرفته شده است. در نوع فرایند (مداوم) سیستم های تولیدی ، مدل ها در نظر گرفته شده ، که معمولا سیستم های مخزن مایع با سرور جریان تغییر کرده را در برداشته و درگیر می کند. در این مدل ، سیال (مایع) بصورت مداوم از هر منبع جریان دارد و سرور می تواند یک مخزن را در زمانی با نرخ ثابت پر کند تا به جبران کمبود مایع بپردازد. تجزیه و تحلیل آماری بروی معادلات دیفرانسیلی بمنظور نمایش رفتار بی نظم این چنین سیستم هایی استفاده شده بود. در رویکردی دیگر ، این مباحثه مطرح گردید که آشوب می تواند برای کمینه سازی برخی از توابع هزینه مدل سه قیفی مشابه با رفتار بی نظم و جریان متداوم کنترل گردد. رفتار بی نظم مدل رویداد گسسته ، دربردارنده نصب رنگ پاش ، در (۴) نشان داده شده است. مدلی مورد بررسی قرار گرفته است که شامل نسخه ازمایشی ، بافر ، ماشین های موازی ، تعویض کننده ، و یک خروجی می باشد. در مقاله ای دیگر ، جاییکه یک مدل بازاریابی ساده با یک ماشین و دو نوع پایه ای از اقلام ، برای پردازش جستجو شده ، که پیچیده بوده اما رفتاری بی نظم در نمونه هایی با ظرفیت پردازش کوچک ، که صف در آنها متداوما رشد می کند ، مشاهده نشده است. رویکردی دیگر ، تجزیه و تحلیل ثبات ساختاری سیستم دینامیک را درگیر می کند ، در جایی که پارامترها (متغییرها) همچون قوانین برنامه ریزی و سطوح WIP ، سرگردان بدنبال بررسی تغییرات کیفی در رفتار سیستم هستند. مطابق با (۶-۸) ، در برخی از موارد ، هنگامی که تولید ، شدیدا بارگیری شده ، ممکن است که اجراییات و عملکردها بوسیله شیوه هایی غیر قابل انتظار ، غیر قابل پیش بینی شوند ، تعداد مدل های شبیه سازی رویداد گسسته نشان داده که برنامه ریزی های بهینه برای واحد های تولیدی (خط تولید) نیمه هادی (شیفتی) بشدت بارگیری شده ، با تنها یک تغییر اندک در ورودی بصورت چشمگیری تغییر کرده است. در یک مفهوم تئوری (نظری) سخت گیرانه ، رفتار بی نظم در مدل های تولیدی گسسته ساده کاملا اثبات نشده اند. یکی از خصیصه های رفتار بی نظم که عموما بیان شده ، همچون حساسیت به راه اندازی موقعیت ها ، در سیستم های تولیدی واقعی نیز وجود داشته و به چشم می خورد. مدارک و شواهد تجربی از این رفتارها گزارش شده است. اکثر پژوهشات مرتبط با بی نظمی و تولید ، بررسی می نماید که آیا و چگونه یک سیستم تولیدی ، کاراکتری بی نظم را به نمایش می گذارد. هرچند ، ابزارها و روش هایی برای کشف و اندازه گیری آشوب در سیستم که می توانند سودمندی در مطالعات رفتار سیستم تولیدی داشته باشند ، استفاده شده بود. فاز فضایی بیانگر تمامی متغییرهای سیستم می باشد. بعد (جنبه) فاز فضایی بسته به تعداد متغییرهای سیستم می باشد. نمایش گرافیکی فاز فضایی ، فاز تصویری ، چشم اندازی از رفتارهای سیستم در قالب هندسی ، بدون نمایش مستقیم متغییر زمان ، ایجاد می کند. زیرمجموعه مخصوص این حالت نمایش گرافیکی غالبا در تجزیه و تحلیلات سری زمانی غیر خطی ، - طرح و رسم هر ارزش از سری داده بروی محور Y (محور افقی) در مقابل ارزش قبلی بروی محور X (محور عمودی) استفاده شده است. مطابق با (۱۱) و (۱۲) ، این چنین طرح هایی توپولوژی سیستم را می گیرد که دسترسی مستقیمی وجود ندارد. بمنظور دستیابی به آونگی بی نقص (شکل ۱) می توان نتیجه گرفت که با جابجایی زاویه ای تتا در زمان t در مقابل جابجایی زاویه ای در نقطه زمانی قبلی t-T/8 که T ، دوره آونگ می باشد ، می توان به این مهم دست یافت. کار گزارش شده در این مقاله متمرکز بر استفاده از فاز تصویری در مطالعه قوانین توزیع در سیستم تولیدی و در ایجاد سیاست توزیعی متفاوت مبتنی بر تجزیه و تحلیل فاز تصویری می باشد.
پیش نمایش مقاله
پیش نمایش مقاله نظریه Choas (آشوب) در برنامه ریزی تولید

چکیده انگلیسی

In this paper the concept of chaos in manufacturing systems is briefly introduced and tools used in the characterization of a chaotic system are discussed. The scheduling of a simple manufacturing system, with the help of commonly used assignment rules, has been simulated first. The results have been studied with the help of phase portraits. Some conclusions have been drawn and a new method for scheduling is proposed. The method is tested against conventional rules and the results are evaluated and discussed.

مقدمه انگلیسی

Application of the chaos theory to production systems is considered as a relatively new area [I]. In process type (continuous) production systems, the models considered, usually involve a system of liquid tanks with a switched flow server. In this model, fluid continuously flows out of each tank and the server can fill one tank at a time with a constant rate to compensate for the loss of fluid. Statistical analysis was used over a model of differential equations in order to show the chaotic behavior of such a system [2]. In another approach [3], it was argued that the chaos can be controlled to minimize some cost function of a similar threefunnel model with chaotic behavior and continuous flow. Chaotic behavior of a discrete-event model, involving a paint spraying installation, has been demonstrated in [4]. A model has been investigated, consisting of an order release unit, a buffer, two parallel machines, a switch, and an exit [I]. In another paper [5], where a simple reentrant model is explored with one machine and two basic types of items to be processed, complex but not chaotic behavior was observed in the case of small processing capacity, where the queue grows continuously. A different approach involves the analysis of the structural stability of a dynamic system, where parameters, such as scheduling rules and WIP-levels, are perturbed to investigate qualitative changes in the behavior of the system [I]. According to [6-81, in some cases, when production becomes very heavily loaded, performance may become unpredictable in unexpected ways: a number of discrete-event simulation models showed that optimum schedules for heavily loaded semiconductor production units, changed dramatically with only slight changes in the input [6, 71. In a strict theoretical sense, chaotic behavior in simple discrete production models has not been solidly proven [I]. One of the commonly acclaimed characteristics of chaotic behavior, i.e. sensitivity to initial conditions, seems to be present in real manufacturing systems. Empirical evidence on such behavior has been reported [6-81. Most of the research related to chaos and manufacturing, investigates if and how a manufacturing system exhibits chaotic character. However, there are a number of tools and methods used to detect and measure chaos in a system that can be of interest in studying the behavior of a manufacturing system [9]. A phase space represents all variables of a system. The dimension of the phase space depends on the number of the system's variables. The graphical representation of a phase space, a phase portrait, enables the view of a system's behavior in geometric form, without directly representing the variable of time. A special subset of this form of graphical representation - often used in nonlinear time series analysis, [lo] - plots each value of a data series on the Y-axis (abscissa) against the previous value on the X-axis (ordinate). According to [ I I ] and [12], such plots capture the topology of the system, for which there is no direct access. In case of a perfect pendulum (Figure 1) one can derive the angular displacement 8 at time t versus the angular displacement at a previous point of time t-T/8, where T, the pendulum's period. The work reported in this paper focuses on the use of phase portraits in studying dispatching rules in a manufacturing system and on devising a different dispatching policy, based on the analysis of phase portraits.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.