دانلود ترجمه مقاله بهینه سازی طراحی چند منظوره سیستم های تولید انعطاف پذیر

1. مقدمه 2. مواد و روش ها 3. نتایج 4. بحث و بررسی 5. نتیجه گیری

چکیده – یکی از مولفه های اساسی صنعت چهارم، طراحی سیستم تولید انعطاف پذیر (FMS) بوده که شامل انتخاب پارامترهایی به منظور بهینه سازی عملکرد آن است. مدل های شبیه سازی رویداد گسسته (DES) به کاربر اجازه درک عملکرد سیستم پویا و تصادفی و پشتیبانی از تشخیص و طراحی FMS را می دهد. در ترکیب با مدل های DES، روش های بهینه سازی اغلب برای جستجوی طرح های بهینه استفاده می شود که شامل بیش از یک تابع هدف به منظور بهینه سازی همزمان است. این روش ها، روش بهینه سازی – شبیه سازی چند منظوره (MOSO) نامیده می شود. روش های متعدد MOSO در منابع توسعه یافته که طبقه بندی روش های MOSO پیشنهادی بسیاری را ایجاد می کنند. با این حال، عملکرد این روش ها تضمین کننده نیست، چون مطالعات تطبیقی در این زمینه وجود ندارد. علاوه بر این، طبقه بندی های قبلی بر روی روش های عمومی MOSO متمرکز شده اند و به ندرت مربوط به حوزه خاصی از طراحی تولید می باشند. به همین دلیل، طبقه بندی مفهومی جدید MOSO مورد استفاده در طراحی FMS پیشنهاد شد. پس از آن، چهار روش MOSO مطابق با این طبقه بندی انتخاب شد و از طریق مطالعه موردی دقیق مربوط به مساله طراحی FMS مورد مقایسه قرار گرفت. همه این روش های مطالعه شده مبتنی بر طراحی آزمایشات (DoE) است. دو مورد از آن ها رویکردهای مبتنی بر متا مدل هستند که به ترتیب برنامه ریزی هدف (GP) و تابع مطلوبیت (DF) را با هم ادغام می کنند. دو روش دیگر رویکردهای مبتنی بر متا مدل نیستند که به ترتیب آنالیز رابطه خاکستری (GRA) و روش VIKOR را ادغام می کنند. آنالیز مقایسه ای نشان داد که روش های GP و VIKOR می توانند منجر به بهینه سازی بهتری نسبت به روش های DF و GRA گردند. بنابراین، استفاده از متا مدل شبیه سازی نمی تواند برتری خود را در همه شرایط ثابت کند.

One of the basic components of Industry 4.0 is the design of a flexible manufacturing system (FMS), which involves the choice of parameters to optimize its performance. Discrete event simulation (DES) models allow the user to understand the operation of dynamic and stochastic system performance and to support FMS diagnostics and design. In combination with DES models, optimization methods are often used to search for the optimal designs, which, above all, involve more than one objective function to be optimized simultaneously. These methods are called the multi-objective simulation–optimization (MOSO) method. Numerous MOSO methods have been developed in the literature, which spawned many proposed MOSO methods classifications. However, the performance of these methods is not guaranteed because there is an absence of comparative studies. Moreover, previous classifications have been focused on general MOSO methods and rarely related to the specific area of manufacturing design. For this reason, a new conceptual classification of MOSO used in FMS design is proposed. After that, four MOSO methods are selected, according to this classification, and compared through a detailed case study related to the FMS design problem. All of these methods studied are based on Design of Experiments (DoE). Two of them are metamodel-based approaches that integrate Goal Programming (GP) and Desirability Function (DF), respectively. The other two methods are not metamodel-based approaches, which integrate Gray Relational Analysis (GRA) and the VIKOR method, respectively. The comparative results show that the GP and VIKOR methods can result in better optimization than DF and GRA methods. Thus, the use of the simulation metamodel cannot prove its superiority in all situations.

ترجمه این مقاله در 36 صفحه آماده شده و در ادامه نیز صفحه 17 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.