Solving mixed-model assembly line sequencing problem using adaptive genetic algorithms

Abstract

Bu yüksek lisans çalışmasının esas amacı, tek- ve çok-amaçlı karışık-modelli montaj hattı sıralama problemleri (KMMHSP) için, parça kullanım oranlarındaki değişkenlikleri (PKOD) en küçükleyecek şekilde, model üretim sıralarının belirlenmesi sağlayan adaptif Genetik Algoritma (GA) yaklaşımlarını ortaya koymaktır. Çok-amaçlı problem, PKOD'a ek olarak, yardımcı işçi kullanımının (YİK) ve hazırlık sürelerinin (HS) en küçüklenmesi amaçlarını da dikkate almaktadır. Çalışmada ilk olarak, tek-amaçlı KMMHSPlerini çözmek üzere, adaptif parametre kontrolü tekniklerini öz GA'ya uygulayan adaptif GA tabanlı bir yaklaşım önerilmiştir. Bu yaklaşım, adaptif bir elit stratejisi ve algoritmadan aldığı geribildirime göre mutasyon olasılığını düzenleyen bir yapı içermektedir. Önerilen yaklaşım kullanılarak KMMHSP problemi, son ürün, alt-montaj, bileşen ve ham madde olmak üzere dört seviye içeren bir montaj ortamında, PKOD'u en küçükleyecek şekilde çözülmüştür. Çalışmanın devamında, daha önceden tek-amaçlı problemin çözümünde kullanılan adaptif parametre kontrol teknikleri modifiye edilerek Pareto Stratum ”“ Niche Cubicle olarak bilinen GA'ya entegre edilmiş ve PKOD, YİK ve HS'nin en küçüklenmesini amaçlayan çok-amaçlı bir KMMHSP problemi çözülmüştür. Son olarak da, önerilen çözüm yöntemlerinin performanslarını değerlendirmek üzere çeşitli boyutlardaki problem setleri üzerinde deneyler yapılmıştır. The focus of this M.Sc study is to introduce adaptive Genetic Algorithm (GA) based approaches for single- and multi-objective mixed-model assembly line sequencing problems (MMALSP), which deal with the determination of production launching orders so that the variations in part consumption rates (VPC) are minimized. In addition to this objective, minimization of total utility work (UW) and cost for sequence-dependent setups (SC) are also considered in multi-objective version of the MMALSP. In order to solve single-objective MMALSPs, an adaptive GA based approach which incorporates adaptive parameter control techniques into a pure GA is proposed. The proposed approach, integrates an adaptive elitist strategy and a scheme for varying probability of mutation according to the feedback taken from the algorithm. Using this approach, the MMALSP is solved under the objective of minimizing VPC in a four level assembly environment, i.e. product, subassembly, component and raw material. Later, by modifying the adaptive parameter control techniques and integrating them into a Pareto Stratum ”“ Niche Cubicle GA, a multi-objective MMALSP with three objective functions (i.e., minimization of VPC, UW and SC) is solved. Finally, to evaluate the performance of the proposed approach, various sets of experiments have been carried out.