1403/02/06
جمال ارکات

جمال ارکات

مرتبه علمی: استاد
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 55912953100
دانشکده: دانشکده مهندسی
نشانی: سنندج، دانشگاه کردستان، دانشکده مهندسی، گروه مهندسی صنایع
تلفن: 08733660073

مشخصات پژوهش

عنوان
زمان بندی سلول های مجازی با امکان برون سپاری
نوع پژوهش
پایان نامه
کلیدواژه‌ها
سلول های تولیدی مجازی، مسأله تشکیل سلول، برون سپاری، زمان بندی سلولی
سال 1390
پژوهشگران هما قهوه(دانشجو)، جمال ارکات(استاد راهنما)

چکیده

تکنولوژی گروهی یک فلسفه ی تولیدی است که سعی دارد با حفظ انعطاف پذیری تولید کارگاهی، کارایی سیستم های تولید انباشته را افزایش دهد. به عبارتی به منظور افزایش بهره وری به گروه بندی منابع تولیدی، اطلاعات و قطعات می پردازد. سیستم های تولید سلولی به عنوان کاربردی از مفهوم تکنولوژی گروهی، براساس تشابه بین الزامات تولیدی به گروه بندی قطعات تولیدی می پردازند و خانواده های قطعات را تشکیل می دهند. خانواده های قطعات برای پردازش به گروه های از ماشین های نامتشابه که به طور فیزیکی همجوار هم هستند تخصیص داده می شوند. با وجود اینکه این سیستم ها از مزایای زیادی برخوردار هستند اما پایین بودن انعطاف پذیری در مقابل تغییرات تقاضا از بزرگترین معایب این سیستم ها به شمار می آید. راهکارهای مختلفی برای رفع مشکل یاد شده، ارائه شده است. یکی از این روش ها، طراحی سلول های تولیدی مجازی می باشد . یک سلول مجازی، گروه ی منطقی از منابع تولیدی است به گونه ای که به صورت فیزیکی قابل شناسایی نیست بلکه به صورت فایل های داده ای و درون کنترل کننده قابل تشخیص می باشد. اگرچه زمان های آماده سازی تاثیر به سزایی بر عملکرد سیستم تولیدی دارند، با این وجود تحقیقات اندکی در حوزه سیستم های تولید سلولی مجازی، زمان های آماده سازی را در نظر گرفته اند. از طرفی دیگر امروزه در شرکت های تولیدی، برون سپاری به عنوان روشی برای بهبود عملکرد سیستم تولیدی به صورت یک الزام در آمده است. بنابراین، در این تحقیق با مدنظر قراردادن زمان های آماده سازی وابسته به توالی عملیات و امکان برون سپاری مسئله ی زمان بندی سلول های مجازی به صورت یک مدل ریاضی ارائه شده است. نتیجه ی حل مثالی عددی، حاکی از تاثیرات قابل ملاحظه این فرضیات جدید بر مسئله ی زمان بندی سلول های مجازی می باشد. مدل ارائه شده از دسته ی مسائل چند هدفه می باشد بنابراین به منظور حل آن، علاوه بر استفاده از یک الگوریتم حل دقیق تحت عنوان محدودیت اپسیلون، یک الگوریتم ژنتیک دوهدفه نیز توسعه داده شده است. نتایج حل مثال های عددی، کارایی بالای الگوریتم حل توسعه داده شده را نشان می دهند.