پايان نامه كامپيوتر كاربرد الگوريتم ژنتيك در برنامه ريزي فرآيند به كمك كامپيوتر (سي اي پي پي ) در محيطهاي صنعتي مختلف 85برگ
پايان نامه دوره کارشناسی پیوسته کامپيوتر
گرايش نرم افزار
چکيده
در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است
واژههاي کليدي
برنامه ریزی فرآیند به کمک کامپیوتر (CAPP)، الگوریتم ژنتیک، محیط صنعتی توزیع شده، تولید یکپارچه کامپیوتری.
مقدمه
در جهان صنعتي امروز، به توليد به عنوان يك سلاح رقابتي نگريسته مي شود و سازمانهاي توليدي در محيطي قرار گرفته اند كه از ويژگي هاي آن مي توان به افزايش فشارهاي رقابتي، تنوع در محصولات، تغيير در انتظارات اجتماعي و افزايش سطح توقع مشتريان اشاره كرد. محصولات در حالي كه بايد بسيار كيفي باشند، تنها زمان كوتاهي در بازار مي مانند و بايد جاي خود را به محصولاتي بدهند كه با آخرين ذائقه، سليقه و يا نياز مشتريان سازگار هستند. بي توجهي به خواست مشتري و يا قصور در تحويل به موقع ممكن است بسيار گران تمام شود. شرايط فوق سبب گرديده تا موضوع اطلاعات براي سازمانهاي توليدي از اهميت زيادي برخوردار شود. از طرف ديگر، آخرين بررسي ها حاكي از آن است كه استراتژي رقابتي مبتني بر بازار خود نيز به تدريج در حال گذر است و چشم انداز استراتژيك رقابت در آينده مبتني بر منابع خواهد بود. به عبارت ديگر در حالي كه شركتها امروزه موفقيت را در تبعيت و استفاده درست از قوانين، فرصتها و شرايط ديكته شده توسط بازار مي دانند، استراتژي مبتني بر منابع بر اين موضوع تاكيد دارد كه منفعت و موفقيت بيشتر با اتكا بر مزيتها و منابع منحصر به فرد و قابل اطمينان شركت و سرمايه گذاري به منظور توسعه و حفاظت از آنها حاصل خواهد شد.
البته منابع توليدي مورد نظر تنها شامل سرمايه، زمين، ماشين آلات و تجهيزات نمي شوند، بلكه بناي توليد نسل آينده بر تاكيد و توجه به اطلاعات، مديريت دانش و توجه ويژه به مسئله آموزش افراد خواهد بود.
وضعيت به وجود آمده و تحولات صورت گرفته مذكور در حوزه فعاليتهاي توليدي، اگرچه خود حاصل به كارگيري گسترده و همه جانبه فناوريهاي اطلاعاتي در اين حوزه است، ولي در عين حال باعث توجه مضاعف سازمانها و شركتهاي توليدي به مقوله اطلاعات و فناوريهاي مرتبط با آن شده است. اين تحقيق با هدف تبيين موضوع فوق به طور عام و تبیین بخش خاصی از آن به نام برنامه ریزی فرایند به کمک کامپیوتر صورت گرفته است. اهميت اين بررسي از آنجا ناشي مي شود كه چند سالي است در كشور، افزايش تعداد واحدهاي توليدي و به تبع آن تحقق نسبي فضاي رقابتي باعث گرديده تا توجه توليدكنندگان و شركتهاي صنعتي به كيفيت محصولات، افزايش سهم بازار و مسئله صادرات معطوف گردد. از همين رو به نظر مــي رسد دانستن تحولات صورت گرفته در بخشهاي توليدي جوامع پيشرفته مي تواند در تعيين و شناخت بهتر مسيري كه سازمانهاي توليدي و صنعتي كشور براي ارتقاي توان رقابتي خود بايد طي كنند موثر واقع شود. توسعــه هاي اخير در حوزه فناوري اطلاعات به ويژه هوش مصنوعي و سيستم هاي خبره، وضعيت توليد در جوامع صنعتي را دگرگون ساخته است.
عصر فعلي را برخي عصر اطلاعات لقب داده اند. اين نامگذاري شايد به اين دليل باشد كه امروزه اطلاعات به جزء تفكيك ناپذير زندگي بشر تبديل شده است. اگرچه اطلاعات از ديرباز در زندگي بشر تاثير بسزايي داشته و انسان براي تصميم گيريها و طي طريق همواره محتاج به آن بوده است ولي آنچه كه امروزه اهميت آن را صدچندان كرده، شرايط نوين زندگي و افزايش سهم اطلاعات در آن است.
اختراع رايانه، امكان پردازش سريع و ذخيره حجم انبوهي از داده ها را فراهم آورد و پيشرفتهاي بعدي در زمينه ارتباط بين رايانه ها و امكان تبادل داده بين آنها، تبادل و انتقال اطلاعات را در سطح وسيعي ممكن ساخت. اين رويدادها به همراه ساير پيشرفتهاي صورت گرفته در زمينه الكترونيك و ارتباطات اعم از ميكروالكترونيك، نيمه هاديها، ماهواره و روباتيك به وقوع انقلابي در زمينه نحوه جمع آوري، پردازش، ذخيره سازي، فراخواني و ارائه اطلاعات منجر گرديد كه شكل گيري فناوري اطلاعات حاصل اين رويداد بود.
براساس تعريف، فناوريهاي اطلاعاتي مجموعه اي از ابزارها، تجهيزات، دانش و مهارتهاست كه از آنها در گردآوري، ذخيـــــره سازي، پردازش و انتقال اطلاعات (اعم از متن، تصوير، صوت و...) استفاده مي شود.
در اين ميان نقش ابزارهاي رايانه اي و مخابراتي به وضوح مشخص است. اين فناوري به سرعت در حال رشد است و فعاليتها و سرمايه گذاريهاي انجام شده در اين زمينه به ويژه پس از ظهور پديده اينترنت، بسيار چشمگير است. دامنه علوم مرتبط با آن بسيار گسترده و وسيع بوده و مباحثي نظير علوم رايانه و مهندسي نرم افزار، مخابرات، هوش مصنوعي، سيستم هاي اطلاعاتي مديريتي، سيستم هاي پشتيباني تصميم، مهندسي دانش، فناوري چندرسانه اي، مديريت اطلاعات، امنيت داده و اطلاعات، داد و ستد و ارتباطات انسان - رايانه، ارتباطات گروهي مبتني بر رايانه، روباتيك و پايگاههاي اطلاعاتي اينترنتي را شامل مي شود. پرتوهاي اين فناوري نوين بسياري از زواياي زندگي انسان را فرا گرفته است و بسياري از علوم و موضوعها را تحت تاثير خود قرار داده است.
امروزه موارد استفاده فناوري اطلاعات را مي توان در آموزش، مديريت و سازمان، پزشكي، تجارت، امور نظامي، توليد و صنعت، تحقيقات، حمل و نقل، كنترل ترافيك و صنعت نشر به وضوح مشاهده كرد.
جستجو به منظور يافتن راهي بهتر براي توليد قطعات، همواره عامل محرك و اساسي در خودكارسازي يا اتوماسيون بوده است. تعويض نيروي كار انساني با ماشين را مي توان ابتدايي ترين مرحله خودكارسازي توليد دانست كه حدوداً در سال 1775 ميلادي به وقوع پيوست و انقلاب صنعتي نقش موثري در رابطه با آن داشت. دستگاه تراش و نقاله ها نمونه هايي از مكانيزاسيون ايجاد شده بودند. روند اتوماسيون، در سال 1952 با ساخت اولين ماشين NC در دانشگاهMIT وارد مرحله جديدي شد كه مشخصه بارز آن عبارت بود از جايگزيني كنترل انساني با كنترل خودكار ماشين. نوعي از اتوماسيون قابل برنامه ريزي بود كه عمليات آن به وسيله اعداد و نشانه ها كنترل مي شد.
در دهه 70، با ظهور رايانه هاي ارزانتر و كارآتر و پيشرفتهاي الكترونيكي و مخابراتي، اتوماسيون هاي نقطه اي نيز به تدريج گسترش يافته و با پيوستن به يكديگر تبديل به اتوماسيون هاي گسترده تري به نام جزاير اتوماسيون شدند. جزاير اتوماسيون نشانگر مجموعه اي از زيرسيستم هاي يكپارچه خودكار شده در كارخانه هستند. سيستم هاي توليد انعطاف پذير، سيستم مديريت توليد، سيستم هاي يكپارچه جابجايي و انبارسازي مواد و سيستم هاي CAM وCAD نمونه هايي از جزاير اتوماسيون ايجاد شده هستند. انگيزه غايي، همانا خواست انسان براي افزايش هرچه بيشتر اتوماسيون در سيستم توليدي به منظور دستيابي به بهره وري بالاتر است.
باادامه فعاليت و تحقيق بر روي جزاير اتوماسيون، اين جزاير نيز به مرور توسعه پيدا كرده و شروع به همپوشاني و رقابت با يكديگر كردند.
اين مسئله به همراه جايگزيني تدريجي انديشه سيستمـي و كل نگر به جاي انديشه جزء نگرانه، همچنين پيشرفتهـاي صورت گرفته در زمينه فناوري اطلاعات باعث شد تا برخي به فكر يكپارچه سازي كليـه عمليات توليدي با يكديگر بيفتند و به اين ترتيب موضـوع «توليد يكپارچه رايانه اي» Computer Integrated Manufacturing = CIM)) مطرح گرديد.
توليد يكپارچه رايانه اي اگرچه پايان تلاشهاي محققان در خودكارسازي امور توليدي و صنعتي نيست اما از آنجا كه نمايانگر خودكارسازي و يكپارچه سازي كليه فعاليتهاي مرتبط با توليد به وسيله به كارگيري رايانه ها، روبات ها و شبكه هاي ارتباطي در درون يك كارخانه است داراي اهميت بسيار زيادي است.
توليديكپارچه رايانه اي نوعي فناوري است كه مي تواند به هر صنعت وابسته شده و توسط آن صنعت هدايت شود، بدين معني كه هر صنعت برحسب مجموعه تجارب، نيازمنديها و موقعيتهاي خاص خود، شرايطي ويژه براي توليد يكپارچه رايانه اي فراهم مي آورد. از اين رو، تعاريف و توصيفهاي متفاوتي براي آن وجود دارد. در زير نمونه هايي از توصيف هاي صورت گرفته ارائه شده است.
سيستم يكپارچه رايانه اي شامل رايانه اي كردن فراگير و سيستماتيك فرايند توليدي است. چنين سيستم هايي بااستفاده از پايگاه داده هاي مشترك، فعاليتهايي همچون طراحي به كمك رايانه، ساخت به كمك رايانه، مهندسي به كمك رايانه، انجام تست ها، تعميرات و مونتاژ را يكپارچه مي سازند.
(اسپريت، كميسيون انجمن هاي اروپايي 1982) سيستم توليد يكپارچه رايانه اي عبارتست از به كارگيري يكپارچه اتوماسيون بر پايه رايانه و سيستم هاي پشتيباني تصميم گيري به منظور مديريت فعاليتهاي سيستم توليدي، از طراحي محصول تا فرايند توليدي و نهايتاً توزيع به انضمام مديريت توليد و موجودي و مديريت منابع مالي.
(هارن و براون 1984) سيستـم توليد يكپارچه رايانـه اي، پردازنـده هاي مواد و اطلاعات است كه سه زير سيستم اصلي آنها عبارتند از: سيستم فيزيكي كارخانه، سيستم تصميم و سيستم اطلاعاتي.
(ماير 1990) توليد يكپارچه رايانه اي عبارت است از علم و هنر خودكارسازي بااستفاده از يكپارچگي حاصل از فناوري اطلاعات در فرآيندهاي توليدي. (يومانز و همكاران 1986)
با كمي دقت در توصيفها و ديدگاههاي مذكـور در مورد توليـد يكپارچه رايانـه اي مـــي توان به نقش و اهميت اطلاعـات و فناوريهاي اطلاعاتي در تحقق سيستم توليد يكپارچـه رايانه اي پي برد. به بيان ديگر، مي توان گفت كه اين سيستم در طي روند توسعه فناوري اطلاعات به مانند فعاليت مهمي در كنار آن ظاهر گرديده و گسترش يافته است.
براي بررسي نقش فناوري اطلاعات در اين سيستم بهتر است كه ابتدا ديدگاه مذكور كمي شفاف تر شود. همانگونه كه هارن، براون و شيونان در كتابشان اشاره مي كنند، درك مسئله اين سيستم بستگي به زمينه تجربي و ديدگاه اشخاص نسبت به آن دارد. از اين رو است كه نگرشها و ديدگاههاي متفاوتي در رابطه با آن وجود دارد كه آنها در اثر خود به برخي از آنها اشاره كرده اند. آنچه در اينجا به عنوان ملاك در نظر گرفته مي شود، ديدگاهي است كه خودهارن و همكارانش در مورد اين سيستم ارائه كرده اند. اين ديدگاه كه در شكل يك نشان داده شده است به لحاظ جامعيت و نگرش سيستمي، مناسبترين ديدگاه از بين ديدگاههاي موجود به نظر مي رسد .
ارتباط نشانگر يكپارچگي مجموعه عمليات و نيز نشاندهنده مدار بسته بازخورد اطلاعات هستند. به طور خلاصـه، مـي توان گفت كه توليد يكپارچه رايانه اي به معني يكپارچگي جزاير اتوماسيون مرتبط با عمليات اداري - مالي، پشتيباني مهندسي، مديريت توليد و عمليات مربوط به سطح اجرايي است. اين فرايند به وسيله ارتباطات رايانه اي و تسهيلات ذخيره سازي داده ها انجام مي شود.
در گذشته طراحي قطعات و محصولات به صورت دستي و بااستفـاده از ميزهاي بزرگ و ابزارهاي نقشــــه كشي انجام مي گرفت و نقشه ها غالباً برروي كاغذ ترسيم مي شدند. به همين سبب طراحيها عموماً وقت گير و پردردسر بودند. همچنين در صورت ترسيم اشتباه و يا تغيير طرح، اصلاح و رسم مجدد نقشه ها زمان زيادي را به خود اختصاص مي داد. اين مسئله در مواردي كه محصول از قطعات متعدد و پيچيده برخوردار بود نمود بيشتري داشت. نگهداري نقشه ها و مراقبت از آنها نيز مسئله ديگري بود كه هم فضاي زيادي را مي طلبيد و هم زمان قابل توجهي را براي كدگذاريبايگاني و بازيابي مجدد به خود اختصاص مي داد. بااين همه اين نقشه ها تنها نمايانگر شكل و وضعيت هندسي و مكاني قطعات نسبت به يكديگر آن هم به صورت دو بعدي بودند.
به تدريج با بكارگيري رايانـه در امر نقشــه كشي و ايجاد و توسعه نرم افزارهاي CAD ، تحولي در امور طراحي به قوع پيوست. كاهش خطاهاي طراحي و توليد، ايجاد تناسب ميان نقشه و روشهاي توليد، تشخيص آسان روابط اجزاي قطعه در مرحله تحليل، تسهيل در آمــاده سازي مستندات و بهبود يا افزايش استانداردهاي طراحي از مزاياي طراحي به كمك رايانه بودند.
امروزه باافزايش توان رايانه ها در ذخيره و پردازش داده و همچنين پيشرفتهاي صورت گرفته در زمينه فناوريهاي اطلاعاتي به ويژه هوش مصنوعي، امكانات و قابليتهاي سيستـــم هاي CAD به طور چشمگيري افزايش يافته است. نرم افزارهاي پيشرفتهCAD امروزي، امكان ايجاد مدلهاي توپر سه بعدي را براي طراح فراهم آورده اند. اين نرم افزارها با بهره برداري وسيع از تكنيــك هاي هوش مصنوعي و به لطف سيستم هاي خبره تعبيه شده در آنها، قابليت تجزيه و تحليل طرحها را نيز دارا هستند. به عنوان مثال آنها قادرند جرم طرح، حجم طرح و مركز ثقل قطعات را محاسبه و تعيين كنند.
مي توانند محل برخورد يا فصل مشترك قطعات مونتاژي را بررسي كنند و خواص مكانيكي قطعات نظير تنش و يا جريان گرمايي را مورد تجزيه و تحليل قرار دهند. برخي از اين نرم افزارها مي توانند حركت قطعات را نيز مورد مطالعه قرار دهند و برخي ديگر قادرند نقاط و زمانهاي بازرسي قطعه را تعيين سازند. آنها حتي پايگاه اطلاعاتي مورد نياز توليد محصول را به وجود مي آورند. پايگاه مذكور شامل تمام اطلاعات مربوط به محصول از ديد طراحي، از اطلاعات هندسي، ليست مواد و قطعات، مشخصات مواد و غيره گرفته تا اطلاعات اضافي مورد نياز براي توليد مي شود. سيستم هاي قدرتمندCAD فعلي، همچنين قابليت تبادل اطلاعات با سيستم هاي بانك اطلاعاتي و انتقال داده ها به ساير نرم افزارهاي توليدي را نيز دارا هستند كه اين ويژگي، كارآيي آنها را به نحو چشمگيري افزايش داده است.
يكي ديگر از جزاير اتوماسيون ايجاد شده در زمينه توليد، سيستم طراحي فرآيند به كمك رايانه (Computer-Aided Process Planning=CAPP) است. اين سيستم هـا بـه منظور انجام خودكار طراحي فرايند توليد قطعاتي كه در گذشته توسط متخصصان روشهاي توليـدي انجام مي گرفت ايجاد گرديده اند. اين سيستم ها از نظر يكپارچـــــه سازي اهميت بسياري دارند چرا كه يكي از نقاط كليدي در ايجاد ارتباط ميانCAD و CAM به شمار مي روند. خروجيهاي يك سيستم طراحي فرآيند عبارتند از: انتخاب عمليات مناسب و تعيين توالي عمليات مزبور بر روي قطعه، انتخاب ماشين آلات ضروري براي اجراي عمليات، تعيين ابزارآلات و فيكسچرها و همچنين دستورالعملهاي اجرايي براي تنظيم دستگاه، مسير حركت ابزارها، پارامترهاي عمليات نظير سرعت، مدت، ميزان بار و... البته بايد خاطرنشان ساخت از آنجا كه برنامه ريزي و طرح ريزي فرايند ساخت قطعات بسيار متكي به تجربه و قضاوت برنامه ريزان است، خودكارسازي كليه فعاليتهاي يادشده، كاري بس دشوار بوده و غالب سيستم هاي موجود طراحي فرآيند، توان اجراي تمامي فعاليتهـاي فوق را ندارند، بلكه در اكثـر موارد تنهـا مــــي توانند خدمات پشتيباني تصميم گيري ارائه كنند.
نقش فناوري اطلاعات در سيستم طراحي فرآيند نيز بسيار مشهود است. به طور كلي در توسعه اين نوع سيستم ها دو رويكرد مطرح است: 1 - رويكرد بهبودي يا متنوع؛ 2 - رويكرد مولد يا بنيادي.
در رويكرد بهبودي كه اساس آن استفاده از فناوري گروهي و ابزارهاي دسته بندي و كدگذاري است، از يك قطعه مركب اصلي براي نشان دادن دامنه اشكال توليدي در يك خانواده استفاده مي شود. هرگاه كه سيستم قطعه جديدي را به عنوان عضوي از يك خانواده خاص شناسايي كرد، طرح ريزي فرآيند قطعه مركب آن خانواده را به گونه اي اصلاح مي نمايد كه بتواند طرح فرآيند آن قطعه جديد را ايجاد كند. سيستـم در اين رويكرد، براي تعيين شكل قطعـات از تكنيك هاي طبقـه بندي قطعات استفاده كرده و آنها را با اشكال متناظـر در قطعات اصلي مطابقت مـــي دهد.
در رويكرد بنيادي، طرح فرآيند براساس اطلاعات موجود در پايگاه داده هاي توليد ايجاد مي شود. در اين رويكرد، سيستم طراحي فرآيند در شكل سيستـم هاي دانش - پايه و هوش مصنوعي و در برخي موارد نيز به صورت يك سيستمDSS عمل كرده و با دريافت اطلاعات جزئيات قطعه موردنظر، انواع عمليات توليدي در دسترس و توانايي آنها برحسب دقت و تلرانس، تجربه مربوط به قطعات پيشين و... اقدام به طراحي فرآيند مناسب جهت قطعه مي كند.
موضوع مورد بحث در تحقیق حاضر شرح برنامه ریزی فرآیند به کمک کامپیوتر و کاربرد الگوریتم ژنتیک برای این مهم می باشد.
1-1 برنامه ریزی فرایند به کمک کامپیوتر (CAPP)
یکی از کاربردهای کامپیوتر مربوط به پشتیبانی از ایجاد و توسعه طرح های فنی مورد نیاز برای تولید یک قطعه می باشد. در اصطلاح به این کاربرد Computer Aided Process PlanningCAPP) )گفته می شود. این کاربرد از نظر یکپارچه سازی اهمیت بسیاری دارد، زیرا یکی از نقاط کلیدی در ایجاد ارتباط میان CAD و CAM به شمار می رود. خروجی طرحریزی فرایند CAPP شامل موارد ذیل است: توالی عملیات مورد نیاز برای تولید قطعه، تعیین ماشین آلات ضروری برای اجرای عملیات و زمان عملیات. همچنین CAPP ابزارآلات ویژه و دستورالعمل های اجرایی را برای تنظیم دستگاه مشخص می کند. تا به حال کاربردهای CAPP بیشتر در زمینه برش فلزات بوده است. بر اساس نظر چانگ (1990) عملیات طرحریزی فرایند ممکن است شامل همه یا برخی از فعالیت های ذیل باشد:
· انتخاب عملیات مناسب برای ماشین کاری.
· تعیین توالی عملیات مزبور.
· انتخاب ابزارهای برش مربوطه.
· تعیین رویه های آماده سازی ماشین.
· محاسبه پارامترهای برش از جمله: سرعت برش، میزان بار ابزار، استفاده از مایعات خنک کننده برای برش و عمق برش.
· طراحی مسیر حرکت ابزار و تهیه برنامه های مخصوص هر قطعه برای ماشین های کنترل عددی.
· طراحی ابزارآلات و فیکسچرها.
خودکارسازی کلیه فعالیت های طرحریزی فرایند، کاری دشوار است که به هیچ وجه نباید ناچیز تلقی شود. به همین دلیل غالباً سیستم های مبتنی بر کامپیوتر توان اجرای تمامی فعالیت های فوق را ندارند. در واقع سیستم های CAPP موجود تنها در اکثر موارد فوق می توانند خدمات پشتیبانی تصمیم گیری ارائه دهند. بطور کلی برای توسعه سیستم های CAPP دو رویکرد مطرح است:
رویکرد متنوع (یا بهبودی)
رویکرد مولد (یا بنیادی)
2-1-بهینه سازی مسیر فرآیند با استفاده از الگوریتم ژنتیک
2-1-1- توصیف توالی فرآیند
تعیین توالی فرایندهای پشت سر هم برای قطعات منشوری شکل کاری بسیار دشوار و پیچیده است و یک نوع تکنولوژی کلیدی در طراحی فرایند به کمک کامپیوتر به حساب می آید. در روش های قدیمی ماشینیکاری شیوه های کاری(مراحل تولید) زیادی وجود دارد و در هر کدام از این شیوه های کاری مراحل عملی(گامهای هر یک از مراحل تولید) کمی یافت می شود. بنابر این تعیین توالی این شیوه های کار فعالیتی مهم به شمار می آید. اما در ماشین های کنترل عددی جدید این شیوه های کاری کاهش یافته و اما در هر از یک شیوه های کاری چندین مرحله عملی وجود دارد. برخی اوقات بیش از 50 مرحله عملی در یک عملیات ثابت وجود دارد. به همین خاطر مراحل عملی یکی از فاکتورهای مهم در تعیین توالی فعالیتها به حساب می اید . با انجام مقایسه ای بین توالی شیوه های عملی کار و توالی مراحل شیوه های عملی کار می بینیم که مورد دوم سخت تر است و جزیئات بیشتری را شامل می شود. تعیین توالی فرایند های پشت سر هم، پروسه تجزیه و تحلیل روابط و تأثیرات داخلی فاکتورهای بسیار زیاد موجود در دستگاه است که به سختی می توان انها را با روش های ریاضی وار حل کرد. به همین خاطر نمی توان از روش های تحلیلی و شمارشی در تعیین این توالی استفاده کرد.
تعیین توالی فرایند های پشت سر هم در عناصر منشوری شکل در سیستم های CAPP قدیمی به شکل رشته های سلسله ای می باشند. این رشته ها حاوی اشکال هندسی و ایندکس های بهینه سازی می باشد و باید از روش های تکنولوژیکی و تکنیکی در آنها استفاده کرد. بعد از آن توالی پروسه ای آن را بدست می آوریم. در این روش ایجاد مسیر فرایندها با استفاده از توضیحات تکنولوژیکی و در نظر گرفتن منطق تصمیم گیری بسیار مشکل است. به همین دلیل این روش در CAPP کمی در تنگنا قرار می گیرد. عملا توالی فرایندها را می توان پروسه ای دانست که در آن یکسری از رشته ها را مکررا و یک به یک به توده ای تشکیل شده از سلولهای ماشین القا می کنند. در اینجا سلولها با مراحل عملی مطابقت پیدا کرده و واحد پایه و اساس رشته های عملیات را تشکیل می دهند. آخرین توالی که میتواند کاملا تمام رشته ها را در گیرد، مناسب ترین رشته فرایند ها خوانده می شود. بنابر این کل پروسه توالی را میتوان یک پروسه انتخابی طبیعی دانست که در آن تکامل از نسلی به نسل دیگر می رود در حالیکه بهترین ها باقی مانده و بدترین ها حذف می گردند. با استفاده از استراتژی کد گزاری، اپراتورهای تکامل و تابع صحت نیازهای توالی رفع گردید .از این شرایط موجود برای کنترل استراتژی GAها در پروسه تحقیقات به منظور هدایت محاسبه GAها و دست یابی به بهترین نتیجه ای که این شرایط را راضی کند، استفاده گردید.
اطلاعات CAD توسط سیستم CAPP قبل از اینکه مسیر توالی فرآیند تولید مشخص گردد، خوانده می شود. سپس روش ماشینکاری هر ویژگی توسط سیستم CAPP بر طبق نیازها و ویژگی های متفاوت انتخاب می گردد و روش ماشینکاری از طریق رشته هایی عملیات تعیین می گردد. در پایان رشته به سلول های ماشینکاری ویژگی ها شکسته می شود. بعنوان مثال یک حفره P در یک قطعه وجود دارد. اطلاعات CADآن عبارتند از :
قطر5.2±0.01 mm
سختی سطح Ra=1.6
عمق H=4.0 mm
بعد از خواندن اطلاعات سیستم CAPP بر اساس این اطلاعات و قابلیت هر حفره به انتخاب رشته های عملیاتی این حفره می پردازد. این رشته می تواند "دریل+ بزرگ کردن + برقو زدن سخت + برقو زدن نرم" باشد و رشته می تواند به 4 سلول ماشینکاری تجزیه می گردد. که به نام های "Drill f1, Enlarge f2, thick ream f3, extractive ream f4" هستند. f1,f2,f3,f4 نمایانگر شماره سریال سلولها می باشند. اگر n سلول در یک قسمت وجود داشته باشد آنگاه جمع Sاز سلول ها اینگونه خواهد بود. S={f1,f2,…,fn}
و fnنمایانگر nامین سلول است. هر ترکیب توالی در سلول های ماشین در S نمایانگر یک مسیر پشت سر هم خواهد بود. در کل این توالی تصادفی است و از عملیات گرمایی و دیگر راهکارهای جانبی در آن استفاده گردیده است. توالی فرایند های پشت سر هم را می توان پروسه ای در نظر گرفت که یک سریال از ri بر مجموعه ای از S یک به یک اعمال می شود . مجموعه محدودیتها به شکل زیر می باشند:
R={r1,r2,r3,…,rm,…}
و rm M امین محدودیت می باشد. آخرین پروسه ی مسیر که Rرا تایید میکند به عنوان مناسبترین مسیر اعمال می شود . هدف از توالی فرایند های پشت سر هم یافتن بهترین توالی از فرایند های پشت سر هم است. طبق تجارب تکنولوژیکی در توالی پشت سر هم فرایند ها ، محدودیتهای تئوریکی کاملا تأببد نمی گردند. بنابراین اگرآخرین توالی بتواند محدودیتهای اجباری و دیگر محدودیتهای اضافه شده را تأیید کند ، مسیر توالی منطقی به نظر می رسد. بر طبق این شرایط، مجموعه محدودیتها در توالی فرایند ها به دو گروه تقسیم می شوند : مجموعه اجباری محدودیتهاRb)) و مجموعه اضافی محدودیتهاRh) )، توصیف ریاضی گونه توالی فرایند ها اینگونه است: فرض کنید که مجموعه ای از M={f1,f2,f3,..,fn} وجود دارد که از n سلول ماشین تشکیل یافته است. تمام توالی های ممکنM مجموعه S را ساخته اند. مجموعه اجباری محدودیتها در ماشینکاریRb)) می باشد. و توالی π={fπ1,fπ2,…,fπn} یک نوع توالی است که مجموعه اجباری محدودیتها را ارضا می کند. یعنی می توان گفت:
Rb: s π (2-1) بنابر این توالی مسیرکلی ، پروسه ای بهینه ساز در کل فضای ممکن است . اما تفاوتی اساسی بین این نوع بهینه سازی و دیگر بهینه سازی های عددی و رقمی وجود دارد. مهمترین تفاوت این است که هدف بهینه سازی ایجاد یک توالی است نه یک ارزش یا مقدارvalue البته شباهتی نیز بین بهینه سازی توالی فرایند ها و TSP وجود دارد. در حین تعیین توالی فرایند های پشت سر هم ، توالی طول محدود اعمال می گردد و مشکلی که باید رفع گردد تعیین ترتیب عناصر های موجود در رشته است. GA نوعی استراتژی جستجوگری است که برای محاسبات متساوی مناسب است و بیشتر در مسائلی راه گشا است که تغییرات کوچک باعث رفتارهای غیر خطی درفضای راه حل می گردد. GA ها قابلیت جستجوی فضاهای راه حل را با فراهم کردن یک ارزش محاسباتی دقیق دارند. زیرا از قوانین انتقال احتمالی بجای قوانین حتمی و قطعی استفاده می کنند. نصب آنها آسان است و در مشکلات غیر قابل حلی چون مشکلات NP-hard کاربرد فراوانی دارند. روشهای سنتی بهینه کننده به منظور رفع مشکلات NP-hard به سرعت با افزایش اندازه مسئله ، بزرگ می گردند. بنابر این در ارتقا روشهای اکتشافی تاکید بسیار زیادی شده است. این روشها ادعایی برای رسیدن به حد مطلوب ندارند. ولی باعث نزدیک شدن به زمان محاسباتی مناسب ترین راه حل ها می شوند و یا باعث محدود کردن فضای جستجوگر و رها کردن بعضی قسمت ها می شوند. اگر چه GAها خود پروسه های اکتشافی هستند ، آنها از نواحی مختلف فضای جستجوگر به طور همزمان نمونه تهیه کرده و نواحی مورد دلخواه را مورد بهره برداری وتقسیم بندی قرار می دهند.ثابت شده است که مساله فروشنده دوره گرد که همان مساله بهینه سازی ترکیبی و یا تکمیل Compelet-NP است رانمیتوان با استفاده از الگوریتم های حتمی در یک زمان مورد تایید حل کرد ، زیرا دارای مینیمم های محلی بیشماری است. در برخی از روش های بهینه سازی قدیمی ، روش هایی چون ، روش جستجوی حریصانه و برنامه نویسی پویا در حل این مسئله به کار برده شده است. البته انها یا بسیار وقت گیر بودند و یا پیدا کردن یک راه حل برای انها بسیار مشکل بود. GAهادر حل مسائل متغیر و پیچیده بهینه سازی بسیار مناسب می باشند . ویژگی اصلی GAها جستجوی یک نتیجه مناسب در کل فضای ممکن بر اساس کدگزاری، انتخاب ، تغییر و انتقال وجهش است. از GAها همچنین می توان در مسائل بهینه سازی غیر عددی نیز استفاده کرد. و بخاطر همین ویژگی است که از GAها در توالی سازی فرایند ها استفاده می گردد.در حین انجام عمل توالی سازی ، از رشته های متفاوتی برای عمل کنترل برای GAها در روند جستجو به منظور هدایت کل عمل بهینه سازی باید استفاده کرد. در مسئله TSP فاصله را می توان به شکل عمل کردی مناسب استفاده کرد. اما در مورد توالی سازی نمی توان از ان بهره برد. بنابر این زمانی که از GAها برای حل مسائل توالی سازی استفاده می شود، دشوارترین مرحله ایجاد استراتژی کدگزاری، اپراتورهای ژنتیک و عملکرد مناسب آن است.
3-1-مقدمه
در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف ، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این بخش از تحقیق یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر (CAPP)می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد ارتباط صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر (CAPP) مرسوم تک کارخانه ای است. بعد از ارائه خلاصه از کار، در قسمتهای بعدی تحقیق به شرح روش خواهیم پرداخت.
افزایش تنوع محصول، محصول مشتری گرا و کوتاهترین زمان تدارک از نکات بحث انگیز برای یک کارخانه تولیدی هستند. سیستم های تولیدی موجود نمی توانند بقدر کافی با این نیازها انطباق پیدا کند. به دلیل روش های انعطاف ناپذیر و ثابت آنها در تصمیم گیری و وجود این سیستمها در یک محیطی تغییرات زیاد به منظور جلوگیری از روبرو شدن با چالشهای مختلف تغییر در سیستم تولیدی از وضع موجود به یک چشم انداز جدید ضروری به نظر می رسد. چندین رویکرد مورد استفاده از قبیل کارخانه فشرده، سیستم های تولیدی فوق بشر، سیستم های تولیدی هالونیک، سیستم های تولیدی توزیع شده و غیره ایجاد شده است. تحقیق و مطالعه بیشتر به اثبات رسانده که تولید توزیع شده بازارآفرینی ها را برای رسیدن به کیفیت تولید برتر، هزینه تولید کمتر و کاهش ریسک مدیریت میسر می سازد. این تحقیق قصد دارد الگوریتم ژنتیکی را برای حل مشکل برنامه ریزی فرآیند به کمک کامپیوتر بر اساس مقوله تولید توزیع شده توسعه دهد. یک محیط صنعتی توزیع شده درجه بالایی از پیچیدگی را ایجاد می کند جایی که گزینه های مختلف طرح های فرایند وجود دارد کسب یک طرح فرایند بهینه یا نزدیک به بهینه، یک وظیفه مشکل گروه تحقیق تولیدی می باشد. سیستم های CAPP سنتی برای دست یافتن به فرایندهای ماشینی بهینه قصد دارند که ماشین ها و ابزارهای مناسب برای اجرای عملیات مشخص تولیدی را به منابع تولیدی در دسترس در یک کارخانه محدود کنند. به هرحال در یک محیط تولیدی توزیع شده دیگر کارخانه های مختلفی برای انجام یک تولید مشخص وجود دارند و ممکن است یکی از آنها یک طرح فرایند بهتر و کارآمدتر را ایجاد کند. بنابراین توسعه یک سیستم CAPP که بتواند طرح های فرایند بهتر را در یک محیط تولیدی توزیع شده تولید کند، هدف اصلی بررسی حاضر است. طبیعت پیچیده سیستم های تولیدی و مشکل بهینه کردن آنها استفاده از الگوریتم های تکاملی را که از نظام های زنده در به دست آوردن راه حل های بهینه پیروی می کنند ضروری ساخته است. در دو دهه گذشته الگوریتم ژنتیک تا حد زیادی برای حل مشکلات بهینه سازی به کار برده می شد. اولین کاربرد الگوریتم ژنتیک به 1960 میلادی برمی گردد. ولی بعدا در سال 1980 میلادی به دلیل مطالعات گلودبرگ کاربرد آن در مجامع مهندسی چشمگیر شد. از آن پس الگوریتم ژنتیک یک روش بهینه سازی برای حل مشکلات پیچیده تولیدی از قبیل زمانبندی کارگاهی و برنامه ریزی فرایند شد. از آن جایی که برنامه ریزی فرایند یک مساله NP-HARD (پیچیده) است، روش های جستجوی کلیبرای مسائل با حجم بزرگ برای آن قابل کاربرد نیست. در این پژوهش الگوریتم ژنتیک برای حل مشکل بهینه سازی انتخاب شده است. طرح ریزی فرایند ماشینی شده را بر اساس الگوریتم ژنتیک قرار داده شده است. به هر حال بیشتر کارهای گزارش شده و بررسی های موردی به طرح ریزی فرایند یک کارخانه واحد که قطعاتی تحت شرایط معین و محیط تولیدی مشخص تولید می کند پرداخته بودند.
فصل چهارم-نتیجه گیری
این تحقیق الگوریتم ژنتیک نوظهوری که کاربرد موفقیت آمیزی برایCAPP توزیع شده (یعنی یک محیط چندکارخانه ای) و سنتی دارد ارائه می دهد. کاربرد الگوریتم ژنتیک برای CAPP در سیستم های تولیدی توزیع شده، بر اساس توزیع ساختن ماشین ها و ابزارها از نظر جغرافیایی توسعه داده شد. این می تواند تولید یک طرح فرایند بهینه یا نزدیک به بهینه را با دیگر رویکردهای اصلی برای تولید منفرد مقایسه نماید. مناسبترین کارخانه تولیدی، زمانیکه مشکلات تولید توزیع شده بررسی شد، می تواند برپا شود. از این گذشته این رویکرد قادر است هدف چندگانه بهینه سازی براساس کمترین هزینه تولید یا کمترین زمان تولید را انجام دهد. بر اساس اهداف انتخاب شده راه حل های نزدیک به بهینه می تواند از طریق استفاده از الگوریتم ژنتیک به دست آید. از طریق انجام آزمایش نشان داده شده که تکنیک های توسعه داده شده بهتر و یا قابل مقایسه با دیگر سیستمهای CAPP می باشند.
فهرست منابع
1- رضائی، علیرضا، آموزش کاربردی الگوریتم ژنتیک در نرم افزار MATLAB، انتشارات آذر، 1386، 7-23.
2-براون، جیمی و هارن، جان و شیونان، جیمز، غضنفری، مهدی و صغیری، سروش، سیستم های مدیریت تولید (با نگرشی یکپارچه)، دانشگاه علم و صنعت تهران، 1379، 39-44.
3- Alojzij S, Peter B, Goran B. A multi-agent approach to process planning and fabrication in distributed manufacturing. ComputInd Eng 1998;35:455–8.
4- Ueda K. Aconcept for bionic manufacturing systems based on DNA-type information. Proceedings of the eighth internationalprolomat conference, Tokyo, 1992. p. 53–864.1.
5- Yoshikawa H. Intelligent manufacturing systems program (IMS).technical cooperation that transcends cultural differences. Tokyo: University of Tokyo; 1992.
6- Wang B. Integrated product, process and enterprise design. London: Chapman & Hall; 1997.
7- Goldberg DE. Genetic algorithms in search, optimization, and machine learning. Reading, MA: Addison-Wesley; 1989.
8- Ma GH, Zhang F, Zhang YF, Nee AYC. An automated process planning system based on genetic algorithm and simulated annealing. Proceedings of the ASME design engineering technicalconference, vol. 3. 2002. p. 57–63
9- Li WD, Ong SK, Nee AYC. Hybrid generic algorithm and simulated approach for the optimization of process plans for prismatic parts. Int J Prod Res 2003;4(8):1899–922.
الي 24