ژانویه 23, 2021

پایان نامه رایگان درمورد Technology

3 min read
<![CDATA[]]>

5-8 جمعبندي
اين فصل به حل مدلهاي مطرح شده در فصل 3 اختصاص يافت. در قسمت اول با استفاده از روش e-constrait و کد کردن آن در نرمافزار GAMS به حل مدل دوهدفه مطرح شده در فاز استراتژيک پرداخته شد. ونتايج حاصل از حل نيز در اين بخش آورده شده است. در قسمت دوم با استفاده از نتايج بهدست آمده از فاز اول مدل فاز عملياتي در مسائل کوچک و متوسط به صورت حل دقق حل ش. از آنجا که مسأله مورد نظر يک مسأله NP-hard است براي حل مسائل در ابعاد بزرگ دو الگوريتم فرا ابتکاري ارائه شده است که اعتبار سنجي آن نيز در اين بخض انجام شده است. درفصل بعد به نتيجه گيري و پيشنهادات آتي بيان خواهد شد.
فصل 6
نتيجهگيري و پيشنهاد براي تحقيقات آتي
6-1مقدمه
اين پژوهش بهدنبال اخذ تصميمات بهينه بهمنظور بهرهبرداري هرچه بهتر از امکانات موجود در راستاي تامين اتاق عمل و همچنين يافتن يک برنامه ريزي و زمانبندي مناسب براي بيماراني که عمل جراحي بايد بر روي آنها انجام شود ميباشد. همانطور که پيش از اين نيز اشاره کرديم، هدف از انجام اين پژوهش انتخاب تيمهاي مناسب براي جراحي در يک سيستم اتاقهاي عمل با توجه به هزينههاي موجود در گام اول و ارائه يک زمانبندي مناسب براي بيماران در گام دوم است.
به منظور تحقق اهداف پژوهش از تکنيکهاي بهينهسازي متعددي بهره گرفته شدهاست. در قدم اول مجموعه فرضيات، اهداف و محدوديتهاي اين مساله به صورت يکپارچه فرموله گرديد. مدل نهايي به علت وجود متغيرهاي صفر و يک و عدد صحيح و همچنين عبارات غيرخطي از پيچيدگي بالايي برخوردار بود. در ادامه با استفاده از تکنيکهاي خطيسازي، عبارات غيرخطي مدل خطي شده و تا حدودي از پيچيدگي حل آن کاسته شد. ولي از آنجا که با مدلي NP-hard روبهرو هستيم، پيچيدگي اين مدل هنوز هم امکان استفاده از روشها و نرمافزارهاي حل دقيق را محدود مينمايد. به منظور اعتبارسنجي مدل تحقيق در عمليات خطيشده و سنجش ميزان انطباق آن با مفاهيم و واقعيت بيروني مساله از نرمافزار GAMS IDE/Cplex کمک گرفته شد.
از طرفي به منظور شبيهسازي آنچه که در واقعيت اتفاق ميافتد و توليد مسائل نمونه تصادفي از دادههاي موجود استفاده شده است. 29 مساله نمونه با ابعاد گوناگون توليد شده و (بر مبناي زمان مورد نياز جهت حل دقيق اين مسائل) در سه دسته مسائل کوچک، متوسط و بزرگ قرار گرفتند. 24 عدد از مسائل فوق تحت عنوان مسائل کوچک و متوسط قابل حل توسط روش حل دقيق بوده و 5 عدد از مسائل نمونه از اين قاعده مستثني ميباشند.
6-2 نتيجهگيري
همانطور که در قسمتهاي قبل بيان شد اين تحقيق شامل دو فاز ميشود که فاز اول يک فاز طراحي که پيشنياز فاز دوم نيز ميباشد، است. در فاز اول با توجه به عدم قطعيت موجود در زمان انجام عملها از رويکرد استوار براي مقابله با اين عدم قطعيت استفاده شده است. فاز اول با استفاده از رويکرد ?-محدوديت حل شده است که نتيجه آن يک مرز پارتو با 7 نقطه شبکه است. در واقع اين نقاط غير چيره هستند و انتخاب تصميم با توجه به نظر تصميم گيرنده ميباشد.
در فاز دوم براي حل مدل در ابغاد بزرگ دو الگوريتم فرا ابتکاري معرفي شده است. به منظور بررسي کارايي و اعتبارسنجي الگوريتمهاي فرا ابتکاري مذکور، نتايج به دستآمده از اين الگوريتمها با نتايج حل دقيق در بخش پيشين مورد مقايسه قرار گرفتند. ميانگين زمان حل مسائل کوچک توسط روش حل دقيق برابر 97.617 و توسط الگوريتم فراابتکاري CS برابر 48.97 ثانيه به دستآمده است. از طرفي نسبت بهينگي حاصله از الگوريتم CS به نتايج حل دقيق در مورد مسائل کوچک بين 95.4 تا 100% متغير بوده و به طور ميانگين برابر 98.6% ميباشد. اين امر نشان از توانايي الگوريتم تلفيقي در دستيابي به 98.6% از بهينگي نتايج حل دقيق در 54.6% از زمان روش حل دقيق به طور ميانگين را دارد. لازم به ذکر است که الگوريتم CS درمورد تمام مسائل کوچک در بازه زماني مذکور به همگرايي رسيدهاست. اين امر نيز بيانکننده کفايت زمانهاي اتخاذي توسط الگوريتم فراابتکاري جهت حل مسائل با سايز کوچک ميباشد. در نهايت عملکرد الگوريتم پيشنهادي در حل مسائل کوچک در مقايسه با نرمافزار حل دقيق GAMS IDE/Cplex قابل قبول ارزيابي ميگردد.
با توجه به ابعاد غيرواقعي مسائل کوچک، استناد به مقايسههاي انجامشده و نتايج به دست آمده تا اين مرحله براي سنجش اعتبار و کارايي الگوريتم تلفيقي پيشنهادي کفايت نميکند. با استفاده از مسائل ابعاد متوسط کارايي الگوريتم فرا ابتکاري تاييد شده است و از آن براي حل مسائل ابعاد بزرگ استفاده شده است.
در حالت کلي فاز يک، مرحله طراحي است و با استفاده از اين فاز ميتوان يک موازنهاي بين زمان هزينه انجام داد. بعد از به کار گيري نتايج بدست آمده از فاز يک وارد مسأله وارد فاز دو ميشود که اين مرحله فاز عملياتي نام دارد. در فاز دو زمانبندي انجام ميشود و توالي مناسب براي بيماران انتخاب خواهد شد..
6-3 پيشنهاد براي تحقيقات آتي
مسأله در نظر گرفته شده در اين پژوهش يک مسأله زمانبندي جريان کارگاهي انعطافپذير در حالت عدم قطعيت ميباشد. با توجه به دادههاي کم در دست براي اين پژوهش از زمانبندي استوار استفاده شده است که ممکن با توجه به د نظر گرفتن تعداد کم سناريو دچار خطا شود پس پيشنهاد آتي اين است که در صورت امکان از برنامهريزي احتمالي استفاده شود.
همانطور که گفته شد سيستم کارگاهي اين تحقيق جريان کارگاهي انعطافپذير دو مرحله اي است که ميتوان در آينده چند مرحله بهچاي دو مرحله در نظر گرفت.
تابع هدف معرفي شده در فاز يک دو هدفه ميباشد که براي زمانبندي استوار از معيار مجموع زمان در جريان کار استفاده شده ست که در مطالعات آتي ديگر معيارهاي موجود در مبحث زمانبندي ميتواند مورد استفاده قرار گيرد.
در فاز دوم نيز ميتوان معيارهاي ديگري براي ارتقا قابليت اطمينان در اتاق معرفي کرد. همچنين براي بهدست آوردن وزنهاي هر معيار در تابع هدف فاز دوم ميتوان از روشهاي دقيقتري مانند روشهاي موجود در MCDM127 استفاده کرد.
فهرست منابع
Abumaizar, R. J.and Svestka, J. A.1997. Rescheduling job shops under random disruptions .International Journandal of Production Research 35(7), 2065-2082.
Akrami, B., Karimi, B. and Moattar Hosseini, S. M. 2006. Two metaheuristic methods for the common cycle economic lot sizing and scheduling in flexible flow shops with limited intermediate buffers: The finite horizon case.” Applied Mathematics and Computation 183(1), 634-645.
Akturk, M. S. and Gorgulu, E.(1999). Match-up scheduling under a machine breakdown. European Journal of Operational Research 112(1), 81-97.
Al-Hinai, N., and El Mekkawy, T. Y. 2011; Robust and stable ?exible job shop scheduling with random machine breakdowns using a hybrid genetic algorithm. International Journal of Production Economics, 132: 279-291.
Alisantoso, D., Khoo L. P. and Jiang, P.Y. 2003. An immune algorithm approach to the scheduling of a flexible PCB flow shop. The International Journal of Advanced Manufacturing Technology 22(11), 819-827.
Allahverdi, A. 2006. Two-machine flowshop scheduling problem to minimize total completion time with bounded setup and processing times. International Journal of Production Economics 103(1), 386-400.
Allaoui, H. and Artiba, A. 2004. Integrating simulation and optimization to schedule a hybrid flow shop with maintenance constraints. Computers and Industrial Engineering 47(4), 431-450.
Allaoui, H. And Artiba, A. 2006.Scheduling two-stage hybrid flow shop with availability constraints.Computers and Operations Research 33(5), 1399-1419.
Allaoui, H., Lamouri, S. and Lebbar, M.2006. A robustness framework for a stochastic hybrild flow shop to minimize the makespan. Proceedings of 2006 IEEE International Conference on Services Systems and Services Management, October 25-27, 2006, Troyes, France, 1097-1102.
Andres, C., Gomez, P. and Garcia-Sabater, J. P. 2006. Comparing dispatching rules in dynamic hybrid flow shops. Proceedings of 2006 IEEE International Conference on Emerging Technologies and Factory Automation, September 20-22, 2006, Prague, Czech Republic, 233-239.
Beck, J. C. and Wilson, N. 2007. Proactive Algorithms for Job Shop Scheduling with Probabilistic Durations. Journal of Artificial Intelligence Research 28, 183-232.
Behnamian, J., Fatemi Ghomi, S. M. T. And Zandieh, M. 2009. A multi-phase covering Pareto-optimal front method to multi-objective scheduling in a realistic hybrid flowshop using a hybrid metaheuristic. Expert Systems with Applications 36(8), 11057-11069.
Choi, S.-W., Kim, Y.-D. and Lee, G.-C. 2005. Minimizing total tardiness of orders with reentrant lots in a hybrid flowshop. International Journal of Production Research 43(11), 2149 – 2167.
Choi, S. H., and Wang, K. 2012; Flexible flow shop scheduling with stochastic processing times: A decomposition-based approach. Computers and Industrial Engineering, 63(2): 362-373.
Djellab, H. and Djellab, K. 2002. Preemptive Hybrid Flowshop Scheduling problem of interval orders. European Journal of Operational Research 137(1), 37-49.
Fakhrzad, M. B.and Heydari, M. 2008. Flexible Flow-Lines Model at m Machine Centers with Fuzzy Total Costs. Journal of Applied Science 8(11), 2059-2066.
Ghezail, F., Pierreval, H. And Hajri-Gabouj, S. 2010. Analysis of robustness in proactive scheduling: A graphical approach. Computers and Industrial Engineering 58(2), 193-198.
Gholami, M. and Zandieh, M. 2009. Integrating simulation and genetic algorithm to schedule a dynamic flexible job shop. Journal of Intelligent Manufacturing 20(4), 481-498.
Grangeon, N., Tanguy, A. and Tchernev, N. 1999. Generic simulation model for hybrid flow-shop. Computers and Industrial Engineering 37(1-2), 207-210.
Gourgand,M., Grangeon, N. and Norre, S. 1999. Metaheuristics for the deterministic hybrid flow shop problem. Proceedings of the international conference on industrial engineering and production management, July 12-15, 1999, Glasgow, United Kingdom, 136-145.
Gupta, J. N. D. 1988. Two-stage, hybrid flowshop scheduling problem. Journal of the Operational Research Society 39(4), 359-364.
Herroelen, W. and Leus, R. 2005. Project scheduling under uncertainty: Survey and research potentials. European Journal of Operational]]>

دیدگاهتان را بنویسید

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

Copyright © All rights reserved. | Newsphere by AF themes.