Boya Atölyesi Çizelgeleme Optimizasyonu
Proje sahibi olarak, son derece kısıtlı bir endüstriyel ortamda renk değiştirme maliyetlerini ve bekleme sürelerini en aza indirme birincil hedefiyle, gerçek dünyadaki bir araba boya atölyesi çizelgeleme problemini çözmek için simülasyon tabanlı bir optimizasyon modeli tasarladım ve uyguladım.
Bu proje, simülasyon ve metasezgisel yöntemler üzerine bir ders bağlamında yürütüldü ve müfredatta yer alan geniş bir teknik yelpazesini uygulamama olanak tanıdı.
Sistem
Boya atölyesi ortamı, iş istasyonları arasındaki tampon kapasitesi, belirli araç türleri için öncelik kuralları, renk geçişleri arasındaki temizlik süresi ve değişim maliyetlerinin sıraya bağlı doğası (örneğin, beyazdan siyaha geçmek, griden gümüşe geçmekten daha maliyetlidir) gibi operasyonel kısıtlamaları yakalayan bir ayrık olay simülasyon çerçevesi kullanılarak modellendi.
Metodoloji
Başlangıç programlarını oluşturmak için, İlk Gelen İlk Hizmet (FCFS), renk gruplama ve açgözlü ileriye dönük algoritmalar dahil olmak üzere çok sayıda sezgisel yaklaşım uyguladım. Bu programları daha da iyileştirmek için, sadece iyileştirmeleri değil, aynı zamanda yerel optimalardan kaçmak için zaman zaman daha kötü çözümleri de kabul ederek çözüm uzayını araştıran olasılıksal bir metasezgisel olan tavlama benzetimini uyguladım. Komşuluk oluşturma mekanizmaları arasında rastgele takaslar, yeniden eklemeler ve parti birleştirmeleri yer alıyordu. Sıcaklık düşüşü fonksiyonları ve kabul kriterleri, ampirik testlere dayalı olarak dikkatlice ayarlandı.
Teknolojiler ve Değerlendirme
Simülasyon çalışmaları boyunca, toplam değişim maliyeti, boşta kalan makine saatleri ve boya istasyonu kullanım oranları gibi metrikleri kullanarak performansı değerlendirdim. Nihai model, mantık ve veri manipülasyonu için NumPy kullanan Python'da uygulandı ve çizelgeleme çıktısını Gantt şemaları ve trend grafikleri şeklinde görselleştirmek için Matplotlib kullanıldı. Ek olarak, çıktı verilerini doğrulamak ve farklı yaklaşımların performansını karşılaştırmak için Excel kullanıldı.
Sonuç ve Etki
Tavlama benzetimi algoritması, statik sezgisel yöntemlerden sürekli olarak daha iyi performans gösterdi ve gerçekçi iş yükleri altında renk değişimlerinde %40'a varan ve boşta kalma süresinde yaklaşık %25'lik bir azalma sağladı. Bu proje sadece simülasyon tabanlı optimizasyon ve metasezgisel yöntemler hakkındaki anlayışımı derinleştirmekle kalmadı, aynı zamanda yöneylem araştırması derslerinden elde edilen teorik bilgilerin üretim bağlamında etkili çözümlere nasıl dönüştürülebileceğini de gösterdi.
“Üretimde, verimsiz çizelgeleme nedeniyle kaybedilen her dakika boşa harcanan paradır. Bu proje, akıllı optimizasyonun nasıl farklı bir tablo çizebileceğini kanıtlıyor.”