نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، دانشگاه آزاد اسلامی، قزوین.

2 دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، قزوین.

3 دانشجوی دکترای، دانشگاه شهید بهشتی.

چکیده

سیستم‌های تولید سلولی یکی از مهم‌ترین روش‌های تولید به‌شمار می‌روند. در این مقاله، با توجه به انعطاف‌پذیری در پردازش عملیات، تخصیص ماشین به هر عملیات و تعریف فازی پارامترهای هزینه، یک مدل چندهدفه برای تشکیل یک سیستم تولید سلولی در شرایط پویا ارائه می‌شود. در مدل پیشنهادی، اهداف حداقل‌سازی هزینه‌های سیستم تولید و حداقل‌سازی واریانس هزینه‌های فازی درنظر گرفته می‌شوند. همچنین، به‌منظور دستیابی به جواب‌های مؤثر، یک الگوریتم ترکیبی از NSGA-IIو شبیه‌سازی تبرید تدریجی پیشنهاد می‌شود و طراحی آزمایشات تاگوچی برای تنظیم پارامترهای این الگوریتم به‌کار می‌رود. برای بررسی کارایی الگوریتم پیشنهادی، نتایج به‌دست‌آمده از حل چندین مسئله نمونه مختلف، براساس شاخص‌های زمان CPU، فاصله نسل‌ها، فاصله‌بندی و کیفیت جواب‌ها با نتایج الگوریتم اولیه NSGA-IIمقایسه و تحلیل می‌شود.

کلیدواژه‌ها

عنوان مقاله [English]

Solving Fuzzy Multiple Objective Dynamic Cellular Manufacturing System Problem using a Hybrid Algorithm of NSGA-II and Progressive Simulated Annealing

نویسندگان [English]

  • Alireza Alinezhad 1
  • Sajjad Sabet 2
  • Mostafa Ekhtiari 3

1 Assistant Professor, Islamic Azad University, Qazvin Branch.

2 MS Student, Islamic Azad University, Qazvin Branch.

3 Ph.D Student, Shahid Beheshti University.

چکیده [English]

Cellular manufacturing systems (CMSs) are as one of the most important manufacturing methods.In this paper, is presented a multiple objective model to constitute a CMS under dynamic conditions subject to flexibility of operation processing, assigning machine to each operation and defining cost parameters as fuzzy numbers. In the proposed model, are considered objectives such as minimization of manufacturing system costs and fuzzy costs variance. Also in this paper, in order to attainment of effective solutions, is proposed a hybrid algorithm by NSGA-II and progressive Simulated Annealing (SA) and is applied experimental design of Taguchi for tuning the parameters of this algorithm. For surveying efficiency of the proposed algorithm, results obtained from solving several different sample problems, based on criteria of CPU time, generational distance, spacing and quality metric, are compared and analyzed with results of NSGA-II original algorithm.

کلیدواژه‌ها [English]

  • Cellular Manufacturing System Scheduling
  • Fuzzy Theory
  • NSGA-II Algorithm, Progressive Simulated Annealing (SA)