Tek makineli çok ölçütlü iş sıralama ve çizelgeleme probleminin genetik algoritma ile çözülmesi: Alüminyum sektöründe uygulanması

Abstract

Yapılan bu çalışmada, alüminyum sektöründe üretim faaliyeti gösteren bir firmaya ait tek makinalı çok ölçütlü çizelgeleme problemi ele alınmıştır. Amaç, mevcut sistemdeki karmaşıklığı minimuma indirerek, müşteri ihtiyaçları ve üretim gerekliliklerinin doğurduğu bir takım öncelik kuralları ve kısıtların eş zamanlı değerlendirilerek firma hedefleri ve stratejileri doğrultusunda hazırlanmış en iyi ve esnek üretim çizelgesi elde etmektir. Çalışma kapsamında belirlenen öncelik kuralları doğrultusunda oluşturulan amaç fonksiyonları, işletme strateji ve hedeflerine en uygun iş sırasını elde etmek için ağırlıklandırılarak her bir amaç fonksiyonuna ait önem ağırlık puanları belirlenmiştir. Genetik algoritma ile oluşturulan modele ait belirlenen parametreler deney tasarımı metodolojisiyle optimize edilmiştir. Optimize edilen parametreler doğrultusunda oluşturulan genetik algoritma modeli çalıştırılarak mevcut koşullara uygun en iyi iş sıralaması ve üretim çizelgesi elde edilmiştir. Tüm bu çıktılara göre üretim çizelgeleme de öncelik kurallarının ve algoritmada bulunan parametrelerin optimizasyonunun değerlendirmeleri yapılmıştır. Problem, belirgin parametrelere sahip olmasından dolayı deterministik, aynı zamanda belirli bir planlama periyodu altında optimize edilen statik bir yapıya sahiptir.

In this study, single-machine multi-criteria scheduling problem of a manufacturing company in aluminum industry is discussed. The goal is to achieve the best and flexible production schedule prepared in line with the company's goals and strategies by simultaneously reducing the complexity of the current system and by concurrently evaluating a number of priority rules and constraints caused by customer needs and production requirements.In order to obtain the most appropriate job sequence for the business strategy and objectives, the purpose weight, which is formed in line with the priority rules determined within the scope of the study, is weighted. The determined parameters of the model generated by the genetic algorithm are optimized by the experimental design methodology. According to the optimized parameters, the genetic algorithm model is created and the best work order and production table according to the current conditions are obtained. According to all these outputs, the optimization of the priority rules in the production scheduling and the parameters in the algorithm were evaluated. The problem has a static structure that is deterministic, but also optimized under a specific planning period due to its significant parameters.