را می توان در موارد زیر خلاصه نمود.
* شاخصها و معیارها در اغلب مواقع کاملاً با یکدیگر متضاد هستند.
* بیشتر شاخصها غیرقابل انداز ه گیری اند.
* سازمان ها و افراد ذینفع متعددی در تصمیم گیری وجود دارد.
* هر شاخص به طور تقریبی شامل اطلاعات فراوان بوده که بیانگر یک سیستم بسیار پیچیده میباشد.
* ارزیابی بعضی از شاخص های کیفی بسیار مشکل بوده که تنها می توان با استفاده از مقیاسهای زبانی آنها را بخوبی ارزیابی نمود.
اصولا در نظر گرفتن همزمان تمامی شاخصهای فوق در مدیریت و برنامه ریزی بهم پیوسته بدون استفاده از مدلهای تصمیم گیری چند معیاره امکانپذیر نمی باشد. بطور کلی میتوان علل لزوم استفاده از مدلهای تصمیمگیری چندمعیاره در تصمیم گیری را به صورت زیر خلاصه نمود:
* دستیابی به اهداف و محورهای مختلف
* ارتباط موثر و مستقیم مسائل مدیریت با سایر حوضه ها
* وجود شاخصها و معیارهای متضاد در مسائل
* لزوم در نظر گرفتن پیامدهای اقتصادی، اجتماعی وسیاسی و برنامه های پیشنهادی جهت انتخاب گزینه/ گزینههای برتر
* وجود شاخص ها و معیارهای کیفی و غیرقابل اندازه گیری در مسائل

۲۶ ۲-۴ جانمایی
مسئله جانمایی یکی از مسائل مهم برنامه ریزی تسهیلات می باشد. یک جانمایی خوب باعث افزایش کارایی عملیات، امنیت واستفاده مؤثر ازمنابع انسانی، تجهیزات، فضا وانرژی شده، کاهش حمل ونقل مواد و دوری از انسداد حرکات رادرپی خواهد داشت [۲۳]. داشتن جانمایی تسهیلات مناسب می تواند ۱۰ تا۳۰ درصد هزینه جابجایی مواد را کاهش دهد [۳۵]. جانمایی ، تأثیر مستقیم بر عملکرد عملیاتی واحد اعم از بازده تولیدی، زمان های تکمیل وکار درجریان دارد [۲۶].
هر جانمایی بر سه اصل استوار شده است:
* رابطه (نسبت): درجه نسبی نیازمندیها و ارتباطات متقابل واحدها و بخشهای مختلف
* فضا (اندازه): نوع، شکل پیکربندی و اندازه تجهیزات و ملزومات
* متناسبسازی: تعیین بهترین ترتیب چیدمان متناسب با شرایط واقعی
این سه اصل قلب هر پروژه برنامه ریزی جانمایی بدون توجه به فرآیند و نوع محصول یا خدمت می باشد. البته چیدمان واحدهای تولیدی به دلیل وضوح و مشخص تر بودن فرآیندها نسبت به چیدمان واحدهای اداری، راحت تر و قابل لمس تر می باشد.
رویکرد جانمایی با استفاده از مجموعه ای از داده ها درباره محصولی که باید تولید شود، شروع می شود این داده ها مانند جدول از- به ، کمی یا مانند جدول رابطه فعالیتها کیفی می باشند.
بعضی از الگوریتم ها فقط داده های کیفی را پذیرفته، درحالی که بقیه باداده های کمی کار می کنند. ناتوانی درتأثیر دادن همزمان مقادیر کمی وکیفی باعث کاهش کیفیت طرح استقرار می شود .
همچنین دربعضی مواقع ممکن است که نتوان این مقادیر کمی ویا کیفی را به طور قطعی تعیین کرد . استفاده از نظریه مجموعه های فازی دربرنامه ریزی تسهیلات باعث می شود که بتوان با ترکیب داده های کمی وکیفی مؤثر برجانمایی جدول رابطه فعالیتها را به صورتی رضایت بخش توسعه داد .
طرح جانمایی تسهیلات (FLD) معمولا به عنوان یک مسأله چند معیاره نگریسته می شود. فرآیند ارزیابی طرح جانمایی تسهیلات مستلزم درنظر گرفتن معیارهای کمی وکیفی (وابسته به قضاوت خبرگان) می باشد به گونه ای که توسعه وپیاده سازی طرح جانمایی معمولا به مسأله ای چالشی و زمان بر تبدیل می گردد .
روش های مختلفی برای مسأله جانمایی تسهیلات ازدهه ۱۹۶۰ ارائه شده است [۳۴].روش های ریاضی، ابتکاری و فرا ابتکاری وبرنامه های کامپیوتری مختلفی مانند
کرافت(CRAFT)، کفاد(COFAD)، پلنت(PLANET)، کرلپ(CORELAP)، آلدپ(ALDEP)، برای مسأله جانمایی به وجود آمده است. برخی از این روش ها مانند آلدپ به توسعه تعدادی طرح جانمایی مناسب می پردازد تا با استفاده ازمعیارهای کمی وکیفی مختلف مورد نظر مدیریت فنی وشرایط عملیاتی، مورد ارزیابی همه جانبه قرارگیرد وطرح مناسب انتخاب گردد[۲].
آلدپ یک برنامه کامپیوتری برای توسعه طرح جانمایی است که اولین بار توسط سیهوف وایوانز در سال ۱۹۶۷ مطرح گردید. این برنامه قادراست حد اکثر ۳۰ طرح مناسب مختلف را بادریافت اطلاعاتی نظیر تعداد ومساحت هریک از واحدها، ابعاد فضای مورد نظر وماتریس رابطه فعالیت ها درمدت زمان کوتاهی ارائه نماید [۱۷].
در ادامه به بررسی مدل های مهمی که در حل مسائل جانمایی کاربرد دارند اشاره می کنیم.

۲۷ ۲-۴-۱ مدل QAP
مسئله تخصیص درجه دوم ()توسط کوپمنز وبکمن در سال ۱۹۵۷ به عنوان یک مدل ریاضی مربوط فعالیت های اقتصادی تفکیک ناپذیر معرفی شده است این مدل اغلب برای توصیف یک مسئله مکان یابی استفاده می شود.
این مدل به ما اجازه می دهدتسهیل را به مکان تخصیص دهیم با هزینه متناسب با جریان بین تسهیلات که در فاصله شان ضرب می شود. هدف تخصیص هر یک از تسهیلات به یک مکان است به طوری که هزینه کلی حداقل گردد.
این مدل از دو ماتریس تشکیل شده است ماتریس جریان و ماتریس فاصله می باشد. در قالب مدل که توسط کوپمنز وبکمن نوشته شده است به صورت زیر است:

جایی که هست یک پارامتر از
در واقع مجموعه ای از جایگشت های ۱تا است. هر محصول منحصر به فرد هزینه ناشی از تخصیص تسهیل به مکان است.
یک به عنوان مثال با ورودی ماتریس به صورت () نشان داده می شود. گاهی اوقات اگر هر یک از ماتریس ضرب متقارن باشند () متقارن می شود و در غیر این صورت به () نامتقارن گفته می شود.
به خوبی شناخته شده است که QAP یک مسئلهاست. برای پیدا کردن راه حل مطلوب سراسری برای مسائل سه روش اصلی وجود دارد: برنامه ریزی پویا، روش برش سطح و روش شاخه وحد. تحقیقات نشان داده است که روش شاخه و حد موفق ترین روش نسبت به روش های دیگر است و در مورد بدست آوردن راه حل مطلوب تضمین شده است ،اما هنوز با توجه به پیچیدگی قریب به اتفاق این مسائل بیشتر مسائل با اندازه بزرگتر از در برابر الگوریتم های دقیق مقاوم هستند.
بنابراین روش های جستجوی متاهیورستیک برای گسترش یافته است. روش های اکتشافی شناخته شده برای در بخش های زیر طبقه بندی می شوند:
روش های جستجوی محلی، جستجوی تابو، الگوریتم مورچگان، گراسپ، الگوریتم ژنتیک و سایر رویکردهایی که در اعمال شده است. در میان این ابتکارات روش های جستجوی تابو و گراسپ و الگوریتم ژنتیک در حال حاضر امیدوار کننده ترین روش های الگوریتم فرا ابتکاری برای حل هستند. الگوریتم های ژنتیک متعارف بهترین وشناخته شده ترین راه حل را برای مسائل با اندازه هایو است.
در سال۲۰۰۰ اهوجا و همکاران و اورلین و تی ویر نتایج بسیار امید وار کننده ای برای مقیاس های بزرگ با اعمال کردن یک نسخه الگوریتم ژنتیک که الگوریتم ژنتیک که الگوریتم ژنتیک حریص نامیده می شود اعمال کردند.
به تازگی درزنر یک الگوریتم ژنتیک جدید و جستجوی تابو طراحی کرده است و نتایج بهتری از اهوجا و همکاران بدست آورده است..
تیت واسمیت الگوریتم ژنتیک دیگری پیشنهاد کرده اند که از ساختار مسائل خاص پیروی میکند و آن را بر روی ۱۱ نمونه محک زده است.
نوجنت و همکاران، فلورنت و فرلند از روش های جستجوی محلی برای بهبود برازندگی افراد استفاده کردهاند. آنها نشان داده اند که استفاده از روش جستجوی محلی اساساً‌ دقت الگوریتم را برای مسائل QAP افزایش می دهد .
درزنر از یک الگوریتم ژنتیک ترکیبی را و از جستجوی ممنوع به عنوان بهبود الگوریتم استفاده کرد. در حال حاضر به نظر می رسد که الگوریتم ژنتیک جدید بهترین روش فرا ابتکاری برای حل مسائل QAP از نظر دقت است.
بررسی مسائل QAP توسط تعدادی از محققان در سراسر جهان برای دادن تئوری هایی در زمینه برنامه های کاربردی و تکنیک های راه حل برای این مشکل است در این میان بیش از ۱۰۰ مقاله از سال ۱۹۹۹ منتشر گشته است .
استاینبرگ (۱۹۶۱) QAP را در قلمرو به حداقل رساندن تعداد اتصالات بین قطعات در یک سیم کشی تخته پشت قاب عکس به کار برد. هفلی (۱۹۷۲و۱۹۸۰) آن را برای مسائل اقتصادی به کار گرفت .
فرانسیس (۱۹۷۴) یک چارچوب تصمیم گیری گسترش داد برای اختصاص یک تسهیل جدید (پست، پلیس، سوپر مارکت ها ، مدارس) به منظور خدمت به یک مجموعه از مشتریان .
جیفرین وگریوز (۱۹۷۶) بر روی مسائل برنامه ریزی تمرکز کردند.
کراروپ و پروزان(۱۹۷۸) آن را در باستان شناسی اعمال کردند.
هربرت(۱۹۸۷) آنر ا در تجزیه و تحلیل آماری به کار برد.
فرسبرگ و همکارانش (۱۹۹۴) آن را در تجزیه و تحلیل واکنش های شیمیایی استفاده کردند.
بروسکو و استال(۲۰۰۰) در تجزیه و تحلیل استفاده کردند.
دیکی و هاپکینز (۱۹۷۲) QAP را برای تخصیص ساختمانها در یک پردیس دانشگاه استفاده کردند.
الشافی(۱۹۹۷) در برنامه ریزی بیمارستان استفاده کرد.
وبوس (۱۹۹۳) در یک مستند مربوط به پارک های جنگلی اعمال کرد ،بنجافای (۲۰۰۲) معرفی کرد یک فرمول بندی مسئله طراحی چیدمان تسهیلات به منظور به حداقل رساندن کار در فرآیند(VIP) او نشان داد که جانمایی بدست آمده با استفاده از WIP می تواند خیلی متفاوت باشد با فرمول بندی بدست آمده از QAP متعارف.
میراندا و همکاران(۲۰۰۵) ، راباک و سیمچن (۲۰۰۴) قراردادن قطعات الکترونیکی را مورد مطالعه قرار دادند.
وس (۲۰۰۴) مسائل بهینه سازی صفحه بندی حافظه در پردازنده های سیگنال را مورد مطالعه قرارداد..
بن دیوید و مالاح (۲۰۰۵) مسائل تخصیص شاخص را با کنترل خطادر ارتباطات مورد مطالعه قرار دادند.
از جمله محققین دیگری که در این زمینه مطالعاتی داشته اند می توان به موارد زیر اشاره کرد.
اسکریابین و ورجین(۱۹۷۵) ، هوبرت و شولتز (۱۹۷۶)، هفلی (۱۹۹۷) ، لس(۱۹۷۸) ، کراکهارد(۱۹۸۸) ، بلند و داوسن(۱۹۹۱) ، بالاک ریشنان(۱۹۹۲) ، لاکسنن و اینسکر (۱۹۹۳) ، مدوا(۱۹۹۴) ، فیلیپس و روسن (۱۹۹۴) ، بوزو سوک چول(۱۹۹۶) ، تالبوت(۱۹۹۶) ، ماسون(۱۹۹۷) ، بال و همکاران(۱۹۹۸) ، حقانی و چن(۱۹۹۸) کوچار و همکاران (۱۹۹۸) ، مارتین (۱۹۹۸) ، سارگر و همکاران(۱۹۹۸) تانسل و بیلن(۱۹۹۸) ، توکلی و شایان (۱۹۹۸) ، گنگ و همکاران(۱۹۹۹) روسین و همکاران (۱۹۹۹) ، بارتولومی وسوآرز واگبلو (۲۰۰۰) ، هان و کراروپ (۲۰۰۱) ، بوربان و همکاران(۲۰۰۰) تاکاگی(۲۰۰۱) ، سبو و چانگ (۲۰۰۲)، وانگ و سارکر(۲۰۰۲) ، یوسف و همکاران(۲۰۰۳) ، یووسارکر(۲۰۰۳) ، کریانی و همکاران(۲۰۰۴) سلیمان پورو همکاران(۲۰۰۴).

۲۸ ۲-۵ تفاوت بین الگوریتم های دقیق وهیورستیک ومتاهیورستیک
الگوریتم های حل را می توان به سه دسته کلی تقسیم بندی کرد.
روش های دقیق۶: این روش ها بر گرفته از اصول اثبات شده

دسته بندی : No category

دیدگاهتان را بنویسید