دانلود مقاله ISI انگلیسی شماره 151952
ترجمه فارسی عنوان مقاله

مدل های برنامه ریزی عدد صحیح برای زمان بندی و برنامه ریزی همزمان در گیاهان چند منظوره

عنوان انگلیسی
Mixed-integer programming models for simultaneous batching and scheduling in multipurpose batch plants
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
151952 2017 58 صفحه PDF
منبع

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

Journal : Computers & Chemical Engineering, Volume 106, 2 November 2017, Pages 621-644

ترجمه کلمات کلیدی
محیط تولید سریال، سیاست های ذخیره سازی،
کلمات کلیدی انگلیسی
Sequential production environment; Storage policies;
ترجمه چکیده
ما دو مدل جدید برنامه ریزی زمان گسسته عادت های ترکیبی را برای بارگیری و برنامه ریزی همزمان در گیاهان چند منظوره با محدودیت های ذخیره سازی پیشنهاد می کنیم. مدل های پیشنهادی دو روش مدل سازی متفاوت را به کار می گیرند. اولین براساس برچسب زدن صریح از دسته است، در حالی که دوم بر اساس شناسایی فواصل اندازه دسته ممکن برای هر سفارش و مسیرهای مربوطه واحد است. ما همچنین افزودنی هایی را ارائه می دهیم که به ما امکان می دهد که امکانات مشترک محدود (با قابلیت دسترسی و هزینه های ثابت و زمان)، ذخیره سازی با محدودیت های ظرفیت و اندازه دسته ای وابسته به مرحله را در نظر بگیریم. در نهایت، ما بررسی می کنیم که چگونه ویژگی های یک نمونه (به عنوان مثال تعداد مورد انتظار در هر سفارش، یکنواختی در ظرفیت واحد) بر اثربخشی مدل های پیشنهادی تاثیر می گذارد. ما نشان می دهیم که با دقت انتخاب این مدل به ما اجازه می دهد تا به طور موثر موارد نمونه های بزرگ را حل کنیم.
پیش نمایش مقاله
پیش نمایش مقاله  مدل های برنامه ریزی عدد صحیح برای زمان بندی و برنامه ریزی همزمان در گیاهان چند منظوره

چکیده انگلیسی

We propose two novel discrete-time mixed-integer programming models for simultaneous batching and scheduling in multipurpose batch plants with storage constraints. The proposed models adopt two different modeling approaches. The first is based on explicit labeling of batches, while the second is based on identifying possible batch size intervals for each order and the corresponding unit routings. We also present extensions that allow us to consider limited shared utilities (with both fixed and time-varying availability and cost), storage with capacity limits and stage-dependent batch sizes. Finally, we study how instance characteristics (e.g. expected number of batches per order, uniformity in unit capacities) impact the effectiveness of the proposed models. We show that by carefully selecting the model allows us to effectively solve large-scale instances.