Skip to main content
SUPERVISOR
Mehdi Bijari
مهدی بیجاری (استاد راهنما)
 
STUDENT
Mehdi Jafarian
مهدی جعفریان

FACULTY - DEPARTMENT

دانشکده مهندسی صنایع
DEGREE
Master of Science (MSc)
YEAR
1389

TITLE

Integrated non cyclical maintenance planning and production planning in PGLSP
In many environments, product yield is heavily influenced by equipment condition. Despite this fact, previous research has either focused on the issue of maintenance, ignoring the effect of equipment condition on yield, or has focused on the issue of production, omitting the possibility of actively changing the machine state. We formulate two MIP models that use of Markov chain for producing parameters need to process model of a single-stage multi parallel machines production system in which demand is supple have up and down bounds. We address a general lot-sizing problem with pricing. The objective is to maximise profit. The problem extends the general lot-sizing problem (GLSP). Model one is based on Myer GLT model and model two is based on Almada-lobo GLSP model. We extend almada-lobo GLSP model to involve non triangular setup condition. Both models are non cyclical and value-optimized maintenance planning and have maintenance micro periods. Models don’t interfere unemployment in depreciation. In this study, we propose that maintenance has intrinsic value and argue that existing cost-centric models ignore an important dimension of maintenance, namely its value, and in so doing, they can lead to sub-optimal maintenance strategies. The product yield depends on the equipment condition, which deteriorates over time. The objective is to choose simultaneously the equipment maintenance schedule as well as the demand and quantity to produce in a way that minimizes the sum of expected production, backorder, and holding costs. In this study introduced particle swarm optimization, simulated annealing and a heuristic-metaheuristic combined method as three meta-heuristics to solve the Integrated non cyclical maintenance planning and production planning in sensible time. Computational result annonce model two is better than model one in one machine problems. But in two or three machines problems model one was better than model two. In meta-heuristics, particle swarm optimization was not succeeded but simulated annealing and heuristic-metaheuristic combined method have good results, but heuristic-metaheuristic combined method have lower variance and solution time in compare by simulated annealing algorithm
هر گاه یک خرابی غیر منتظره برای ماشین رخ دهد، میزان بهره‌وری سیستم را کاهش داده و باعث می‌شود تا برنامه ریزی تولید فعلی نامناسب شده و نیازمند تغییر شود. تغییر برنامه تولید اگر غیر ممکن نباشد، خود در شرایط اضطراری می‌تواند بسیار هزینه‌بر باشد و میزان تولید و سطح سرویس را دست‌خوش تغییرات چشم گیر نماید. از این رو در نظر گیری نگهداری تعمیرات از مباحث مهم در برنامه ریزی تولید است. در سطح توالی عملیات توجه خاصی به موضوع نگهداری تعمیرات شده است، اما در سطح تعیین اندازه دسته‌های تولید، تعداد مقالات محدود است. در این پایان نامه علاوه بر توالی عملیات و برنامه نگهداری تعمیرات، همزمان به تعیین اندازه دسته‌های تولید نیز پرداخته شده است. از چالش‌های متداول در برنامه ریزی تولید مسئله هماهنگی تقاضا با ظرفیت است؛ لذا یک مسئله PGLSP که درباره‌ی تغییر در تقاضا است، انتخاب شده است تا در کنار مسئله نگهداری تعمیرات که با ظرفیت سیستم تولیدی در ارتباط است، مدلی بهتر از مدل‌های قبلی ارائه شده باشد. در این پایان نامه، دو مدل اصلی برنامه ریزی تولید PGLSP توسعه داده شده‌اند تا بتوانند نگهداری تعمیرات را نیز برنامه ریزی کنند. تفاوت این دو مدل در ساختار برنامه تولید آن‌هاست. این مدل‌ها با یکدیگر در دسته مسائل مختلف مقایسه شده‌اند. همچنین در مسائل نگهداری تعمیرات، برنامه ریزی نگهداری تعمیرات به دو صورت چرخشی و غیر چرخشی صورت می‌گیرد. برنامه‌های نگهداری تعمیرات غیر چرخشی برنامه‌های بهتری هستند. با این وجود در بیشتر کارهای ارائه شده، برنامه نگهداری تعمیرات چرخشی را به علت سادگی در مدل سازی، انتخاب کرده‌اند. همچنین اکثر مدل‌های نگهداری تعمیرات هزینه محور هستند، اما نگهداری تعمیرات ارزش ذاتی دارد. بنابراین اعمال دو مسئله برنامه نگهداری تعمیرات غیر چرخشی و نگهداری تعمیرات ارزش محور در برنامه تولید، توسعه‌ای بر مدل‌های قبل است. دو روش فرا ابتکاری شبیه سازی تبرید و تجمع ذرات، برای حل مسائل بزرگتر در زمان کم ارائه شده است تا جواب‌های با کیفیتی را در مقایسه با مدل‌های ریاضی و در زمان معقول ارائه ‌کنند. همچنین در ادامه یک الگوریتم ابداعی از تلفیق ابتکاری و فرا ابتکاری شبیه سازی تبرید نیز ارائه شده است. نتایج محاسباتی حاصل از آزمایش 90 مسئله نشان داده است که در مسائل تک ماشین مدل دوم و در مسائل دو و سه ماشین مدل اول عملکرد بهتری داشته‌اند. الگوریتم تجمعی ذرات نتایج قابل قبولی ارائه نکرده است. اما الگوریتم شبیه سازی تبرید و روش ابداعی پاسخ‌های خوبی به دست داده‌اند که البته روش ابداعی انحراف معیار و زمان حل کمتری داشته است.

ارتقاء امنیت وب با وف بومی