Üretim hatlarında sezgisel yöntemlerle tampon stok dağılımı optimizasyonu

Abstract

İmalat sistemlerinin akıllı tasarımı, şirketlerin karlılığını doğrudan etkilediği ve çok maliyetli olduğu için endüstride ve akademide önemli bir araştırma alanıdır. Seri üretim hatları imalat endüstrisinde en çok karşılaşılan sistemlerden biridir ve bu hatların optimum tasarımı sistem performansını doğrudan etkiler. Bir üretim hattında önceden tanımlanmış kısıtlar altında, tampon stokların optimum kapasitesinin ve konumunun belirlenmesi olarak bilinen tampon stok dağılımı problemi (TSDP), NP-Zor bir kombinatoryal optimizasyon problemidir. Tampon stokların kapasitesi ile hattın üretim oranı arasında cebirsel bir ilişkinin olmaması bu tasarım problemini çözmeyi zorlaştırmaktadır. Hattaki makinelerin rastgele bozulmaları sebebiyle problem aynı zamanda stokastik bir yapıya sahiptir ve problem boyutu arttıkça çözüm alanı da üstel bir şekilde büyür. Problemin bu zorluklarının üstesinden gelmek için probleme özgü sezgisel veya meta-sezgisel arama algoritmaları TSDP’yi çözmek için yaygın olarak kullanılmaktadır. Bu doktora tez çalışmasında, güvenilir olmayan seri üretim hatlarında TSDP’yi çözmek için değişken komşuluk arama (DKA) ve adaptif büyük komşuluk arama (ABKA) gibi komşuluk-tabanlı iki arama algoritması ve popülasyon-tabanlı olan savaşçı genetik algoritma (SGA) ve büyük patlama-büyük çöküş (BP-BÇ) algoritması önerilmiştir. Literatürde TSDP’yi çözmek için bu algoritmalardan hiçbirinin daha önce kullanılmadığı görülmüştür. TSDP’nin çözümünde yeni algoritmalar önermenin yanı sıra, önerilen komşuluk tabanlı çözüm algoritmalarında arama eforunu azaltmak için üç yeni başlangıç sezgiseli önerilmiştir. Ayrıca, önerilen algoritmalarda arama etkinliğini artırmak için bir yerel arama stratejisi önerilmiştir. Önerilen çözüm algoritmalarının performansları literatürde mevcut karşılaştırma problemleri üzerinde test edilmiştir. Deneysel çalışmalar, önerilen tüm algoritmaların güvenilir olmayan seri üretim hatlarında TSDP için kaliteli çözümler elde etmede oldukça etkili olduğunu göstermiştir. Ayrıca, sadece önerilen başlangıç sezgisellerinin değil, aynı zamanda önerilen yerel arama stratejisinin de arama süreci üzerinde önemli bir iyileştirme sağladığı gözlemlenmiştir.

Intelligent design of manufacturing systems is an important research area in industry and academia because it directly affects the profitability of companies and is very costly. Serial production lines are one of the most encountered systems in manufacturing and the optimal design of production lines directly affects the system performance. The buffer allocation problem (BAP), known as determining the optimal capacity and location of the buffers under predefined constraints in a production line, is an NP-Hard combinatorial optimization problem. Moreover, solving this design problem is difficult because there is no algebraic relationship between the capacity of the buffers and production rate of the line. The problem has also a stochastic nature due to random failures of the machines in the line, and as the problem size increases the solution area also grows exponentially. To overcome these difficulties of the problem, problem-specific heuristics or meta-heuristic search algorithms are widely used to solve the BAP. In this Ph.D. study, two neighborhood-based search algorithms; i.e. variable neighborhood search (VNS) and adaptive large neighborhood search (ALNS) algorithms, and two population-based algorithms; i.e. combat genetic algorithm (CGA) and big bang-big crunch (BB-BC) algorithm are adapted to solve the BAP in unreliable serial production lines. It should be noted that none of these algorithms has been employed to solve the BAP before in the literature. Besides proposing new algorithms in solving the BAP, three new initialization heuristics are introduced in order to reduce the search effort for the proposed neighborhood-based solution algorithms. Moreover, a local search strategy is proposed to improve the search efficiency in the proposed algorithms. The performances of the proposed solution algorithms have been tested on existing benchmark problems taken from the literature. Computational studies have demonstrated that all the proposed algorithms are highly effective in finding good-quality solutions for the BAP in unreliable serial production lines. Moreover, it has been observed that not only the the proposed initialization heuristics but also the propos