فهرست رئوس مطالبفهرست جدول ها.........حفهرست شکل ها..........خ1 مقدمه11.1 ضرورت انجام تحقیق. 21.2 اهداف پایان نامه. 31.3 ساختار پایان نامه. 32 ادبیات و پیشینه تحقیق42.1 مسایل تعیین اندازه انباشته. 52.2 شبیه سازی. 122.3 روش هاي بهينه سازي با شبيه سازي. 192.3.1 جستجوي تصادفي. 202.3.2 رتبه بندي و انتخاب. 202.3.3 رویه های مبتنی بر گرادیان. 202.3.4 الگوریتم های فراابتکاری. 212.3.4.1 الگوريتم ژنتيک. 242.3.4.2 شبيه سازي حرارتي (SA)252.3.4.3 جستجوي ممنوع (TS)272.3.4.4 الگوريتم جستجوي پرندگان(PSO)302.3.5 فرامدل ها. 312.3.5.1 انواع فرا مدل ها. 342.3.5.1.1 نوار برازش چند متغیره تطبیقی. 352.3.5.1.2 Kriging. 362.3.5.1.3 شبکه های عصبی مصنوعی. 372.3.5.1.4 توابع مبتنی بر شعاع. 382.3.5.1.5 برازش بردار پشتیبان. 392.3.5.2 مقایسه فرامدل ها. 393 روش تحقیق423.1 شرح مساله. 443.2 الگوریتم برازش بردارهای پشتیبان. 494 محاسبات و یافته های تحقیق544.1 اعتبار سنجی روش حل. 554.2 حل مساله اصلی ................................................................................................................565 نتیجه گیری و پیشنهادها685.1 نتیجه گیری.......................................................................................................................695.2 پیشنهادها........................................................................................................................706 فهرست مراجع71چکیده انگلیسی........................................................................................................................................74 فهرست جدول هاجدول 1 میانگین و انحراف معیار زمان های پردازش ...................................................................................................47جدول 2 مقایسه نتایج مسایل تست ....................................................................................................................................................55جدول 3 هزینه نگهداری اجزای سیستم (واحد هزینه بر ساعت).......................................................................................56جدول4 هزینه های راه اندازی و فروش از دست رفته.....................................................................................................57جدول 5 مقادیر تابع هدف حاصل از شبیه سازی.............................................................................................................63جدول 6 داده های تصادفی.............................................................................................................................................65 فهرست شکل هاشکل 2‑1 نحوه رفتار دسته جانوران در برخورد با خطر و الگو گيري برای الگوريتم PSO.. 30شکل2‑2ارتباط بین سیستم واقعی، مدل شبیه سازی و فرامدل.. 41شکل3‑1مونتاژ دو محصول A و B. 46شکل 3‑2بردارهای پشتیبان.. 49شکل 4‑1 ماژول های ایجاد نهاده ها و تخصیص ویژگیهاِ آنها.. 58شکل 4‑2 ماژول های ایستگاهها و پردازش ها.. 59شکل 4‑3 ماژول های مونتاژ اجزا.. 60شکل4‑4 ماژول های مونتاژ محصولات نهایی.. 61شکل 4‑5 داده های تصادفی و منحنی بردار پشتیبان.. 66شکل 4-6 تخمین مدل داده های تصادفی با متامدل SVR. 67 فصل اولدر یک سیستم مونتاژ ، بازده سیستم از اهمیت ویژه ای برخوردار است. زمان صرف شده برای مونتاژ یک محصول ارتباط مستقیم با تعداد محصول مونتاژ شده در یک بازه زمانی دارد. هرچه تنوع محصول در یک سیستم مونتاژی افزایش یابد، پیچیدگی این سیستم نیز افزایش پیدا می کند. لذا برنامه ریزی برای بهینه سازی پارامترهای موثر بر خروجی سیستم ضروری است. اندازه انباشته از پارامترهای موثر در موفقیت برنامه ریزی تولید است. این طرح بهینه سازی اندازه انباشته در یک سیستم مونتاژی انعطاف پذیر را که شامل دامنه گسترده ای قطعات ، اجزا و محصول نهایی است، را با توجه به هزینه های تولید با استفاده از شبیه سازی بررسی می کند.به دلیل تنوع بالای محصول در سیستم های تولیدی امروزی نیاز به برنامه ریزی برای حداکثر نمودن بازده این سیستم ها از اهمیت ویژه ای برخوردار است. اندازه انباشته از متغیرهای موثر بر سیستم های تولید است. کاهش زمانهای بیکاری ماشین ها و اپراتورها نقش مهمی در افزایش بازده تولید دارد. تعیین اندازه انباشته بهینه باعث کاهش زمانهای بیکاری، همچنین کاهش تاخیر در عملیات مونتاژ، کاهش هزینه های نگهداری و هزینه های آماده سازی می شود. سیستم های دنیای واقعی دارای ماهیت احتمالی و غیر قطعی هستند و این ویژگی بر پیچیدگی این سیستم ها می افزاید. در فضای عدم قطعیت، ابزار شبیه سازی می تواند ابزاری مناسب در حل مساله تعیین اندازه انباشته بهینه باشد. 1.2 اهداف پایان نامهدر مسایل پیچیده بهینه سازی که تابع هدف نمی تواند شناسایی شود، استفاده از مدل شبیه سازی به جای تابع هدف ضروری است. مدل های شبیه سازی نیز توصیفی هستند و به خودی خود نمی توانند جواب بهینه را پیدا کنند یا جوابها را بهبود بخشند. برای جستجوی جوابهای بهتر، متدولوژیهای بهینه سازی شبیه سازی توسعه یافته اند. یکی از ابزارهای بهینه سازی شبیه سازی فرا مدل ها می باشند. در این تحقیق بهینه نمودن اندازه انباشته با استفاده از یکی از این فرا مدل ها بررسی می گردد. با توجه به مطالعه ادبیات موضوع تاکنون استفاده از این فرا مدل بر روی مسایل تعیین اندازه انباشته در فضای عدم قطعیت بررسی و مطالعه نشده است.فصل های دیگر پايان نامه به اين صورت ساماندهي شده اند: در فصل بعدی به مرور ادبیات موضوع می پردازیم. ابتدا تاریخچه ای از انواع مسایل تعیین اندازه انباشته و روش های حل آنها بیان می گردد. سپس روش های بهینه سازی شبیه سازی و فرا مدل ها معرفی می گردند. در فصل سوم مساله و ویژگیهای آن و فرضیات در نظر گرفته شده بیان می شوند و به شرح کامل مساله پرداخته می شود. در فصل چهارم چگونگی مدلسازی مساله و الگوریتم حل مساله بیان می شود و در فصل پنجم نتایج به دست آمده از حل مساله و تحلیل آنها انجام می شود و همچنین يک جمع بندي و نتيجه گيري کلي از این تحقيق، و پيشنهاداتي براي تحقيقات آينده بیان می شود.فصل دوم 2.1 مسایل تعیین اندازه انباشتهمسایل تعیین اندازه انباشته[1] با ویژگیهای متنوعی که دارند به انواع مختلفی تقسیم شده اند. کریمی وهمکاران یک بررسی کلی روی مساله تعیین اندازه انباشته بامحدودیت ظرفیت انجام داده اند][i][.دراین بررسی به تقسیم بندی بعضی انواع مسایل تعیین اندازه انباشته پرداختند و برای مساله تک سطحی مدلهای تحلیلی والگوریتم های حل انها را ارائه دادند. تاکنون صورت های مختلفی از مسالهوالگوریتم های متنوعی برای حل مساله تعیین اندازه انباشته ارائه شده است. مسایل تعیین اندازه انباشته دارای تنوع گسترده ای است، از جمله این مسایل می توان به موارد زیر اشاره کرد.مساله زمان بندی انباشته اقتصادی (ELSP): یک مساله تک سطحی چند آیتمیبا تقاضای ثابت است.زمان پیوسته و افق زمانی نا محدود است. حل مساله ELSPوقتی محدودیت ظرفیت داشته باشیم NP-HARD است.فرضیه اساسی در مساله DLSP، تولید همه یا هیچ است. یعنی تنها یک آیتم در هر دوره زمانی می تواند تولید شود و درصورتی که از تمام ظرفیت استفاده شود.درمقایسه با DLSP ،CLSP در وضعیت واقعی تری قرار دارد. درمساله CLSP، فرض همه یا هیچ وجود ندارد. اما تنها یک آیتم در هر دوره زمانی ممکن است تولید شود.ایده اصلی درمساله PLSPاین است که اگر در یک دوره از همه ظرفیت آن دوره استفاده نشده باشد، ظرفیت باقیمانده برای آیتم دوم برنامه ریزی می شود. فرض مهم دیگر در این مساله این است که در هر دوره زمانی فقط یکبار حالت آماده سازی ماشین می تواند تغییر کند.GLSPزمان بندی و تعیین اندازه انباشته چندین محصول را روی یک ماشین با محدودیت ظرفیت برنامه ریزی می کند.