بخشی از مقاله
چکیده
بخش زیادی از مسائل دنیای واقعی در فضای غیر قطعی اتفاق میافتند و میتوان ادعا کرد که تصمیمگیری در فضای غیر قطعی به مراتب سختتر از تصمیمگیری در فضای قطعی میباشد. هدف اصلی این مقاله ارایه الگوریتمی جهت تعیین اولویت تولید محصولات در شرایط غیرقطعی می باشد. تئوری عدد بازهای به عنوان یک رویکرد برخورد با عدم قطعیت، در این مقاله مورد استفاده قرار گرفته است.
الگوریتم پیشنهادی، روی گلوگاههای سیستم تمرکز کرده و مجموعه منابع تولیدی را به مجموعه گلوگاههای سیستم کاهش میدهد. این الگوریتم هر گلوگاه را به عنوان یک تصمیم گیرنده در نظرمیگیرد؛ سپس با درنظر گرفتن دو معیار جریمه تأخیر و اولویت تولید از نظر هر گلوگاه، اولویت تولید ادغامی را براساس روش بردا محاسبه مینماید. در نهایت، مثال عددی به منظور درک بهتر روش پیشنهادی، ارائه شده است.
.1 مقدمه
یکی از مهمترین مسائلیکه کارخانجات غالباً با آن مواجه هستند این است که از بین محصولاتی که قادرند تولید کنند، نمیدانند کدام محصول را برگزینند به عبارت بهتر ممکن است چندین محصول باشد که کارخانه بتواند آنرا در یک دوره تولید نموده و بفروش برساند ولی میخواهد بداند که کدام محصول را باید در اولویت تولید قرار دهد. این مسئله مورد توجه بسیاری از محققان قرار گرفته است و بسیاری از محققان به روشهای ابتکاری و یا فرا ابتکاری برای حل این دسته از مسائل رو آوردهاند.
.1.1 الگوریتمهای ابتکاری
می توان سال 1990 را آغازی برای تعیین ترکیب تولید با توجه به رویکرد TOC دانست، در این سال گلدرات الگوریتم اولیه TOC را ارائه نمود. بسیاری از محققین [4]- [1] الگوریتم اولیه را مورد حمایت قرار دادهاند. پس از مدتی، زمزمههای مخالفی در خصوص الگوریتم اولیه به گوش رسید که اوج این مخالفتها توسط پلنرت در سال 1993 مطرح شد .[5] مخالفین موفق شده بودند مثالهای نقض متعددی را در جهت اثبات عدم کارایی الگوریتم اولیه ارائه .[6] این افراد نشان دادند که دو دسته از مسائل هستند که الگوریتم اولیه TOC در رسیدن به جواب بهینه ناتوان است
- مسائلی که ورود آلترناتیو جدید را به خط تولید بررسی میکنند. در این مسائل، قصد بر این است که از بین دو یا چند محصول جدید، حداکثر یکی را انتخاب و به خط تولید اضافه کرد
- مسائل دارای بیش از یک گلوگاه که در آنها از گلوگاه غالب استفاده کامل به عمل نمیآید
در سال 1997 فردندال و لی [9] با ارائه الگوریتمی به نام الگوریتم تجدیدنظر شده در جهت اصلاح الگوریتم اولیه و برطرف کردن معایب آن گام برداشتند. هسو و چانگ [10] در سال 1998 منابع سیستم را به صورت منابع محدود و سه سطح از منابع غیرمحدود طبقه بندی نمودند. آنها یک الگوریتم بازگشتی مشابه سیمپلکس دوگان با متغیرهای کراندار برای حل مسئله تعیین ترکیب تولید ارائه نمودند. در سال 2004 آریانژاد و رشیدی کمیجان [11] طی مثالی نقض نشان دادند که الگوریتم تجدید نظر شده در دستیابی به جواب بهینه ناتوان میباشد وبدین سان الگوریتم بهبود یافته را ارائه نمودند.
رشیدی و همکاران [12] در سال 2009 با استفاده از یک مدل ریاضی، محصولات را اولویت بندی نمودند سپس جواب اولیه بدست آمده را بهبود دادند. ری و همکاران [7] الگویتمی براساس تئوری محدودیتها و روش AHP توسعه دادند و در سال 2014 وانگ و همکاران [13] به بررسی این الگوریتم پرداخت و حالتهایی را یافتند که الگوریتم مذکور در رسیدن به جواب بهینه ناتوان میباشد. سوبریرو و نگانو [14] براساس تئوری محدودیتها و مسئله کولهپشتی، روشی ارائه نمودند و مدعی شدند که الگوریتم پیشنهادی از لحاظ کیفیت جواب و زمان رسیدن به جواب نسبت به الگوریتمهای تجدید نظر شده و بهبود یافته، برتری دارد.
تنهایی و نهاوندی [15] در سال 2013 الگوریتمی برای تعیین ترکیب تولید در حالت دوگلوگاهی ارائه نمودند. آنها در مثالی با پنج محصول و شش منبع نشان دادند که الگوریتم پیشنهادی بهتر از الگوریتم اولیه و الگوریتم جستجوی ممنوعه بوده و جوابی به خوبی الگوریتم تجدید نظر شده و روش برنامه ریزی عدد صحیح ارائه میدهد.
د سوزا و همکاران [16] الگوریتمی برای تعیین ترکیب تولید پیشنهاد نمودند. این الگوریتم، جواب اولیه خود را براساس الگوریتم اولیه تئوری محدودیت ها و الگوریتم تجدید نظر شده، تعیین مینماید و سپس براساس ضریب بارنارد [17] ظرفیتی حفاظتی برای گلوگاههای سیستم درنظر میگیرد.
سوبریرو و همکاران [18] به منظور بیشیه نمودن "خروجی در هر روز" الگوریتمی توسعه دادند. آنها الگوریتم پیشنهادی خود " Cut "SM را نام نهادند.
بدری و همکاران [19] در سال 2014 با در نظرگرفتن عدم قطعیت بازهای و سطوح مختلف درجه امکان، الگوریتمی برای تعیین ترکیب تولید ارائه نمودند.
.2.1 الگوریتمهای فرا ابتکاری
در سال 2001 آنبلو و موتینگی [20] از الگوریتم ژنتیک برای مسائل تولید ترکیبی با ابعاد بزرگ استفاده نمودند و مدعی شدند که الگوریتم اولیه TOC و روش برنامه ریزی خطی عدد صحیح تنها توانایی حل مسائل کوچک را در زمان قابل قبول دارند در حالیکه الگوریتم ژنتیک پیشنهادی آنها برای مسائل بزرگ نیز در زمان قابل قبول به جوابی مناسب میرسد.
آنبلو و موتینگی [21] در سال 2001 به منظور دستیابی به ترکیب بهینه تولید هنگامی که بیش از یک گلوگاه در سیستم موجود است، الگوریتم ژنتیکی ارائه نمودند. آنها ضمن مقایسه جواب الگوریتم خود با الگوریتم اولیه TOC، الگوریتم تجدیدنظر شده و روش برنامه ریزی خطی عدد صحیح، مدعی شدند اگرچه در برخی مسائل با ابعاد کوچک الگوریتم ژنتیک به جواب بهینه نمیرسد اما جوابی با کیفیت بالا و در زمانی قابل قبول ارائه میدهد.
در سال 2001 آنبلو [22] الگوریتم دیگری بر اساس جستجوی ممنوعه ارائه نمود او جواب بدست آمده از الگوریتم خود را با الگوریتم اولیه TOC، الگوریتم تجدیدنظر شده و روش برنامه ریزی خطی عدد صحیح مقایسه نمود و به این نتیجه رسید که برای مسائل موجود در ادبیات و مسائل بزرگ که به صورت تصادفی تولید شده، الگوریتم در زمان قابل قبولی به جواب بهینه یا نزدیک به بهینه دست مییابد.
میشرا و همکاران [23] در سال 2005 به منظور دستیابی به ترکیب بهینه تولید هنگامی که بیش از یک گلوگاه در سیستم موجود است، الگوریتمی ترکیبی1 ارائه نمودند و طی مثالی نشان دادند در حالی که الگوریتم اولیه TOC در رسیدن به جواب ناتوان میباشد، الگوریتم پیشنهادی آنها به جواب مناسبی دست مییابد. البته جواب آنها نشدنی بود زیرا بار کاری بر روی یکی از منابع - منبع 40 در مقاله مورد نظر - بیشتر از ظرفیت در دسترس بود.
در سال 2007 چهارسوقی و جعفری [24] الگوریتمی براساس شبیه سازی ذوب و انجماد برای مسئله تولید ترکیبی ارائه نمودند. آنها جوابهای بدست آمده از الگوریتم پیشنهادی خود را با الگوریتم اولیه TOC ، الگوریتم تجدیدنظر شده، روش برنامه ریزی خطی عدد صحیح، الگوریتم جستجوی ممنوعه و الگوریتم ژنتیک مقایسه کردند وانگ و همکاران [25] در سال 2009 از تئوری محدودیتها و الگوریتم ایمنی، برای حل مسئله تولید ترکیبی استفاده نمودند. آنها با حل مسائل موجود در ادبیات، نشان دادن در %100 موارد روش پیشنهادی به جواب بهینه می رسد در حالی که الگوریتم جستجوی ممنوعه و الگوریتم ژنتیک به ترتیب تنها در %20 و %50 موارد به جواب بهینه منجر میشوند.
رضایی و همکاران [27] ,[26] از روش بهینه سازی انبوه ذرات برای حل مسئله تولید ترکیبی استفاده نمودند. آن ها مدعی شدند که الگوریتم پیشنهادی آنها چه در ابعاد کوچک و چه در ابعاد بزرگ جواب بهتری را ارائه میدهد. البته آنها تنها در یک مثال با 5 محصول و 6 منبع نتایج مقایسه خود را انتشار دادند.
در سال 2010 نظری شیرکوهی و همکاران [28] از الگوریتم رقابت استعماری برای حل مسئله تولید ترکیبی استفاده نمودند. آنها در قالب مثالی با سه محصول و چهار منبع نشان دادند که الگوریتم رقابت استعماری به جواب بهینه دست مییابد. بدری و غضنفری [29] در سال 2011 به منظور دستیابی به ترکیب بهینه تولید، الگوریتمی براساس جستجوی هارمونی ارائه نمودند. آنها الگوریتم پیشنهادی خود را با الگوریتم اولیه TOC ، الگوریتم جستجوی ممنوعه و الگوریتم بهینه سازی انبوه ذرات مقایسه نمودند که نتایج حاصل نشان دهنده برتری الگوریتم پیشنهادی بود.
در این مقاله، روشی مؤثر جهت تعیین اولویت محصولات با درنظر گرفتن جریمه تأخیر و پارامترهای بازهای براساس روش بردا ارائه می گردد. در ادامه ساختار مقاله به این صورت میباشد:
بخش 2، به حساب بازهای اختصاص خواهد داشت. در بخش 3، روش پیشنهادی شرح داده میشود. برای درک کاملتر روش پیشنهادی، یک مثال عددی در بخش 4 ارائه خواهد شد. در نهایت، بخش5 به جمع بندی مباحث مطرح شده اختصاص مییابد.