AI Summary & Key Takeaways
AI InsightIt is shown that the algorithm produces efficient solutions for medium and large size problems in a reasonable amount of time.
📌 3 Key Takeaways
Abstract
The majority of research on scheduling problems addresses only a single criterion while the majority prodution planning problems require the decision maker to consider more than a single criterion for making a decision. In this paper, a problem with uncertain time parameters such as processing times and due dates in the m-machine flow shop scheduling problem, which has a big importance in nowadays manufacturing systems, is considered. Further a multiobjective approach based on genetic algorithm, optimizing fuzzy makespan, fuzzy maximum tardiness and fuzzy total flow time objectives simultaneously, is developed. The algorithm is developed to obtain efficient solutions. In this algorithm the values of the multiobjective function are expressed by using membership functions. The effectiveness of the algorithm is illustrated by using small size problems. The best parameter sets of the genetic algorithm are determined by using factorial design of experiment. It is shown that the algorithm produces efficient solutions for medium and large size problems in a reasonable amount of time.
Özet
Üretim planlama problemlerinin çoğu karar vericinin herhangi bir kararı vermeden önce birden fazla kriteri düşünmesini gerektirirken, çizelgeleme alanında yapılan çalışmaların pek çoğunda sadece bir kriter ele alınmıştır. Bu makalede günümüz imalat sistemlerinde büyük öneme sahip m-makineli akış tipi çizelgeleme probleminde işlem zamanları ve teslim tarihleri gibi zaman parametrelerinin belirsiz olduğu durum ele alınarak üretim tamamlanma zamanı, maksimum gecikme ve toplam akış zamanı amaçlarını eş zamanlı eniyileyen genetik algoritma temelli çok amaçlı bir yaklaşım geliştirilmiştir. Geliştirilen bulanık iş ve teslim zamanlı çok amaçlı genetik algoritma sonucunda amaç değerlerinin üyelik fonksiyonlarıyla ifade edildiği etkin çözümler elde edilmektedir. Geliştirilen algoritmanın etkinliği küçük boyutlu problemler kullanılarak gösterilmiştir. Genetik algoritmanın en iyi parametre değerleri faktöriyel deney tasarımı ile belirlenmiştir. Algoritmanın orta ve büyük boyutlardaki problemler için makul zamanda etkin çözümleri ürettiği gösterilmiştir.