A New Artificial Immune System Algorithm for Multiobjective Fuzzy Flow Shop

Abstract

Dans cet article, un nouvel algorithme de système immunitaire artificiel (SIA) est proposé pour résoudre les problèmes de planification d'atelier à flux flou multi-objectifs. Un nouvel opérateur de mutation est également décrit pour cet AIS. Les ensembles flous sont utilisés pour modéliser les délais de traitement et les dates d'échéance. Les objectifs sont de minimiser le retard moyen et le nombre de travaux en retard. Le nouvel algorithme AIS développé est testé sur des données réelles collectées lors d'un processus de fabrication de chemise de cylindre de moteur. La faisabilité et l'efficacité de l'AIS proposé sont démontrées en le comparant à des algorithmes génétiques. Les résultats de calcul démontrent que l'algorithme AIS proposé est une méta-heuristique plus efficace pour les problèmes de planification d'atelier de flux multi-objectifs avec un temps de traitement et une date d'échéance flous.En este documento se propone un nuevo algoritmo del sistema inmunitario artificial (AIS) para resolver problemas de programación del taller de flujo difuso multiobjetivo. También se describe un nuevo operador de mutación para este AIS. Los conjuntos difusos se utilizan para modelar los tiempos de procesamiento y las fechas de entrega. Los objetivos son minimizar la tardanza media y el número de trabajos tardíos. El nuevo algoritmo AIS desarrollado se prueba en datos del mundo real recopilados en un proceso de fabricación de camisas de cilindros de motores. La viabilidad y eficacia del AIS propuesto se demuestra comparándolo con algoritmos genéticos. Los resultados computacionales demuestran que el algoritmo AIS propuesto es una metaheurística más efectiva para problemas de programación de flujo multiobjetivo con tiempo de procesamiento y fecha de vencimiento difusos.In this paper a new artificial immune system (AIS) algorithm is proposed to solve multi objective fuzzy flow shop scheduling problems. A new mutation operator is also described for this AIS. Fuzzy sets are used to model processing times and due dates. The objectives are to minimize the average tardiness and the number of tardy jobs. The developed new AIS algorithm is tested on real world data collected at an engine cylinder liner manufacturing process. The feasibility and effectiveness of the proposed AIS is demonstrated by comparing it with genetic algorithms. Computational results demonstrate that the proposed AIS algorithm is more effective meta-heuristic for multi objective flow shop scheduling problems with fuzzy processing time and due date.في هذه الورقة، تم اقتراح خوارزمية جديدة لنظام المناعة الاصطناعي (AIS) لحل مشاكل جدولة متجر التدفق الغامض متعدد الأهداف. كما تم وصف مشغل طفرة جديد لنظام التعرف الآلي هذا. تُستخدم المجموعات الغامضة لنمذجة أوقات المعالجة وتواريخ الاستحقاق. وتتمثل الأهداف في تقليل متوسط التأخير وعدد الوظائف المتأخرة. يتم اختبار خوارزمية نظام التعرف الآلي الجديدة المطورة على بيانات العالم الحقيقي التي تم جمعها في عملية تصنيع بطانة أسطوانة المحرك. تتجلى جدوى وفعالية نظام التعرف الآلي المقترح من خلال مقارنته بالخوارزميات الجينية. تُظهر النتائج الحسابية أن خوارزمية نظام التعرف الآلي المقترحة هي أكثر فعالية في تحديد مجريات الأمور لمشاكل جدولة متجر التدفق متعدد الأهداف مع وقت المعالجة الغامض وتاريخ الاستحقاق.