دانلود مقاله ISI انگلیسی شماره 105620
ترجمه فارسی عنوان مقاله

مقایسه دو الگوریتم ترکیبی مبتنی بر دو مرحله برای یک برنامه زمانبندی دسته ای در مغازه جریان هیبرید با اثر یادگیری

عنوان انگلیسی
A comparison of two stage-based hybrid algorithms for a batch scheduling problem in hybrid flow shop with learning effect
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
105620 2018 22 صفحه PDF
منبع

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

Journal : International Journal of Production Economics, Volume 195, January 2018, Pages 227-248

ترجمه چکیده
در این مقاله، مسئله برنامه ریزی دسته ای جریان هیبرید با مجموعه زمان های تنظیم خانواده و وابسته به دستگاه تعیین می شود که در آن هدف به طور همزمان به حداقل رساندن وزن وزن کل زمان تکمیل وزنی و تمام شدن وزن با توجه به تولید کننده و مشتریان است . به منظور انعکاس نیازهای صنعت، زمان های در دسترس بودن دستگاه، زمان آزاد شدن شغل، قابلیت ماشین و واجد شرایط بودن برای پردازش شغل، گذراندن مرحله و اثر یادگیری در نظر گرفته شده است. بر خلاف برنامه ریزی گروهی، برنامه ریزی دسته ای، فرضیه های فناوری گروه را با تقسیم گروه های از پیش تعیین شده مشاغل به دسته های متناقض برای انجام پردازش به موقع مشاغل با اولویت بالاتر و استفاده از حداکثر ظرفیت موجود ماشین ها، بی توجهی می کند. یکی از مشارکتکنندگان این تحقیق، شناخت مزایای یکپارچه سازی تصمیم گیری بچگانه در رویکرد برنامه ریزی گروهی است. سهم دیگر این است که توسعه متا اکتیویته قوی براساس ترکیبی از ساختارهای مبتنی بر جستجوی محلی و جمعیتی همراه با استراتژی وابستگی متقابل مرحله به حل مسئله تحقیق را ایجاد کند. مکانیزم یافتن راه حل اولیه و مکانیسم تولید اطلاعات جامع توسعه یافته است. کارایی و کارایی الگوریتم های فراشناختی توسط سطوح پایین تر به دست آمده از دو مدل برنامه ریزی خطی تلفیقی عددی تایید می شود. مزایای توجه به تصمیم گیری بچگانه نسبت به محدودیت های پایین تر مورد نظر در اندازه های دسته ای، امیدوارانه تمرینکنندگان را تشویق به استفاده از روش زمانبندی دسته ای به جای روش برنامه ریزی گروه بندی کند.
پیش نمایش مقاله
پیش نمایش مقاله  مقایسه دو الگوریتم ترکیبی مبتنی بر دو مرحله برای یک برنامه زمانبندی دسته ای در مغازه جریان هیبرید با اثر یادگیری

چکیده انگلیسی

This paper addresses the hybrid flow shop batch scheduling problem with sequence- and machine-dependent family setup times where the objective is to simultaneously minimize the weighted sum of the total weighted completion time and total weighted tardiness, being mindful of the producer and customers, respectively. In order to reflect the industry requirements, machine availability times, job release times, machine capability and eligibility for processing jobs, stage skipping, and learning effect are considered. Unlike group scheduling, batch scheduling disregards the group technology assumptions by splitting pre-determined groups of jobs into inconsistent batches to perform timely processing of jobs with higher priority and utilize the maximum available capacity of the machines. One of the contributions of this research is to realize the benefits of integrating the batching decision into the group scheduling approach. Another contribution is to develop robust meta-heuristics based on hybridization of local search and population-based structures along with the stage-based interdependency strategy to solve the research problem. An initial solution finding mechanism and a comprehensive data generation mechanism are developed. The efficiency and effectiveness of the meta-heuristic algorithms are verified by lower bounds obtained by two mixed-integer linear programming models. The benefits of considering the batching decision with respect to desired lower bounds on batch sizes will hopefully encourage practitioners to apply the batch scheduling approach instead of the group scheduling approach.