روش جدید زمان‌بندی تولید با در نظر گرفتن غیبت کارگران

به گزارش خبرگزاری صدا و سیما؛ دانشگاه تهران اعلام کرد: این پژوهش که در مجله معتبر International Journal of Production Research منتشر شده، یک روش محاسباتی سریع‌تر و دقیق‌تر برای حل این مشکل ارائه کرده است.

دکتر بهدین واحدی نوری، عضو هیأت علمی دانشکده صنایع دانشکدگان فنی گفت: «در بسیاری از کارخانه‌ها، برنامه‌ریزی تولید بر این فرض بنا می‌شود که کارگران همیشه سر کار حاضرند؛ اما در واقعیت، غیبت‌های غیرمنتظره از جمله بیماری، شرایط اضطراری شخصی یا تعهدات متغیر در برخی صنایع به‌طور میانگین روزانه به ۲۰ تا ۳۰ درصد می‌رسد. حالا پژوهشی با مشارکت دکتر بهدین واحدی نوری، عضو هیأت علمی دانشکدگان فنی دانشگاه تهران و همکارانی از دانشگاه تهران و دانشگاه فنی چک، این مسئله را به‌طور جدی وارد محاسبات برنامه‌ریزی تولید کرده است».

کارخانه‌های قابل پیکربندی مجدد

وی تاکید کرد: «این پژوهش بر نوع خاصی از کارخانه‌ها تمرکز دارد که به آن‌ها «سیستم‌های تولیدی قابل پیکربندی مجدد» می‌گویند؛ کارخانه‌هایی که ماشین‌هایشان را می‌توان با تعویض ماژول‌هایی مانند ابزار و اسپیندل و تغییر تنظیمات، برای محصولات مختلف آماده کرد. در چنین کارخانه‌هایی، هر کار هم به ماشین و پیکربندی مناسب نیاز دارد و هم به تعداد مشخصی کارگر با مهارت‌های لازم که سر کار حاضر باشند. تغییر پیکربندی ماشین‌ها نیز خود زمان‌بر است. همین شرایط، برنامه‌ریزی را بسیار پیچیده می‌کند».

مدل دو مرحله‌ای و روش CP-LD

دکتر واحدی درباره راه‌حل ارائه شده اظهار داشت: «برنامه‌ریزی در دو مرحله انجام می‌شود. در مرحله اول، پیش از روشن شدن اینکه فردا چه کسی سر کار می‌آید، تصمیم گرفته می‌شود هر کار روی کدام ماشین انجام شود. در مرحله دوم، پس از مشخص شدن وضعیت حضور کارگران، ترتیب کارها، انتخاب پیکربندی ماشین‌ها و تقسیم کارگران نهایی می‌شود. برای حل سریع این مدل، ما روشی ترکیبی به نام CP-LD ساخته‌ایم که به‌جای یک محاسبه سنگین و طولانی، مسئله را به بخش‌های کوچک‌تر می‌شکند».

هدف این مدل که از نوع «برنامه‌ریزی تصادفی دو مرحله‌ای» است، کمینه کردن امید ریاضی زمان تکمیل همه کارها (makespan) در سناریوهای مختلف حضور کارگران است. روش CP-LD ترکیبی از «تجزیه L-شکل» و «برنامه‌ریزی محدودیت» (CP) است: یک مسئله اصلی، تخصیص کارها به ماشین‌ها را با برنامه‌ریزی عدد صحیح مختلط تعیین می‌کند و برای هر سناریوی حضور کارگران، یک زیرمسئله زمان‌بندی دقیق را با CP حل می‌کند. نتیجه زیرمسئله‌ها به‌صورت «برش بهینگی» به مسئله اصلی بازمی‌گردد و این چرخه تا رسیدن به جواب بهینه تکرار می‌شود.

نتایج آزمون و هزینه نادیده گرفتن غیبت

عضو هیأت علمی دانشکده صنایع افزود: «نتیجه آزمون این روش روی ۳۶ نمونه آزمایشی قابل توجه است: روش جدید به‌طور میانگین در حدود ۱۷ دقیقه به بهترین جواب رسید، در حالی که حل مستقیم مدل با روش متداول برنامه‌ریزی عدد صحیح مختلط (MILP) به‌طور میانگین حدود ۲ ساعت و ۲۵ دقیقه زمان می‌برد و در بیشتر نمونه‌ها به سقف زمانی ۳ ساعت می‌رسید. این سرعت، امکان بازچینی سریع برنامه تولید را در شرایط واقعی کارخانه، مثلاً وقتی چند کارگر یک‌دفعه غایب می‌شوند، فراهم می‌کند».

شاید مهم‌ترین یافته این پژوهش برای مدیران کارخانه‌ها این باشد که اگر برنامه تولید را با فرض میانگین حضور کارگران بچینید، زمان تکمیل تولید به‌طور میانگین ۲۹.۵ درصد طولانی‌تر از حالتی است که عدم قطعیت حضور نیروی کار را از همان ابتدا در محاسبات وارد کنید. این مقایسه با شاخص «ارزش جواب تصادفی» (VSS) بر ۹ نمونه نماینده انجام شده و بسته به شرایط مسئله، اختلافی بین حدود ۱۴.۵ تا ۴۶ درصد نشان داده است. به عبارت دیگر، نادیده گرفتن غیبت کارگران، هزینه‌ای پنهان اما واقعی به تولید تحمیل می‌کند.

پژوهشگران در پایان توصیه‌های عملی هم ارائه کرده‌اند که شامل آموزش مهارت‌های متنوع به کارگران تا بتوانند جای یکدیگر را بگیرند، نگه‌داشتن ذخیره نیروی کار معادل ۱۰ تا ۲۰ درصد، و همکاری با شرکت‌های تأمین نیروی موقت است. همچنین محاسبات نشان می‌دهد در میان اجزای سیستم، افزودن ماشین جدید، بیشترین کاهش زمان را به همراه دارد و دو برابر کردن تعداد ماشین‌ها زمان تکمیل را حدود ۳۸ درصد کم کرده است. پس از آن، افزایش تنوع تنظیمات ماشین‌ها با حدود ۱۵ درصد بهبود مؤثرتر است.

این مقاله با حمایت مالی اتحادیه اروپا پروژه(ROBOPROX) و آژانس گرنت جمهوری چک منتشر شده و به گفته نویسندگان، نخستین پژوهشی است که مسأله غیبت و عدم قطعیت نیروی کار را در برنامه‌ریزی این نوع کارخانه‌ها وارد کرده است.