Esnek atölye tipi hücre çizelgeleme problemleri için çok amaçlı matematiksel model ve genetik algoritma ile çözüm önerisi

Abstract

Günümüz rekabetçi iş ortamında, müşteriler daha düşük maliyetle daha yüksek kalitede çeşitli ürünleri satın almak istemektedir. İmalat firmaları, talep çeşitliliğini karşılamak için yüksek derecede ürün çeşitliliğine ve küçük imalat parti büyüklüğüne ihtiyaç duymaktadır. Üretimdeki ürün çeşitlilikleri uzun hazırlık ve taşıma süreleri, karmaşık çizelgeleme problemleri gibi birçok probleme neden olmaktadır. Geleneksel imalat sistemleri, bu tip değişikliklere cevap vermede yeterince esnek değilken Hücresel Üretim Sistemleri üreticilerin bu ihtiyaçlarına cevap verebilecek özelliklere sahiptir. Ayrıca gerçek hayat problemlerinin çoğunda, bir parçanın bazı ya da bütün operasyonları birden fazla makinede işlem görebilmekte ve bazen de bu operasyonlar bir makineyi ya da iş merkezini birden fazla kez ziyaret etmektedir. Bu seçenek sisteme esneklik kazandırırken bu kadar karmaşık bir üretim sisteminin başarılı ve doğru bir şekilde işletilebilmesi kaynakların etkin kullanılmasını da gerektirmektedir. Bu çalışma, istisnai parçaları, hücrelerarası hareketleri, hücrelerarası taşıma sürelerini, sıra bağımlı parça ailesi hazırlık sürelerini ve yeniden işlem gören parçaları dikkate alarak hücresel imalat ortamında esnek atölye tipi çizelgeleme probleminin çözümüne dair bir matematiksel model ve çözüm yöntemi sunmaktadır. Mevcut bilgilerimiz ışığında yapılan bu çalışma Esnek Atölye Tipi Hücre Çizelgeleme Probleminde (EATHÇP) çok amaçlı matematiksel model ve meta-sezgiselinin kullanımı için ilk girişimdir. Bununla birlikte gerçek hayat uygulamaları için EATHÇP süreci, birçok çelişen amacı dikkate almayı gerektirdiği için ele alınan skalerleştirme metodu pratik uygulama ve teorik araştırma açısından oldukça önemlidir. Önerilen karma tamsayılı doğrusal olmayan matematiksel modelle küçük ve orta boyutlu problemler çözülebilmektedir. Büyük boyutlu problemlerin çözümü, doğrusal olmayan modellerle makul zamanlarda olamayacağı ya da çok uzun süreceği için konik skalerleştirmeli çok amaçlı matematiksel modeli kullanan bir Genetik Algoritma (GA) meta-sezgisel çözüm yöntemi önerilmiştir. GA yaklaşımının en iyi veya en iyiye yakın çözüme ulaşmasına etki eden parametrelerin en iyi kombinasyonu belirlemek amacı ile bir deney tasarımı gerçekleştirilmiştir. Bu tez çalışması için Eskişehir Tülomsaş Motor Fabrikası'nda bir uygulama çalışması yürütülmüştür. Yürütülen bu çalışma, altı farklı amaç ağırlık değerleri kullanılarak hem konik skalerleştirmeli GA yaklaşımı ile hem de ağırlıklı toplam skalerleştirmeli GA yaklaşımı ile çözülmüştür. Amaç ağırlıklarının beşinde çok amaçlı konik skalerleştirme GA yaklaşımının daha baskın sonuçlara ulaşabildiği vurgulanmıştır. Ayrıca, önerilen çok amaçlı modelin gerçek hayat problemleri için de makul zamanda uygun çözümler üretebildiği gösterilmiştir.

In today's highly competitive business environment, customers desire to buy various products with higher quality at lower costs. Manufacturing firms require a high degree of product variety and small manufacturing lot sizes to meet the demand variability. The product variations in manufacturing cause many problems such as lengthy setup and transportation times, complex scheduling. Cellular Manufacturing Systems contain the characteristics, which will respond to the needs of manufacturers, even though Conventional Manufacturing Systems are not flexible enough to respond to changes. In addition, in most real life manufacturing problems, some or all operations of a part can be processed on more than one machine, and sometimes operations may visit a machine or work center more than once. It is necessary to use resources effectively in order to run such a complex production system successfully. In this study, a mathematical model and a solution approach that deals with a flexible job shop scheduling problem in cellular manufacturing environment is proposed by taking into consideration exceptional parts, intercellular moves, intercellular transportation times, sequence-dependent family setup times, and recirculation. To the best of our knowledge, this is the first attempt to use multi-objective mathematical model and meta-heuristic approach for a Flexible Job Shop Cell Scheduling Problem (FJCSP). However, in the real-life applications, the scalarization method considered is highly important in terms of theoretical research and practical application because the FJCSP process is not easy because of many conflicting objectives. The proposed mixed integer non-linear model can be used for solving small and middle scaled problems. Solution of large scaled problems is not possible in reasonable time or takes too long time, so a Genetic Algorithm (GA) meta-heuristic approach that uses a multi-objective mathematical model with conic scalarization has been presented. An experimental design was used to determine the best combination of parameters which are affected performance of genetic algorithm to achieve optimum or sub-optimum solution. In this thesis study, a case study was conducted in Tülomsaş Locomotive and Engine Factory in Eskişehir. This study was solved by using both conic scalarization GA approach and weighted sum scalarization GA approach with six different weights of objective. It is emphasized that the multi-objective conic scalarization GA approach has better quality than other approach for five different weights of objective. In addition, it has been shown that the multi-objective model could also obtain optimum results in reasonable time for the real-world problems.