بهینه‌سازی مسئله تخصیص افزونگی با اجزاء تعمیرپذیر غیرنمایی با استفاده از روش شبیه‌سازی و شبکه‌های عصبی مصنوعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، علامه طباطبایی تهران

2 دانشجوی دکتری مهندسی صنایع، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران

3 استاد، گروه مدیریت صنایع، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران

چکیده

در این مقاله، یک مدل جدید دو هدفه همراه با یک روش حل جدید برای ارائه به مساله تخصیص افزونگی غیرنمایی در سیستم­های سری موازی با اجزای تعمیرپذیر ارائه شده است. روش پیشنهادی بر اساس بهینه‌سازی از طریق روش شبیه‌سازی و تکنیک شبکه عصبی مصنوعیاست. علاوه بر این، برای واقع‌گرایی بیشتر، استراتژی­‌های تخفیف برای خرید اجزاء در طول مدل‌سازی استفاده می­‌شود. هدف اصلی این مدل، بیشینهسازی مینیمم مقدار متوسط زمان ماندگاری زیرسیستم‌­ها و کمینهسازیهزینهکل سیستم بوده و دارای محدودیت­‌هایی مانند حجمکل، وزنکل، وتعداد اجزاء مجاز می‌­باشد. برای حل این مشکل، برخی از الگوریتم‌­های فرا ابتکاری با روش شبیه­‌سازی ادغام شده‌اند. تعدادی مثال عددی برای بررسی رویکرد پیشنهاد شده انجام شد، نتایج نشان می­‌دهد، رویکرد پیشنهادی بسیار واقعی تر از روش‌های پیشین است و همچنین راه حل‌های بهینه مطلوب به دست آمده است.

کلیدواژه‌ها


[1] Chern, M. S., (1992), On The computational complexity of reliability redundancy allocation
in a series system. Operations Research Letters,11(5), 309-315.

[2] Kuo, W., Wan, R. (2007), "Recent Advances in Optimal reliability Allocation". IEEE
Transctions on systems, man and cybernetics-Part A: systems and humans. 37(2): 143 - 156.

[3] Gnedenko, B., Ushakov, I.(1995). Probabilistic Reliability Engineering. New York: John Willy
& Sons, Inc.

[4] Coit. D. W. Smith. A. E.(2002). "Genetic algorithm to maximize a lowerbound for system
time-to-failure with uncertain component Weibull parameters". Computers and Industrial Engineering. 41(4):423–440.

[5] Hsieh. Y. C. (2003). "A linear approximation for redundant reliability problems with multiple
component choices". Computers and Industrial Enginering. 44(1): 91–103.

[6] Ha. C. Kuo. W.(2006). "Reliability redundancy allocation: An improved realization for
nonconvex nonlinear programming problems". European Journal of operation research. 171(1):
24–38.

[7] Nahas, N., Nourelfath M. (2005). "Ant system for reliability optimization of a series system with
multiple-choice and budget constraints".Reliability Engineering & System Safety.87(1) 1–12.

[8] You, P. S.,Chen, T. C. (2005)."An efficientheuristic for series–parallelredundant reliability problems". Computers & Operations Research. 32(8):2117–2127.

[9] Tavakkoli-Moghaddam, R.; Safari, J., (2007), A New mathematical model for a redundancy allocation problem with mixing components redundant and choice of redundancy strategies. Applied Mathematical Sciences, 45(1), 2221- 2230.

[10] 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 and System Safety, 93(4), 550-556.

[11] Amari. S. V. Pham. H. Dill. G.(2012). "Optimal design of k-out-of-n : G subsystems subjected to imperfect fault-coverage". IEEE Transactio on Reliability. 53(4):567–575.

[12] Chambari, A., Rahmati,S.H.A., 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 63:109–119.

[13] Charles E.Wells (2014), Reliability analysis of a single warm-standby system subject to repairable and nonrepairable failures, European Journal of Operational Research. 235:180-186.

[14] Amiri M., Sadeghi M.R., Khatami Firoozabadi A., Mikaili F., (2014), A Multi-Objective Optimization for Redundancy Allocation Problems in Series-Parallel Systems with Repairable Components, International Journal of Industrial Engineering & Production Research, 71-81.

[15] Deyi L, Haijun M, Xuemei S (1995). Membership clouds and membership cloud generators. J Comput Res Dev,32:15–20.

[16] Deyi L., Yi D., (2005), Artificial intelligence with uncertainty, Chapman and Hall.

[17] Lv, P., Yuan, L., & Zhang, J. Cloud theory-based simulated annealing algorithm and application. Engineering Applications of Artificial Intelligence 2009; 22:742–749.

[18] Deb, K., (2001). Multiobjective Optimization Using Evolutionary Algorithms.New York: Wiley