<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>موسسه انتشارات بین المللی چتر اندیشه</PublisherName>
      <JournalTitle>فصلنامه مدیریت مهندسی و تحول دیجیتال</JournalTitle>
      <Issn>3092-7609</Issn>
      <Volume>8</Volume>
      <Issue>3</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>05</Month>
        <Day>14</Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Production Planning and Scheduling in Flexible Manufacturing Systems Using Advanced Operations Research Algorithms</ArticleTitle>
    <VernacularTitle>برنامه‌ریزی و زمان‌بندی تولید در سیستم‌های ساخت انعطاف‌پذیر با استفاده از الگوریتم‌های توسعه‌یافته تحقیق در عملیات</VernacularTitle>
    <FirstPage>32</FirstPage>
    <LastPage>44</LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>الهام</FirstName>
                <Affiliation>گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد تهران مرکز، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>زینب</FirstName>
                <Affiliation>گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد تهران مرکز، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>12</Month>
        <Day>29</Day>
      </PubDate>
    </History>

    <Abstract>This research examines and presents novel approaches to production planning and scheduling in Flexible Manufacturing Systems (FMS), with a focus on Operations Research (OR) algorithms. The primary objective is to develop optimization models and algorithms that can address the complexities of FMS environments, scheduling production to maximize productivity, reduce costs, and increase responsiveness to demand fluctuations. The research methodology is quantitative in nature, based on mathematical modeling and simulation. In this regard, Operations Research algorithms&amp;mdash;including metaheuristic algorithms (such as Genetic Algorithm and Ant Colony Optimization) and extended linear and integer programming methods&amp;mdash;are utilized to solve scheduling problems at various levels, such as job scheduling on machines and part transportation scheduling between stations. Key results from the simulation of the proposed models indicate significant improvements in indicators such as Makespan, Machine Utilization, and reduction of Idle Time compared to traditional methods. For instance, in simulated scenarios, an average improvement of 10-15% in Makespan and a 5-10% increase in machine utilization were observed. The main conclusion of this research emphasizes that the application of advanced Operations Research algorithms serves as an efficient tool for managing the complexities of Flexible Manufacturing Systems, aiding organizations in achieving their operational and strategic goals.</Abstract>
    <OtherAbstract Language="FA">این پژوهش به بررسی و ارائه راهکارهایی نوین در زمینه برنامه‌ریزی و زمان‌بندی تولید در سیستم‌های ساخت انعطاف‌پذیر (FMS) با تمرکز بر الگوریتم‌های تحقیق در عملیات می‌پردازد. هدف اصلی، توسعه مدل‌ها و الگوریتم‌های بهینه‌سازی است که بتوانند با در نظر گرفتن پیچیدگی‌های سیستم‌های FMS، زمان‌بندی تولید را به گونه‌ای تنظیم کنند که منجر به حداکثر بهره‌وری، کاهش هزینه‌ها، و افزایش پاسخ‌دهی به تغییرات در تقاضا شود. روش تحقیق حاضر، ماهیتی کمی و مبتنی بر مدل‌سازی ریاضی و شبیه‌سازی دارد. در این راستا، از الگوریتم‌های تحقیق در عملیات، از جمله الگوریتم‌های فراابتکاری (مانند الگوریتم ژنتیک و بهینه‌سازی کلونی مورچگان) و روش‌های برنامه‌ریزی خطی و عدد صحیح توسعه‌یافته، برای حل مسائل زمان‌بندی در سطوح مختلف (مانند زمان‌بندی وظایف روی ماشین‌ها، زمان‌بندی انتقال قطعات بین ایستگاه‌ها) استفاده خواهد شد. نتایج کلیدی حاصل از شبیه‌سازی مدل‌های پیشنهادی نشان‌دهنده بهبود قابل توجه در شاخص‌هایی نظیر زمان تکمیل سفارش، میزان استفاده از ماشین‌آلات، و کاهش زمان بیکاری در مقایسه با روش‌های سنتی است. به عنوان مثال، در سناریوهای شبیه‌سازی شده، بهبود میانگین ۱۰ تا ۱۵ درصدی در زمان تکمیل سفارش و افزایش ۵ تا ۱۰ درصدی در بهره‌وری ماشین‌آلات مشاهده گردید. نتیجه‌گیری اصلی پژوهش بر این نکته تأکید دارد که به‌کارگیری الگوریتم‌های تحقیق در عملیات توسعه‌یافته، ابزاری کارآمد برای مدیریت پیچیدگی‌های سیستم‌های ساخت انعطاف‌پذیر بوده و می‌تواند به سازمان‌ها در دستیابی به اهداف عملیاتی و استراتژیک یاری رساند.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Flexible Manufacturing System</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Production Planning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Production Scheduling</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Metaheuristic Algorithms</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Production Optimization.</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/12748</ArchiveCopySource>
  </Article>
</ArticleSet>
