دانلود رایگان ترجمه مقاله بررسی موردی از صنعت ترانسفورماتور (ساینس دایرکت – الزویر ۲۰۱۵)

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۹ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۲۰ صفحه بوده و آماده دانلود رایگان می باشد.

 

دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)
عنوان فارسی مقاله:

یک الگوریتم ژنتیک چندگانه برای حل مساله زمان بندی در محیط کارگاهی چندگانه با محدودیت های کار شبانه و کار هم زمان : بررسی موردی از صنعت ترانسفورماتور

عنوان انگلیسی مقاله:

A hybrid genetic algorithm for the hybrid flow shop scheduling problem with nighttime work and simultaneous work constraints: A case study from the transformer industry

دانلود رایگان مقاله انگلیسی
دانلود رایگان ترجمه با فرمت pdf
دانلود رایگان ترجمه با فرمت ورد

 

مشخصات مقاله انگلیسی و ترجمه فارسی
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۹ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی صنایع – مهندسی کامپیوتر
گرایش های مرتبط با این مقاله بهینه سازی سیستم ها – مهندسی الگوریتم ها و محاسبات
چاپ شده در مجله (ژورنال)/کنفرانس سیستم های خبره با برنامه های کاربردی
کلمات کلیدی حل مساله زمان‌ بندی در محیط کارگاهی مختلط – کار شبانه – کار هم‌ زمان – الگوریتم ژنتیک – جستجوی محلی – صنعت ترانسفورماتور
کلمات کلیدی انگلیسی Hybrid flow shop scheduling problem – Nighttime work – Simultaneous work – Genetic algorithm – Local search – Transformer industry
ارائه شده از دانشگاه گروه مهندسی صنایع، دانشگاه ملی سئول
نمایه (index) Scopus – Master Journals – JCR
شناسه شاپا یا ISSN
۰۹۵۷-۴۱۷۴
شناسه دیجیتال – doi https://doi.org/10.1016/j.eswa.2015.03.012
لینک سایت مرجع https://www.sciencedirect.com/science/article/abs/pii/S0957417415001980
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
نشریه الزویر – Elsevier
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۰ صفحه با فونت ۱۴ B Nazanin
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود رایگان
کیفیت ترجمه

مبتدی (مناسب برای درک مفهوم کلی مطلب) (ترجمه به صورت ناقص انجام شده است)

کد محصول F2050

 

بخشی از ترجمه
روش‌های ابتکاری برای حل محدویت‌های HFSP که ناشی از کاربردهای عملی‌هستند، طراحی شده اند. در سال ۱۹۷۵ (Holland) ابتدا الگوریتم ژنتیک را در کتاب خود “تطبیق سیستم‌های طبیعی و مصنوعی” بیان کرد. در الگوریتم‌های ژنتیک مرسوم برای ایجاد تغییرات کوچک در کروموزوم از جهش استفاده شد که در جوامع مختلف مورد استفاده قرار گرفت. برخلاف الگوریتم‌های ژنتیک مرسوم، (Tsujimura & Gen 1999) یک عملگر جهش با روش جستجوی همسایگی برای تعیین راه‌حل های نزدیک به بهینگی، پیشنهاد کردند. (Botta-Genoulaz 2000) الگوریتم ابتکاری مبتنی بر روش دسته بندی بر حسب نزدیک‌ترین موعد تحویل با قوانین تخصیص اولین دستگاه در دسترس و آخرین دستگاه مشغول به کار برای HSFP، ارائه کرد. (Engin,Ceran & Yilmaz 2011 ) یک الگوریتم ژنتیک موثر برای زمان‌بندی کارگاهی چندگانه با وظایف چند پردازنده ای معرفی نمودند. (Liao, Tjandradjaja & Chung 2012) الگوریتم بهینه‌سازی ازدحام ذرات (PSO) را برای HFSP با کمترین طول زمان انجام کار واقعی را معرفی نمودند. انها یک الگوریتم PSO سازگار شده با گلوگاه ابتکاری و شبیه سازی تبریدی را برای کمک به خارج شدن از حد مطلوب توسعه دادند. (Bozejko,Prempera & Smutniki 2103) الگوریتم جستجوی ممنوعه را برای HFSP طراحی نمودند که از خطوط تولید مکانیزه نتیجه شده بود. (Costa,Cappadonna & Fichera 2014) الگوریتم ژنیتک را برای HFSP، با دسته کردن موازی و محدودیت‌های قابلیت انتخاب مطرح کردند. (Li,Pan & Wang 2014) برای به حداقل رساندن زمان اتمام کار HFSP، الگوریتم جستجوی همسایگی را با دو روش بهینه کردن واکنش شیمیایی و تخمین توزیع تلفیق نمودند. (Rossi,Pandolfi & Lanzetta 2014) قوانین تنظیم (تاسیس) پویا را برای HFSP با دسته بندی موازی دستگاه‌ها توسعه دادند. آنها الگوریتم جستجوی کاشف مبتنی بر نسبت بحرانی بین زمان‌های تاسیس و پردازش برای به حداقل رساندن زمان اتمام کار و تعداد کارهای با تاخیر، معرفی نمودند.
هنوز هم دو مشکل مربوط به تحقیقات زمان‌بندی کارگاهی وجود دارد. اولین مشکل پیچیدگی بیش از حد مربوط به اندازه مسائل موجود در جهان واقعی است. متاسفانه، گرچه روش‌های دقیقی مانند MILP یعنی برنامه ریزی پویا می‌توانند یک راه حل بهینه بیابند، اما اغلب این راه‌حل‌ها به دلیل زمان فوق‌العاده طولانی که برای محاسبه مسائل بزرگ لازم است، غیرعملی هستند. بنابراین روش‌های ابتکاری مانند الگوریتم ژنتیک به مسائل پیچیده‌تر اعمال می‌گردند. اگرچه، زمان اجرا و کیفیت راه حل با نوع طراحی الگوریتم متفاوت خواهد بود. بنابراین، نیاز قابل توجهی به روش‌های ابتکاری یا فوق-ابتکاری احساس می شود.
مشکل دوم تعیین محدودیت‌های مختلف در صنعت و لحاظ کردن آنها در الگوریتم است. در مسائل جهان واقعی، یک محیط کارگاهی مرسوم تک-دستگاهه در هر یک از طبقه‌ها به ندرت وجود دارد. عموما، دستگاه‌های متعددی با قابلیت‌های مختلف در طبقه‌های موازی قرار خواهد داشت تا ظرفیت و موازنه حجم کار را افزایش دهند (Naderi,Gohari & yazdani 2014). اگرچه حجم وسیعی از مقالات تحقیقی قدیمی برای HFSP ها در سیستم‌های تولید وجود دارد، اما فرضیات و گمانه زنی‌ها زمانی آغاز می‌شوند که توسعه الگوریتم برای آنها به معنای وجود محدویت در آنها باشد (Ruiz, Vazquez-RodriGuez 2010). در نتیجه، در نظر گرفتن محدودیت‌های آنها، مانند دستگاه‌های موازی ناهم‌بسته و شایستگی، یک قدم مهم برای افزایش کاربردپذیری آنها در زمینه مربوطه بوده، بنابراین برای تحقیقات بیشتر حائز ارزش است.
محدودیت‌های تحقیقات قبلی نسبت به این دو مشکل اهمیت مطالعه و تحقیق در مورد روش چندگانه برای HFSP ها را برجسته می‌کند. در این تحقیق، بخش سوم با نشان دادن محدویت‌های معین در کارخانه تولید ترانسفورماتور، به مشکل دوم می‌پردازد. بخش چهارم با توضیح الگوریتم چندگانه که به طور موثری یک الگوریتم ژنتیک را با روش‌‌های ابتکاری ترکیب می‌کند، و مشکل اول را بررسی می‌نماید.
۳٫ تعریف مساله.
با در نظر گرفتن افزایش جو رقابتی بازار و نیاز به عرضه کردن محدوده‌ای از ولتاژها و خازن‌های لازم، فرآیند زمان‌بندی بایستی انواع مختلفی از ترانسفورماتور‌ها را در بر بگیرد. به علاوه، تعدادی از دستگاه‌های موازی ( محیط های کاری و کوره‌های خشک کننده) در هر مرحله از پردازش وجود دارند که هر یک شامل محدودیت‌های مخصوص به خود هستند. تمام روند تولید مولدها در شکل (۱) خلاصه شده است.
مساله زمان‌بندی یک محیط کارگاهی چندگانه HFSP با m مرحله است. هر مرحله شامل دستگاه‌های متعددی است که به‌صورت موازی کار می‌کنند، اما جریان کارها از طریق مراحل یک جهته صورت می‌گیرد. در برخی مراحل تنها یک دستگاه وجود دارد، اما طبقه پایانی بایستی دارای دستگاه‌های مختلفی باشد. نوع دستگاه‌های موازی می‌تواند یکسان، یک شکل یا نامرتبط باشد عمل انتخابی مربوط به یک دوره خاص از پردازش، وابسته به دستگاه‌های انتخابی است.
با توجه به نوشته مشهور سه ‌زمینه‌ای (Pinedo 2008) مساله تولید ترانسفورماتور می تواند با رابطه زیر بیان شود (Ruiz, Vazquez-RodriGuez 2010) :
نوع دستگاه‌های موازی از نوع دستگاه‌های موازی نامرتبط بوده و زمان پردازش به دستگاه تخصیص یافته وابسته است. در کاربردهای عملی خاص با پردازش پیوسته عملکرد، مانند تولید در کارخانه پلاستیک، یک فضای ذخیره واسطه محدود بین مراحل (طبقات) وجود دارد (Moradinasab,Shafaei, Rabiee & Ramazani 2013). دراین حالت تعداد عملکردها (وظائف) در ذخیره واسطه بایستی برای کاهش هزینه سرمایه گذاری به حداقل برسد. برای برآوردن این هدف، ضروری است که صف انتظار بین دو مرحله (طبقه) متوالی تحت قوانین FIFO عمل کند، که این قوانین مفروض در ذیل آمده‌اند.
۱٫ تعداد طبقات و تعداد دستگاه‌ها در هر طبقه بایستی قبلا مشخص شده باشد. تعداد وظایف (عملکردها) و زمان پردازش آنها نیز بایستی از قبل مشخص شود.
۲٫ هر دستگاه در هر زمان تنها می‌تواند یک پردازش را انجام دهد. معافیت از پیش مجاز نمی‌باشد.
۳٫ تمامی دستگاه‌ها برای کل دوره زمان‌بندی بایستی در دسترس بوده و هیچ دستگاه خرابی وجود نداشته باشد.
همچنین، هر یک از میزها می‌تواند به گروه شیفت شب‌کار تعلق یابد. در فرآیند تولید ترانسفورماتور، هر میز کاری که در دسترس و آماده باشد به گروه شب‌کار اختصاص داده می شود. اهمیت اختصاص دادن میزکارها به گروه های کاری جهت حصول اطمینان از انجام و تکمیل به موقع کارها است. زمان‌های پردازش کار بسته به اینکه به گروه روزکار یا شب‌کار اختصاص یافته است، می تواند متفاوت باشد، زیرا زمان پردازش و تولید یک ترانسفورماتور برمبنای تولید در واحد زمان‌کار، محاسبه می‌شود. در حالی‌که سیستم شب‌کاری برای برآوردن موعد تحویل مطلوب، انتخاب قابل انعطاف تری را با اختصاص نیروی که به کار مورد نظر، اتخاذ می‌کند. انتخاب این سیستم تخصیص انعطاف پذیر، بخاطر هزینه خسارت بسیار زیاد تحویل سفارشهای با تاخیر و مسائل مربوط به حجم کار نامتعادل، بسیار اهمیت دارد.
۳٫۱٫۲٫کار همزمان.
در فرآیند تولید ترانسفورماتور، کارگران بایستی یک کوره خشک کنی آماده را با اندازه گیری طول، عرض و ارتفاع ترانسفورماتور محاسبه و تعیین کنند. برخی ترانسفورماتورها در صف انتظار به اندازه ای کوچکند که می توانند با یک دستگاه معین مطابق شوند، بنابراین برخی دستگاه‌ها می توانند دو عملکرد را برای بکارگیری کوره‌های خشک‌کنی و کاهش زمان انجام پروژه همزمان انجام دهند، که در شکل (۳) نشان داده شده است. در این مورد، برای افزایش بهره‌برداری از کوره‌های خشک کنی و کاهش زمان کل پردازش، سفار‌ش‌ها بایستی هم‌زمان به انجام برسند. همچنین، این امر هزینه کلی نیروی الکتریسته مصرفی و استفاده از نیروی کار را کاهش داده و پردازش سفارش‌های بیشتری را امکان‌پذیر می‌کند.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا