کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
1133448 | 1489082 | 2015 | 30 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Integrated partner selection and production-distribution planning for manufacturing chains
ترجمه فارسی عنوان
انتخاب شریک مجتمع و برنامه ریزی تولید توزیع برای زنجیره های تولید
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
زنجیره تولید، برنامه ریزی تولید و توزیع، الگوریتم ترکیبی، الگوریتم ژنتیک، بهینه سازی ذرات ذرات،
ترجمه چکیده
این مقاله یک رویکرد یکپارچه برای حل انتخاب شریک و مسائل مربوط به برنامه ریزی تولید و توزیع در طراحی زنجیره های تولید تحت چند محصول، چند مرحله ای، چند منظوره تولید، چند ماشین و محیط تولید چند دوره ای ارائه می دهد. . چنین مشکلی اغلب زمانی اتفاق می افتد که شرکت های تولیدی و تامین کنندگان مواد، مشارکت ایجاد یک شرکت مجازی، یک زنجیره تولید، که اعضای آن همکاری می کنند تا فرصت های بازار را افزایش دهند. یک مدل بهینه سازی و یک الگوریتم ترکیبی که بهینه سازی ذرات ذرات و الگوریتم ژنتیک با برنامه یادگیری را ترکیب می کند تا تصمیمات بهینه ارائه شود. عملکرد رویکرد توسعه یافته با استفاده از یک مسئله ساده ساده و مجموعه ای از مشکلات آزمون تصادفی تولید شده است. در واقع، نشان داده شده است که الگوریتم ترکیبی پیشنهاد شده می تواند الگوریتم ژنتیک متعارف، بهینه سازی ذرات و الگوریتم ژنتیک با طرح یادگیری را از الکل فراتر ببرد و از این رو یک ابزار عالی برای طراحی زنجیره های تولید مطلوب است.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی صنعتی و تولید
چکیده انگلیسی
This paper presents an integrated approach to solve the partner selection, and production-distribution planning problem in the design of manufacturing chains operating under a multi-product, multi-stage, multi-production route, multi-machine, and multi-period manufacturing environment. Such a problem often occurs when manufacturing companies and material suppliers establish partnerships to form a virtual enterprise, a manufacturing chain, in which its members cooperate to capture rising market opportunities. An optimization model and a hybrid algorithm which combines particle swarm optimization and genetic algorithm with learning scheme are developed to derive the optimal decisions. The performance of the developed approach is illustrated by using a simple case problem and a set of randomly generated test problems. Indeed, it is shown that the proposed hybrid algorithm can outperform the conventional genetic algorithm, the particle swarm optimization and the genetic algorithm with learning scheme, and is therefore an excellent tool for designing optimal manufacturing chains.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Industrial Engineering - Volume 84, June 2015, Pages 32-42
Journal: Computers & Industrial Engineering - Volume 84, June 2015, Pages 32-42
نویسندگان
W. Su, S.X. Huang, Y.S. Fan, K.L. Mak,