كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

ارائه یک چارچوب هوشمند مبتنی بر دوقلوی دیجیتال و یادگیری تقویتی برای حل مسئله زمانبندی کارگاه منعطف با زمانهای آمادهسازی وابسته به توالی

نویسندگان :

محمد رضا خادم روشنده¹

1- تهران

کلمات کلیدی :

زمانبندی کارگاه منعطف،زمانهای آمادهسازی وابسته به توالی،دوقلوی دیجیتال،یادگیری تقویتی عمیق،الگوریتم ژنتیک،بهینهسازی چندهدفه.

چکیده :

هدف این پژوهش، طراحی و ارزیابی یک چارچوب هوشمند مبتنی بر دوقلوی دیجیتال، یادگیری تقویتی عمیق (DRL) و الگوریتم ژنتیک (GA) برای بهینهسازی مسئله SDST-FJSP در محیطهای تولیدی پویا است. در این پژوهش، ابتدا معماری سهلایه مدل شامل لایه جمعآوری داده، لایه دوقلوی دیجیتال و لایه تصمیمگیری هوشمند طراحی شد. سپس عملکرد مدل با استفاده از مجموعهدادههای استاندارد Brandimarte، MK Benchmark و دادههای شبیهسازیشده شامل سناریوهای خرابی ماشین، ورود سفارشهای اضطراری، تغییر ظرفیت تولید و تغییر زمانهای آمادهسازی ارزیابی شد. معیارهای ارزیابی شامل زمان تکمیل کل (Makespan)، مجموع تأخیر سفارشها، مصرف انرژی، هزینههای آمادهسازی، بهرهبرداری ماشین و نرخ باززمانبندی بود و نتایج با الگوریتمهای GA، PSO، ACO، SA، NSGA-II و Hybrid Metaheuristics مقایسه شد. نتایج نشان داد که مدل پیشنهادی با دستیابی به مقدار 92.6 برای شاخص Makespan، 65.3 برای مجموع تأخیر سفارشها، 352 واحد برای مصرف انرژی، 0.86 برای بهرهبرداری ماشین و 3.1 برای نرخ باززمانبندی، عملکرد بهتری نسبت به سایر الگوریتمهای مورد بررسی ارائه میکند. همچنین آزمونهای آماری t و ANOVA معناداری برتری مدل پیشنهادی را در سطح اطمینان 95 درصد تأیید کردند. افزون بر این، مدل در سناریوهای پویا با کاهش افت عملکرد نسبت به روشهای مرجع، از پایداری و قابلیت انطباق بالاتری برخوردار بود. یافتههای پژوهش نشان میدهد که چارچوب پیشنهادی میتواند بهعنوان رویکردی مؤثر برای بهبود تصمیمگیری و زمانبندی هوشمند در سیستمهای تولیدی پویا مورد استفاده قرار گیرد.