پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,980,400 |
| تعداد دریافت فایل اصل مقاله | 89,652,657 |
A Simulation-Based Optimization Model for Scheduling New Product Development Projects in Research and Development Centers | ||
| Interdisciplinary Journal of Management Studies (Formerly known as Iranian Journal of Management Studies) | ||
| مقاله 5، دوره 10، شماره 4، اسفند 2017، صفحه 883-904 اصل مقاله (410.17 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/ijms.2017.240381.672790 | ||
| نویسندگان | ||
| Sadegh Shahbazi1؛ Seyed Mojtaba Sajadi* 2؛ Fariborz Jolai3 | ||
| 1School of Industrial Engineering, College of Engineering, Alborz Campus, University of Tehran, Tehran, Iran | ||
| 2Faculty of Entrepreneurship, University of Tehran, Tehran, Iran | ||
| 3School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran | ||
| چکیده | ||
| a simulation-based optimization approach for the purpose of finding a near-optimal answer can be efficient and effective. In the present paper, first, the mathematical model for the project activity scheduling problem has been presented with a job shop approach. Then, using the Arena 14 software, the simulation model has been designed. Consequently, a numerical example has been solved via running the model and using variance analysis in order to find a near-optimal answer in terms of earliness profits subtracted by tardiness costs, with the purpose of choosing the best prioritization rule for activities in research teams. In the numerical example, the results reveal that the FCFS method has the highest value of the objective function, and possesses a significant difference from the other methods. After determining the best method, different scenarios regarding the number of resources in the workstations which possess long waiting times have been analyzed, whereby the results show that doubling the number of resources in these workstations can improve the objective function towards a positive output. In addition, the results from the present paper reveal that, contrary to other optimization methods, there is no need for an exact mathematical model in simulation and one can achieve optimal results via a conceptual mathematical model. Therefore, this issue can facilitate the solution of optimization problems, provided that they can be changed to a simulation model. | ||
| کلیدواژه‌ها | ||
| Simulation-based optimization؛ New product development؛ Efficiency؛ Scheduling | ||
| عنوان مقاله [English] | ||
| ارایه مدل بهینهسازی مبتنی بر‌شبیه‌سازی جهت مدیریت و زمانبندی پروژه‌های توسعه محصول جدید در مراکز تحقیق و توسعه | ||
| نویسندگان [English] | ||
| صادق شهبازی1؛ سیدمجتبی سجادی2؛ فریبرز جولای3 | ||
| 1دانشکده مهندسی صنایع،پردیس البرز، دانشگاه تهران، تهران، ایران | ||
| 2دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران | ||
| 3دانشکده مهندسی صنایع،پردیس دانشکده های فنی، دانشگاه تهران، تهران | ||
| چکیده [English] | ||
| رویکرد بهینهسازی مبتنی بر شبیهسازی به منظور یافتن جواب نزدیک به بهینه میتواند کارا و اثر بخش باشد. در مقاله حاضر، ابتدا مدل ریاضی برای مساله زمانبندی فعالیت پروژه با رویکرد کارگاهی ارائه شدهاست. سپس، با استفاده از نرم افزار Arena 14، مدل شبیهسازی طراحی شدهاست. در ادامه، یک مثال عددی از طریق اجرای مدل و با استفاده از تحلیل واریانس به منظور یافتن پاسخ نزدیک به بهینه از نظر سود زودکرد منهای هزینه دیرکرد با هدف انتخاب بهترین قانون اولویتبندی برای فعالیت در گروههای پژوهشی حل شدهاست. در مثال عددی، نتایج نشان میدهد که روش FCFS دارای بیشترین مقدار تابع هدف است و دارای تفاوت معنیداری با سایر روشها است. پس از استخراج بهترین روش، سناریوهای مختلف مربوط به تعداد منابع در ایستگاههای کاری که دارای زمان انتظار طولانی میباشند ، مورد تحلیل قرار گرفته که نتایج نشان میدهد دو برابر نمودن تعداد منابع در این ایستگاهها میتواند موجب بهبود تابع هدف و مثبت نمودن آن گردد. علاوه بر این، نتایج حاصل از این مقاله نشان میدهد که بر خلاف روشهای بهینهسازی دیگر، در روش شبیهسازی نیازی به مدلسازی دقیق ریاضی نمیباشد و میتوان با استفاده از یک مدل ریاضی مفهومی، نتایج بهینه را به دست آورد. | ||
| کلیدواژه‌ها [English] | ||
| بهینهسازی مبتنی بر شبیهسازی, توسعه پروژه جدید, بهره‌وری, زمانبندی | ||
| مراجع | ||
|
Bhattacharyya, R., Kumar, P., & Kar, S. (2011). Fuzzy R&D portfolio selection of interdependent projects. Computers & Mathematics with Applications, 62(10), 3857-3870. Carazo, A. F., Gómez, T., Molina, J., Hernández-Díaz, A. G., Guerrero, F. M., & Caballero, R. (2010). Solving a comprehensive model for multiobjective project portfolio selection. Computers & Operations Research, 37(4), 630-639. Carson, Y., & Maria, A. (1997). Simulation optimization: Methods and applications. Proceedings from the 29th Conference on Winter Simulation, 118-126. Hashim, S. A. M. (2017). Simulation for reducing energy consumption of multi core low voltage power cable manufacturing system. Journal on Technical and Vocational Education, 1(2). Maleki, A., Sajadi, S. M., & Rezaee, B. (2014). Explanation and improvement performance indicators of the emergency system using discrete event simulation (Case study: Arak Imam Khomeini Hospital). Journal of Health Information Managment, 11(1), 4-16. Pinedo, M. (2012). Scheduling theory, algorithms, and systems (3rd ed.). US: Springer. Rane, A. B., Sunnapwar, V. K., Chari, N. R., Sharma, M. R., & Jorapur, V. (2017). Improving performance of lock assembly line using lean and simulation approach. International Journal of Business Performance Management, 18(1), 101-124. Sajadi, S. M., Esfahani, M. M. S., & Sörensen, K. (2011). Production control in a failure-prone manufacturing network using discrete event simulation and automated response surface methodology. The International Journal of Advanced Manufacturing Technology, 53(1-4), 35-46. Sajadi, S. M., Tavan, F., & Heidary Dahooie, J. (2015). Business processes design of small and medium enterprises of perishable items in order to determination of optimum production policy with simulation approach. The Modares Journal of Management Research in Iran, 19(3), 7-35. Salimifard, K., & Ansari, M. (2016). Modeling and simulation of urban traffic network using colored petri nets. Industrial Management, 8(3), 381-404. Doi:10.22059/imj.2016.61712 Sharma, S. K., Suraj, B., & Routroy, S. (2017). Positioning of inventory in supply chain using simulation modeling. The IUP Journal of Supply Chain Management, 13(2), 20-32. Shannon, R., & Johannes, J. D. (1976). Systems simulation: the art and science. IEEE Transactions on Systems, Man, and Cybernetics, 6(10), 723-724. Teles, J., Lopes, R. B., & Ramos, A. L. (2017). A simulation-based analysis of a cork transformation system. In M. Amorim, C. Ferreira, M. Vieira Junior, & C. Prado (Eds.), Engineering systems and networks: The way ahead for industrial engineering and operations management (pp. 3-11). Cham: Springer International Publishing. Tofighian, A. A., & Naderi, B. (2015). Modeling and solving the project selection and scheduling. Computers & Industrial Engineering, 83, 30-38. Zareei, M., & Hassan-Pour, H. A. (2015). A multi-objective resource-constrained optimization of time-cost trade-off problems in scheduling project. Iranian Journal of Management Studies, 8(4), 653-685. Zhang, W.-G., Mei, Q., Lu, Q., & Xiao, W.-L. (2015). Evaluating methods of investment project and optimizing models of portfolio selection in fuzzy uncertainty. Computers & Industrial Engineering, 61(3), 721-728.
| ||
|
آمار تعداد مشاهده مقاله: 1,432 تعداد دریافت فایل اصل مقاله: 1,053 |
||