نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت صنعتی دانشگاه شهید بهشتی

2 استادیار گروه مدیریت صنعتی دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی

چکیده

در این مقاله با توسعه مفهوم خستگی ناشی از کارهای یکسان به دو نوع خستگی مثبت و منفی ناشی از انجام کارهای مشابه و نه صرفا یکسان، مدل جدید و منعطفی ارائه شده است که با استفاده از آن می توان کارها را به نحوی زمانبندی کرد که کارهای مشابه در کوچکترین دوره قابل برنامه ریزی و کارهای غیر مشابه در بزرگترین دوره قابل برنامه ریزی به هر اپراتور تخصیص داده شود به نحوی که کل هزینه تخصیص کمینه گردد. از آنجا که مدل زمانبندی گردش شغلی پیشنهادی از نوع تخصیص چند دوره ای بوده و به صورت مدل عدد صحیح غیر خطی فرموله می شود در زمره مسائل بهینه سازی ترکیباتی قرار می گیرد. برای غلبه بر پیچیدگی الگوریتمی آن دو الگوریتم ژنتیک و رقابت استعماری توسعه داده شده و کارائی آنها در مقایسه با نرم افزار لینگو که مدل های عدد صحیح غیر خطی را با رویکرد شاخه و حد در اندازه کوچک حل می نماید تائید شده است. همچنین نشان داده شده که الگوریتم رقابت استعماری در مقایسه با الگوریتم ژنتیک از کیفیت بالاتری برخوردار است.

کلیدواژه‌ها

عنوان مقاله [English]

Designing GA and ICA approaches to solve an originative job rotation scheduling problem regarding bordem costs

نویسندگان [English]

  • Ashkan Ayough 1
  • Mostafa Zandyeh 2
  • Haide Mottaghi 2

1

2

چکیده [English]

In this paper we develop the concept of boring caused by doing the same jobs to two types of boring, negative or undesirable and positive or desirable, which are felt by operators because of doing similar jobs and not only due to doing the same ones. Based on this new concept, the flexible model has been proposed by which jobs will be scheduled to minimize the total cost of assignment including the cost of doing the jobs by operators and the boring cost so that job scheduled with respect to their similarities in the smallest time period as well as dissimilarities in the biggest given time period. For the reason that the proposed job rotation scheduling model has a multi-­period assignment structure and formulated as an integer non-linear model, it is recognized as a combinatorial optimization problem. So applying the metaheuristic algorithms to overcome the complexity of such a problem is required. We use the genetic and imperialist competitive algorithms to do that and verify their efficiency in comparison to that of Lingo software which solves the small integer nonlinear problems. It is also shown that the quality of imperialist competitive algorithm solutions is better than those of genetic algorithm for the proposed model.

کلیدواژه‌ها [English]

  • Job rotation scheduling
  • Negative and positive boring
  • Integer non-linear programming
  • Imperialist competitive algorithm
  • Genetic algorithm