مدل سازی مساله ترکیبی تعیین اندازه انباشته و برش مواد خام و حل آن با استفاده از یک روش ترکیبی مبتنی بر الگوریتم ژنتیک و یک روش حل دقیق
تعیین اندازه انباشته، برش یک بعدی مواد خام، جریمه دیرکرد، هزینه اضافه کاری، الگوریتم ژنتیک
تصمیم گیری و تحقیق در عملیات - DECISIONS AND OPERATIONS RESEARCH
1404/2025
چکیده
هدف: تعیین اندازه انباشته برای تعیین میزان تولید مجموعه ای از قطعات و محصولات تولیدی و برش مواد خام برای تعیین الگوی برش مواد خام و تعداد استفاده از هر الگو برش استفاده می شود.
روش شناسی پژوهش: در این پژوهش یک مدل ریاضی یکپارچه برای تعیین اندازه انباشته و برش مواد خام با هزینه تاخیر در تحویل سفارشات، اضافه کاری و خرید مواد اولیه با هدف کمینه سازی هزینه های تولید معرفی شده است. در مدل پیشنهادی تعیین اندازه انباشته به صورت چند سطحی و چند دوره ای و برش مواد خام به صورت یک بعدی در نظر گرفته شده است. با توجه به NP-hard بودن مساله و عدم کارایی روش های دقیق در ابعاد بزرگ، یک روش ترکیبی مبتنی بر الگوریتم ژنتیک و حل دقیق با نرم افزار گمز ارایه شده است. در روش پیشنهادی، مساله موردنظر به دو قسمت تجزیه شده که در آن الگوهای برش مواد خام با الگوریتم ژنتیک مشخص می شود، سپس مساله با استفاده از نرم افزار گمز حل می شود. جهت بررسی عملکرد روش پیشنهادی چندین مساله نمونه معرفی و با روش حل پیشنهادی، حل شده است و نتایج آن با حل مساله با الگوریتم ژنتیک مقایسه شده است.
یافته ها: نتایج مساله حاکی از کارایی روش حل پیشنهادی است. میزان انحراف روش حل پیشنهادی از جواب دقیق برابر با %1.5 است و میزان بهبود روش پیشنهادی در ابعاد بزرگ نسبت به الگوریتم ژنتیک که روش دقیق قادر به حل آن نیست، برابر با %16.8 است. با افزایش %1 در هزینه های خرید میزان افزایش هزینه های مساله و هزینه های نگهداری به صورت میانگین %0.6 و %0.43 و با افزایش %1 در هزینه خرید، هزینه های مساله و نگهداری به صورت میانگین %0.73 و %0.23 افزایش می یابد.
اصالت/ارزش افزوده علمی: مساله تعیین اندازه انباشته و مساله برش مواد خام دو موضوع مهم در صنعت تولید هستند که در فرآیند تولید بسیاری از صنایع ازجمله صنعت مبلمان، کاغذ، آلومینیوم، صنایع فلزی و ... کاربرد دارند.

