During several decades, research in production scheduling mainly concerns a single criterion to optimize. However, the analysis of the performance of a schedule often involves more than one aspect and therefore requires multi-objective analysis. Such situation appears in the real case study considered here

This paper deals with a production scheduling problem in a flexible (or hybrid) job-shop with particular constraints: batch production; existence of two steps: production of several sub-products followed by the assembly of the final product; possible overlaps for the processing periods of two successive operations of a same job. At the end of the production step, different objectives should be considered simultaneously, among the makespan, the mean completion time, the maximal tardiness, the mean tardiness. The research is based on a real case study, concerning a Tunisian firm. We propose a multi-objective simulated annealing approach to tackle this problem and to propose to the manager an approximation of the set of efficient schedules. Several numerical results are reported

چکیده

در چند دهه، تحقیق در زمان بندی تولید عمدتا به بهینه سازی یک معیار ربط داشت. تحلیل عملکرد یک برنامه ی زمانی اغلب با بیش از یک جنبه سر و کار دارد و بنابراین نیازمند تحلیلی چند منظوره است. در اینجا چنین شرایطی در یک بررسی موردی واقعی در نظر گرفته می شود.

این مقاله یک مساله ی زمان بندی تولید در یک جاپ شاپ انعطاف پذیر (یا هیبرید) با قیدهای مشخص را بیان می کند: تولید انبوه؛ وجود دو مرحله؛ تولید چند زیر محصول و مونتاژ محصول نهایی؛ همپوشانی های احتمالی برای دوره های پردازش دو عملیات متوالی یک کار یکسان. در انتهای مرحله ی تولید، اهداف مختلفی باید بطور همزمان در نظر گرفته شوند، از جمله بازه ی زمانی تولید، متوسط زمان کامل شدن، ماکزیمم دیرکرد، دیرکرد متوسط . این پژوهش بر اساس یک بررسی موردی واقعی مربوط به یک واحد اقتصادی در تونس است. ما یک روش تابکاری شبیه سازی شده ی چند منظوره برای حل این مساله و برای ارائه ی تقریبی از مجموعه زمان بندی های موثر پیشنهاد دادیم. چندین نتیجه ی عددی هم گزارش می شوند.

-1مقدمه

تکنیک های فرایابنده مثل تابکاری شبیه سازی شده [19]، جستجوی تابو و الگوریتم های ژنتیک [4, 14] قابلیت خود را برای حل مسائل ترکیبی مثل مسیریابی خودرو، زمان بندی تواید، و غیره نشان داده اند. در نتیجه برخی از محققان استفاده از این روش ها را برای حل مسائل ترکیبی چند منظوره (MOCO) پیشنهاد داده اند. Ulungu  و همکاران [17,18] یک الگوریتم تابکاری شبیه سازی شده ی چندمنظوره (MOSA) برای حل مسائل بهینه سازی ترکیبی ارائه دادند و یک ورژن تعاملی هم توسط Teghem  و همکاران طراحی شد ...