کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5080494 1477571 2013 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid genetic algorithm for the job shop scheduling problem with practical considerations for manufacturing costs: Investigations motivated by vehicle production
ترجمه فارسی عنوان
الگوریتم ژنتیک هیبرید برای مشکل زمانبندی کار با ملاحظات عملی برای هزینه های تولید: تحقیقات به وسیله تولید وسیله نقلیه
کلمات کلیدی
فروشگاه برنامه ریزی، هزینه ساخت، الگوریتم ژنتیک، جستجوی محلی،
ترجمه چکیده
در این مقاله، مسئله برنامه ریزی شغل با دو تابع هدف جدید بر اساس هزینه های راه اندازی و هم افزایی، علاوه بر معیار پایدار وزن سنتی، مورد بررسی قرار می گیرد. پس زمینه در وضعیت واقعی دنیای تولید کننده کامیون یافت می شود، جایی که کاهش هزینه های تولید، به عنوان یک نگرانی قابل توجه در بسیاری از صنایع سنگین تبدیل شده است. توابع اهداف مربوط به هزینه، به طور کلی به طور کلی مدل سازی شده اند، به طوری که می توان آنها را به دیگر انواع مشابه تولید نیز اعمال کرد. برای مقابله با این مشکل زمانبندی چند هدفه، مقاله ارائه الگوریتم ژنتیک مبتنی بر پارتو را شامل یک ماژول جستجو محلی می کند که از خواص محله به طور خاص برای هر تابع هدف طراحی شده است. آزمایشهای محاسباتی در هر دو نمونه واقعی زمانبندی و به صورت تصادفی تولید شده، اثربخشی رویکرد پیشنهادی را تأیید می کنند. تحقیقاتی که در این مقاله ارائه شده است، می تواند سبب نگرانی در مورد مدل سازی و حل مسئله ای برای حل مسائل برنامه ریزی تولید شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
پیش نمایش مقاله
الگوریتم ژنتیک هیبرید برای مشکل زمانبندی کار با ملاحظات عملی برای هزینه های تولید: تحقیقات به وسیله تولید وسیله نقلیه
چکیده انگلیسی
This paper studies a job shop scheduling problem with two new objective functions based on the setup and synergy costs besides the traditional total weighted tardiness criterion. The background is found in the real-world situation of a commercial vehicle producer, where the reduction of manufacturing costs has become a significant concern like in many heavy industry firms. The cost-related objective functions have been modeled in a quite general way so that they can also be applied to other similar types of production. To tackle this multi-objective scheduling problem, the paper presents a Pareto-based genetic algorithm incorporating a local search module, which utilizes the neighborhood properties specifically developed for each objective function. The computational experiments on both real-world and randomly generated scheduling instances verify the effectiveness of the proposed approach. The research presented in this paper could shed some light on the modeling and heuristic solving of practical production scheduling problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Production Economics - Volume 145, Issue 1, September 2013, Pages 38-52
نویسندگان
, , ,