Karışık modelli montaj hattı dengeleme problemleri ve genetik algoritmalar ile bir uygulama

Abstract

Sanayi devrimi ile birlikte Henry Ford öncülüğünde uygulamaya koyulan yürüyen bant sistemi, montaj hatlarına ilham kaynağı olmuştur. Geçmişten günümüze üretim planlama sürecinde anahtar rol oynayan montaj hatları ise yapısal açıdan gelişimini sürdürmekle birlikte, halen çeşitli çözüm algoritmalarına da uygulama alanı oluşturmaktadır.Bu çalışmada karışık modelli düz montaj hattı dengeleme problemleri ele alınmıştır. Gerçek hayat koşullarını daha iyi yansıtması amacıyla model kurgulanırken paralel iş istasyonu oluşumu durumu ve pozitif-negatif bölgeleme kısıtları göz önüne alınmıştır. Öncelikle konu ile ilgili yapılan çalışmalar incelenmiş ve literatür çalışmaları ile bazı sezgisel yöntemler özet halinde sunulmuştur. Daha sonra COMSOAL yöntemi ve genetik algoritmanın birleştirilmesiyle geliştirilen hibrid genetik algoritma ile çözüm yolları aranmıştır. Geliştirilen algoritma modellenerek Matlab programında kodlanmıştır. Algoritmanın işleyişi bir örnek üzerinde anlatılarak, geçerliliğini göstermek ve performansını ölçmek amacıyla 12 test problemi üzerinde denemeler yapılarak elde edilen sonuçlar yalın genetik algoritma sonuçlarıyla kıyaslanmıştır. Sonuçta, geliştirilen hibrid genetik algoritmanın, 12 test problemi üzerinde yalın genetik algoritmaya göre daha iyi sonuçlar verdiği görülmüştür.

With the industrial revolution, conveyor belt system had been put into practice led by Henry Ford, and it was the source of inspiration to assembly lines. From past to present, assembly lines which have a key role in the production planning process, develop themselves structurally, and still continue to generate various solution algorithms.In this study mixed-model straight assembly line balancing problems are addressed. While establishing the model, state of the formation of a parallel workstation and the positive-negative zoning constraints are taken into account in order to reflect real-life conditions better. First of all, relevant studies and literature were examined and some heuristic methods are presented in a summary. Then, solutions have been sought with the hybrid genetic algorithm that is obtained from the combination of COMSOAL method and the genetic algorithms. The developed algorithm is modeled and then coded in Matlab program. Explained the functioning of the algorithm with an example, trials were made on 12 test problems in order to show the validity and measure the performance, and the results were compared with the results of a simple genetic algorithm. Ultimately, it has been observed that better results were obtained from 12 test problems with the developed hybrid genetic algorithm than the simple genetic algorithm.