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

نوع مقاله : مقاله پژوهشی

نویسندگان

1 تهران، ایران

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


عنوان مقاله [English]

Optimization of Redundancy Allocation Problem with Non-exponential Repairable Components Using Simulation Method and Artificial Neural Networks

نویسندگان [English]

  • Maghsoud Amiri 1
  • Mojtaba Hemmati 2
  • Mustafa Zandieh 3
1 Professor, Department of Industrial Management, School of Management and Accounting, Allameh Tabatabai Tehran  
2 PhD student in Industrial Engineering, Qazvin Islamic Azad University,
3 Professor, Department of Industrial Management, Faculty of Management and Accounting, Shahid Beheshti University of Tehran 
چکیده [English]

In this study, a new bi-objective model along with a novel solving method are provided to address the non-exponential RAP in series-parallel systems with repairable components. The proposed method is based on optimization via simulation approach and artificial neural network technique. In addition, to be more realistic, discounts strategies for purchasing the components are employed during modeling. The main objective of the model is to maximize mean time to the first failure (MTTFF) of the system via allocating the best redundant components for each subsystem. Since, the components’ failure rate has non-exponential distribution, the simulation technique and ANN are applied to find the MTTFF. To solve the problem, some meta-heuristic algorithms integrated with the simulation method. Several numerical examples are carried out to test the proposed approach and as the results show, the proposed approach is much more real than previous ones and also the near optimum solutions are achieved. 
 

کلیدواژه‌ها [English]

  • Keywords: Redundancy Allocation Problem
  • meta-heuristic algorithms
  • Optimization via Simulation
  • Artificial Neural Network
[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