سامانه مدیریت همایش های علمی


یازدهمین کنفرانس بین‌المللی مهندسی صنایع


عنوان فارسی	الگوریتم ژنتیک برای مسئله زمان بندی تک ماشینه با در نظر گرفتن وقفه در کار، هزینه هایزود کرد/دیر کرد، WIP و جریمه های قطع کار

چکیده فارسی مقاله	در تحقیق حاضر علاوه بر پارامترهای هزینه دیر کرد و زود کرد که در ادبیات موضوع رایج می باشند، پارامترهای دیگری مانندهای WTP، قطع کار و تعداد دیر کرد و زود کرد در محیط سیستم تولید به هنگام لحاظ شده است؛ و ارائه یک برنامه زمان بندی خوب برای آن تک ماشین موجب بهبود و لحاظ نمودن این پارامترها در مدل تولیدی منجر به رفع مشکلاتی از قبیل معلوماتی و افزایش تولید، بهبود عملکرد سیستم و ایجاد مزیت رقابتی می شود. هدف زمان بندی این مسئله از نوع حداقل سازی هزینه می باشد که این هدف به منظور به خدمات بهتر به مشتریان، بهبود عملکرد سیستم و کم نمودن هزینه ها انتخاب می شود و پس از مدل سازی برای حل آن مسئله الگوریتم ژنتیک توسعه پیشنهادی با کروموزوم های عدد صحیح برای حل ارائه شد. در این الگوریتم به منظور وسعت دادن دامنه جواب و ارائه جواب بهینه تر از عمل مگر تقاطع و جهش ادغامی استفاده شده است. در بخش آخر با تجزیه تحلیل این جوابها با جواب های نرم افزار GAMS ملاحظه می شود که الگوریتم پیشنهادی دارای سرعت و جواب مناسبی هست

کلیدواژه‌های فارسی مقاله	زمان بندی تولید - وقفه در کار الگوریتم ژنتیک عمل کر تقاطع عمل گر جهش

عنوان انگلیسی	A genetic algorithm for single-machine scheduling problem considering job preemption, costs of earliness / tardiness and work-in-process and job interruption penalty

چکیده انگلیسی مقاله	This paper, in addition to parameters of earliness and lateness cost, which are common in literature review, considers other parameters such as WIP, job interruption, and number of lateness and earliness in a JIT production system. Consideration of these parameters in a production model results in resolving bottlene ,challenge, increasing production rate, improving system performance and bringing competitive advantage. The goal of this scheduling problem is minimizing total costs including earliness and tardiness cost, interruption cost and WIP holding. Number of earliness and tardiness is also minimized to keep all customers satisfied as much as possible. A Genetic Algorithm (GA) with integer chromosomes is extended for solving the proposed model. In this algorithm, for stretching Pareto frontier and approaching near optimal solutions, hybrid mutation and crossover operators are used. Analyzing the solutions obtained by GA with those obtained by GAMS software shows the extended algorithm is capable to obtain good solutions in a reasonable time.

کلیدواژه‌های انگلیسی مقاله	Scheduling problem, Preemption, Genetic algorithm, Crossover operators , Mutation operators

نویسندگان مقاله	حمیدرضا مقصودلو \| Hamidreza Maghsuodluo Islamic Azad University دانشگاه آزاد اسلامی، واحد قزوین رضا مفیدی \| Reza Mofidi Deputy of Planning and Research, Golestan سازمان آموزش و فنی حرفه ای کشور، استان گلستان علیرضا مومن نیا \| Alireza Momennia Islamic Azad University دانشگاه آزاد واحد قزوین حمیدرضا حبیبی \| Hamidreza Habibi Pardis university of Gilan پردیس دانشگاه گیلان

نشانی اینترنتی	iiec2015.org
فایل مقاله	دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده	fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده

برگشت به: صفحه اول پایگاه \| دوره مرتبط \| کنفرانس مرتبط \| فهرست کنفرانس ها