مسیله زمانبدنی تولید با درنظر گرفتن اثر یادگیری و فراموشی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 331

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MGCONF01_234

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

به دلیل کاربرد زیاد و سادگی اجرای مسایل زمانبندی تک ماشینه، مقالات فراوانی برای تعیین چگونگی زمانبندی کارها، قبل از پردازش آنها روی یک ماشین وجود دارد. مطالعات اخیر در زمانبندی تک ماشینه نشان از روند روبه رشد کاربرد این مسیله در دنیای واقعی دارد. در این تحقیق مسیله ماشین های موازی درنظر گرفته می شود. برای بهینه سازی مسیله ی زمانبندی ماشین های موازی، معیارهای زمانی زیادی وجود دارد که برخی از آنها عبارتنداز: بیشینه ی زمان تکمیل کارها، مجموع زمان های تکمیل، مجموع توان k ام زمان های تکمیل، مجموع وزنی زمان های تکمیل، کمینه سازی بیشینه ی دیرکرد و همچنین تعداد کارهای تاخیری. بسیاری از مطالعات بر این فرض استوارند که زمان های تکمیل، کمینه سازی بیشینه ی دیرکرد و همچنین تعداد کارهای تاخیری. بسیاری از مطالعات بر این فرض استوارند که زمان تکمیل کارها ثابت است، در صورتی که زمان تکمیل کارها معمولا به موقعیت آنها در توالی، یا زمان شروع آنها و یا هر دو بستگی دارد. این مسیله بیانگر لزوم اعمال پدیده ی یادگیری در مسایل زمانبندی می باشد. دراین تحقیق، مفروضات دیگری مانند، زمان پردازش و تجربه بر اساس اجرای اثر یادگیری و فراموشی به طور همزمان به کار گرفته خواهد شد. در ابتدا برخی از عوامل موثر معرفی شده و سپس معادلاتی برای نشان دادن این فرضیات ارایه می گردد. سپس با بهره گیری از این معادلات، مسیله فوق به صورت یک مدل ریاضی عدد صحیح مختلط فرموله شده و در نهایت یک رویکرد حل برای مسیله مورد نظر ارایه می گردد. برای اعتبار سنجی مدل از نرم افزارهای حل دقیق مانند گمس، لینگو، سیپلکس و غیره می توان بهره گرفت. در این مسیله علاوه بر ارایه یک مدل زمانبندی چند ماشینه با درنظر گرفتن اثر یادگیری و فراموشی به صورت توامان با مفروضات نزدیک به دنیای واقعی، یک الگوریتم کارا و متناسب با ساختار مدل پیشنهادی ارایه خواهد شد.

نویسندگان

مطهره اکبری

دانشجوی کارشناسی ارشد مهندسی صنایع، موسسه آموزش عالی اشراق بجنورد

محسن باقری

استادیار، گروه مهندسی صنایع، دانشگاه صنعتی سجاد، مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Janiak and R. Rudek, _ a general model of ...
  • A. Janiak and R. Rudek, ،The learning effect: Getting to ...
  • T.C.E. Cheng, Wen-Chiung Lee _ Chin-Chia Wu, «Scheduling problems with ...
  • D.E. Goldberg, Genetic Algorithm in Search, Optimization, and Machine Learning, ...
  • Ji, MI., Tang, X., Zhang, X., & Cheng, T. C. ...
  • Wu, C. H., Lee, W. C., Lai, P. J., & ...
  • Pei, J., Liu, X., Pardalos, P. M., Migdalas, A., & ...
  • Lu, Y. Y., Jin, J., Ji, P., & Wang, J. ...
  • Rostami, M., Pilerood, A. E., & Mazdeh, M1. M. (2015). ...
  • Lee, W. C. (2014). S i ngle-machine scheduling with past- ...
  • Bai, J., Li, Z. R., & Huang, X. (2012). Single ...
  • Wang, J. B., Wang, M. Z., & Ji, P. (2012). ...
  • Wang, X. Y., Wang, M. Z., & Wang, J. B. ...
  • Wei, C. M., Wang, J. B., & Ji, P. (2012). ...
  • Biskup, D. (2008). A state -of-the-art review On scheduling with ...
  • Janiak, A., Krysiak, T., & Trela, R. (2011). Scheduling problems ...
  • Wang, X. Y., & Wang, J. J. (2013). Scheduling problems ...
  • Huang, X., Wang, M. Z., & Ji, P. (2014). Parallel ...
  • نمایش کامل مراجع