بهینه‎سازی مبتنی بر مبنای شبیه‎سازی مسئلۀ زمان‎بندی تولید کارگاهی در کسب‎وکارهای کوچک و متوسط با رویکرد نظام‌های صف با هدف کاهش هزینۀ زودکرد و دیرکرد فعالیت‎ها

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار گروه کسب‎وکار جدید، دانشکدۀ کارآفرینی، دانشگاه تهران، تهران، ایران

2 دانشجوی دکتری مهندسی صنایع، دانشکدۀ مهندسی صنایع، دانشگاه تهران، تهران، ایران

چکیده

تعیین بهینۀ توالی کارها در تولید کارگاهی کسب‎وکارهای کوچک و متوسط، در بهره‎وری ماشین­­آلات، هزینه­های مربوط به دیرکرد و زودکرد تحویل کارها تأثیر­گذار است. در این پژوهش ابتدا مدل ریاضی مسئلۀ تولید کارگاهی کسب‎وکارهای کوچک و متوسط طراحی شد، سپس به‎کمک نرم­افزار Arena 14 مدل شبیه‎سازی طراحی گردید و در نهایت با حل یک مثال عددی، جواب نزدیک به بهینۀ مسئله از لحاظ مجموع هزینۀ دیرکرد و زودکرد به‎منظور انتخاب بهترین قانون اولویت­بندی کارها در سلول‎های کاری با اجرای مدل و به‎کمک آنالیز واریانس به‎دست آمد. بر اساس یافته‎ها، روش LPT دارای کمترین هزینه است و روش­های FIFO، LIFO،EDD  و SLACK نتایج قابل قبولی دارند. نتایج این تحقیق نشان می‎دهد برخلاف سایر روش‎های بهینه‎سازی، در شبیه‎سازی به ایجاد یک مدل ریاضی دقیق نیازی نیست، بلکه با یک مدل مفهومی ریاضی می‎توان به نتایج مطلوبی دست یافت و این کار حل مسائل بهینه‎سازی پیچیده را درصورتی که بتوان آن را به مدل شبیه‎سازی شده تبدیل نمود، تسهیل می‎کند.

کلیدواژه‌ها

عنوان مقاله [English]

Seeking Simulation-based Optimization of Job shop Scheduling in Small and Medium Enterprises to Minimize the Cost of Tardiness and Earliness of Activities

نویسندگان [English]

  • Seyed Mojtaba Sajadi 1
  • Sadegh Shahbazi 2
1 Assistant Prof. in New Business Group, Faculty of Entrepreneurship, Tehran University, Tehran, Iran
2 Ph.D Candidate of Industrial Engineering, Faculty of Industrial Engineering, Tehran University, Tehran, Iran
چکیده [English]

Determining the optimal sequence of jobs in job shop scheduling for small and medium enterprises, affect the machine productivity, earliness and tardiness costs of delivery. The deterministic variant of the problem is well-known to be NP-Hard. If random elements are introduced into the problem, the level of complexity goes higher. Hence, many priority rules have been developed to tackle stochastic job shop scheduling problem. However, to devise a better solution approach, simulation-optimization approach might be used. In this study, a mathematical model was developed for job shop scheduling with random process times and possible machine breakdowns. Then, a simulation-optimization model was applied to choose among a list of priority rules using Rockwell Arena 14. Finally, a numerical example was used to evaluate the quality of the model. Results showed that the rule Longest Processing Time (LPT) yields the lowest total earliness and tardiness costs. However, the total costs of the following rules are also acceptable: First in First out (FIFO), Last in First out (LIFO), Earliest Due Date (EDD) and Slack time (Slack).

کلیدواژه‌ها [English]

  • Cost of tardiness and earliness
  • Job shop
  • Optimization
  • Queue
  • simulation

مراجع

زندیه، م.، احمدی، ا. (1393). زمان‎بندی مقاوم و پایدار برای محیط کار کارگاهی منعطف با شکست تصادفی ماشین. نشریۀ مدیریت صنعتی، 6(3)، 534- 511.
سلیمی فرد، خ.، انصاری، م. (1395). مدل‌سازی و شبیه‌سازی سامانة ترافیک شهری با شبکه‌های پتری رنگین. نشریۀ مدیریت صنعتی، 8(3)، 404- 381.
علی‎زاده، ل.، نورالسناء، ر.، رئیسی، ص. (1394). بهینه‎سازی همزمان چند هدفه فرایند دادرسی کیفری به کمک شبیه‎سازی کامپیوتری گسسته ـ پیشامد و طراحی آزمایش‎ها. نشریۀ مدیریت صنعتی، 7(1)، 82- 65.
Alizadeh, L., Noorossana, R. & Raissi, S. (2015). Multi-objective optimization of criminal trial process using descrete event computer simulation and design of experiment. Industrial Management, 7(1), 65-82. (in Persian)
Azadivar, F. (1999). Simulation optimization methodologies, Presented at the Proceedings of the 31st conference on winter simulation: Simulation a bridge to the future - Volume 1, Phoenix, Arizona, United States.
Banks, J. & Nelson, B. L. (2010). Discrete-Event System Simulation: Prentice Hall.
Blackstone, J. H., Phillips, D. T. & Hogg, G. L. (1982). A state-of-the-art survey of dispatching rules for manufacturing job shop operations. International Journal of Production Research, 20(1), 27-45.
Chan, F. T. S., Chan, H. K., Lau, H. C. W. & Ip, R. W. L. (2003). Analysis of dynamic dispatching rules for a flexible manufacturing system. Journal of Materials Processing Technology, 138(1-3), 325-331.
Hashim, S. A. M. (2017). Simulation for reducing energy consumption of multi core low voltage power cable manufacturing system. Journal on Technical and Vocational Education, 1(2), 1-10.‏
Jain, A. & Meeran, S. (1999). A State-Of-The-Art­­­­­­ Review of Job-Shop Scheduling Techniques (113ed.) Available: http://citeseerx.ist.psu.edu/viewdoc/ summary?doi= 10.1.1.54.8522.
Klemmt, A., Horn, S., Beier, E. & Weigert, G. (2007). Investigation of modified heuristic algorithms for simulation-based ptimization. In Electronics Technology, 30th International Spring Seminar on, pp. 24-29.
Klemmt, A., Horn, Weigert, S. G. & Wolter, K.J. (2009). Simulation-based optimization vs.mathematical programming: A hybrid approach for optimizing scheduling problems. Robotics and Computer-Integrated Manufacturing, 25(6), 917-925.
Pinedo, M. L. (2012). Scheduling: Theory, Algorithms, and Systems: Springer.
Rane, A. B., Sunnapwar, V. K., Chari, N. R., Sharma, M. R. & Jorapur, V. S. (2017). Improving performance of lock assembly line using lean and simulation approach. International Journal of Business Performance Management, 18(1), 101-124.
Salimifard, K. & Ansari, M. (2016). Modeling and Simulation of Urban Traffic Network Using Colored Petri Nets. Industrial Management, 8(3), 381-404.  (in Persian)
Sharma, S. K., Suraj, B. V. & Routroy, S. (2017). Positioning of Inventory in Supply Chain Using Simulation Modeling.‏ The IUP Journal of Supply Chain Management, 13(2), 20-32.
Sajadi, S. M., Esfahani, M. M. S. & Sörensen, K. (2011). Production control in a failure-prone manufacturing network using discrete event simulation and automated response surface methodology. The International Journal of Advanced Manufacturing Technology, 53(1-4), 35-46.‏
Teles, J., Lopes, R. B. & Ramos, A. L. (2017). A Simulation-Based Analysis of a Cork Transformation System. In Engineering Systems and Networks (pp. 3-11). Springer, Cham Pinedo, M. L. (2012). Scheduling: Theory, Algorithms, and Systems, Springer.
Vieira,G. E., Herrmann, J. W. & Lin, E. (2000). Predicting the performance of escheduling strategies for parallel machine systems. Journal of Manufacturing Systems, 19(4), 256-266.
Weng, M. X. & Ren, H. (2006). An efficient priority rule for scheduling job shops to minimize mean tardiness. IIE Transactions, 38(9), 789-795.
Yan, Y. & Guoxin, W. (2007). A job shop scheduling approach based on simulation optimization, in Industrial Engineering and Engineering Management, IEEE International Conference on, pp. 1816-1822.
Zandieh, M. & Ahmadi, E. (2015). Robust and stable scheduling for FJSP under random machine breakdown by use of genetic algorithm and simulation. Industrial Management, 6(3), 511-534. (in Persian)
 
 
مدیریت صنعتی
دوره 9، شماره 1
1396
صفحه 129-146

فایل ها

هم رسانی

ارجاع به این مقاله

آمار