پارس پروژه پرتال خدمات دانشگاهی
کد محصول:M452
قیمت فایل ترجمه شده: ۱۲۰۰۰ تومان
تعداد صفحه انگلیسی:۱۲
سال نشر: ۲۰۱۴
تعداد صفحه ترجمه فارسی: ۳۶ صفحه word
عنوان فارسی:
مقاله ترجمه شده مدل تصمیم گیری چندهدفه هوشمند با فن آوری RFID برای برنامه ریزی تولید
عنوان انگلیسی:
Intelligent multi-objective decision-making model with RFID technology for production planning
چکیده فارسی:
یک مسئله برنامه ریزی تولید چندهدفه در صنعت تولیدی کارگر طلب بررسی شده است. یک مدل تصمیم گیری هوشمند و چندهدفه بهنگام برای ایجاد راه حل های موثر و بموقع برای این مسئله با یکپارچه کردن فن آوری RFID و تکنیکهای بهینه سازی هوشمند ایجاد شده است، که در آن فن آوری RFID برای جمع آوری داده های تولید بهنگام استفاده شده است، یک فرایند استراتژی تکاملی جدید با اندازه جمعیتی که خود به خود منطبق می شود و عملیات جدید نوترکیبسازی پیشنهاد شده است و با تکنیکهای موثر مرتب سازی نامغلوب و هرس کردن ترکیب شده تا راه حل های بهینه پارتو را برای تولید در دنیای واقع ایجاد کند. آزمایشهای مبتنی بر داده های صنعتی برای ارزیابی اثربخشی مدل پیشنهادی بکارگرفته شده اند. نتایج آزمایشات نشان میدهد که مدل پیشنهادی می تواند به طور موثری مسئله بررسی شده را بوسیله ایجاد راه حل های برنامه ریزی تولید که بر راه حل های صنعتی مقدم است حل کند.
۱. مقدمه
برنامه ریزی موثر تولید برای تحویل بموقع محصولات جهت برآوردن نیازهای مشتری حیاتی است، و می تواند به عملکرد کلی یک شرکت تولیدی اثر گذاشته و بنابراین مدیریت زنجیره تامین کلی را تحت تاثیر قرار دهد. این مقاله یک مسئله برنامه ریزی تولید دنیای واقعی را مورد بررسی قرار می دهد، تخصیص سفارش چندهدفه (MOA)، با توجه به شرکتهای چندگانه و بخش های تولیدی متعدد.
۱.۱. مشکل بودن فعالیت تصمیم گیری تولید
در صنایع تولیدی کارگر طلب امروزه، داده های تولید معمولا بوسیله استفاده از فن آوری بارکد یا حتی ورود دستی به یک شیوه آف لاین جمع آوری می شود. داده جمع آوری شده هرگز بهنگام نبوده و دقت آن مورد سوال است، این سبب تاخیر در تحقیق و کاربرد روش های موثر در برنامه ریزی تولید و کنترل می شود چون دقت و بهنگام بودن داده تولید، اساس بکارگیری تصمیم گیری موثر تولید می باشند.
در سالهای اخیر، شناسایی فرکانس های رادیویی (RFID) کاربردهای صنعتی فزاینده ای را بعنوان یک جایگزین جهت فن آوری بارکد بخود جلب کرده است (وایلد، ۲۰۰۶)، که از ارتباط امواج الکترومغناطیسی استفاده می کند تا داده ها را بین یک درگاه و یک برچسب الکترونیکی که متصل شده تا برای شی ء جهت شناسایی و رهگیری به کار رود، رد و بدل کند. همانطور که کاربرد RFID از نظر تجاری ممکن شد، برخی از سیستم های گیرنده داده مبتنی بر RFID تجاری، از قبیل سیستم کارخانه زیم (گروه زیمتری، ۲۰۰۷) و سیستم GPRO (فن آوری های GPRO، ۲۰۱۰)، توسعه یافت تا داده های تولیدی دقیق را بصورت بهنگام بدست آورده و اثربخشی آنها را بوسیله کاربردها و فعالیت های صنعتی مختلف در تولید کارگر طلب ثابت کرده است (گوئو، ۲۰۰۸). با وجود این، این سیستم ها تنها روی جمع آوری داده و گزارش داده های ساده تمرکز می کنند و نمی توانند راه حل های تصمیم گیری را برای کمک به مدیران تولید در مدیریت تولید در حال انجام ایجاد کنند. در صنایع تولیدی کارگر طلب امروزی (از قبیل پوشاک و کفش)، تولید بوسیله زمان انتظار کوتاهش ، تحویل بموقع از نظر زمانی، و مقادیر کم با تغییر مکرر در محصولمشخص می شود، همانند طبیعت بخش چند تولیدی و چند کارخانه ای. این پدیده ها و خصوصیات آنها پیچیدگی تصمیمات تولیدی موثر را زیاد می کند. تصمیم گیری در مورد برنامه ریزی تولید در این صنایع که به شدت بر تجربه برنامه ریزان تولید متکی است و فرضیات ذهنی در آنها بسیار مهم است، ممکن است تحت شرایط مشابه یکسان نبوده و بنابراین غیربهینه باشد.
Abstract
A multi-objective production planning problem in the labor-intensive manufacturing industry is investigated. An intelligent and real-time multi-objective decision-making model is developed to provide timely and effective solutions for this problem by integrating RFID technology with intelligent optimization techniques, in which RFID technology is used to collect real-time production data, a novel (μ/ρ+λ)-evolution strategy process with self-adaptive population size and novel recombination operation is proposed and integrated with effective non-dominated sorting and pruning techniques to generate Pareto optimal solutions for real-world production. Experiments based on industrial data were conducted to evaluate the effectiveness of the proposed model. Experimental results show that the proposed model can effectively solve the investigated problem by providing production planning solutions superior to industrial solutions.