Товч
Энэхүү баримт бичигт тавилгын үйлдвэрлэлийн компанид барилга байгууламжийн бодит төлөвлөлтийн асуудалд янз бүрийн эвристик аргуудыг ашиглах туршилтыг оруулсан болно. Бүх загваруудыг AHP ашиглан харьцуулсан бөгөөд үүнд хэд хэдэн сонирхолтой параметрүүдийг ашигладаг. Туршилт нь албан ёсны төлөвлөлтийн загварчлалын аргыг аж үйлдвэрт тулгарч буй бодит асуудлуудыг үр дүнтэй ашиглаж, мэдэгдэхүйц сайжруулалтад хүргэдэг болохыг харуулж байна.
1. Танилцуулга
Тавилгын салбар нь бусадтай адил маш өрсөлдөөнтэй эрин үеийг туулж байгаа тул үйлдвэрлэлийн зардлыг бууруулах, чанарыг сайжруулах гэх мэт аргуудыг хайж олохыг хичээж байна. Энд (Компани = TC) гэж нэрлэгддэг үйлдвэрлэлийн компанид бүтээмжийг сайжруулах хөтөлбөрийн нэг хэсэг болгон бид энэ компанийн цехийн давхарт үйлдвэрлэлийн шугамын төлөвлөлтийг оновчтой болгох төслийг хэрэгжүүлсэн. Практикт ховор хэрэглэгддэг албан ёсны аргууд дээр тулгуурлан оновчтой ойролцоо байрлалыг бий болгохын тулд хэд хэдэн байршлын загварчлалын техникийг ашиглахаар шийдсэн. Ашигласан загварчлалын аргууд нь График онол, Блок төлөвлөгөө, CRAFT, оновчтой дараалал, генетикийн алгоритм юм. Дараа нь эдгээр байршлыг нийт талбай, урсгал * зай, ойр орчмын хувь гэсэн 3 шалгуурыг ашиглан үнэлж, харьцуулсан. Нийт талбай гэдэг нь боловсруулсан загвар бүрийн үйлдвэрлэлийн шугамын эзэлдэг талбайг хэлнэ. Урсгал * Dist нь урсгалын бүтээгдэхүүний нийлбэр ба 2 байгууламжийн хоорондох зайг тооцдог. Ойролцоох хувь нь зэргэлдээ байх шаардлагыг хангасан байгууламжийн хувийг тооцдог.
Шилдэг зохион байгуулалтыг сонгохдоо мөн албан ёсоор ашиглана
Үйлдвэрийн төлөвлөлтийн асуудлын тодорхойлолт нь үр ашигтай ажиллагааг хангах физик байгууламжийн хамгийн сайн зохицуулалтыг олох явдал юм (Хассан ба Хогг, 1991). Зохион байгуулалт нь материал зөөвөрлөх зардал, хүргэх хугацаа, нэвтрүүлэх чадварт нөлөөлдөг. Энэ нь үйлдвэрийн нийт бүтээмж, үр ашигт нөлөөлдөг. Томпкинс ба Уайт (1984)-ийн хэлснээр барилга байгууламжийн зураг төсөл нь түүхэнд тэмдэглэгдэн үлдсэн бөгөөд үнэхээр хотын барилга байгууламжийг төлөвлөж, барьсан нь эртний үед дүрслэгдсэн байдаг.
* Корреспондент
Грек ба Ромын эзэнт гүрний түүх. Энэ асуудлыг судалсан анхны хүмүүсийн дунд Armor and Buffa нар байна. (1). 1964-иад онд хэвлэгдээгүй юм шиг байна. Фрэнсис, Уайт (1950) нар энэ чиглэлийн анхны судалгааг цуглуулж, шинэчилсэн анхны хүмүүс байв. Хожмын судалгааг 1974-ийг Домшке, Дрексл (1), нөгөөг нь Фрэнсис нар хийсэн 2 судалгаагаар шинэчилсэн. (1). Хассан, Хогг (1985) нар машины байршлын асуудалд шаардагдах өгөгдлийн төрлүүдийн талаар өргөн хүрээтэй судалгаа хийсэн. Машины байршлын өгөгдлийг шаталсан байдлаар авч үздэг; зохион байгуулалтыг хэр нарийвчилсан загвараас шалтгаална. Зөвхөн машинуудын харьцангуй зохион байгуулалтыг олоход шаардлагатай зохион байгуулалтад машины дугаар болон тэдгээрийн урсгалын хамаарлыг харуулсан өгөгдөл хангалттай байх болно. Гэсэн хэдий ч, нарийвчилсан зохион байгуулалт шаардлагатай бол нэмэлт мэдээлэл шаардлагатай болно. Өгөгдөл хайхад зарим хүндрэл бэрхшээл гарч болзошгүй бөгөөд ялангуяа өгөгдөл нь хараахан байхгүй байгаа шинэ үйлдвэрлэлийн байгууламжид гарч болзошгүй. Орчин үеийн болон автоматжуулсан байгууламжид зориулж зураг төслийг боловсруулахдаа шаардлагатай өгөгдлийг түүхэн өгөгдөл эсвэл ижил төстэй байгууламжаас олж авах боломжгүй, учир нь тэдгээр нь байхгүй байж магадгүй юм. Математик загварчлалыг байгууламжийн төлөвлөлтийн асуудлыг оновчтой шийдэх арга болгон санал болгосон. Купманс, Бекманн (1992) нар квадратын даалгаврын бодлого болгон боловсруулсан 1991-р математикийн загварыг гаргаснаас хойш энэ бүсийг сонирхох нь ихээхэн нэмэгдсэн. Энэ нь судлаачийн хувьд шинэ сонирхолтой талбарыг нээж өгсөн юм. Байгууламжийн төлөвлөлтийн асуудлыг шийдэх арга замыг эрэлхийлэхийн тулд судлаачид математик загвар боловсруулах ажилд орсон. Хоушяр, Уайт (1) нар байршлын асуудлыг нэг гэж үзсэн
Ногоон ба
2. ЗАГВАРЧЛАХ ХАНДЛАГА
Загваруудыг шинж чанар, таамаглал, зорилгоос хамааран ангилдаг. Muthor (1)-ийн боловсруулсан 1955-р ерөнхий системчилсэн төлөвлөлтийн арга барил нь бусад арга барилаар дэмжигдэж, компьютерийн тусламжтай байвал ашигтай схем хэвээр байна. Барилгын арга барил, жишээлбэл, Хассан, Хогг (1991) нь зураг төслийг эхнээс нь бүтээдэг бол сайжруулах аргууд, Бозер, Меллер, Эрлебахер (1994) нь илүү сайн үр дүнд хүрэхийн тулд одоо байгаа зохион байгуулалтыг өөрчлөхийг оролддог. Хэрагу (2007) сайн баримтжуулсан аргууд, мөн зохион байгуулалтын эвристикийг оновчтой болгох.
Энэ ажилд ашигласан загварчлалын төрөл бүрийн аргууд нь График онол, CRAFT, оновчтой дараалал, BLOCPLAN, генетикийн алгоритм юм. Алгоритм тус бүрд ижил загвар гаргахад шаардагдах параметрүүдийг доор тайлбарлав.
Графикийн онол
График онол (Foulds and Robinson, 1976; Giffin et al., 1984; Kim and Kim, 1985; and Leung, 1992) ашигладаг.
Энэхүү баримт бичигт кейс судалгааг загварчлахад 2 өөр төрлийн хандлагыг ашигласан болно. 1-р арга бол
CRAFT ашиглах
CRAFT (Computerized Relative Allocation Technique) нь зураг төсөл боловсруулахдаа хос ухаалаг солилцоог ашигладаг (Buffa et al., 1964; Hicks and Lowan, 1976). CRAFT нь сайжруулсан зураглал үүсгэхээсээ өмнө боломжит бүх хосын солилцоог шалгадаггүй. Оролтын өгөгдөлд барилга байгууламжийн хэмжээс, материалын урсгал эсвэл байгууламжийн хос хоорондын аяллын давтамж, нэгж зайд ногдох нэгж ачааллын зардлыг багтаасан болно. Урсгал (f) ба зай (d) -ийн бүтээгдэхүүн нь 2 байгууламжийн хооронд материалыг зөөх зардлыг өгдөг. Дараа нь солилцооны өмнөх болон дараах материалын тээвэрлэлтийн зардалд оруулсан хувь нэмрийг үндэслэн зардлын бууралтыг тооцно.
Хамгийн оновчтой дараалал
Шийдлийн арга нь дур зоргоороо дараалсан схемээс эхэлж, дарааллаар нь 2 хэлтэс солих замаар үүнийг сайжруулахыг оролддог (Херагу, 1997). Алхам бүрт энэ арга нь 2 хэлтсийн бүх боломжит шилжүүлэгчийн урсгалын*зайны өөрчлөлтийг тооцоолж, хамгийн үр дүнтэй хосыг сонгоно. 2 хэлтэс солигдож, арга давтагдана. Шилжүүлэгч байхгүй үед зардал буурах үед процесс зогсдог. Оновчтой дарааллыг ашиглан зохион байгуулалтыг бий болгоход шаардагдах оролт нь голчлон барилга байгууламжийн хэмжээс, материалын урсгал эсвэл байгууламжийн хос хоорондын аяллын давтамж, нэгж зайд ногдох нэгж ачаалалд ногдох зардал юм.
BLOCPLAN ашиглаж байна
BLOCPLAN нь нэг болон олон давхар (Ногоон болон
хэд хэдэн блокийн схемүүд болон тэдгээрийн фитнессийн хэмжүүрийг үүсгэх. Хэрэглэгч нөхцөл байдлаас шалтгаалан харьцангуй шийдлүүдийг сонгох боломжтой.
Генетикийн алгоритм
Байгууламжийг боловсруулах олон арга замууд байдаг. Генетик алгоритмуудаар (GA). Банержи, Жоу, Монтрейл (1997) нар эсийн зохион байгуулалтад GA-г ашигласан.. Модны бүтцийг зүсэхийг Otten (1) нэг ангиллыг дүрслэх арга болгон санал болгосон. Энэ аргыг хожим Там, Чан (1982) зэрэг олон зохиогчид ашигласан бөгөөд геометрийн хязгаарлалт бүхий талбайн тэгш бус байршлын асуудлыг шийдвэрлэхэд ашигласан. Энэ ажилд ашигласан GA алгоритмыг Shayan and Chittilappilli (1995) нар зүсэх модны бүтэц (STC) дээр үндэслэн боловсруулсан. Энэ нь модны бүтэцтэй нэр дэвшигчийн бүдүүвчийг 2004 хэмжээст хромосомын тусгай бүтцэд кодлодог бөгөөд энэ нь зүсэж буй мод дахь байгууламж бүрийн харьцангуй байршлыг харуулдаг. GA үйл ажиллагаанд хромосомыг удирдах тусгай схемүүд байдаг (Там ба Ли, 2). Мөн Шаян болон
3. ЖИШЭЭ СУДАЛГАА ТУРШИЛТ
Өмнө дурьдсан аргуудын гүйцэтгэлийг шалгахын тулд тэдгээрийг тавилга үйлдвэрлэлийн бодит хувилбарт ашигласан. Тус компани нь 9 хүний суудалтай 2 төрлийн сандал үйлдвэрлэдэг
Бүтээгдэхүүн бүр 11-р байгууламж – Зүсэх талбайгаас эхэлж, 1-р байгууламжийн боолт хийх хэсэгт дуусдаг 11 үйлдлийг гүйцэтгэдэг. Эцсийн угсралт бүрийг ижил нэртэй дэд хэсгүүдэд хувааж болно. Эдгээр дэд хэсгүүд Болт дээр уулздаг
Үүнээс болж материалын дараалсан урсгал байхгүй тул ажил хийгдэж байна. Байгууламж хоорондын харилцан үйлчлэлийг субъектив болон объектив хэмжүүрээр тодорхойлж болно. Урсгал диаграммд шаардагдах гол оролт нь эрэлт хэрэгцээ, үйлдвэрлэсэн материалын тоо хэмжээ, машин бүрийн хооронд урсдаг материалын хэмжээ юм. Материалын урсгалыг 10 сарын дотор явж буй материалын урсгалын хэмжээгээр тооцдог * Хэмжих нэгжийг Зураг 2-т үзүүлэв. Зураг 3-т кейс судалгаанд ашигласан хэлтэс тус бүрийн талбайг харуулав. Зураг 4-т Кейсийн судалгааны одоогийн бүдүүвчийг харуулав.

Зураг 1 Кейсийн судалгааны угсралтын бүдүүвч

Зураг 2 Кейсийн судалгааны материалын урсгал.

Зураг 3 Тус хэлтэст тохирох дугаар

Зураг 4 Тавилгын компанийн одоогийн зохион байгуулалт, кейс судалгааны загварчлалд ашигласан хэлтэс тус бүрийн хэмжээсүүд
4. ЗАГВАРЧЛАХ АРГА ХЭМЖЭЭНИЙ ХЭРЭГЛЭЭ
Энд 2-р хэсэгт авч үзсэн загварчлалын янз бүрийн аргуудыг жишээн дээр харьцуулах өөр схемүүдийг бий болгоход ашигласан болно.
4.1 График онолыг ашиглах
Хүснэгт 1-д График онолын Фоулдс ба Робинсоны арга, Дугуйн ба Обуд арга гэсэн 2 өөр аргыг ашигласан үр дүнгийн харьцуулалтыг харуулав. Хүснэгт 1-ээс харахад Фоулдс ба Робинсоны арга нь 2 үр дүнгээс илүү сайн болохыг харуулж байна. Фоулдс ба Робинсоны аргын үр дүнг Зураг дээр дэлгэрэнгүй тайлбарласан болно
Хүснэгт 1: График онолын 2 өөр аргыг харьцуулсан хүснэгт.


Зураг 5 Фоулдс ба Робинсоны аргыг ашигласан кейс судалгааны үр дүнгийн зэргэлдээх график.

Зураг 6 График онолыг ашигласны дараа сайжруулсан зохион байгуулалт (Фулдс ба Робинсоны арга)

Зураг 7 Урсгал * График онол (Фулдс ба Робинсоны арга) ашигласан кейс судалгааны зайн үнэлгээний график
4.2 CRAFT ашиглах
CRAFT-ийн оролтын өгөгдлийг оруулж, одоогийн зохион байгуулалтын анхны зардлыг 1-р тооцоолно. Энэ зардлыг Зураг 8,9-д үзүүлсэн хос хосолсон харьцуулалтыг ашиглан бууруулж болно.

Зураг 8 CRAFT ашиглан одоогийн зохион байгуулалтын анхны өртөг

Зураг 9 CRAFT-ээр алхам алхмаар солилцох
CRAFT-ийн олж авсан үр дүнг Хүснэгт 2-т үзүүлэв. Дээрх тооцоонд үндэслэн 10-р зурагт үзүүлсэн шинэ, сайжруулсан бүдүүвчийг зурж болно.
Хүснэгт 2: Үр дүнг харуулсан хүснэгт


Зураг 10 CRAFT-ээр үүсгэсэн сайжруулсан зохион байгуулалт
4.3 Хамгийн оновчтой дарааллын алгоритм
Оролтын өгөгдөл нь CRAFT-тай адил бөгөөд зөвхөн хос хосолсон харьцуулалтын өөр багцыг дагаж мөрддөг. Хүснэгт 3-т сайжруулсан зохион байгуулалтаас авсан үр дүнг харуулав. Зураг 11-д Optimum Sequence ашиглан сайжруулсан зохион байгуулалтыг харуулав.
Хүснэгт 3 CRAFT ашиглан үр дүнг харуулсан хүснэгт


4.4 BLOCPLAN ашиглах
Урсгал матрицын диаграммыг 12-р зурагт үзүүлсэн шиг дараах параметрүүдээр REL диаграм руу хөрвүүлсэн.

Зураг 12 Кейсийн судалгааны REL график

Хүснэгт 4-т янз бүрийн аргыг ашигласан үр дүнг харуулав. Автомат хайлтыг ашигласан BLOCPLAN нь Барилгын алгоритмыг ашиглахаас илүү сайн үр дүнг харуулсан.

Зураг 13 Сайжруулсан байршил автомат хайлт

Хүснэгт 4 BLOCPLAN зохион байгуулалтын арга хэмжээ
4.5 Генетикийн алгоритмыг ашиглах
Алгоритмоор олсон хамгийн сайн шийдлийг Зураг 14-т үзүүлэв. Дараа нь үүнийг бусад загвартай нийтлэг харьцуулалт хийх зорилгоор Зураг 15-ын бүдүүвч рүү хөрвүүлнэ.

Зураг 14 Генетик алгоритмаар боловсруулсан бүдүүвч

Зураг 15 14-р зураг дээрх бүдүүвчийг хөрвүүлэх
Хүснэгт 5-д Генетик Алгоритм ашиглан үр дүнг харуулав.

Хүснэгт 5 Генетикийн алгоритм ашиглан үр дүнг харуулсан хүснэгт
5. ТУРШИЛТЫН ҮР ДҮНГ AHP-ээр ХАРЬЦУУЛСАН НЬ
Хүснэгт 6-д загварчлалын бүх аргуудаас одоогийн байршилтай харьцуулсан үр дүнг нэгтгэн харуулав. Шилдэг байршлын хэсгийг Нийт талбай (Минимзе), Урсгал * Зай (хамгийн их байлгах) болон Ойролцоох хувь (хамгийн их болгох) гэсэн 3 хүчин зүйл дээр үндэслэн хийнэ. Гол зорилго нь WIP-ийг багасгаж, материалын системчилсэн урсгалыг зохион байгуулах явдал юм. Үүний үр дүнд урсгал * зайны матриц нь хамгийн чухал параметр юм.

Хүснэгт 6 Бүх загварчлалын арга техникийг ашигласан үр дүнгийн хураангуй, одоогийн зохион байгуулалтын үр дүн
Хүснэгт 7-д янз бүрийн хүчин зүйл дээр үндэслэн өөр байршлын холимог зэрэглэлийг харуулав. Жишээлбэл, Layout 1 нь бүсийн хувьд муу, F*D нь зэргэлдээ байрлалд хамгийн шилдэг нь юм. Энэ хослол нь бусдаас нэгийг нь сонгоход хэцүү болгодог. Бид Expert Choice програм хангамжаар хэрэгжсэн AHP хэмээх албан ёсны техникийг ашиглахыг уриалж байна.

Хүснэгт 7 Зорилттой холбоотой янз бүрийн хувилбаруудын зэрэглэл
AHP нь эцэг эхийн хувьд хос хүүхэд бүрийн харьцангуй ач холбогдлыг харьцуулдаг. Хосуудын харьцуулалт дууссаны дараа арга нь ерөнхий зэрэглэлийг тодорхойлохын тулд зарим математик загваруудыг ашиглан үр дүнг нэгтгэдэг. Зураг 16-д хамгийн сайн сонголтын шийдлийн зорилгыг харгалзан бүх алгоритмын үр дүнгийн зэрэглэлийг харуулав.

Зураг 16 Зорилготой холбоотой нийлэгжилт
Хамгийн сайн шийдэл нь BLOCPLAN (Автомат хайлт), дараа нь Фоулдс ба Робинсоны аргыг ашиглан Графикийн онол, дараа нь Генетик алгоритм юм. Бусад шийдлүүд нь хамаагүй муу юм. Төрөлхийн субьектив байдлаас шалтгаалан зэрэглэл нь илүү сайн сонголтын үнэмлэхүй үзүүлэлт биш, харин хэрэглэгчийн хэрэгцээнд нийцүүлэн зугаацуулж болох зөвлөмж гэдгийг анхаарна уу.
Бид автомат хайлтыг ашиглан BLOCPLAN ашиглан үүсгэсэн загварыг сонгосон шийдэл болгохыг санал болгож байна. Үүнийг шийдэх үед сонголт нь найдвартай эсэхийг баталгаажуулахын тулд мэдрэмжийн шинжилгээ хийсэн. Хэрэв цаг хугацаа зөвшөөрвөл сонголт хийхээс өмнө бусад ойрын хувилбаруудад үүнийг хийх хэрэгтэй.
6. ДҮГНЭЛТ
Энэхүү нийтлэлийн зорилго нь тавилгын компанид хамгийн сайн зохион байгуулалтыг сонгохын тулд янз бүрийн загварчлалын техникийг ашиглах явдал байв. Зураг 17-д үзүүлсэн шиг автомат хайлтыг ашиглан BLOCPLAN хамгийн сайн зохион байгуулалтыг үүсгэсэн.

Зураг 17 Загварын аргуудыг ашиглан хамгийн сайн зохион байгуулалт
Хүснэгт 9-д одоогийн зохион байгуулалттай харьцуулахад санал болгож буй шийдлийн сайжруулалтыг харуулав. Зохион байгуулалт нь блокууд болон тэдгээрийн харьцангуй байршлыг харуулж байгааг анхаарна уу. Бүх хэрэгцээнд нийцүүлэн практик хязгаарлалтыг хэрэгжүүлэх шаардлагатай. Дараа нь блок бүрийн дэлгэрэнгүй мэдээллийг шаардлагатай бол ижил аргаар төлөвлөж болно.

Хүснэгт 9: Загварын техникийг ашиглан одоогийн зохион байгуулалтын сайжруулалт
Шинжлэх ухааны арга барилын талаар ямар ч мэдлэггүй компанид үр дүн нь нэлээд сэтгэл ханамжтай байв.



