عضو شوید
عضویت سریع
آمار مطالب
آمار بازدیداهداف کلی
اهداف کلی این پژوهش را می‌توان در چند بخش ارائه نمود:
- مهم‌ترین هدفی که شبیه‌سازی یک سیستم تعقیب می‌کند، کمک به سیستم مدیریت در راستای اتخاذ مؤثرترین و کارآمدترین تصمیم در رابطه با پارامترها و عوامل مؤثر بر سیستم می‌باشد.
- در دسترس قراردادن عوامل مؤثر در تولید کاشی، به‌صورت پارامترهای قابل تغییر، جهت اعمال تغییرات موردنظر.
- نمایش نتایج حاصل از سناریو[۱]های متفاوت جهت مقایسه نتایج و انتخاب سناریوی کاراتر.
بسته به نوع سیستم شبیه‌سازی شده و مسائل و عوامل اثرگذار درون این سیستم می‌توان جزییات و مصادیق بیشتری را ارائه نمود که برای این پژوهش خاص چند هدف به‌صورت مصداقی بیان می‌گردد:
- کاهش زمان توقف کوره (گلوگاه) جهت بهره‌برداری بهینه از ظرفیت خط تولید.
- محاسبه تعداد بهینه انبارهای میانگیر (بافر[۲]ها) جهت استفاده مؤثر از منابع انسانی و ماشین‌آلات، که منجر به حداقل نمودنِ زمانِ تولیدِ صفرِ (توقف) کوره می‌شود.
- ارزیابی پارامترها و تعداد لازم از عوامل و منابع موردنیاز و نیز تغییرات لازم جهت دست‌یابی به میزان تولید مدنظر مدیریت در یک دوره زمانی خاص.
پژوهش حاضر در شرکت کاشی گلدیس یزد انجام شد. مراحل اولیه مربوط به مشاهدات عینی و مصاحبه با افراد مرتبط جهت تکمیل اطلاعات موردنیاز مراحل مختلف پژوهش، در نیمه ابتدایی سال ۱۳۹۳ جمع‌آوری شد. ضمناً، جهت گردآوری اطلاعات موردنیاز مربوط به مدل شبیه‌سازی، از داده‌های موجود در آرشیو واحد برنامه‌ریزی شرکت کاشی گلدیس (۱۳۸۶-۱۳۹۳) استفاده شد. هم‌چنین، مراحل برنامه‌نویسی و ایجاد مدل جهت شبیه‌سازی در نیمه دوم سال ۱۳۹۳ انجام پذیرفت.
بهینه‌سازی شبیه‌سازی[۳]: مفهوم “بهینه‌سازی شبیه‌سازی” در شبیه‌سازی سیستم‌ها با استفاده از رایانه عبارت است از فرآیند یافتن بهترین مقادیر ورودی از بین کلیه حالات ممکن، بدون این‌که کلیه حالات ممکن مورد ارزیابی قرار گیرند]۶[.
الگوریتمهای فراابتکاری[۴]: الگوریتمهای فراابتکاری نوعی از الگوریتمهای دقیق هستند که برای یافتن جواب بهینه به‌کار می‌روند. روش‌ها و الگوریتمهای بهینه‌سازی به دو دسته الگوریتمهای دقیق و الگوریتمهای تقریبی تقسیم‌بندی می‌شوند. الگوریتمهای فراابتکاری برای حل این مشکلات الگوریتمهای ابتکاری ارائه شده‌اند. در واقع الگوریتمهای فراابتکاری، یکی از انواع الگوریتمهای بهینه‌سازی تقریبی هستند که دارای راهکارهای برون رفت از بهینه محلی می‌باشند و قابل کاربرد در طیف گسترده‌ای از مسائل می‌باشند]۷[.
الگوریتم ژنتیک[۵]: الگوریتم ژنتیک یک تکنیک جستجو برای حل مسائل با استفاده از مدل ژنتیک است. این الگوریتم در زمره الگوریتمهای مبتنی بر جمعیت قرار دارد که ایده اساسی خود را از نظریه تکامل میگیرد]۸[.
برنامه‌ریزی تولید[۶]: ارائه یک برنامه جامع جهت برآورد تقاضای پیش‌بینی‌شده با استفاده از امکانات سازمان]۹[.
هدف از این پژوهش، رفع مشکلات برنامه‌ریزی خط تولید گسسته‌ای هست که با محدودیت ظرفیت انبارهای میانگیر (بافر) مواجه می‌باشد. بدین طریق که پس از انجام مراحل شبیه‌سازی سیستم، با بهره‌گیری از الگوریتم ژنتیک، این مشکل برطرف شود.
در پایان، ساختار کلی پژوهش مطرح می‌شود. فصل دوم، به تعریف واژگان و توضیح مفاهیم مربوط به پژوهش و پیشینه پژوهش‌های قبلی در این زمینه پرداخته می‌شود. فصل سوم، گام‌های ضروری جهت انجام مدل‌سازی و نحوه دست‌یابی به جواب بهینه از طریق الگوریتم ژنتیک، شرح داده می‌شود. فصل چهارم، نتایج حاصل از مدل‌سازی و سپس بهینه‌سازی با استفاده از الگوریتم ژنتیک ارائه داده می‌شود. فصل پنجم، شامل نتیجه‌گیری حاصل از بهینه‌سازی شبیه‌سازی مسئله و پیشنهادات موردنظر برای به‌کارگیری و توسعه مدل می‌باشد.
[۱]. Scenario
[۲]. Buffer
[۳]. Simulation Optimization
- Metaheuristic Algorithm
[۵]. Genetic algorithm
[۶]. Production Planning
