پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,468 |
| تعداد مقالات | 69,902 |
| تعداد مشاهده مقاله | 122,420,672 |
| تعداد دریافت فایل اصل مقاله | 95,665,154 |
Mathematical Modeling for a Flexible Manufacturing Scheduling Problem in an Intelligent Transportation System | ||
| Interdisciplinary Journal of Management Studies (Formerly known as Iranian Journal of Management Studies) | ||
| دوره 14، شماره 1، فروردین 2021، صفحه 189-208 اصل مقاله (694.1 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/ijms.2020.261618.673203 | ||
| نویسندگان | ||
| Ali Jahed1؛ Reza Tavakkoli Moghaddam* 2 | ||
| 1School of Industrial Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| 2School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran | ||
| چکیده | ||
| This paper presents a new mathematical model for a production system through a scheduling problem considering a material handling system as an intelligent transportation system by automated guided vehicles (AGVs). The traditional systems cannot respond to the changes and customer’s demands and for this reason, a flexible production system is used. Therefore, for this purpose, automated transportation systems are used for more flexibility in production. Thus, several AGVs are considered to perform various jobs among different machines and warehouses. In this production system, there are possibilities of failure and breakdown of AGVs and machines simultaneously. A modified rate is considered for determining the maintenance duration time as a percentage of the setup time when the maintenance time is dependent on the total setup time of machines and the total transfer jobs time of AGVs. Hence, we consider the probability of breakdown of AGVs and machines simultaneously and show the effect of these problems. The objective function is to minimize the maximum completion time (i.e., makespan or Cmax), the tardiness penalty, and the total transportation cost bearing in mind that the impact of new constraints with mathematical innovation on how failure and repair time are affected by the entire production scheduling. The proposed model belongs to mixed-integer linear programming (MILP). Finally, several small-sized problems are generated and solved by the CEPLEX solver of GAMS software to show the efficiency of the proposed model. | ||
| کلیدواژه‌ها | ||
| Flexible job shop scheduling؛ Automated guided vehicle؛ Tardiness؛ Makespan | ||
| عنوان مقاله [English] | ||
| مدل‌سازی ریاضی برای مسئله زمانبندی تولید انعطاف‌پذیر در یک سیستم حمل‌ونقل هوشمند | ||
| نویسندگان [English] | ||
| علی جاهد1؛ رضا توکلی مقدم2 | ||
| 1دانشکدة مهندسی صنایع، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، | ||
| 2دانشکده مهندسی صنایع، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران | ||
| چکیده [English] | ||
| در این مقاله یک مدل ریاضی جدید برای یک سیستم تولیدی با مسئله زمانبندی و در نظر گرفتن یک سیستم انتقال مواد به عنوان یک سیستم حمل و نقل هوشمند توسط وسایل نقلیه هدایت خودکار (AGV) ارائه شده است. سیستمهای سنتی نمی توانند پاسخگوی تغییرات و خواسته های مشتری باشند و به همین دلیل از یک سیستم تولید انعطاف پذیر استفاده می شود. برای این منظور از سیستم های حمل و نقل خودکار برای انعطاف پذیری بیشتر در تولید استفاده می شود. بدین صورتکه، چندین AGV برای انجام کارهای مختلف در بین ماشین آلات و انبارهای مختلف در نظر گرفته شده است. اما در این سیستم تولیدی، احتمال خرابی AGV ها و ماشین آلات به طور هم زمان نیز وجود دارد. نرخ خرابی برای تعیین مدت زمان نگهداری و تعمیرات به عنوان درصدی از زمان تنظیمات بکار رفته است که در واقع مدت زمان نگهداری و تعمیرات به کل زمان شروع کار ماشین ها و کل زمان انتقال کار AGV ها بستگی دارد. بنابراین، ما احتمال خرابی AGV ها و ماشین آلات را همزمان در نظر می گیریم و تأثیر این مشکلات را نشان می دهیم. هدف مدل اینست که حداکثر زمان اتمام (به عنوان مثال: makepan یا Cmax)، جریمه دیرکرد و کل هزینه حمل و نقل را در نظر بگیرید. مدل ریاضی پیشنهادی متعلق به برنامه ریزی خطی عدد صحیح آمیختهInteger Linear (MILP) mixed- است. سرانجام، چندین مسئله کوچک توسط روش حل CEPLEX از نرم افزار GAMS ایجاد شده و نتایج بدست آمده مقایسه و کارآیی مدل پیشنهادی را نشان داده است. | ||
| کلیدواژه‌ها [English] | ||
| سیستم تولید انعطاف پذیر, وسایل نقلیه هدایت شونده خودکار, دیرکرد, حداکثر زمان اتمام کار | ||
| مراجع | ||
|
Chaudhry, I. A., Mahmood, S., & Shami, M. (2011). Simultaneous scheduling of machines and automated guided vehicles in flexible manufacturing systems using genetic algorithms. Journal of Central South University of Technology, 18(5), 1473. Corréa, A. I., Langevin, A., & Rousseau, L. M. (2007). Scheduling and routing of automated guided vehicles: A hybrid approach. Computers & operations research, 34(6), 1688-1707. Fazlollahtabar, H., & Mahdavi, I. (2009). Applying stochastic programming for optimizing production time and cost in an automated manufacturing system. In 2009 International Conference on Computers & Industrial Engineering, (pp. 1226-1230). Fazlollahtabar, H., Rezaie, B., & Kalantari, H. (2010). Mathematical programming approach to optimize material flow in an AGV-based flexible job shop manufacturing system with performance analysis. The International Journal of Advanced Manufacturing Technology, 51(9-12), 1149-1158. Fazlollahtabar, H., Saidi-Mehrabad, M., & Balakrishnan, J. (2015). Mathematical optimization for earliness/tardiness minimization in a multiple automated guided vehicle manufacturing system via integrated heuristic algorithms. Robotics and Autonomous Systems, 72, 131-138. Gnanavelbabu, A., Jerald, J., Noorul Haq, A., & Asokan, P. (2009). Multi objective scheduling of jobs, AGVs and AS/RS in FMS using artificial immune system. In Proceedings of National conference on Emerging trends in Engineering and Sciences (pp. 229-239). Hamana, R., Konishi, M., & Imai, J. (2007). Simultaneous optimization of production and transportation planning by using logic cut algorithm. Memoirs of the Faculty of Engineering, Okayama University, 41(1), 31-43. Jawahar, N., Aravindan, P., Ponnambalam, S. G., & Suresh, R. K. (1998). AGV schedule integrated with production in flexible manufacturing systems. The International Journal of Advanced Manufacturing Technology, 14(6), 428-440. Jerald, J., Asokan, P., Saravanan, R., & Rani, A. D. C. (2006). Simultaneous scheduling of parts and automated guided vehicles in an FMS environment using adaptive genetic algorithm. The International Journal of Advanced Manufacturing Technology, 29(5-6), 584-589. Rossi, A., & Dini, G. (2007). Flexible job-shop scheduling with routing flexibility and separable setup times using ant colony optimisation method. Robotics and Computer-Integrated Manufacturing, 23(5), 503-516. Saidi-Mehrabad, M., Dehnavi-Arani, S., Evazabadian, F., & Mahmoodian, V. (2015). An Ant Colony Algorithm (ACA) for solving the new integrated model of job shop scheduling and conflict-free routing of AGVs. Computers & Industrial Engineering, 86, 2-13. Udhayakumar, P., & Kumanan, S. (2010). Task scheduling of AGV in FMS using non-traditional optimization techniques. International Journal of Simulation Modelling, 9(1), 28-39. Ulusoy, G., Sivrikaya-Şerifoǧlu, F., & Bilge, Ü. (1997). A genetic algorithm approach to the simultaneous scheduling of machines and automated guided vehicles. Computers & Operations Research, 24(4), 335-351. Zeng, C., Tang, J., & Yan, C. (2015). Job-shop cell-scheduling problem with inter-cell moves and automated guided vehicles. Journal of Intelligent Manufacturing, 26(5), 845-859. Zhang, Q., Manier, H., & Manier, M. A. (2012). A genetic algorithm with tabu search procedure for flexible job shop scheduling with transportation constraints and bounded processing times. Computers & Operations Research, 39(7), 1713-1723. | ||
|
آمار تعداد مشاهده مقاله: 2,282 تعداد دریافت فایل اصل مقاله: 1,425 |
||