توسعه یک مدل ریاضی جهت تعیین اندازه بهینه بافر و تخصیص افزونگی در سیستم‌های تولیدی سری-موازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

2 استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

3 گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

4 گروه مهندسی صنایع، دانشکده مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی، قزوین، ایران

چکیده

مسئله مورد بررسی در این تحقیق، در نظر گرفتن مسائل تخصیص افزونگی و تخصیص بافر به‌صورت هم‌زمان در یک سیستم تولیدی سری-موازی است. هدف از انجام این تحقیق، بهبود دسترس‌پذیری، هزینه‌های کلی سیستم و ظرفیت بافرها از طریق تعیین میزان بهینه بافرهای بین ماشین‌آلات، انتخاب ماشین‌آلات با قابلیت اطمینان بالا و تخصیص آن‌ها و تدوین یک برنامه مناسب تعمیرات و نگهداری است.در این تحقیق از رویکرد ترکیبی شبیه‌سازی، طراحی آزمایش‌ها و شبکه عصبی به‌منظور برآورد اهداف دسترس‌پذیری و هزینه هدف استفاده شد. به‌منظور تحلیل مدل پیشنهادی از یک مثال عددی استفاده شد و بر اساس متدلوژی پیشنهادی مورد تجزیه‌وتحلیل و بررسی قرار گرفت. مدل مربوط به مسئله مورد بررسی، توسط الگوریتم NSGA-II کد نویسی و حل شد و مجموعه جواب‌های پارتو به دست آمد.نتایج حاصل از تحقیق حاکی از اعتبار متدلوژی پیشنهادی برای مسئله مورد بررسی بود.

کلیدواژه‌ها


 [1] Groover M. P. (2010). Fundamentals of Modern Manufacturing: Materials, Processes, and Systems. John Wiley & Sons.

[2] A.K. Tsadiras, C.T. Papadopoulos, M.E.J. O’Kelly. An artificial neural network based decision support system for solving the buffer allocation problem in reliable production lines. Computers & Industrial Engineering 66 (2013) 1150–1162.

[3] Mariano C.H and Pece C.A.Z. (2015). Simulation Optimization Approach to Solve a Complex Multi-objective Redundancy Allocation Problem. Applied Simulation and Optimization, Springer Cham Heidelberg, Newyork.

[4] Yelkenci Kose, S., & Kilincci, O. (2015). Hybrid approach for buffer allocation in open serial production lines, Computers & Operations Research. Computers and Operations Research; 60(c):67-78.

[5] Ernest Koenigsberg, 1959. "Production Lines and Internal Storage:A Review," Management Science, Informs,5(4), 410-433.

[6] Gershwin, S. B., & Schor, J. E. (2000). Efficient algorithms for buffer space allocation. Annals of Operations Research, (93), 117–144.

[7] Manitz, M. (2008). Queuing model based analysis of assembly lines with finite buffers and general services times. Comput Oper Res, 35(8), 2520–2536.

[8] Amiri, M., & Mohtashami, A. (2012). Buffer allocation in unreliable production lines based on design of experiments, simulation, and genetic algorithm. Int J Adv Manuf Technol,(62), 371–383.

[9] Costa, A., Alfieri, A., & Fichera, S. (2015). A parallel tabu search for solving the primal buffer allocation problem in serial production systems, Computers & Operations Research, (64):97-112.

 

[10] امیری, مقصود و علی محتشمی، ۱۳۹۳، حداکثر کردن نرخ تولید از طریق تعیین اندازه بهینه موجودی های بافر با استفاده از رویکرد تلفیقی متدولوژی سطح پاسخ و الگوریتم ژنتیک، فصلنامه بین المللی مهندسی صنایع و مدیریت تولید 25 (2).167-184.

[11] Chern, M. S. (1992). On the computational complexity of reliability redundancy allocation in a series system. Oper Res Lett, (11), 309–315.

[12] Ida, K., Gen, M. and Yokota, T. (1994). System Reliability Optimization with Several Failure Modes by Genetic Algorithm, Proceeding of the 16th International Conference on Computers and Industrial Engineering, Ashikaga of Japan,82.

[13] Yokota, T., Gen, M. and Ida, K. (1995). System Reliability of Optimization Problems with Several Failure Modes by Genetic Algorithm, Japanese Journal of Fuzzy Theory and systems.; Vol. 7, pp. 117-135.

[14] Tavakkoli-Moghaddam, R., Safari, J., Sassani, F. (2008). Reliability optimization of series-parallel systems with a choice of redundancy strategies using a genetic algorithm. Reliability Engineering & System Safety, 93 (4), 550-556.

[15] Chambari, A., Rahmati, S.H., Najafi A.A., & Karimi, A. (2012). A bi-objective model to optimize reliability and cost of system with a choice of redundancy strategies. Computers & Industrial Engineering, 63(1):109–119.

[16] Jiansheng G., Zutong, W., Mingfa, Z., Ying, W. (2014).Uncertain multi-objective redundancy allocation problem of repairable systems based on artificial bee colony algorithm. Chinese Journal of Aeronautics, 27(6): 1477–1487.

[17] Zoulfaghari, H., Zeinal Hamadani, A., & Abouei Ardakan, M. (2014). Bi-objective redundancy allocation problem for a system with mixed repairable and non-repairable components. ISA Transactions. 53: 17–24.

[18] Abouei Ardakan, M., Zeinal Hamadani, A. & Alinaghian, M. (2015). Optimizing bi-objective redundancy allocation problem with a mixed redundancy strategy. ISA Transactions; 55; 116–128.

[19] Kayedpour, F., Amiri, A., Rafizadeh, M., & ShahryariNia, A. (2016). Multi-objective redundancy allocation problem for a system with repairable components considering instantaneous availability and strategy selection. Reliability Engineering & System Safety, 160.132-151.

[20] Heydari M and Sullivan KM. (2018). An Integrated Approach to Redundancy Allocation and Test Planning for Reliability Growth.Computers & Operations Research. 92, 182-193.

[21] محتشمی، علی. یک روش تلفیقی جدید جهت تخصیص افزونگی در سیستم‌های تولیدی با استفاده از اصلاح‌شدهMOPSO وNSGA-II . فصلنامه علمی­ پژوهشی مطالعات مدیریت صنعتی، سال دوازدهم، شماره 33، تابستان 1393.صفحات 97 – 124.

[22] شریفی، مانی؛ دشتی ملجائی، کامران و چراغی، قاسم(1395). بهینه‌سازی همزمان قابلیت اطمینان و هزینه‌ی طراحی در سیستم‌های سری ـ موازی k-o‌u‌t-o‌f-n با در نظرگرفتن نرخ خرابی وابسته به تعداد اجزای در حال کار. مهندسی صنایع و مدیریت، دوره 32(1)، شماره 2(1)، 141-148.

[23] عزیزمحمدی ،روزبه؛ امیری،مقصود؛ توکلی مقدم، رضا و مشاط زادگان، حمیدرضا.ارائه مدلی برای حل مسئله تخصیص افزونگی قابلیت اطمینان به‌وسیله یک الگوریتم رقابتی تلفیقی چندهدفه. فصلنامه علمی­ پژوهشی مطالعات مدیریت صنعتی، سال چهاردهم، شماره ،42، پاییز 1395، صفحات 103 تا 121.

[24] عظیمی، پرهام و هادی نژاد، فرهاد.(1395). ارائه مدل بهینه سازی چند هدفه در مساله تخصیص افزونگی سیستم- های تعمیرپذیر، با بهره گیری از تکنیک های تصمیم گیری چند معیاره، طراحی آزمایشات و شبیه سازی.مطالعات مدیریت صنعتی، دوره 14، شماره 41، 137-165.

[25] فاروقی، هیوا و سلگی، زهرا.(1396). بهینه‌سازی مسئله چند ‌هدفه تخصیص افزونگی و قابلیت اطمینان در سیستم‌های چند‌ وضعیته سری- موازی، مهندسی و مدیریت کیفیت، دوره 7، شماره 3، ، 176-185.

[26] Alrabghi, A., & Tiwari, A. (2016). A novel approach for modeling complex maintenance systems using discrete event simulation. Reliability Engineering and System Safety, 154, 160–170.

[27] Rigdon S.E & Basu A.P.(2000). Statistical Methods for the Reliability of Repairable Systems.Wiley series in probability and statistics.

[28] Stenström, C., Parida, A., & Kumar, U. (2016). Measuring and monitoring operational availability of rail infrastructure. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, 230(5), 1457–1468. 

[29] Yahyatabar A., & Najafi A.A.(2016). A quadratic reproduction based Invasive Weed Optimization algorithm to minimize periodic preventive maintenance cost for series-parallel systems. Computers & Industrial Engineering.v(110), 436-461.

[30] M.Okasha Nader & M.Frangopol Dan  Lifetime-oriented multi-objective optimization of structural maintenance considering system reliability, redundancy and life-cycle cost using GA. Structural Safety V(31), I(6),  460-474.

[31] Zheng, Z., Zhou, W., Zheng, Y., & Wu, Y. (2016). Optimal maintenance policy for a system with preventive repair and two types of failures, Computers & Industrial Engineering. 98:102-112.

[32]ربانی، علی؛ زارع، حبیب و بهنیا، فروغ.(1392) .ارائه الگوی مناسب جهت پیاده سازی سیستم نگهداری و تعمیرات در کارخانجات خطوط تولید پیوسته با رویکرد مدل های تصمیم گیری و برنامه ریزی آرمانی فازی. فصلنامه علمی – پژوهشی مطالعات مدیریت صنعتی – سال یازدهم، شماره 31 ، صفحات 85-100.

[33]ربانی، مسعود؛ افرازه، محمدحسین؛ امینی، ساسان؛ فرخی اصل، حامد.(1395). برنامه ریزی یکپارچه تولید و نگهداری و تعمیرات با درنظر گرفتن دورههای یکسان نت. روشهای عددی در مهندسی، سال 36 ،شمارة 2 ، صفحات 63-78.

[33] Mohtashami, A. (2014). A new hybrid method for buffer sizing and machine allocation in unreliable production and assembly lines with general distribution time-dependent parameters. Int J Adv Manuf Technol. 74:1577–1593.

[34] P. Pourkarim Guilani, P. Azimi, S.T.A. Niaki, S.A. Akhavan Niaki. (2016). Redundancy allocation problem of a system with increasing failure rates of components based on Weibull distribution: A simulation-based optimization approach. Reliability Engineering and System Safety. 152;187–196.

[35] Attar, A., Raissi, S., & Khalili-Damghani, K. (2017). A simulation-based optimization approach for free distributed repairable multi-state availability-redundancy allocation problems. Reliability Engineering and System Safety,157, 177–191.

[36] Lavoie Ph.,  Jean-Pierre, K. &  Gharbi, A. (2009).Optimization of production control policies in failure-prone homogenous transfer lines. IIE Transactions 41(3):209-222.

[37] Montgomery, D.C.  (2012). Design and Analysis of Experiments, 8th Edition, Wiley.

[38] Esfe, M. H.,  Razi, P.,  Hajmohammad, M. H.,  Rostamian, S. H., Sami Sarsam, W.,  Akbar Abbasian Arani, A., & Dahari, M. (2017). Optimization, modeling and accurate prediction of thermal conductivity and dynamic viscosity of stabilized ethylene glycol and water mixture Al2O3 nanofluids by NSGA-II using ANN. International Communications in Heat and Mass Transfer, 82, 154-160.

[39] Huang, M., Guang, C., Pao, L., & Chou, Y. (2002). Buffer allocation in flow shop-type production system with general arrival and service patterns. Comput Oper Res, 29(2), 103–121.

[40] Deb, K.(2002). A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. IEEE Transaction on Evolutionary Computation, VOL. 6, NO. 2.182-197.

[41] Coello Coello C.A., Lamont G.B. & Van Veldhuizen D.A. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems. Second Edition. Springer Science & Business Media.

[42] Pasandideh, S.H.R., Akhavan Niaki, S.T., & Asadi, K. (2015). Bi-objective optimization of a multi-product multi-period three-echelon supply chain problem under uncertain environments: NSGA-II and NRGA. Information Science, 292, 57–74.

[43] Pierreval H., & Durieux S .(2003).Robust simulation with a base environmental scenario. European Journal of Operational Research 182(2):783-793

[44] Chang, Kuo-Hao., & Kuo P.Y. (2018). An efficient simulation optimization method for the generalized redundancy allocation problem.