این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

عنوان اصلی مقاله: یک الگوریتم ژنتیک و روش مبتنی بر نظریه صف برای مسئله‌ی طرح تأسیسات

طرح تأسیسات، که تبدیل به یک مشارکت کننده‌ی مهم برای عملکرد تولید شده است، در طول چند دهه‌ی اخیر به دفعات زیادی مورد مطالعه قرار گرفته است. مطالعات موجود عمدتاً مبتنی بر هزینه‌ی اداره‌ی مواد بوده و تغییرات حیاتی مختلفی را که ذاتاً در یک سیستم تولید وجود دارند نادیده گرفته است. ذات ایستای مدل‌های در دسترس کیفیت برآوردهای عملکرد را کاهش داده و منجر به عدم دستیابی به یک طرح بهینه شده است. استفاده از یک مدل شبکه‌ی صف، یک ابزار برقرار شده به منظور تعیین کمیت تغییرات یک سیستم و عوامل عملکردی عملیاتی از جمله فرآیند در حال اجرا (WIP) و سودمندی، می‌توانند به طور قابل ملاحظه‌ای به تصمیم‌گیرندگان در حل یک مسئله‌ی طرح تأسیسات کمک کنند. مدل صف استفاده شده در این مقاله انشعاب ما به مدل‌های موجود از طریق یکی کردن و ترکیب خصوصیات عملیاتی مختلف به صورت همزمان می‌باشد، این خصوصیات شامل موارد زیر است: دسترس‌پذیری مواد خام، مسیریابی متناوب قطعات، کارآیی یک تأسیسات حفظ و نگهداری، کیفیت محصولات، دسترس‌پذیری ابزارهای فرآوری و تجهیزات اداره‌ی مواد. از سوی دیگر، یک مدل صف به خودی خود یک ابزار بهینه‌سازی نیست. یک الگوریتم ژنتیک، که یک فرآیند جستجوی مؤثر برای کاوش یک فضای جستجوی بزرگ می‌باشد، به منظور حل مسئله‌ی تأسیسات مدل شده با نظریه‌ی صف، انتخاب و پیاده‌سازی شده است. این ترکیب یک فرصت منحصر به فرد برای در نظر گرفتن تغییرات اتفاقی ارائه می‌دهد که در عین حال به یک طرح خوب نیز دست پیدا می‌کند. یک مسئله‌ی طرح تأسیسات با تأسیساتی که مساحت‌های نابرابر دارند در این مقاله در نظر گرفته شده است. یک راه‌حل طرح خوب راه‌حلی است که این چهار پارامتر زیر را کمینه نماید: هزینه‌ی WIP، هزینه‌ی اداره‌ی مواد، هزینه‌ی انحراف، و هزینه‌ی جابجاسازی. مشاهدات تجزیه و تحلیل‌های تجربی نیز در این مقاله گزارش شده‌اند. روش پیشنهادی ما نشان می‌دهد که یک پتانسیل بالقوه برای یکپارچه‌سازی چندین مسئله‌ی تصمیم‌گیری مرتبط در یک چارچوب متحد وجود دارد.

شاید این مقاله هم به دردتان بخورد  انتخاب تأمین کننده‌ی توسعه دهندگان ملک تحلیل مولفه‌های فازی

A genetic algorithm and queuing theory based methodology for facilities layout problem

Facilities layout, being a significant contributor to manufacturing performance, has been studied many times over the past few decades. Existing studies are mainly based on material handling cost and have neglected several critical variations inherent in a manufacturing system. The static nature of available models has reduced the quality of the estimates of performance and led to not achieving an optimal layout. Using a queuing network model, an established tool to quantify the variations of a system and operational performance factors including work-in-process (WIP) and utilisation, can significantly help decision makers in solving a facilities layout problem. The queuing model utilised in this paper is our extension to the existing models through incorporating concurrently several operational features: availability of raw material, alternate routing of parts, effectiveness of a maintenance facility, quality of products, availability of processing tools and material handling equipment. On the other hand, a queuing model is not an optimisation tool in itself. A genetic algorithm, an effective search process for exploring a large search space, has been selected and implemented to solve the layout problem modelled with queuing theory. This combination provides a unique opportunity to consider the stochastic variations while achieving a good layout. A layout problem with unequal area facilities is considered in this paper. A good layout solution is the one which minimises the following four parameters: WIP cost, material handling cost, deviation cost, and relocation cost. Observations from experimental analysis are also reported in this paper. Our proposed methodology demonstrates that it has a potential to integrate several related decision-making problems in a unified framework.

شاید این مقاله هم به دردتان بخورد  دانلود مقاله مدیریت پروژه‌ی زنجیره‌ی بحرانی

این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

درباره احسان رضایی

سفارش ترجمه آنلاین خدمات ترجمه مقاله isi به صورت فوری کاهش هزینه و زمان در سفارش ترجمه آنلاین

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *