بخشی از مقاله
چکیده:
در این مقاله، یک مدل ریاضی یکپارچه از نقش واگنهاي هدایت شونده خودکار - AGV1s - در سیستم تولید سلولی پویا که در آن، ترکیب و/ یا حجم محصول از یک دوره نسبت به دوره دیگر متفاوت است، توسعه داده شده است. بر اساس اطلاعات ما، هیچ یک از مقالات پیشین، مسئله تشکیل سلولی پویا - DCFP2 - به عنوان یکی از مسائل موجود در سیستم تولید سلولی پویا را با در نظر گرفتن نقش کلیدي تجهیزات جابهجایی مواد همچون AGVها در نظر نگرفتهاند اگرچه این موضوع میتواند اثر معنیداري بر روي جوابهاي مسئله داشته باشد. از اینرو، مدل ریاضی غیرخطی براي مسئله با در نظر گرفتن تخصیص AGVها به سلولها، تعیین تعداد AGVها، حذف یا اضافه شدن AGVها و مکانیابی AGVها ارائه میشود و به منظور حل مدل پس از خطیسازي، از نرم افزار GAMS استفاده میشود. مدل پیشنهادي توسط برخی از مثالهاي عددي اعبارسنجی میگردد.
کلمات کلیدي: مسئله تشکیل سلول پویا؛ AGV؛ مسیرهاي دوطرفه؛ نرمافزار GAMS
.1 مقدمه
به دلیل وجود یک بازار جهانی رقابتی، شرکتهاي تولیدي در حال تغییر طرح سیستمهاي تولیدي از پیکربنديهاي سنتی نظیر جریانکارگاهی و تولید- کارگاهی به سمت پیکربنديهاي جدید نظیر سیستم تولید سلولی - CMS3 - میباشند. سیستمهاي تولید سلولی، مفاهیم تکنولوژي گروهی با کاربرد صنعتی - GT4 - میباشند که نه تنها شامل مزایاي حجم تولید و کارایی جریانکارگاهیها هستند بلکه دربرگیرنده تنوع محصول و انعطافپذیري تولیدکارگاهیها - تولید کارگاهی - هستند. در یک CMS، ماشینها به سلولهاي متمایز به عنوان گروههاي ماشین و نیز قطعات مشابه از حیث تولید و طراحی و یا به صورت خانوادههاي قطعات تخصیص داده شده به این سلولها تقسیم میشوند. با این حال، CMS داراي چندین مزایاي مهم نظیر کاهش در موجودي در جریان ساخت، زمانهاي راهاندازي، هزینههاي جابهجایی مواد، سادهسازي زمانبندي و بهبود کیفیت - [1] - میباشد.
مسئله CFP به عنوان نخستین مرحله در CMS ایجاد گروه ماشینآلات و خانوادههاي محصولات متناظر میباشد به طوري که تابع هدف بهینهسازي میشود. مقالات اولیه در خصوص CFP که موسوم به CFP کلاسیک است، فرض کردهاند که ترکیب محصول و تقاضاي قطعه در افق برنامهریزي ثابت است اگرچه در محیط واقعی پویا، یک افق برنامهریزي را میتوان به چندین دوره کوچکتر تقسیم کرد که در آن هر دوره داراي ترکیب محصول و حجم تقاضاي قطعه متفاوتی است. با این حال، راه حل بهینه براي CFP در حال حاضر نمیتواند براي دوره بعدي کارامد و بهینه باشد . - [2] - در نتیجه مفهوم تشکیل سلولی پویا - DCFP -
توسط رالت و همکاران [3] براي توسعه راه حل بهینه براي هر دوره با توجه به تقاضاي آن سلول و غلبه بر معایب CFP کلاسیک معرفی شد. در DCFP، راه حل بهینه CFP را میتوان از طریق پیکربندي مجدد سلول تولید براي هردوره بدست آورد. در واقع، پیکربندي مجدد متشکل از جابهجایی ماشینهاي موجود در سیستم سلول، افزودن ماشینهاي جدید به سلولها و حذف ماشینهاي موجود از سلولها است. یک مثال براي پیکربندي مجدد سلولهاي تولیدکننده در دو دوره متوالی در شکل 1 نشان داده شده است.
همانطور که در مسئله DCFP به وضوح مشخص است در هر دوره قطعات داخل سیستم تولیدي به منظور تکمیل فرآیندشان نیاز دارند که روي ماشینآلات متفاوتی قرار گیرند که ماشینآلات موردنیاز ممکن است داخل یک سلول باشند یا اینکه داخل چندین سلول باشند. اگر ماشینآلات موردنیاز براي هر قطعه داخل یک سلول باشند فقط حرکات درون سلولی براي قطعه اتفاق خواهد افتاد و در طرف دیگر اگر در سلولهاي متفاوتی باشند، قطعه مجبور خواهد بود که حرکات بین سلولی داشته باشد. قطعاتی که حرکات بین سلولی دارند به عنوان قطعات استثنایی شناخته میشوند. معمولا هزینههاي بیرون سلولی از هزینههاي درون سلولی خیلی بیشتر است. جابجایی قطعات چه از نوع درون سلولی و چه از نوع بیرون سلولی باشد میتواند توسط انواع روشها همچون انسان، تراك، نوار نقاله، AGV و غیره اتفاق بیفتد.
اما امروزه با توجه به نیاز داشتن به انعطافپذیري و اتوماسیون صنعتی در شرکتها، توجه ویژهاي به AGVها به عنوان وسایل اتوماتیک بدون راننده شده است. البته ذکر این نکته حائز اهمیت است که زمانی استفاده از AGVها کارا و موثر خواهد بود که مدیریت صحیحی بر آنها صورت گیرد. این مدیریت میتواند از نظر جنبههایی همچون مدیریت مسیریابی، مدیریت تخصیص صحیح، مدیریت عدم برخورد AGVها، مدیریت شارژ باتري و غیره باشد. در این مقاله، مدلی که به صورت یکپارچه AGVها را داخل یک DCFP مدیریت میکند ارائه میشود. این AGVهاي در نظر گرفته شده در سیستم تولیدي فقط بین سلولهاي مختلف روي یک مسیر دوطرفه، مواد را جابجا میکنند. به عبارت دیگر AGVها قادرند روي هر مسیر هم حرکت ساعتگرد و هم پاد ساعتگرد داشته باشند. سعی شده تا مدیریت تعداد، مکانیابی و تخصیص AGVها درون یک سیستم تولید سلولی که تقاضا در دورههاي مختلف تغییر میکند به وسیله مدلسازي ریاضی صورت گیرد.
.2 مرور ادبیات
در طی چهار دهه گذشته، تحقیقات بسیار زیادي در رابطه با مسائل اصلی CMS انجام شده و در عین حال منابع مربوط به این رشته بسیار غنی است. در همه مقالات منتشر شده قبل از 1995، مسائل CMS همانند CFP ها تحت شرایط ایستایی در نظر گرفته شدهاند که در آنها سلولها براي یک دوره زمانی تشکیل میشوند و ترکیب و تقاضاي محصول ثابت است. به دلیل شرایط پویاي محیط کسب و کار امروزي که در آن ترکیب محصول و تقاضاي قطعات براي دورههاي متعاقب و آینده متنوع و گوناگون است، CMS کلاسیک نمیتواند عامل اصلی در نظر گرفته شود. به عبارت دیگر، بهترین تشکیل سلول براي یک دوره یا چندین دوره زمانی کارامد و عملی باشد. یک روش مناسب براي حل این مسئله در CMS، استفاده از مسئله تشکیل سلول پویا - DCFP - میباشد که توسط رالت و همکاران [3] معرفی شده است.
پس از انتشار این مقاله، علاقه زیادي به انجام تحقیقات در توسعه مدلها و راه حلها براي DCFP مشاهده شد. براي مثال، بالاکریشنان و هوانگ چنگ [4] یک چارچوب انعطافپذیر را براي مدلسازي تولید سلولی در یک DCFP طراحی کرد. به منظور براورده کردن تقاضاي پویا، آنها از دو مرحله استفاده کردند که در آن نخستین مرحله شامل پیکربندي سلول بهینه در محیط ایستا است و دومین مرحله شامل به کارگیري برنامه- ریزي پویا با استفاده از هزینه جابهجایی مواد بهینه نخستین مرحله براي بدست آوردن راه حل بهینه در شرایط پویا میباشد. آنها نشان دادند که با افزایش هزینه پیکربندي مجدد، جریانکارگاهی نسبت به CMS مطلوبتر است. توکلی-مقدم و همکاران [5] یک مدل ریاضی را براي DCFP ارائه کردند که در آن تقاضاها پویا است ولی قطعی میباشند. آنها طرحهاي جایگزین - انعطاف پذیري مسیر یابی - و تعداد متغیري از مفاهیم سلول را در مدل DCFP براي اولین بار اضافه کردند.
در مقاله دیگر نوشته شده توسط توکلی-مقدم و همکاران [6]، آنها از مدل قبلی خود در مقاله توکلی مقدم و همکاران [5] با انضمام هزینه عملیاتی براي هر ماشین استفاده کردند. آنها از الگوریتم ژنتیک - GA5 - ، الگوریتم تبرید شبیه سازي شده - SA - 6 و الگوریتم جست وجوي ممنوعه - TS - 7 براي حل مدل غیرخطی استفاده کرده و پی بردند که SA نسبت به دو رویکرد فراابتکاري دیگر هم از نظر کیفیت راه حلها وهم از نظر زمانهاي محاسباتی در بیشتر مسائل آزمایشی عملکرد بهتري دارد. در یک مقاله نسبتاً جامعتر، دفرشا وچن [7] یک مدلی را در نظر گرفتند که از پیکربندي سلول، مسیریابی جایگزین، توالی عملیات، واحدهاي چندگانه ماشینهاي مشابه، ظرفیت ماشین، تعدیل حجم کار در میان سلولها، هزینه عملیاتی، هزینه برونسپاري کارها، هزینه مصرف ابزار، هزینه راهاندازي و سایر محدودیتهاي عملی استفاده میکند.
دفرشا وچن [8] مدل DCFP قبلی را توسعه دادهاند که در آن محدودیت مجاورت ماشین و تقسیم کار در نظرگرفته شده است. به عبارت دیگر، دومفهوم این که -1 سفارشهاي بزرگ را میتوان به دستههاي کوچکتر تقسیم کرد که فرصتی را براي پردازش همزمان سفارشات بیش از یک مرکز کاري - تقسیم حجم کار - فراهم میکند و -2 مجموعهاي از جفت ماشین بایستی در یک سلول قرار گیرد - مجاورت ماشین - در این مقاله استفاده شده است. سعیدي مهراباد و صفایی [9] از یک رویکرد شبکه عصبی - NNA8 - براي DCFP استفاده کردند که در آن تعداد سلولهاي تشکیل شده یک متغیر تصمیم در مدل پیشنهادي است. با مقایسه نتایج در NAA و راه حلهاي بهینه LINGO، آنها ادعا کردند که NNA میتواند یک روش قوي و قابل اطمینان باشد. مسائل انسانی نظیر استخدام، اخراج و آموزش را میتوان در قالب DCFP لحاظ کرد. به این ترتیب، یک مدل جدید براي تخصیص همزمان کار و DCFP توسط آریانژاد و همکاران [10] ارائه شده است.
آنها هر دو سطح ماشین و سطح مهارت را در مدل جدید خود در نظر گرفتند. به علاوه، تقاضاها هم پویا و هم قطعی هستند. مدل عدد صحیح غیرخطی تکهدفه به یک مدل خطی تبدیل میشود. در نهایت، مدل یکپارچه با یک مدل مجزا مقایسه میشود. مدلهاي چندهدفه نیز براي DCFP در منابع ارائه شدهاند. در این بخش، مقاله انجام شده توسط وانگ و همکاران [11] نخستین مقالهاي است که مدل سه هدفه شامل کمینهسازي هزینههاي جابهجایی، بیشینهسازي سرعت مصرف و استفاده از ظرفیت ماشین و کمینهسازي تعداد کل حرکات درون سلولی را در نظر میگیرد. باجستانی و همکاران [12] یک مدل دو هدفه را توسعه دادند که در آن اولین هدف کمینهسازي هزینههایی نظیر استهلاك ماشین، هزینههاي جابهجایی مواد درون سلولی و هزینه جابهجایی ماشین و دومین هدف کمینهسازي تغییرات بار سلولی کل است. به علاوه، قطب الدینی و همکاران [13] یک مدل دو هدفه را توسعه دادند که متشکل از کمینهسازي مجموع هزینههاي متنوع و بیشینهسازي مجموع نسبت کار حداقل براي کل دورهها است.
صفایی و توکلی مقدم [14] نیز به طور همزمان برنامهریزي تولید و DCFP را پیشنهاد کردند. آنها جابهجایی مواد درون سلولی و بین سلولی را با فرض توالی عملیات و نیز برونسپاري کاري جزیی را با فرض زمان انتظار براي آیتمهاي سفارش شده اضافه کردند. عملکرد مدل آنها با دو مثال عددي تأیید شد. نتایج نشان داد که موجودي، برونسپاري کاري و سفارش معوق میتواند اثر معنیداري بر پیکربندي سلول در سرتاسر برنامهریزي اوفق داشته باشد. یک مدل جامع از جمله DCFP، برنامه ریزي تولید و مسئله تخصیص کارگر در مقاله مهدوي [15] ارائه شده است. در برخی از مقالات، مشاهده شد که طراحی سیستم زنجیره تأمین با DCFP تلفیق میشود. براي مثال، ساکسنا و جین [16] یک مدل یکپارچه طراحی زنجیره تأمین و تولید سلولی پویا را با در نظرگرفتن مسائل مختلف نظیر مناطق با چندکارخانه، بازارهاي چندگانه، دورههاي چند زمانه، پیکربندي مجدد ترکیب کردند.. برخی محققان به طور همزمان بر روي مسائل طرحریزي و DCFP کار کردند. کیا و همکاران [17] مدل طراحی گروهی DCMS را با مسیریابی فرایند جایگزین، تقسیم حجم کار و پیکربندي مجدد انعطافپذیر ارائه کردند. آنها فرض کردند که در هر سلول تعدادي محل وجود دارد که ماشینها بایستی به آنها تخصیص داده شوند.
همچنین، مقالاتی نیز وجود دارند که پارامترهاي آنها با عدم قطعیت همراه است. براي مثال، صفایی و همکاران [18] از یک رویکرد برنامهنویسی فازي براي DCFP با تقاضاهاي غیرقطعی و ظرفیت ماشین موجود استفاده کردند. پارامترهاي غیرقطعی به عنوان یک عدد فازي تکهاي در نظر گرفته شدهاند. محدودیت اصلی رویکرد فازي توسعه یافته، افزایش کارهاي محاسباتی با افزایش اندازه مسئله است. از این روي آنها یک روش فراابتکاري و ابتکاري را براي حل بیشینه سازي مسئله تصمیم براي مسائل بزرگ توصیه کردند.. همچنین، زهرهوند و همکاران [19] یک مدل تصادفی دو منظوره را توسعه دادند. اولین تابع هدف مدل توسعه یافته، کمینهسازي هزینههاي کل بود در حالی که دومین تابع هدف بیشینهسازي استفاده از نیروي کار در سیستم تولید سلولی بود. آنها این موضوع را در نظر گرفتند که تقاضا براي دورههاي مختلف غیرقطعی است
همه مقالات موجود در منابع DCMS، نقش وسایل جابجا کننده را در کارگاهها نادیده گرفتهاند. این میتواند به دو دلیل باشد: -1 چون آنها فرض میکنند که وسایل جابجاکننده اولیه تخصیص داده شده به سیستم تولید براي انتقال هر مقدار از تولید بهینه کافی است -2 چون آنها فرض میکنند که زمان جابه- جایی قطعات کمتر از زمان پردازش است که میتوانند در مدل نادیده گرفته شوند. با این حال، در محیط واقعی، وقتی که تعداد جابهجایی بالا است، احتمال دارد که وسایل جابجاکننده بیشتري با توجه به ظرفیتشان نیاز است. در نتیجه، ما یک مدل یکپارچه را از DCMS با توجه به نقش مؤثر یکی از وسایل
