دانلود مقاله ISI انگلیسی شماره 16042
ترجمه فارسی عنوان مقاله

تعداد ماشین آلات، قاعده اولویت، و تعیین تاریخ مقرر در سیستم های تولید انعطاف پذیر با استفاده از شبکه های عصبی مصنوعی

عنوان انگلیسی
Machine number, priority rule, and due date determination in flexible manufacturing systems using artificial neural networks
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
16042 2006 10 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 4692 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 8 روز بعد از پرداخت 84,456 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 4 روز بعد از پرداخت 168,912 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

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

Journal : Computers & Industrial Engineering, Volume 50, Issues 1–2, May 2006, Pages 185–194

ترجمه کلمات کلیدی
- شبکه های عصبی مصنوعی - قوانین اولویت - انتساب موعد مقرر - سیستم های تولید انعطاف پذیر - برنامه ریزی وارون
کلمات کلیدی انگلیسی
Artificial neural networks,Priority rules,Due date assignment,Flexible manufacturing system,Inverse scheduling
پیش نمایش مقاله
پیش نمایش مقاله تعداد ماشین آلات، قاعده اولویت، و تعیین تاریخ مقرر در سیستم های تولید انعطاف پذیر با استفاده از شبکه های عصبی مصنوعی

چکیده انگلیسی

When there is a production system with excess capacity, i.e. more capacity than the demand for the foreseeable future, upper management might consider utilizing only a portion of the available capacity by decreasing the number of workers or halting production on some of the machines/production lines, etc. while preserving the flexibility of the production system to satisfy demand spikes. To achieve this flexibility, upper management might be willing to attain some pre-determined/desired performance values in a production system having identical parallel machines in each work center. In this study, we propose a framework that utilizes parallel neural networks to make decisions on the availability of resources, due date assignments for incoming orders, and dispatching rules for scheduling. This framework is applied to a flexible manufacturing system with work centers having parallel identical machines. The artificial neural networks were able to satisfactorily capture the underlying relationship between the design and control parameters of a manufacturing system and the resulting performance targets.

مقدمه انگلیسی

In the global competitive market, several factors might affect the management of demand and capacity. For example, seasonality in demand, a new competitor in the global market, or an economic or political crisis might force underutilization of the available capacity. In any of these cases, upper management might not have the luxury of running production at capacity for a long period of time. One alternative might be to reduce short-run operational capacity by shutting certain production lines/work stations/machines while preserving the flexibility to satisfy demand spikes. This could lead to opportunities for larger orders if the incoming orders are satisfied while achieving some critical and conflicting objectives such as faster delivery speed, greater reliability, higher customer satisfaction, and minimum cost. To achieve these objectives, management might need a decision-support tool that will provide the optimal resource structure and scheduling policy. For a given resource structure and scheduling policy, computing the performance of a production system is straightforward. However, to employ ‘what-if’ analysis requires simulation. If the goal is to maintain certain performance measures at predetermined levels to accommodate the unexpected demand, then a what-if approach, which might require extensive simulation, may not be feasible at the operational level. Therefore, an intelligent decision system is necessary to support management's operational decisions in the short run.

نتیجه گیری انگلیسی

In this paper, we have utilized artificial neural networks to model a highly nonlinear system, a multi-objective nonlinear optimization problem in a manufacturing system having identical parallel machines in each work center, in which the goal is to obtain a solution that is as close as possible to management goals. Management can utilize the proposed framework to effectively manage the capacity of the production plant while achieving certain performance measures. This framework will be beneficial especially in environments where a trained workforce is abundant, or workers can be trained in a short amount of time to perform the required operations. Results from the case study indicate that the artificial neural networks were able to satisfactorily capture the underlying relationship between the design and control parameters of a manufacturing system and the resulting performance targets. Note that the framework presented in this paper not only applies to systems having excess capacity due to low demand but also to systems, in which there is enough demand that makes the capacity a bottleneck. However, in this case, determination of the number of machines might become irrelevant. The framework can then be utilized to find the priority rule and due date determination coefficient in order to have a solution as close as possible to the targeted ones.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 4692 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 8 روز بعد از پرداخت 84,456 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 4 روز بعد از پرداخت 168,912 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.