در این مقاله، مسأله زمانبندی همزمان کارها و فعالیت های نگهداری پیشگیرانه در ماشین های موازی نامرتبطبا در نظر گرفتن اثر زوال مورد بررسی واقع شده است. با توجه به وجود اثر زوال و تأثیر آن روی زمانکارها، هدف یافتن تعداد و زمان بهینه فعالیت های نت و توالی بهینه کارها جهت حداقل کردن مجموع زماناتمام کارها می باشد. نظر به فرسودگی ابزار و یا اثر زوال روی ماشین ها، ممکن است هر ماشین به چندینفعالیت پیشگیرانه در افق زمانبندی نیاز پیدا کند. پس از هر نگهداری پیشگیرانه، ماشین به شرایط اولیه بازمی گردد و اثر زوال از سر گرفته می شود. در اینجا دو حالت جداگانه تابع اثر زوال وابسته به موقعیت کاردر توالی و تابع اثر زوال وابسته به زمان بررسی شده است. همچنین مدت زمان انجام هر فعالیت نگهداریپیشگیرانه نیز تابعی صعودی نسبت به زمان شروع آن می باشد. به دلیل پیچیدگی بالای مدل از روشفراابتکاری جهت حل استفاده شده است. بر این اساس با توجه به کاربرد زیاد الگوریتم شبیه سازی تبرید درحل مسائل مختلف، این الگوریتم به عنوان رویکرد حل مدل انتخاب شده است. در نهایت، با ارائه مثالعددی و انجام تحلیل پارامترهای زوال به ارزیابی مدل و مقایسه عملکرد روش حل پیشنهادی پرداخته شدهاست.
In this paper, the problem of job scheduling and preventive maintenance activities is investigated simultaneously in an unrelated parallel machine’s environment with machine deterioration. Due to the existence of deterioration phenomenon and its effect on the job scheduling, the aim of this paper is to find the ideal time, the optimum number of maintenance activities and the sequence of the jobs, for minimizing the sum of job's completion times. Preventive maintenance activities may be needed because of tool wears or machine deterioration in a job scheduling horizon. Here, two different deterioration time function and tool wear are studied, in which the machines are reverted to the original condition after any preventive maintenance activity. The duration of each activity is considered as a function of its starting time and its position on the sequence of job scheduling. A mathematical model is proposed and due to its complexity, a simulated annealing Mehta-heuristic algorithm is used for solving the model. Finally, numerical examples are given and sensitivity analysis with various parameters is applied to evaluate the performance of the proposed method