کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
380694 | 1437462 | 2012 | 13 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Multi-product sequencing and lot-sizing under uncertainties: A memetic algorithm
ترجمه فارسی عنوان
ترتیبگذاری چند محصولی و تعیین اندازه-لات تحت عدمحتمیت: الگوریتم ممتیک
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تعیین اندازه دسته تولید -
ترتیب -
عملکرد تصادفی -
بهینه سازی -
الگوریتم ممتیک -
فهرست مطالب مقاله
چکیده
کلیدواژهها
1.مقدمه
2.تدوین مسئله
شکل 1. راهحلی برای ترتیبگذاری و مسئله تعییناندازه-لات.
شکل 2. نمایش فرایند تولید در طی زمان بدون کالاهای برگشتی و از کار افتادگیها.
شکل 3. مثالی از جریان آیتم همراه با کالاهای برگشتی و از کار افتادگیها.
3.بررسی منابع
4.چارچوب تفکیکپذیری
4.1.محاسبه کل سطح خدمات برای راهحلی عملی
4.2.بهینهسازی از طریق تجزیه
5.مسئله فرعی تعیین اندازه-لات
5.1.انتخاب الگوریتم ممتیک و ساختارش
شکل 4. طرح MA.
شکل 5. نمونه راهحل وقتی n=7.
5.2.رمزگذاری راهحلها و تناسب
5.3.خلق جمعیت ابتدایی
5.4.اپراتورهای ژنتیک: تقاطع، جهش و انتخاب جایگزین
5.4.1.انتخاب و تقاطع
5.4.2.عملیات تقاطع
5.4.3.جهش
5.4.4.عملیات جهش
5.4.5.انتخاب جایگزین
5.4.6.فرایند بروزرسانی
5.4.7.حذف ابزار همزاد
5.5.الگوریتم جستجوی محلی
5.5.1.جستجوی محلی
6. آزمایشهای کامپیوتری
6.1. تولید نمونه مسئله
6.1.1. پارامترهای MA
6.2. روشهای مورد استفاده برای مقایسه
6.3. محدودیتهای روش DP
جدول 1. زمان CPU و تعداد نمونههای حل شده برای مطلوبیت برای DP.
6.4. نتایج MA و LS در برابر راهحلهای مطلوب
6.5. مقایسه MA با LS برای مسائلی در مقیاس بزرگ
جدول 2. نتایج LS و MA در برابر راهحلهای مطلوب به دست آمده با DP.
جدول 3. زمان اجرای میانگین MA و LS
شکل 6. تغییر زمان CPU برای MA.
جدول 4. مقایسه راهحلهای به دست آمده برای MA, LS, G1, G2 و G3 (160 نمونه برای هر مجموعه).
7. نتیجهگیری
کلیدواژهها
1.مقدمه
2.تدوین مسئله
شکل 1. راهحلی برای ترتیبگذاری و مسئله تعییناندازه-لات.
شکل 2. نمایش فرایند تولید در طی زمان بدون کالاهای برگشتی و از کار افتادگیها.
شکل 3. مثالی از جریان آیتم همراه با کالاهای برگشتی و از کار افتادگیها.
3.بررسی منابع
4.چارچوب تفکیکپذیری
4.1.محاسبه کل سطح خدمات برای راهحلی عملی
4.2.بهینهسازی از طریق تجزیه
5.مسئله فرعی تعیین اندازه-لات
5.1.انتخاب الگوریتم ممتیک و ساختارش
شکل 4. طرح MA.
شکل 5. نمونه راهحل وقتی n=7.
5.2.رمزگذاری راهحلها و تناسب
5.3.خلق جمعیت ابتدایی
5.4.اپراتورهای ژنتیک: تقاطع، جهش و انتخاب جایگزین
5.4.1.انتخاب و تقاطع
5.4.2.عملیات تقاطع
5.4.3.جهش
5.4.4.عملیات جهش
5.4.5.انتخاب جایگزین
5.4.6.فرایند بروزرسانی
5.4.7.حذف ابزار همزاد
5.5.الگوریتم جستجوی محلی
5.5.1.جستجوی محلی
6. آزمایشهای کامپیوتری
6.1. تولید نمونه مسئله
6.1.1. پارامترهای MA
6.2. روشهای مورد استفاده برای مقایسه
6.3. محدودیتهای روش DP
جدول 1. زمان CPU و تعداد نمونههای حل شده برای مطلوبیت برای DP.
6.4. نتایج MA و LS در برابر راهحلهای مطلوب
6.5. مقایسه MA با LS برای مسائلی در مقیاس بزرگ
جدول 2. نتایج LS و MA در برابر راهحلهای مطلوب به دست آمده با DP.
جدول 3. زمان اجرای میانگین MA و LS
شکل 6. تغییر زمان CPU برای MA.
جدول 4. مقایسه راهحلهای به دست آمده برای MA, LS, G1, G2 و G3 (160 نمونه برای هر مجموعه).
7. نتیجهگیری
ترجمه چکیده
این مقاله به ترتیبگذاری چندمحصولی اتفاقی و مسئله تعیین اندازه-لات برای خط تولیدی میپردازد که اقلام را به صورت گروهی تولید میکند. دو نوع عدمحتمیت دیده شده است: زمان انجام کار تصادفی تحت القاء از کار افتادگی دستگاه و بازده تصادفی برای کالاهای برگشتیِ قسمت. علاوه بر این، اوقات راهاندازی وابسته توالی نیز گنجانده شدهاند. این مطالعه به حداکثرسازی احتمالِ تولید مقدار موردنیاز اقلام از هر نوعی برای افق برنامهریزی محدود میپردازد. رویکرد تجزیه برای جداسازی ترتیبگذاری و الگوریتمهای تعیین اندازه-لات استفاده شده است. آثار قبلی نشان دادهاند مسئله فرعی ترتیبگذاری را میتوان به صورت موثر حل کرد، اما حل مسئله فرعی تعیین اندازه-لات هنوز دشوار است. در این مقاله، الگوریتم ممتیک برای مسئله فرعی دوم پیشنهاد شده است. نتایج محاسباتی نشان میدهند الگوریتمهای ایجاد شده قابل استفاده به شکلی اثربخش برای نمونههای صنعتی در مقیاس بزرگ هستند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
The paper deals with a stochastic multi-product sequencing and lot-sizing problem for a line that produces items in lots. Two types of uncertainties are considered: random lead time induced by machine breakdowns and random yield to take into account part rejects. In addition, sequence dependent setup times are also included. This study focuses on maximizing the probability of producing a required quantity of items of each type for a given finite planning horizon. A decomposition approach is used to separate sequencing and lot-sizing algorithms. Previous works have shown that the sequencing sub-problem can be solved efficiently, but the lot-sizing sub-problem remains difficult. In this paper, a memetic algorithm is proposed for this second sub-problem. Computational results show that the algorithms developed can be efficiently used for large scale industrial instances.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Applications of Artificial Intelligence - Volume 25, Issue 8, December 2012, Pages 1598–1610
Journal: Engineering Applications of Artificial Intelligence - Volume 25, Issue 8, December 2012, Pages 1598–1610
نویسندگان
K. Schemeleva, X. Delorme, A. Dolgui, F. Grimaud,