Tek modelli montaj hattı dengeleme problemlerinin çözülmesi için çok amaçlı genetik algoritma tasarımı

Abstract

Bu araştırmada çok amaçlı, tek modelli montaj hattı dengeleme problemleri üzerinde çalışılmıştır. Montaj hattı dengeleme problemi, polinom yapılı olmayan çözümü zor (NP-hard) kombinatoryal bir optimizasyon problemi olduğundan, büyük ölçekli problemlerin çözülmesi için sezgisel yaklaşımlara gereksinim duyulmaktadır. Stokastik arama teknikleri olarak bilinen genetik algoritmaların bazı kombinatoryal optimizasyon problemlerinin çözümünde etkili oldukları kanıtlanmıştır. Bu araştırmada tek modelli basit montaj hattı dengeleme probleminin çok amaç durumunda çözümü için iki yeni genetik algoritma sunulmaktadır. Çalışmada, proje çizelgeleme problemleri için tasarlanmış genetik algoritmalardan alınan etkin genetik işlemciler montaj hattı dengeleme problemlerine uyarlanmıştır. Bu işlemcilerin yanı sıra, araştırmada yeni bir mutasyon işlemcisi geliştirilmiştir. Geliştirilen genetik algoritmalar, beş montaj hattı dengeleme sezgisel yaklaşımı olan konum ağırlıklı dengeleme, Moodie- Young, Hoffmann öncelik diyagramı, en geniş küme ve COMSOAL yöntemleri ile kıyaslanmıştır. Daha iyi çözüm arayabilme yeteneğini arttırabilmek için tüm sezgisellere ve genetik algoritmalara, Moodie-Young yönteminin denge düzenlemesi aşaması uygulanmıştır. Yöntemlerin etkinliklerinin kıyaslanabilmesi için 36 problem oluşturulmuştur ve her problem üç farklı çevrim süresi ile kullanılmıştır. Araştırmanın sonunda, tasarlanan genetik algoritmalardan biri olan GA 2 yöntemi tüm performans ölçütleri bakımından en iyi sonuçları vermiştir.This research considers a single model assembly line balancing problem with multiple objectives. Since assembly line balancing is an NP-hard combinatorial optimization problem, a heuristic method is needed to solve the large-scale problem. A stochastic search technique known as the genetic algorithm has been proven effective in many combinatorial optimization problems. This research presents two new genetic algorithms for solving the single model assembly line balancing problem with multiple objectives. Efficient genetic operators taken from the genetic algorithms which are designed for the project scheduling problems are adapted to the assembly line balancing problem. Besides, a new mutation operator is developed and used in the research. The developed genetic algorithms are compared with five assembly line balancing heuristics, namely, ranked positional weight, Moodie-Young, Hoffmann precedence diagram, largest cluster and COMSOAL heuristic methods. To improve the capability of searching good solutions, the trade and transfer phase of the Moodie- Young method is applied to all heuristics and the genetic algorithms. For the comparative evaluation, 36 problems are generated, and used with three different cycle times. One of the proposed genetic algorithms - named GA 2 in the research - performed best in all the performance measures.