زمان‌بندی گردش شغلی در سیستم تولید تازه‌آرایش‌یافته به‌صورت سلول تولید ناب با رویکرد الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، دانشگاه شهید بهشتی.

2 دانشیار، دانشگاه شهید بهشتی.

3 استاد، دانشگاه شهید بهشتی.

چکیده

بسیاری از سیستم‌های تولید با تغییر چیدمان و به‌کارگیری اصول اولیه عملیاتی به‌شکل سلولی تغییرآرایش می‌یابند و در مرحله تبدیل به سلول تولید ناب قرار می­گیرند. بهبود عملکرد سلول­های تازه‌استقراریافته به تخصیص مطلوب کارکنان به سلول و عملکرد مناسب آنان وابسته است. در این راستا، مقاله حاضر با تأکید بر اهمیت جنبه­های انسانی و ضرورت گردش شغلی در سلول­های تولید ناب، خستگی ناشی از تکرار وظایف درقالب سیکل­های کاری متعدد را برای محیط سلول تولید ناب مفهوم‌سازی و مدل برنامه­ریزی غیرخطی از سیستم سلول تولید ناب را طراحی کرده است. این مدل بهترین ترکیب از کارکنان معمولاً تک‌مهارته در سیستم تولید کنونی برای تخصیص به سلول مشخص و برنامه گردش شغلی آن‌ها طی افق برنامه­ریزی هفتگی را تعیین می­کند؛ به‌طوری که اهداف چندگانه عملکرد ناب محقق شود. با توجه به قرار گرفتن مسئله در زمره مسائل بهینه‌سازی ترکیباتی و پیچیدگی الگوریتمی آن، هیچ‌یک از بسته­های بهینه­سازی معتبر در دسترس، مانند لینگو 10 و گمز، نتوانستند جواب­های موجه را ارائه دهند؛ بنابراین، مدل تحقیق با توسعه الگوریتم ژنتیک تحلیل شده است. 

کلیدواژه‌ها


عنوان مقاله [English]

Job Rotation Scheduling in a New Arranged Lean Cell, a Genetic Algorithm Approach

نویسندگان [English]

  • Ashkan Ayough 1
  • Mostafa Zandieh 2
  • Hassan Farsijani 2
  • Behrooz Dorri Nokarani 3
1 Assistant Professor, Shahid Beheshti University.
2 Associate Professor, Shahid Beheshti University.
3 Professor, Shahid Beheshti University.
چکیده [English]

Seeing that a lean cell performance is directly related to assigned operators, this article incorporates boredom in term of continually repeating working cycles as a function of the way in which operators assigned to and rotated in the cell during a specified short-term horizon and develops an integer nonlinear model to two problems, namely balancing and assignment in the case of arranging a new cell. The model is to satisfy some goals in term of lean performance measures and classic ones. None of the optimization packages is able to solve even the small size samples of the model due to formulating great number of nonlinear inequalities and non-pre-identified number of work cycles for each assigned operator per each rotation interval, as well. So, by applying the benefits of genetic algorithm the model is solved.

کلیدواژه‌ها [English]

  • Job Rotation Scheduling
  • Boredom
  • U-Shaped Lean Cell
  • Integer Nonlinear Programming
  • Genetic Algorithm (GA)