کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5479482 1522087 2017 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Game theory based real-time multi-objective flexible job shop scheduling considering environmental impact
ترجمه فارسی عنوان
تئوری بازی مبتنی بر زمان واقعی کار چند هدفه کار انعطاف پذیر برنامه زمان بندی با توجه به تاثیرات زیست محیطی
کلمات کلیدی
داده های زمان واقعی چند هدفه، برنامه ریزی کار انعطاف پذیر، نظریه بازی پویا،
ترجمه چکیده
برنامه ریزی تولید به طور قابل توجهی به بهبود تخصیص فرایندها، کاهش منابع و مصرف انرژی، کاهش هزینه های تولید و کاهش آلودگی محیطی کمک می کند. این یک راه موثر برای پیشرفت به سوی تولید سبز است. با استفاده گسترده از اینترنت چیزها در طبقه کارخانه تولید، مقدار زیادی از اطلاعات در زمان واقعی ایجاد می شود. یک چالش معمول این است که چگونه بهینه سازی داده های مبتنی بر داده در زمان واقعی را برای طبقه کارخانه تولید به منظور بهبود بهره وری انرژی و بهره وری تولید، به دست آورید. برای مقابله با این مشکل، تئوری بازی پویا مبتنی بر روش دوازدهانه برنامه ریزی برای کاهش حجم، حجم کار کل ماشین ها و مصرف انرژی برای رسیدن به زمان بندی کار چند منظوره انعطاف پذیر در زمان واقعی طراحی شده است. برای به دست آوردن یک راه حل بهینه، یک راه حل متعادل نجات کامل زیر بازی طراحی شده است. سپس، برای بررسی عملکرد روش پیشنهادی، یک مطالعه موردی انجام شد. نتایج نشان داد که حجم کار، کل بار کاری ماشین آلات و مصرف انرژی به ترتیب 4.5، 8.75 و 9.3 درصد کاهش یافت. این بهبود می تواند به توسعه پایدار و تولید پاک تر صنعت تولید کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
تئوری بازی مبتنی بر زمان واقعی کار چند هدفه کار انعطاف پذیر برنامه زمان بندی با توجه به تاثیرات زیست محیطی
چکیده انگلیسی
Production scheduling greatly contributes to optimising the allocation of processes, reducing resource and energy consumption, lowering production costs and alleviating environmental pollution. It is an effective way to progress towards green manufacturing. With the extensive use of the Internet of Things in the manufacturing shop floor, a huge amount of real-time data is created. A typical challenge is how to achieve the real-time data-driven optimisation for the manufacturing shop floor to improve energy efficiency and production efficiency. To address this problem, a dynamic game theory based two-layer scheduling method was developed to reduce makespan, the total workload of machines and energy consumption to achieve real-time multi-objective flexible job shop scheduling. To obtain an optimal solution, a sub-game perfect Nash equilibrium solution was designed. Then, a case study was employed to analyse the performance of the proposed method. The results showed that the makespan, the total workload of machines and energy consumption were reduced by 4.5%, 8.75%, and 9.3% respectively. These improvements can contribute to sustainable development and cleaner production of manufacturing industry.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Cleaner Production - Volume 167, 20 November 2017, Pages 665-679
نویسندگان
, , ,