زمستان 93

 

 

 

 

 

چکیده

در حال حاضر پیچیدگی و پویایی روزافزون محیط‌های تولیدی، کاربرد مدل‌های تحلیلی را در ارزیابی و تصمیم‌گیری آن‌ ها با محدودیت‌های قابل توجهی روبه‌رو نموده است. لذا استفاده از شبیه‌سازی رایانه‌ای به‌عنوان ابزاری که قابلیت گسترده‌ای در فرموله‌نمودن سیستم‌های فوق دارد، به‌طور وسیع مورد استقبال قرار گرفته است. با این وجود، ارائه بهترین راه‌حل همواره یکی از چالش‌های اصلی این حوزه است.

در این راستا، پژوهش پیش رو به چگونگی حل مشکل برنامه‌ریزی خط تولید کاشی کارخانه مورد مطالعه پرداخت. مسئله تعیین تعداد بافرهای تخصیصی به هر خط بود. با بهره گرفتن از ترکیب تکنیک شبیه‌سازی رایانه‌ای و الگوریتم بهینه‌سازی ژنتیک، تعداد بهنیه بافرهای تخصیصی مشخص شد و زمان توقف کوره به حداقل ممکن خود رسید. ابتدا، سیستم تولیدی با بهره گرفتن از تکنیک شبیه‌سازی مدل شد و سپس از ترکیب آن با الگوریتم بهینه‌سازی ژنتیک، جواب‌های بهینه حاصل شدند.

بطور خلاصه، می‌توان هدف از انجام این پژوهش را این‌چُنین بیان کرد:

کاهش زمان توقف کوره از طریق تخصیص بهینه بافرها به خطوط تولیدی از طریق ترکیب تکینک شبیه‌سازی و الگوریتم بهینه‌سازی ژنتیک.

 

 

کلمات کلیدی: بهینه‌سازیِ شبیه‌سازی، الگوریتم‌های فراابتکاری، الگوریتم ژنتیک، برنامه‌ریزی تولید

 

 

 

فهرست مطالب

فصل اول کلیات پژوهش 1

1-1- مقدمه 2

1-2- بیان مسئله 3

1-3- ضرورت انجام پژوهش 4

1-4- سوالات پژوهش 4

1-5- اهداف پژوهش 5

1-5-1- اهداف کلی 5

1-5-2- اهداف خاص و مصداقی 5

1-6- قلمرو پژوهش 6

1-7- تعریف واژگان کلیدی 6

1-8- جمع‌بندی 7

فصل دوم ادبیات تحقیق 9

2-1- مقدمه 10

2-2- مدیریت تولید و سیستم‌های تولیدی 11

2-2-1- پارادایم‌های تولید 11

2-1-1-1- تولید دستی 12

2-1-1-2-تولید انبوه 12

2-1-1-3- تولید ناب 12

2-1-1-4- تولید چابک 13

2-3- انواع سیستم‌های تولیدی 13

2-4- دسته‌بندی سیستم‌های تولیدی 14

2-5- آشنایی با فرایندهای تولید و انواع آن 16

2-6- نقش شبیه‌سازی در مسائل برنامه‌ریزی تولید 18

2-7- تهیه برنامه زمان‌بندی توسط برنامه شبیه‌ساز 19

2-7-1- شبیه‌سازی برای تنظیم پارامترهای الگوریتم‌های ابتكاری 20

2-7-2- شبیه‌سازی برای ارزیابی راهكارهای متفاوت زمان‌بندی 21

2-7-3- شبیه‌سازی برای تقلید رفتارهای تصادفی سیستم 22

2-8- درنگی بر مفاهیم شبیه‌سازی 23

2-8-1- سیستم 23

2-8-2- مدل 23

2-8-3- اجزای یک مدل شبیه‌سازی 24

2-9- کاربردهای شبیه‌سازی در اداره واحدهای تولیدی 25

2-10- محاسن کاربرد شبیه‌سازی در صنعت 25

2-11- انواع نرم‌افزارهای شبیه‌سازی 26

2-12- بهینه‌سازیِ شبیه‌سازی 27

2-13- روش‌های بهینه‌سازی شبیه‌سازی 27

2-14- معرفی انواع الگوریتم‌های فراابتکاری 30

2-14-1- الگوریتم نزول 30

2-14-1-1- مراحل اجرای الگوریتم نزول 31

2-14-1-2- نقاط ضعف الگوریتم نزول 31

2-14-2- شبیه‌سازی تبرید تدریجی 31

2-14-2-1- تاریخچه و زمینه پیدایش 31

2-14-2-2- خط سیر الگوریتم تبرید تدریجی 32

2-14-3- جستجوی ممنوع 32

2-14-3-1- تاریخچه و زمینه پیدایش 33

2-14-3-2- خط سیر الگوریتم جستجوی ممنوع 33

2-14-4- الگوریتم مورچگان 34

2-14-4-1- تاریخچه و زمینه پیدایش 34

2-14-4-2- خط سیر الگوریتم مورچگان 34

2-14-4-3- گونه‌های مختلف الگوریتم مورچگان 35

2-14-5- الگوریتم ژنتیک 35

2-14-5-1- تاریخچه و زمینه پیدایش 35

2-14-5-2- خط سیر الگوریتم ژنتیک 36

2-15-5-3- مفاهیم و سازوکارهای الگوریتم ژنتیک 37

2-14-5-4-کاربردهای الگوریتم ژنتیک 39

2-15- نرم‌افزارهای مورد استفاده در پژوهش 42

2-16- پیشینه پژوهش 43

2-16-1- بخش اول: مروری بر پژوهش‌های کاربرد شبیه‌سازی در سیستم‌های تولیدی 43

2-16-1-1- پیشینه پژوهش‌های داخلی 43

 

2-16-1-2- پیشینه پژوهش‌های خارجی 44

2-16-2- بخش دوم: مروری بر پژوهش‌های انجام شده در جهت تعیین اندازه انبارهای میانگیر 46

2-16-2-1- پیشینه پژوهش‌های داخلی 46

2-16-2-2- پیشینه پژوهش‌های خارجی 46

فصل سوم روش تحقیق 51

3-1- مقدمه 52

3-2- نوع تحقیق 52

3-3- مراحل تحقیق 54

3-3-1- گام‌های اساسی در ایجاد و اجرای یک مدل شبیه‌سازی 54

3-4-1- آشنایی با سیستم و اتفاقات جاری آن 54

3-4-1-1- روش تولید کاشی و سرامیک 55

3-4-1-2- معرفی خط تولید کاشی 56

3-4-1-3- جریان مواد 57

3-3-1-4- نمودارهای فرایند جریان 58

3-4-2- تعریف مسئله 62

3-4-3- تعیین اهداف و طرح کلی پژوهش 64

4-3-4- مدل‌سازی 64

3-4-4-1- روش مدل‌سازی 65

3-4-4-2- انتخاب نرم‌افزار برای شبیه‌سازی سیستم 67

3-4-5- گردآوری داده‌ها 67

3-4-5-1- تجزیه و تحلیل داده‌های ورودی به مدل 68

3-4-5-2- جامعه آماری، حجم ‌نمونه، روش‌های نمونه‌گیری: 70

3-4-6- پیاده‌سازی مدل روی نرم‌افزار 70

3-4-7- تأیید مدل 72

3-4-7-1- تکنیک‌های تأیید مدل 72

3-4-8- اعتبارسنجی مدل 73

3-5- ترکیب مدل شبیه‌سازی شده با الگوریتم ژنتیک 73

فصل چهارم اجرای مدل و تحلیل نتایج 75

4-1- مقدمه 76

4-2- ورودی‌های مدل 76

4-2-1- کارایی ایستگاه‌های کاری 76

4-2-2- اجزای یک مدل شبیه‌سازی 76

4-2-3- زمان‌سنجی 80

4-3- اجرای مدل 82

4-3-1- تایید مدل 82

4-3-2- اعتبارسنجی مدل 83

4-3-3- اجرای مدل 85

4-4- خروجی های مدل 85

فصل پنجم نتیجه‌گیری و پیشنهادات 89

5-1- مقدمه 90

5-2- نتایج 90

5-3- پیشنهادات کاربردی 91

5-4- پیشنهادات برای تحقیقات آتی 92

منابع 93

 

 

فهرست اشکال

شکل 2-1- دسته‌بندی انواع سیستم‌های تولیدی ]11[ 14

شکل 2-2- خط جریان كارگاهی با انبار میانگیر]6[ 17

شكل 2-3- بخشی از ورودی‌ها و خروجی‌های یک مدل شبیه‌سازی برنامه‌ریزی و زمان‌بندی تولید]6[ 19

شكل 2-4- تعبیه بخش تهیه برنامه زمان‌بندی در شبیه‌ساز برنامه‌ریزی و زمان‌بندی تولید]6[ 20

شكل 2-5- تنظیم پارامترهای الگوریتم ابتكاری (فراابتكاری) در شبیه‌ساز برنامه‌ریزی و زمان‌بندی تولید]6[ 21

شکل 2-6- شبیه‌سازی برای مقایسه عملکرد برنامه‌های زمان‌بندی]6[ 22

شکل 2-7- شبیه‌سازی برای تقلید رفتارهای تصادفی سیستم]6[ 22

شکل 2-8- ساختار كلی بهینه‌سازی شبیه‌سازی]6[ 27

شکل 2-9 – خط سیر الگوریتم ژنتیک]8[ 36

شکل 2-10- جریان کلی الگوریتم ژنتیک]8[ 39

شکل 3-1 – طبقهبندی انواع روش تحقیق]34 [ 53

شکل 3-2– نمایش مراحل تولید کاشی 56

شکل 3-3– نمایش فرایند تولید کاشی 57

شکل3-4- نمایش جریان مواد 57

شکل3-5– نمایش محل انبارهای میانگیر سیستم 63

شکل 3-7- مراحل ارائه مدل معتبر از ورودی‌های سیستم 69

شكل 3-9- روندنمای نرم‌افزار 74

شکل 4-1- نمایش فرضیات خط تولید مسئله 79

شکل 4-2- توزیع جابجایی TGV حاصل از اجرای مدل 82

شکل 4-3- پارامترهای توزیع Lognormal حاصل از اجرای مدل 82

 

 

فهرست نمودارها

نمودار3-1- فرایند جریان واحد پرس 58

نمودار3-2- فرایند جریان واحد لعاب 59

نمودار3-3- فرایند جریان واحد کوره 60

نمودار3-4 فرایند جریان واحد بسته‌بندی 61

 

 

فهرست جداول

جدول 2-1– مقایسه انواع سیستم‌های تولیدی]11[ 15

جدول 2-2- معرفی انواع نرم‌افزارهای شبیه‌سازی]16[ 26

جدول 4-1- کارایی ایستگاه‌های کاری 76

جدول 4-2- عناصر مدل 76

جدول 4-3 –  اطلاعات عددی عناصر مدل 77

جدول 4-4- مشخصات کوره و ویژگی‌های آن 77

جدول 4-5 – اطلاعات عناصر ورودی در کوره 77

جدول 4-6- زمان خالی شدن واگن 77

جدول 4-7- زمان‌ تنظیمات 77

جدول 4-8- درصد ضایعات در هر مرحله 78

جدول4-9 – رویدادهای مدل 78

جدول 4-10- منطق‌های حاکم بر مدل 78

جدول 4-11- منطق تغییر اندازه کوره 80

جدول 4-12- زمان‌سنجی جابجایی TGV در قسمت کوره 81

شکل 4-4 – رویداد در حال وقوع 83

شکل 4-5 – رویدادهای آینده 83

جدول 4-13–  مقایسه نتایج حاصل از اجرای مدل و داده‌های واقعی 84

جدول 4–14-  نتیجه آزمون  T-Test 84

جدول 4–15-  پارامترهای موردنیاز اجرای الگوریتم ژنتیک در تکرارهای مختلف 86

جدول 4-16-  تعداد بهینه واگن‌ها و پالت‌های حاصل از اجرای مدل 86

جدول5-1- خروجی نهایی مسئله 91

 

 

 

 

فصل اول
کلیات پژوهش

 

 

1-1- مقدمه

در فرایند توسعه بشری، همواره سیستم‌های پیچیده‌تری به‌وجود می‌آیند و به همان نسبت مدیریت، نظارت و کنترل آن‌ ها مشکل‌تر می‌شود]1[. پیچیدگی، پویایی روزافزون و ماهیت تصادفی کارکرد سیستم‌ها بیش‌ازپیش بررسی و تحلیل آن‌ ها را دشوار نموده است. محیط‌های تولیدی و صنعتی نیز از این قاعده مستثنی نیستند. از این نقطه‌نظر، به‌کارگیری مدل‌های تحلیلی بدلیل ساده‌سازی و عدم توجه به تمامی ابعاد مرتبط با سیستم، با محدودیت‌های قابل‌توجهی همراه می‎شوند و ارائه بهترین راه‌حل، همواره یکی از چالش‌های اصلی در این رویکرد می‌باشد و تعیین مقادیر بهینه متغیرها از طریق روش‌های رایج امکان‌پذیر نمی‎باشد]2[. برای رفع این معضلات، مدیر ناچار به ارائه راهکارهایی جهت بهبود وضع موجود است. یکی از انواع این راهکارها، بهینه‌سازی شبیه‌سازی است.

خوشبختانه، روش‌های متنوع و گسترده بهینه‌سازی شبیه‌سازی امکان تحلیل مسائل پیچیده را فراهم کرده است. مزیت بارز این روش‌ها در آن است که بدون جستجوی کلیه نقاط فضای موجود، سعی در یافتن جواب بهینه دارند]2[. شبیه‌سازی که به‌عنوان یک تکنیک توانمند تجزیه و تحلیل سیستم‌ها شناخته می‌شود، می‌تواند نقش مهمی را در اداره کارآمد واحدهای تولیدی ایفا کند.

بدلیل تأثیرات متقابلی که قسمت‌های مختلف یک سیستم بر روی‎هم دارند، علم شبیه‌سازی سیستم‌ها به کمک مدیران و مهندسین آمده است تا به مطالعه و بررسی نتایج حاصل از این اثرات بپردازد. در واقع یکی از کارآمدترین و پیشرفته‌ترین ابزارهای نوین عصر صنعتی و اطلاعاتی جهت تجزیه و تحلیل سیستم‌ها، شبیه‌سازی رایانه‌ای می‌باشد]1[.

بهینه‌سازی در علوم ریاضی و رایانه فرایند انتخاب یا یافتن بهترین عضو در مجموعه‌ای از گزینه‌های موجود می‌باشد. هر فرایندی پتانسیل بهینه‎شدن را دارد و مسائل پیچیده می‌توانند در زمینه‌های مختلف مانند علوم مهندسی، اقتصاد و مدیریت به‌صورت مسائل بهینه‌سازی، مدل‎سازی شوند. هدف از مدل‎سازی مسائل بهینه‌سازی، حداقل‌کردن زمان، هزینه و ریسک و یا حداکثر‌کردن سود، کیفیت و اثربخشی است. برخی از مسائل بهینه‌سازی پیچیده هستند و به‌دست‌آوردن جواب‌های بهینه در زمان معقول با روش حل دقیق، دشوار می‌باشد. از این‌رو توسعه روش‌های حل، در این نوع مسائل که بتوانند در زمان معقول جواب‌های بهینه یا نزدیک به بهینه به‌دست آورند، از نظر اقتصادی بصرفه‌تر است. در سالیان اخیر محققان در اکثر مسائل پیچیده بهینه‌سازی با پیاده‌سازی روش‌های فراابتکاری به نتایج مناسبی دست یافته‌اند]3[.

مدل شبیه‌سازی یک سیستم تولیدی به مثابه ابزار تحلیلی دقیقی است که مدیران، طراحان و برنامه‌ریزان یک واحد تولیدی را قادر می‌سازد تا با نگرشی سیستمی به‌سهولت تأثیر تغییر پارامترها و متغیرهای هر یک از زیرسیستم‌های موجود را بر روی عملکرد مجموعه سیستم تولیدی ارزیابی نموده و درجه اهمیت آنان ‌را در فرایند تأثیرگذاری، محک بزند]4[.

در دنیای صنعتی امروز، شبیه‌سازی به‌عنوان یک روش‌شناسی حل مسائل و تجزیه و تحلیل سیستم‌ها از اهمیت به‌سزایی برخوردار است. قدرت و توانایی این تکنیک در مدل‌سازی سیستم‌های پیچیده صنعتی و خدماتی، سادگی مدل‌سازی، سهولت درک از یک‌سو و پیشرفت سیستم‌های سخت‌افزاری و نرم‌افزاری برای حل مدل‌های ایجاد شده از سوی دیگر، شبیه‌سازی را از تکنیک‌های مدل‌سازی متمایز می‌کند. شبیه‌سازی به‌کاربر آن، امکان آزمایش با سیستم‌هایی را می‌دهد که بدون آن، آزمایش غیرممکن یا غیرعملی است]5[.