سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات163
تعداد شماره‌ها6,704
تعداد مقالات72,414
تعداد مشاهده مقاله129,751,033
تعداد دریافت فایل اصل مقاله102,463,636
خراسانی, ناهید, اسماعیلیان, مجید. (1397). تلفیق برنامه‌ریزی فرایند و زمان‎بندی با در نظر گرفتن اهداف چندگانه با استفاده از برنامه‌ریزی محدودیت. , 10(4), 677-698. doi: 10.22059/imj.2019.260052.1007445
ناهید خراسانی; مجید اسماعیلیان. "تلفیق برنامه‌ریزی فرایند و زمان‎بندی با در نظر گرفتن اهداف چندگانه با استفاده از برنامه‌ریزی محدودیت". , 10, 4, 1397, 677-698. doi: 10.22059/imj.2019.260052.1007445
خراسانی, ناهید, اسماعیلیان, مجید. (1397). 'تلفیق برنامه‌ریزی فرایند و زمان‎بندی با در نظر گرفتن اهداف چندگانه با استفاده از برنامه‌ریزی محدودیت', , 10(4), pp. 677-698. doi: 10.22059/imj.2019.260052.1007445
خراسانی, ناهید, اسماعیلیان, مجید. تلفیق برنامه‌ریزی فرایند و زمان‎بندی با در نظر گرفتن اهداف چندگانه با استفاده از برنامه‌ریزی محدودیت. , 1397; 10(4): 677-698. doi: 10.22059/imj.2019.260052.1007445

تلفیق برنامه‌ریزی فرایند و زمان‎بندی با در نظر گرفتن اهداف چندگانه با استفاده از برنامه‌ریزی محدودیت

مدیریت صنعتی
مقاله 8، دوره 10، شماره 4، 1397، صفحه 677-698    اصل مقاله (753.7 K)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22059/imj.2019.260052.1007445
نویسندگان
ناهید خراسانی1؛ مجید اسماعیلیان* 2
1کارشناس ارشد، گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران
2دانشیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران
چکیده
هدف: هدف این پژوهش، اعمال انعطاف‌های مختلف شامل انعطاف ماشین و ابزار، برای جهت دسترسی به ابزار (TAD) و در نظر‌گرفتن پارامترهای کیفی بر اساس سیستم استنتاج فازی به منظور بهینه‌سازی یکپارچه برنامه‌ریزی فرایند و زمان‌بندی با استفاده از رویکرد برنامه‌ریزی محدویت است.
روش: رویکردهای بسیاری برای حل مسائل IPPS وجود دارد. در این پژوهش، به‌دلیل تعدد متغیر‌‌های موجود و پیچیدگی فضای جواب، از برنامه‌ریزی محدودیت برای حل مسئله استفاده شده است. ابتدا امتیاز پارامترهای کیفی مدل بر اساس سیستم استنتاج فازی محاسبه شد و پس از تأمین سایر ورودی‌ها و حل با استفاده از برنامه‌ریزی محدودیت، جواب بهینه به ‎دست آمد.
یافته‎ها: برای ارزیابی کارایی مدل تلفیقی، مثالی از پژوهش‌‌های پیشین، با سه حالت زمان تحویل پایین، متوسط و بالا با نرم‌افزار IBM ILOG Cplex حل شده است.
نتیجه‎گیری: نتایج نشان‎دهنده عملکرد مناسب روش برنامه‎ریزی محدودیتی برای به دست آوردن جواب‌‌های بهینه در زمان محدود است. در واقع، نتایجی که از آزمایش‌های عددی به ‎دست آمد، نشان می‌دهد مدل پیشنهاد شده عملکرد قابل قبولی دارد و الگوریتم پیشنهاد شده می‌تواند IPPS را به‎شکل مؤثری حل کند و روش بسیار مناسب برای بهینه‌سازی ترکیبی چند‌هدفه است.
کلیدواژه‌ها
تلفیق برنامه‌ریزی فرایند و زمان‌بندی؛ برنامه‌ریزی محدودیت؛ برنامه‌ریزی فرایند؛ زمان‌بندی؛ سیستم استنتاج فازی
عنوان مقاله [English]
Integrating Process Planning and Scheduling Taking into Account Multiple Objective Using Constraint Planning
نویسندگان [English]
Nahid Khorasani1؛ Majid Esmaelian2
1MSc., Department of Industrial Management, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran
2Associate Prof., Department of Management, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran
چکیده [English]
Objective: The purpose of this research was to apply various flexibilities including device, tools, direction toward accessing the device (TAD) flexibilities, and considering the qualitative parameters based on the fuzzy inference system for integrated optimization of process planning and scheduling using the Constraint Programmingapproach.
Methods: There are many approaches to solving IPPS problems. In this research, because of the multitude of existing variables and the complexity of the solution space, limited planning has been used to solve the problem. At first, the qualitative parameters of the model are calculated based on the fuzzy inferencing system and after providing other inputs and solving the problem using limited planning, an optimal answer will be obtained.
Results: To evaluate the efficiency of the integrated model, an example in the literature considering three states of short, medium and long due date time, has been solved using IBM ILOG Cplex optimization studio software.
Conclusion: The results indicated the proper functioning of the limited planning method to obtain optimal solutions in a limited time. In fact, the results of the numerical experiments showed that the proposed model has acceptable performance and the proposed algorithm can efficiently solve IPPS. Finally, we can conclude that it is a very suitable method for integrated optimization of multiple objectives.
کلیدواژه‌ها [English]
Integrating process planning and scheduling, Constraint Programming, Process planning, Scheduling, Fuzzy inference system
مراجع

منابع

محمدی زنجیرانی، داریوش؛ اسماعیلیان، مجید؛ جوکار، سعیده (1395). رویکرد یکپارچۀ زمان‎بندی و برنامه‎ریزی فرایند بر مبنای تلفیق پایگاه دانش فازی و روش‎های فراابتکاری. مطالعات مدیریت صنعتی، 14(43)، 135- 161.

 

References

Adithan, M. (2007). Process Planning and Cost Estimation. Publishing for one world new age international (P) limited, publishers.

Barzanji, R., Naderi, B., & Begen, M. A. (2019). Decomposition algorithms for the integrated process planning and scheduling problem. Omega. Available online 10 February 2019 https://www.sciencedirect.com/science/article/pii/S0305048318306698.

Burke, E. K., & Petrovic, S. (2002). Recent research directions in automated timetabling. European Journal of Operational Research, 140(2), 66-280.

Chryssolouris, G., Chan, S., & Cobb, W. (1984). Decision making on the factory floor: an integrated approach to process planning and scheduling. Robotics and Computer-Integrated Manufacturing, 1, 315-319.

Dai, M., Tang, D. B., Xu, Y. C., & Li, W. D. (2019). Energy-aware Integrated Process Planning and Scheduling for Job Shops. In Sustainable Manufacturing and Remanufacturing Management (pp. 13-36). Springer, Cham.

Haralick, R. M., & Elliott, G. L. (1980). Increasing tree search efficiency for constraint satisfaction problems. Artificial intelligence, 14(3), 263-313.

IBM. (2012). IBM ILOG CPLEX Optimization Studio 12.5 User s Manual.

Jain, I., Jain, A., & Singh, P. (2006). An integrated scheme for process planning and scheduling in FMS.  The International Journal of Advanced Manufacturing Tehchnology, 30(11-12), 1111-1118.

Jin, L., Zhang, C., & Fei, X. (2019). Realizing Energy Savings in Integrated Process Planning and Scheduling. Processes, 7(3), 120.

Joo, J., Park, S., & Cho, H. (2001). Adaptive and dynamic process planning using neural networks. Journal of Production Research, 39(13), 2923-2946.

Khoshnevis, B., & Chen, Q. M. (1991). Integration of process planning and scheduling functions. Journal of Intelligent Manufacturing, 2(3), 165-175.

Kis, T. )2003(. Job-shop scheduling with processing alternatives. European Journal of Operational Research, 151(2), 307-332.

Kumar, M. & Rajotia, S. (2003). Integration of scheduling with computer aided process planning. Journal of Materials Processing Technology, 138(1-3), 297-300.

Laborie, P. (2018). An update on the comparison of MIP, CP and hybrid approaches for mixed resource allocation and scheduling. In International Conference on the Integration of Constraint Programming. Artificial Intelligence and Operations Research (pp. 403-411). Springer, Cham.

Lee, H., & Kim, S. (2001). Integration of process planning and scheduling using simulation based genetic algorithms. International Journal of Advanced Manufacturing Technology, 18, 586-590.

Li, W., & McMahon, C. (2007). A simulated annealing –based optimization approach for integrated process planning and scheduling. Journal of Computer Integrated Manufacturing, 20, 80-95.

Li, X., Gao, L., Zhang, C., & Shao, X. (2010). A review on Integrated Process Planning and Scheduling. Journal of Manufacturing Research, 5,161-180.

Li, X., Shao, X.Y., & Gao, L. (2008). Optimization of flexible process planning by genetic programming. The International Journal of Advanced Manufacturing Technology, 38(1-2), 143-153.

Marriott, K. & Stuckey, P. J. (1998). Programming with constraints: an introduction. MIT press.

Mohamadi, D., Esmaelian, M., & Jokar, M. (2015). Integrated Approach of Planning and Scheduling Based on Combining Fuzzy Knowledge Base and Meta‌Heuristic Method. journal of Industrial Management Studies, 14(43), 135-161. (in Persian)

Naseri, M., & Afshari, A. (2012). A hybrid genetic algorithm for integrated process planning and scheduling problem with precedence constraints. Journal of Advanced Manufacturing Technology, 59(1-4), 273-287.

Phanden, R.K., Jain, A., & Verma, R. (2011). Integration of process planning and scheduling: a state-of-the-art review. International Journal of Computer Integrated Manufacturing, 24(6), 517-534.

Shao, X., Li, X., Gao, L., Chang, C. (2009). Integration of process planning and scheduling–A modified genetic algorithmbased approach. Computers & Operations Research, 36(6), 2082-2096.

Wang, L., Shen, W., & Hao, Q. (2006). An overview of distributed process planning and its integration with scheduling. International Journal of Computer Applications in Technology, 26, 3-14.

Yu, M. R., Yang, B., & Chen, Y. (2018). Dynamic integration of process planning and scheduling using a discrete particle swarm optimization algorithm. Advances in Production Engineering & Management, 3(3), 279-296.

Yu, M., Zhang, Y., Chen, K., & Zhang, D. (2015). Integration of process planning and scheduling using a hybrid GA/PSO algorithm. International Journal of Advanced Manufacturing Technology, 78(1-4), 583-592.

Zhang, S., & Wong, T. N. (2018). Integrated process planning and scheduling: an enhanced ant colony optimization heuristic with parameter tuning. Journal of Intelligent Manufacturing, 29(3), 585-601.

Zibran, M. F. (2007). A multi-phase approach to university course timetabling. Lethbridge, Alta. University of Lethbridge, Faculty of Arts and Science.

آمار
تعداد مشاهده مقاله: 889
تعداد دریافت فایل اصل مقاله: 719





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب