خانه / مقالات انگلیسی با ترجمه / مدیریت / مقاله ترجمه شده یک الگوریتم شاخه و کران برای مسائل تخصیص کارگر به خط مونتاژ و بالانس

مقاله ترجمه شده یک الگوریتم شاخه و کران برای مسائل تخصیص کارگر به خط مونتاژ و بالانس

دانلود رایگان مقاله بیس انگلیسی خرید و دانلود ترجمه ی مقاله انگلیسی

کد محصول:M451

قیمت فایل ترجمه شده: ۱۳۰۰۰  تومان

تعداد صفحه انگلیسی:  ۱۰

سال نشر: ۲۰۱۴

تعداد صفحه ترجمه فارسی:  ۳۹   صفحه word

عنوان فارسی:

مقاله ترجمه شده یک الگوریتم شاخه و کران برای مسائل تخصیص کارگر به خط مونتاژ و بالانس

عنوان انگلیسی:

A branch-and-bound algorithm for assembly line worker assignment and balancing problems

چکیده فارسی:

در این مقاله، ما مساله موازنه و تخصیص کارگر به خط مونتاژ را مطالعه می کنیم، که یک تعمیم از مسئله قدیمی موازنه خط مونتاژ است که برای بهینه کردن کار، مونتاژ در ایستگاهها همراه با واگذاری اپراتورها به ایستگاه ها دنبال می شود. رابطه بین این مسئله و چندین مسئله شناخته شده دیگر کشف شده و کران پایینی از آن بوجود آمده اند. بعلاوه، یک الگوریتم شمارش دقیق، که استفاده از کران پایین را ممکن می کند، برای حل مسئله بوجود آمده است. الگوریتم با استفاده از یک مجموعه الگوبرداری استاندارد از نمونه ها ایجاد شده است. نتایج نشان می دهند که الگوریتم با بهترین روشهای عملکردی برحسب کیفیت جواب، و دستیابی به راه حل های بهینه تر نسبت به دیگر روش های دقیقی که در دسترس است بهبود می یابد.

۱.         مقدمه

یک خط مونتاژ، یک فرایند تولید است که در تولید انبوه محصولات استاندارد استفاده می شود، مثلا در اتومبیل. یک خط مونتاژ اغلب تشکیل شده از چند ایستگاه است که به شکل زنجیره ای مرتب شده و بوسیله یک سیستم جابجایی مواد به یکدیگر مرتبط می شوند، از قبیل یک کمربند نقاله. واحدهای محصول به صورت متوالی از خط آغاز شده و از ایستگاهی به ایستگاهی دیگر بوسیله سیستم جابجایی مواد جابجا می شوند. به هر ایستگاه یک زمان یکسان تخصیص داده شده، که تحت نام زمان چرخه شناخته می شود، و برای تکمیل یک یا تعداد بیشتری از کارها روی هر محصول می باشد.

مسئله موازنه خط مونتاژ (ALBP) یک مسئله بهینه سازی از تفکیک کار مونتاژ (موازنه) در میان ایستگاه ها بر طبق برخی اهداف است. ALBP یک مسئله وسیع از نظر مطالعاتی است که شکل اصلی آن به صورت مسئله موازنه خط مونتاژ ساده (SALBP) شناخته می شود، [۱] را برای کارهای اخیر ببینید. SALBP با تخصیص کارها به ایستگاه به روشی سر و کار دارد که روابط اولویتی بین امور (مثلا، صندلی های ماشین باید قبل از درب های ماشین مونتاژ شوند) کامل شده و کارایی خط بیشینه شود. بیشینه کردن کارایی معادل با کمینه کردن زمان بیکاری کلی است، که با اختلاف بین زمان چرخه و بار کاری هر ایستگاه اندازه گیری می شود (بار کاری یک ایستگاه عبارت از جمع زمان های عملیاتی کارهاییست که انجام می شود).

این اهداف می توانند با کمینه کردن تعداد ایستگاه ها برای یک زمان چرخه (اهداف نوع اول)، با کمینه کردن زمان چرخه برای یک تعداد خاص از ایستگاه ها (اهداف نوع دوم) و یا با کمینه کردن محصول زمان چرخه و تعداد ایستگاه ها (اهداف نوع E) بدست بیایند. همچنین یک حالت ممکن شناخته شده به نام مسئله نوع F وجود دارد که در آن هر دوی زمان چرخه و تعداد ایستگاه ها معلوم است، و هدف یافتن یک جواب ممکن است. حالات بهینه سازی SALBP بعنوان مسائل NP سخت شناخته شده و آنها را به مسئله بسته بندی تعمیم می دهند، که یک مسئله NP سخت است [۲].

هر مسئله ای که دارای محدودیت های اضافی یا اهداف مختلف باشد ممعمولا بعنوان مسئله موازنه خط مونتاژ کلی (GALBP) شناخته می شود، [۳] را برای یک شمای طبقه بندی شده و یا [۴] را برای یک مرور ببینید. معمولا، GALBP ها بر اساس SALBP و بواسطه به میان آوردن خصوصیات دیگری از موقعیت های زندگی واقعی ایجاد می شوند. مسئله ای که در این مقاله آورده شده است، بر اساس یک SALBP بوسیله مد نظر قراردادن زمان های عملیات که می تواند وابسته به عملکرد کارگران یا ویژگی های روبات هایی که این کارها را انجام می دهند باشد[۵]، ساخته شده است. در این نمونه، راه حل نیازمند تخصیص اوپراتورها، کارگرها یا روباتها به ایستگاه ها باضافه تفکیک امور است.

Abstract

In this paper, we studied the assembly line worker assignment and balancing problem, which is an extension of the classical assembly line balancing problem in which an optimal partition of the assembly work among the stations is sought along with the assignment of the operators to the stations. The relationship between this problem and several other well-studied problems is explored, and new lower bounds are derived. Additionally, an exact enumeration algorithm, which makes use of the lower bounds, is developed to solve the problem. The algorithm is tested by using a standard benchmark set of instances. The results show that the algorithm improves upon the best-performing methods from the literature in terms of solution quality, and verifies more optimal solutions than the other available exact methods.