نشریه بین المللی مهندسی صنایع و مدیریت تولید

---

در این مقاله، مساله زمانبندی پروژه با محدودیت منابع در حالت چند مد و با معیار حداکثر‌کردن مقدار ارزش فعلی پروژه مورد مطالعه قرار می‌گیرد. جریان‌های نقدی مثبت و منفی در مدل لحاظ گردیده و به منظور نزدیکی هر چه بیشتر مدل به شرایط واقعی دو حالت مختلف برای جریان‌های نقدی مثبت در نظر گرفته شده است. جهت حل مدل پیشنهادی از دو الگوریتم فراابتکاری شبیه‌سازی تبرید و ژنتیک استفاده شده است و جهت تولید برنامه زمانبندی، روش زمانبندی دوسویه برای حالت چند مد توسعه داده شده و ساختار نمایش لیست فعالیت‌ها بکار گرفته شده است. در نهایت نتایج محاسباتی برای مجموعه‌ای از مسائل کتابخانه الکترونیک زمانبندی پروژه ارائه و مورد تجزیه و تحلیل واقع می‌گردد.

---

مساله زمانبندی کار کارگاهی سنتی یک مساله NP-Complete از نوع قوی است و به همین دلیل در تحقیقات صورت گرفته، الگوریتم‌های فراابتکاری زیادی برای حل آن ارایه شده است، اما تنها در تعداد معدودی از آنها الگوریتم بهینه‌سازی دسته ذرات (PSO) مورد توجه قرار گرفته است که یکی از دلایل آن می‌تواند جدید بودن این روش باشد. در الگوریتم ارایه شده در این مقاله ابتدا بمنظور حفظ موجه بودن جوابها در هر تکرار الگوریتم شیوه نمایش بر مبنای فهرست اولویت برای جوابها انتخاب شده است. همچنین برای ایجاد رابطه یک به یک بین جواب مساله که ماهیت گسسته دارد و جواب مورد پذیرش الگوریتم که اعداد پیوسته هستند و همچنین حفظ قانونی بودن جوابها در هر تکرار، یک شیوه جدید بر اساس تبدیل مبنای اعداد و با استفاده از نمایش اعداد در مبنای فاکتوریل توسعه داده شده است. با توجه به تکاملی بودن PSO، بمنظور شروع از جوابهای نسبتا خوب از یک الگوریتم ابتکاری جستجوی تصادفی حریصانه به عنوان مولد جوابهای اولیه استفاده شده است. هر جواب بدست آمده توسط PSO بوسیله یک الگوریتم جستجوی محلی بهبود داده می­شود. برای فرار از دام بهینه­های محلی یک رابطه جدید بهنگام سازی سرعت در الگوریتم PSO توسعه داده شده است. به همین منظور و همچنین برای بهبود نهایی جواب بدست آمده توسط PSO از یک الگوریتم آنیلینگ شبیه‌سازی شده استفاده شده است. الگوریتم بر روی تعدادی از مسایل نمونه آزمایش شده و نتایج حاصل بیانگر دقت و کارایی جوابها نسبت به سایر الگوریتم‌های موجود برای حل مساله مورد بحث است.

---

در یک دهه اخیر تحقیقات نسبتا کمی بر روی مساله زمانبندی کار کارگاهی با زمان‌های آماده‌سازی وابسته به توالی جدایی‌ناپذیر (ISDSJSP) انجام شده است. در زمینه حل این مساله نیز الگوریتم بهینه‌سازی دسته ذرات (PSO) مورد توجه قرار نگرفته است. در این مقاله مساله ISDSJSP با تابع هدف کمینه‌سازی زمان پایان تمام کارها مدنظر قرار گرفته و یک مدل برنامه‌ریزی خطی عدد صحیح مختلط و یک الگوریتم ترکیبی PSO برای آن ارایه شده است. جواب بدست آمده توسط PSO با استفاده از یک الگوریتم آنیلینگ شبیه‌سازی شده بهبود داده شده است. عملکرد الگوریتم پیشنهادی (HPSO) نسبت به دو الگوریتم دیگر بر روی مسایل نمونه تولید شده در این مقاله آزمایش شده است. نتایج حاصل، دقت و کارایی بیشتر جوابهای حاصل از HPSO نسبت به دو الگوریتم دیگر را نشان می‌دهند

---

در این مقاله، مسأله زمانبندی جریان کارگاهی جایگشتی دوباره وارد شونده با هدف کمینه­سازی حداکثر دیرکرد کارها مورد بررسی قرار می­گیرد. محیط جریان کارگاهی دوباره وارد شونده (RFS) همان جریان کارگاهی است با این تفاوت که کارها، ماشین­های مشخصی را بیش از یک بار ملاقات می­کنند. در نوع RFS، اگر ترتیب کار روی هر ماشین در هر سطح یکسان باشد، به چنین مسایلی، مسأله جریان کارگاهی جایگشتی دوباره وارد شونده (RPFS) عنوان می­گردد. در این مقاله، ابتدا مدل ریاضی مسأله کمینه­سازی حداکثر دیرکرد کارها در RPFS چند ماشینه، توسعه داده می­شود. برای حل این مسأله، سه الگوریتم فراابتکاری مبتنی بر الگوریتم­ ژنتیک، شبیه­سازی تبرید و جستجوی ممنوع طراحی و بکار گرفته می­شود. الگوریتم­های فراابتکاری همچنین با حل­های بهینه ایجاد شده توسط رویکرد برنامه­ریزی عدد صحیح مقایسه می­گردند. نتایج آزمایشی نشان می­دهد که الگوریتم ژنتیک در اکثر موارد کارایی بهتری نسبت به الگوریتم­های تست شده دیگر دارد.

---

در محیط‌های صنعتی واقعی، ممکن است ماشینی به دلایل مختلف (مانند نگهداری و تعمیرات پیشگیرانه) در طول افق برنامه‌ریزی در دسترس نباشد. در تحقیق حاضر، محدودیت دسترسی به ماشین‌ها از نوع قطعی (تحت عنوان محدودیت نت) و در حالت دسترسی نامعین بررسی شده است. پس از مدل‌سازی مسأله، برای حل آن، الگوریتم ژنتیک توسعه‌یافته‌ای ‌با کروموزوم‌های دوبعدی پویا که در آن برای حل زیرمسأله نت یک الگوریتم ابتکاری دیگری نیز پیشنهاد شده؛ ارائه شد. عملکرد الگوریتم پیشنهادی در دو حالت مورد ارزیابی قرار گرفت. در حالت اول عملکرد نسخه توسعه یافته از الگوریتم پیشنهادی، با یک روش تکاملی موجود در ادبیات مقایسه شد که برای سه سطح انعطاف پذیری جزئی، متوسط و کامل به ترتیب نشانگر 3.9% ، 4.59% و 4.55% بهبود در شاخص «بهترین جواب به دست آمده» و نیز 4.9% ، 5.33% و 4.60% بهبود در شاخص «میانگین جواب‌های به دست آمده» است. در حالت دوم نیز روش پیشنهادی بر اساس شاخص «میانگین تابع هدف» در حالت وجود یک، دو و سه فعالیت نت به ترتیب با میانگین 4.68%، 9.48% و 11.75% افزایش، از عملکرد مطلوبی برخوردار است. نتایج محاسبات در هر دو حالت رجحان روش حل پیشنهادی را در زمینه‌های کیفیت جواب‌ها و سرعت همگرایی، نشان می‌دهد

---

  یکی از ارکان اصلی هر زنجیره تامین بخش تولید است. برنامه­ریزی تولید در صنایع فرآیندی چند محصولی که تولید محصولات در معرض محدودیت های عملیاتی پیچیده قرار دارد، کار بسیار دشواری است زیرا تولیدحجم بهینه محاسبه شده باید با محدودیت های زمانبندی عملیات سیستم تولیدی سازگار باشد . از این رو ایده یکپارچه سازی مطرح شده تا تصمیم گیری های مرتبط با این دو مساله در کنار یکدیگر انجام شود . مساله اصلی در یکپارچه سازی نحوه ایجاد ارتباط بین مساله برنامه­ریزی تولید با بازه زمانی میان مدت و مساله زمانبندی تولید با بازه های زمانی کوتاه مدت است. در این مقاله به فرمولبندی و یکپارچه سازی برنامه­ریزی تولید و زمانبندی عملیات تولیدی در صنایع فرایندی پیوسته و چند محصولی با قابلیت ذخیره سازی محصولات میانی در بازه های کوتاه مدت و بلند مدت خواهیم پرداخت. در ادامه، یک الگوریتم حل ابتکاری برای مساله فوق ارائه شده و کارایی آن در یک مطالعه موردی و عملی مورد ارزیابی قرار گرفته است.

---

مسئله زمانبندی کارِ کارگاهی منعطف Flexible Job Shop)) ، حالت توسعه یافته زمانبندی کارِ کارگاهی Job Shop)) ‌است که در آن هر عملیات می‌تواند توسط بیش از یک ماشین از میان مجموعه ماشین‌های‌ موجود انجام شود. این مسئله در زمره مسائل NP-hard طبقه بندی می‌شود و برای حل آن با دو زیر مساله مواجه هستیم. نخست اینکه، نحوه تخصیص هر فعالیت به ماشینی از میان ماشین‌های‌ موجود که قادر به پردازش فعالیت مورد نظر است تعیین شود و سپس توالی فعالیت‌های‌ تخصیص یافته مشخص گردد. واضح است که دستیابی به پاسخ بهینه، حتی در ابعاد کوچک دشوار و بسیار زمان‌بر است در این مقاله یک الگوریتم ممتیک جهت کمینه کردن حداکثر زمان تکمیل و بدست آوردن جواب بهینه  مسائل کوچک و بهترین جواب مسایل متوسط و بزرگ ارائه می شود.در این مقاله  همچنین به منظور بهبود جواب های حاصل از الگوریتم ممتیک  و کاهش حداکثر زمان تکمیل فرض ایجاد وقفه در انجام کارها را نیز در نظر می­گیریم.

---

مسأله­ی زمانبندی پروژه با منابع محدود به عنوان یک مسأله­ی NP-Hard در ادبیات معروف می­باشد. در این تحقیق، برای اولین بار ترکیبِ سیاستِ قیمت­گذاری از نوع تخفیف جهت مسأله­ی زمانبندی پروژه­ در حالت محدویت منابع پیشنهاد می­شود، در حالیکه در مدل­های کلاسیک  فرض شده است، که قیمت منابع مورد نیاز جهت انجام فعالیت­ها ثابت بوده و منابع تنها با یک نرخ قیمت در بازار قابل تهیه هستند. هدف از این مسأله، تعیین زمان بهینه­ی شروع فعالیت­های پروژه، با در نظر گرفتن       محدودیت­های پیش­نیازی و منابع موجود است، به نحویکه زمان تکمیل کل پروژه کمینه شود. جهت حل مدل پیشنهادی، یک الگوریتم تلفیقی بر مبنای دو الگوریتمِ ژنتیک و جستجوی همسایگی متغیر پیشنهاد شده است. در این روش، الگوریتم ژنتیک به عنوان چارچوب اصلی روش پیشنهادی و روش جستجوی همسایگی متغیر به عنوان یک عملگر جدید و در راستای بهبود قابلیت جستجوی محلی الگوریتم اصلی، طراحی شده است. همچنین از آنجائیکه مقادیر پارامتر الگوریتم­های تکاملی تأثیر قابل ملاحظه­ای بر روی کارائی این الگوریتم­ها دارد، لذا جهت تنظیم پارامترهای الگوریتم پیشنهادی، یک رویکرد آماری جدید مبتنی بر رگرسیون مرحله­ای ارائه شده است. نتایج محاسبات، عملکرد خوبِ رویکرد پیشنهادی را در مقایسه با رویکرد آماری تاگوچی نشان می­دهد

---

زمانبندی پروژه از اصلی­ترین پایه­های مدیریت پروژه است و به همین دلیل روش­هایی که بتواند محدودیت­های حاکم بر پروژه را بیشتر پوشش دهد، بسیار با ارزش می­باشند. فن ارزیابی و بازنگری پروژه، روش آنالیز شبکه­ای است که از قابلیت­های بالایی در مقایسه با دیگر روش­های برنامه ریزی و کنترل پروژه برخوردار می­باشد. از سوی دیگر در دنیای واقعی، در اکثر موارد، تطابق کامل میان برنامه­ریزی و اجرا مشاهده نمی­شود. بنابراین محیط اجرای پروژه همواره با عدم قطعیت همراه است. در این تحقیق به منظور کاهش ­محدودیت­های مربوط به عدم قطعیت در برنامه­ریزی و اجرای پروژه، منطق و سیستم کنترل فازی پیشنهاد و در آن میانگین، واریانس، ارزش و تعداد حلقه­های شبکه گرت و همچنین عوامل تأثیرگذارِ محیطی بر اجرای پروژه به صورت فازی در نظر گرفته شده اند. بدین ترتیب برای اولین بار، با استفاده از قابلیت­های موجود در ­شبکه­های گرت و همچنین منطق­ و سیستم فازی، سیستم کنترل فازی طراحی شده و در آن سعی گردیده تا تمامی حالت­های موجود در اجرای یک پروژه تحلیل شود. مطابق با نتایج بدست آمده از 15 آزمایش مختلف بر روی پروژه های با ابعاد متوسط که عمدتاً در حوزه احداث واحدهای صنعتی بوده اند، می توان گفت که با استفاده از روش پیشنهادی، زمانبندی فعالیت­ها منطقی­تر و دقیق­تر بدست خواهد آمد.

---

در این تحقیق مساله زمانبندی n کار مستقل با زمان سررسید متفاوت بر روی 2 ماشین در محیط کارگاه جریانی ترتیبی مورد بررسی قرار می‌گیرد. با توجه به اینکه مساله فوق جزء مسایل NP-hard محسوب می‌گردد، یک الگوریتم انجماد تدریجی برای حل آن ارائه شده است. به منظور ارزیابی جواب‌ها از معیار حداقل جمع وزنی دیرکردها و زودکردهای کارها به عنوان تابع هدف استفاده شده است که این هدف هم‌راستا با اهداف سیستم‌های تولید به موقع محسوب می‌گردد. الگوریتم پیشنهادی در 4 سناریو ارائه می‌شود که این 4 سناریو با درنظر گرفتن دو حالت مختلف برای زنجیره مارکوف و نحوه کاهش دما حاصل شده و در نهایت باتوجه به تحلیل نتایج و کیفیت جوابهای حاصل، بهترین سناریو به عنوان سناریو نهایی معرفی شده است. کارایی الگوریتم پیشنهادی با حل مسائل متنوع در ابعاد مختلف مورد تحلیل و بررسی قرار گرفته و برای مسائل کوچک (تعداد کار کمتر از 25) نتایج بدست آمده از الگوریتم پیشنهادی با جواب بهینه حاصل از مدل ریاضی که با برنامه لینگو اجرا شده مورد مقایسه قرار گرفته است. همچنین عملکرد الگوریتم پیشنهادی در حل مسایل مختلف با مدل استاندارد الگوریتم ژنتیک مقایسه و برتری آن ارائه شده است.

---

در این تحقیق، مسأله زمانبندی سلول رباتیک با سه ماشین CNC و با فرض یک عملیات بر روی هر ماشین با هدف بهینه کردن هزینه کل تولید و زمان، در چرخه  بررسی شده است. برای به دست آوردن بهینه هزینه کل تولید از زمان بهینه پردازش عملیات بر روی ماشین­ها استفاده شده است. این مساله در سه حالت بررسی گردیده است. در حالت اول زمان بهینه پردازش عملیات بر روی هر یک از ماشین­ها در کران پایین آنها می­باشد. در حالت دوم زمان بهینه پردازش عملیات بر روی هر یک از ماشین­ها در کران بالای آنها می باشد. در حالت سوم زمان بهینه پردازش عملیات بر روی هر یک از ماشین­ها بین کران بالا و کران پایین آنها می­باشد. قدم بعدی در این تحقیق ارائه رویکرد حل، برای حالت­هایی است که در بالا ذکر شد.. برای حل این مساله از روش لاگرانژ استفاده  شده است. مهمترین حاصل این تحقیق، مدل سازی و حل مساله زمانبندی برای سلول رباتیک سه ماشینه در سه حالت مختلف و یافتن جوابهای بهینه هزینه کل تولید و زمان می­باشد. لازم به ذکر است که  در ادبیات موضوع، مساله زمانبندی سلول رباتیک جهت بهینه کردن هزینه تولید و مقدار زمان تنها برای حالت دو ماشینه مدل­سازی و حل شده است.

---

در این مقاله، مسأله زمانبندی یکپارچه تولید و حمل هوایی در زنجیره تأمین با در نظر گرفتن زمان­های آماده­سازی وابسته به توالی جهت طراحی یک رویه کاربردی برای ایجاد زمانبندی تولید و توزیع قابل استفاده و واقعی­تر مورد مطالعه قرار می­گیرد. بدین منظور مدل­های برنامه­ریزی ریاضی با در نظر گرفتن زمان آماده­سازی وابسته به توالی در تولید جهت کمینه نمودن کل هزینه­های زنجیره تامین که شامل هزینه­های توزیع، زودکرد و دیرکرد تولید و تحویل می­باشد، ارایه می­شود. با توجه به پیچیدگی حل و سخت بودن این مسأله، الگوریتم­های ژنتیک و جستجوی همسایگی متغیر برای بهینه­سازی پیشنهاد می­گردد. همچنین با استفاده از طراحی آزمایشات تاگوچی، مقدار مناسب پارامترهای دو الگوریتم فوق و عملگرهای مناسب تعیین می­گردد و سپس کیفیت جواب­های به­دست آمده با یکدیگر مقایسه می­شود. نتایج محاسباتی نشان می­دهد که الگوریتم جستجوی همسایگی متغیر توسعه داده شده جواب­های بهتری را نسبت به الگوریتم ژنتیک بدست می­آورد.

---

در این مقاله، یک مدل ریاضی عدد صحیح مختلط برای مساله زمانبندی و برنامهریزی پیشرفته با هدف حداقل کردن مجموع هزینههای دیرکرد و زودکرد سفارشات ارائه و در شرکت تولیدی مانپلاستیک پیادهسازی شده است. مدل ریاضی ارائه شده محدودیتهای ظرفیت، توالی عملیات، موعد تحویل را در یک محیط چند سفارشی و شرایطی که منابع بیرونی وجود دارد در نظر میگیرد. سپس به منظور حل مدل ریاضی مساله زمانبندی و برنامهریزی پیشرفتهء طراحی شده با استفاده از دادههای موجود در شرکت مانپلاستیک از الگوریتم ژنتیک استفاده شد. نتایج حاصل از الگوریتم ژنتیک در مقایسه با وضعیت موجود جوابهای بهتر و مقدار تابع هدف کمتر را نشان داد. از نتایج حاصله در مدت زمان کوتاه چند دقیقهای برنامه مونتاژ محصول نهایی، برنامه تزریق شرکت مانپلاستیک و همچنین پیمانکار استخراج گردید.

---

در حوزه زمانبندی عملیات، یکی از فرضیات رایج، فرض در دسترس بودن ماشین‌ها در افق برنامه‌ریزی است. واضح است که در عمل، ممکن است یک ماشین، به دلایل مختلف، نظیر وقوع خرابی و یا لزوم انجام فعالیت‌های نگهداری و تعمیراتِ پیشگیرانه، موقتا در دسترس نباشد. در این تحقیق مساله زمانبندی کارِ کارگاهیِ چند مسیره2 با لحاظِ محدودیت در دسترس‌ نبودنِ ماشینها در دوره‌هایِ زمانیِ از قبل مشخص شده، و با هدفِ کاهش زمانِ انجام کارها مورد بررسی قرار میگیرد. ابتدا مدلِ برنامه‌ریری غیرخطیِ صفر و یک برای مسئله مذکور ارائه میگردد. از آنجا که بدلیل پیچیدگی این مسئله، حل دقیق آن از روشهای معمول میسر نیست، یک الگوریتم ابتکاری، بر مبنای الگوریتم سیستم ایمنی مصنوعی، نیز ارائه خواهد شد. همچنین جهت ارزیابی عملکرد الگوریتم پیشنهادی، 30 مسئله در ابعاد کوچک، متوسط و بزرگ طراحی و توسط الگوریتم مذکور حل و نتایج آن ارائه شده است. از نقطه نظرِ زمان مورد نیاز برای تولید جواب و مقدار بدست آمده برای تابع هدف، نتایج حاکی از عملکرد مطلوب الگوریتم پیشنهادی است.

---

برنامه‌ریزی ظرفیت تولید و زمانبندی تولید جزئی از فرآیند تصمیم‌گیری در زنجیره تأمین بسیاری از صنایع ساخت و خدماتی محسوب می‌شوند که نقش مهمی را در برآورده‌سازی نیازهای مشتریان و ارتقای سطح خدمت‌دهی به مشتریان ایفا می‌نمایند. از آنجائیکه این دو فرآیند در دو سطح متفاوت از زنجیره تأمین عمل می‌نمایند (برنامه‌ریزی ظرفیت در سطح تاکتیکی و زمانبندی تولید در سطح عملیاتی)، لذا معمولاً تصمیمات مربوط به این دو حیطه نیز مستقلاً و جدای از هم اتخاذ می‌شود. در چنین شرائطی شدنی بودن تخصیص ظرفیت انجام شده در سطح تاکتیکی، زمانیکه برنامه بصورت عملیاتی وارد کارگاه می‌شود، به عنوان یکی از چالش‌های اصلی این رویکرد تصمیم‌گیری مجزا، مطرح است. لذا در این تحقیق، پس از مدلسازی یکپارچه مسأله برنامه‌ریزی ظرفیت تولید و مسأله زمانبندی تولید دو ماشینه، به ارائه یک رویکرد حل تحلیلی مبتنی بر تجزیه مسأله پرداخته شده است. در راستای کمینه‌سازی حداکثر زمان تکمیل سفارشات، مفهومی تحت عنوان «زوج سفارش» تعریف، و الگوریتمی جهت تعیین زوج سفارشاتِ بهینه بر مبنای مسأله تخصیص متقارن ارائه می‌شود. سپس در راستای تعیین توالی بهینه‌ی زوج‌سفارشات، الگوریتم شاخه و کرانی بر مبنای سه کران پائین پیشنهادی و همچنین دو استراتژی جستجوی عمق اول و سطح اول، طراحی و در راستای افزایش کارآیی آن تعدادی ویژگی ریاضی اثبات، و بر اساس آن‌ها تعدادی قائده چیرگی جهت مسأله استخراج شده است. همچنین جهت تعیین مقادیر تخصیص ظرفیت به عملیات، یک الگوریتم جستجوی همسایگی طراحی و بر اساس ویژگی‌های ساختاری مسأله بهبود داده شد.

---

در این مقاله به بررسی مسئله زمان بندی دسته ای در حالت ماشین های موازی چند کاره پرداخته می شود. بر اساس تحیقات ارایه شده در ادبیات موضوع، تحویل دسته ای اقلام تولید شده باعث سرعت بخشیدن به فرآیند تولید و کاهش هزینه های حمل و نقل می گردد. از این رو دسته بندی کالاهای تولید شده در زمره مهم ترین مباحث مورد بررسی در زمانبندی تولید بوده است. از طرف دیگر زمان های پردازش دسته ها و اقلام معمولا ثابت در نظر گرفته شده اند که به طبع در دنیای واقعی فرض معقولی نیست. در این مقاله برای مسئله یاد شده با فرض این که زمان پردازش هر دسته تابعی از اندازه آن دسته می باشد، یک مدل ریاضی ارایه می گردد که هدف آن یافتن اندازه مناسب هر کدام از دسته ها و کمینه کردن بیشینه زمان تکمیل تولید روی ماشین هاست. از آن جایی که مدل ارایه شده دارای پیچیدگی بسیار زیادی است، جهت حل آن از دو روش فراابتکاری الگوریتم ژنتیک و شبیه سازی تبرید استفاده گردیده و عملکرد آن ها با یکدیگر مورد مقایسه قرار گرفته است.

---

در این مقاله مساله یکپارچه تخصیص موعد تحویل و زمانبندی تولید و ارسال سفارش‌ها در حالت چند مشتری برای سیستم تولیدی "تولید برای سفارش" در یک زنجیره تامین مورد بررسی قرار گرفته است. یک تولید کننده n سفارش از طرف K مشتری دریافت می کند. برای سفارشات هر مشتری موعد تحویل اولیه ای در نظر گرفته می شود که افزایش آن از طرف تولید کننده دارای هزینه می باشد؛ بنابراین از نظر تولید کننده موعد تحویل سفارشات هر مشتری یک متغیر تصمیم می باشد که باید تعیین شود. سفارشات لازم است توسط یک ماشین پردازش و در قالب دسته‌هایی توسط وسایلی با ظرفیت محدود به مشتری ارسال شود. هدف تخصیص موعد تحویل سفارشات هر مشتری، تعیین توالی پردازش کارها و تعیین دسته‌بندی آنها برای ارسال است به طوری که مجموع هزینه های تخصیص موعد تحویل، مجموع وزنی تعداد کارهای تاخیری و هزینه‌های ارسال کمینه شود. در این مقاله، مدل برنامه ریزی ریاضی مساله (شامل مدل غیرخطی مختلط) به همراه تست محاسباتی ارایه شده است. نتایج تست محاسباتی برای مسائل با ابعاد کوچک کارایی روش ابتکاری را نشان می دهد.

---

مساله زمانبندی کارکارگاهی به‌بررسی نحوه توزیع کارها بین ماشین ها می پردازد به طوری که کارها در کمترین زمان ممکن انجام شوند. در این مساله فاکتورهایی نظیر زمان پردازش فعالیت ها و زمان موعد مقرر برای تحویل کارها، اغلب بصورت مبهم برای تحلیل گر تعریف می شوند. در چنین شرایطی، استفاده از پارامترهای فازی و اهداف چندگانه مبتنی بر علم فازی، لازم به نظر می رسد. که باعث ایجاد مساله زمانبندی کارکارگاهی فازی می شود. این مساله از مسائل غیر چندجمله ای (NP) می باشد، به همین دلیل روشی مبتنی بر الگوریتم اکتشافی بهینه سازی اکسترمال پیشنهاد می شود. به طوری که فعالیت های کم ارزش را با احتمال بیشتر انتخاب و تغییر می دهد، این باعث می شود تعداد فعالیت های کم ارزش، کمتر و تعداد فعالیتهای با ارزش یکسان، بیشتر شود در این حالت هر تغییر جزئی در زمانبندی، تغیرات زیادی در آن ایجاد می کند بنابراین باعث فرار از بهینه محلی شده و به سمت بهینه سراسری حرکت می‌کند. با توجه به نتایج حاصل از شبیه سازی بر روی داده های آزمایشی 6×6 و 10×10، روش پیشنهادی، رضایتمندی مطلوبی از اهداف مساله را با سرعت همگرایی مناسب، در مقایسه با روش های دیگر نشان می دهد، درستی جواب های ارائه شده و همچنین صحت روش پیشنهادی با استفاده از اصل همگرایی، آزمون آماری t و خطای امکان پذیری(F) اثبات شده است.

---

این تحقیق به بررسی مسئله زمانبندی ماشین های موازی با امکان برونسپاری می پردازد. تابع هدف مورد استفاده در این تحقیق مجموع زمان کل و هزینه برونسپاری است. به منظور حل مسئله مدل ریاضی مرتبط طراحی شده است. همچنین دو روش جستجوی ممنوع و بهینه‌سازی ذرات منطبق با مسئله پیشنهاد شده است.

---

یکی از مسائل مهم در کنترل پروژه، برآورد دقیق زمان اتمام و هزینه ی اجرا و میزان منابع مصرفی در یک پروژه می باشد. به علت عدم قطعیت در کنترل پروژه هایی که در محیط بسیار متغیر اجرا می شوند، مدیریت پروژه ، اغلب ممکن است با صرف هزینه های اضافی زمان برخی از فعالیتها را کاهش داده تا زمان تکمیل پروژه را تسریع بخشد. مسئله ی موازنه ی زمان-هزینه، روشهای تعیین اقتصادی ترین زمان برای اجرای پروژه و بررسی میزان حساسیت تغییرات هزینه در مقابل تغییرات زمان می باشد. در این پژوهش ، یک مدل ریاضی کارامد و استوار برای مسئله ی موازنه زمان- هزینه گسسته، ارائه می گردد که در شرایط عدم قطعیت و غیر قابل پیش بینی همواره جوابهای نزدیک به بهینه داشته باشد. برای استوار کردن و حفظ کارایی مدل مفروض از روش بهینه سازی استوار و برای حل مدل از الگوریتم ژنتیک استفاده شده است. با بررسی نتایج آزمایشات برروی پروژه های مختلف، به استواری، دقت و کارایی روش پیشنهادی پی می بریم.