به گزارش نیوزتل به نقل از دانشگاه تهران، پژوهشی مشترک با حضور بهدین واحدی نوری، عضو هیأت دانشکده صنایع صنایع فنی، نشان میدهد که برنامه علمی تولیدی که فقط بر مبنای «میانگین حضور کارگران» چیده می شود، به صورت متوسط حدود ۳۰ درصد از زمان تکمیل بیش تر نسبت به برنامه هایی دارد که عدم قطعیت حضور افراد را از ابتدا در محاسبات وارد می نماید. این تحقیق که در مجله معتبر International Journal of Production Research انتشار یافت، یک روش محاسباتی سریعتر و دقیق تر برای حل این مشکل عرضه شده است.
پژوهشگر دانشکده صنایع در این خصوص اظهار داشت: در خیلی از کارخانه ها، برنامه ریزی بر این فرضیه تولید می شود که همیشه سر کار شرکت می کنند. اما در حقیقت، غیبت های غیرمنتظره از موارد بیماری، شرایط اضطراری شخصی یا تغییرات در بعضی از صنایع روزانه به صورت روزانه به ۲۰ تا ۳۰ درصد می رسد. حالا پژوهشی با مشارکت، بهدین واحدی نوری، عضو هیات علمی دانشکدگان فنی دانشگاه تهران و همکاران از دانشگاه تهران و دانشگاه فنی چک، این مورد را به صورت جدی وارد محاسبات برنامه ریزی نموده است.
وی تصریح کرد: این تحقیق برای نوع خاصی از کارخانه ها که به آنها «سیستم های تولیدی قابل تنظیم مجدد» می گویند. کارخانه هایی که ماشین هایشان را می توان با ماژول هایی مانند ابزارها و اسپیندل ها و تغییر وضعیت، برای محصولات مختلف آماده کرد. در چنین کارخانه هایی، هر کار هم به ماشین و ترکیب مناسب دارد و هم به تعداد مشخصی از کارگران با مهارت هایی که باید سر کار حاضر باشند. تغییر پیکربندی ماشین ها هم خود زمان بر است. همین شرایط، برنامه ریزی را بسیار پیچیده می کند.
واحدی در مورد راهکار عرضه شده در این تحقیق اظهار داشت: برنامه ریزی در دو مرحله به انجام می رسد. در فاز نخست، قبل از روشن شدن فردا چه کسی سر کار می آید، تصمیم گرفته می شود هر کار روی کدام ماشین صورت گیرد. در مرحله، بعد از مشخص شدن وضعیت دوم حضور، ترتیب کارها، انتخاب پیکربندی ماشین ها و تقسیم بندی نهائی می شود. برای حل سریع این مدل، ما روشی ترکیبی به نام CP-LD ساخته ایم که به جای یک محاسبه سنگین و مهم، به بخش های کوچکتر می شکند.
هدف این مدل از نوع «برنامه ریزی تصادفی دو مرحله ای» است، کمینه کردن امید ریاضی زمان تکمیل همه کارها (makespan) در سناریوهای مختلف مشارکت پررنگ است. روش CP-LD تلفیقی از «تجزیه L-شکل» و «برنامه ریزی» (CP) است: یک مبحث اصلی، خصوصیت کارها به ماشین ها را با برنامه ریزی عدد صحیح مختلط تعیین می کند و برای هر سناریوی حضور کار، یک زیرمجموعه زمان بندی دقیق را با CP حل می کند. نتیجه زیرمسئله ها به شکل «برش بهینگی» به مبحث اصلی بازمی گردد و این چرخه تا رسیدن به جواب بهینه تکرار می شود.
هیأت علمی دانشکده صنایع اضافه کرد: نتیجه آزمون این شیوه روی ۳۶ نمونه آزمایشی قابل توجه است: روش جدید به صورت متوسط در حدود ۱۷ دقیقه به بهترین جواب رسید، در صورتیکه حل مدل مستقیم با روش متداول برنامه ریزی به میزان صحیح مختلط (MILP) به صورت متوسط حدود ۲ ساعت و ۲۵ دقیقه می برد و نمونه های بیشتری را در ۳ ساعت می برد. این سرعت، امکان بازچینی سریع برنامه تولید را در وضعیت حقیقی کارخانه، مثلا وقتی چند کارگر یک دفعه غایب می شوند، فراهم می آورد.
شاید مهم ترین یافته های این تحقیق برای کارخانه های تولیدکننده ها باشد که اگر برنامه تولید را با فرض استفاده از کارگران بچینید، زمان تکمیل تولید به صورت میانگین ۲۹.۵ درصد بیشتر از حالتی است که عدم قطعیت حضور نیروی کار را همان اول در محاسبات وارد کنید. این مقایسه با شاخص «ارزش جواب تصادفی» (VSS) در ۹ نمونه انجام شده و بسته به شرایط، اختلاف بین ۱۴.۵ تا ۴۶ درصد نشان داده شده است. به بیانی دیگر، نادیده گرفتن غیبت کار، هزینه های پنهان اما حقیقی تولید می کند.
پژوهشگران در آخر سفارش های عملیاتی هم عرضه کرده اند که شامل آموزش مهارت های مختلف به کار تا مکان نگه داشتن محل نگهداری می شود، نگه داشتن ذخیره شده نیروی کار معادل ۱۰ تا ۲۰ درصد، و همکاری با شرکت های نیروی کار موقت است. همینطور محاسبات نشان میدهد در بین اجزای سیستم، افزودن ماشین جدید، بیشترین کاهش زمان را بهمراه دارد و دو برابر کردن ماشین ها زمان تکمیل را در حدود ۳۸ درصد کم کرده است. بعد از آن، افزایش تنوع ماشین ها با حدود ۱۵ درصد بهبود است.
این مقاله با دفاع از پروژه مالی اتحادیه اروپا (ROBOPROX) و آژانس گرنت جمهوری انتشار یافته و به قول نویسندگان، نخستین پژوهشی است که مساله غیبت و عدم قطعیت نیروی کار را در برنامه ریزی این نوع کارخانه ها وارد کرده است.

منبع:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *