کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5080121 1477561 2014 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A construction of knowledge rules for reactive planning of job-mix assignment to homogeneous serial batch machines
ترجمه فارسی عنوان
ساختن مقررات دانش برای برنامه ریزی واکنشی مجوز شغلی به ماشین های دسته ای سریال همگن
کلمات کلیدی
اختصاص دادن شغل، ماشین های موازی، برنامه ریزی فعال کاهش تنظیمات، کم حجم تولید کم، قوانین متا
ترجمه چکیده
در مخلوط بالا، تولید کم حجم، اختصاص دادن شغل به ماشین های موازی، تصمیم مهم مدیریت عملی است. در محیط های تولیدی با رویدادهای ناخواسته ناخوشایند، تخصیص واکنش پذیری ماشین شغلی در عمل معمول است اما توجه کمی به تحقیقات دریافت کرده است. در این مقاله، قواعد دانش برای تخصیص واکنشی به طور تحلیلی برای ورود به شغل پوآسون و ماشین آلات دسته ای سری همگن ساخته می شوند. در عملیات دسته بندی سریال، مشاغلی که به طور تصادفی وارد می شوند، بر اساس نوع و سپس به صف ماشین ارسال می شوند. این مقاله دارای سه بخش است. اثر مخلوط شغلی تحت دسته بندی اولا تجزیه و تحلیل شده است. احتمال راه اندازی برای اولین بار دستهبندی شده بر اساس زمان، و دسته بندی مبتنی بر شغل است. نشان داده شده است که مخلوطی نامناسب انواع شغل نتایج بهتر از حتی مخلوط کردن را در هر سه سیاست دسته بندی برای معیار عملکرد برای به حداقل رساندن تعداد کل تنظیمات دستگاه تولید می کند. در بخش دوم، قواعد دانش که مشخص کردن دستورالعمل های جزئی اختلاط شغل را برای ماشین مجرد ساخته و اثبات می کنند. در بخش آخر، قوانین دانش در مورد دستگاه های موازی در شرایط حوادث ناخوشایند به منظور نشان دادن کاربرد آنها در تجدید نظر پویا از برنامه های انتساب مورد استفاده قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
چکیده انگلیسی
In high-mix, low-volume production, assigning jobs to parallel machines is an important operation management decision. In manufacturing environments with disruptive unplanned events, reactive job-machine assignment is common in practice but has received little research attention. In this paper, knowledge rules for reactive assignment are constructed analytically for Poisson job arrivals and homogeneous serial batch machines. In serial batching operation, jobs that arrive stochastically are batched by type and then sent to machine queues. This paper has three parts. The effect of job mixes under batching is first analyzed. The probability of setup is derived for the first-come-first-serve, time-based batching, and job-based batching policies. It is shown that uneven mixings of job types produce better results than even mixings under all three batching policies for the performance criterion of minimizing the total number of machine setups. In the second part, knowledge rules that specify partial orderings of job mixings are constructed and proven for singe machine. In the last part, the knowledge rules are applied to the case of parallel machines in situations of disruptive events to demonstrate their utility in dynamic revision of assignment plans.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Production Economics - Volume 151, May 2014, Pages 56-66
نویسندگان
, , ,