به گزارش خبرگزاری مهر به نقل از دانشگاه تهران، پژوهشی مشترک با حضور بهدین واحدی نوری، عضو هیئت دانشکده صنایع صنایع فنی، نشان می دهد که برنامه علمی تولیدی که فقط بر اساس «میانگین حضور کارگران» چیده می شود، به طور متوسط حدود ۳۰ درصد از زمان تکمیل بیش تر نسبت به برنامه هایی دارد که عدم قطعیت حضور افراد را از ابتدا در محاسبات وارد می کند. این پژوهش که در مجله معتبر International Journal of Production Research منتشر شد، یک روش محاسباتی سریعتر و دقیق تر برای حل این مشکل ارائه شده است.
پژوهشگر دانشکده صنایع در این خصوص گفت: در بسیاری از کارخانه‌ها، برنامه‌ریزی بر این فرضیه تولید می‌شود که همیشه سر کار حاضر می‌شوند. اما در حقیقت، غیبت‌های غیرمنتظره از موارد بیماری، شرایط اضطراری شخصی یا تغییرات در برخی از صنایع روزانه به‌طور روزانه به ۲۰ تا ۳۰ درصد می‌رسد. اکنون پژوهشی با مشارکت، بهدین واحدی نوری، عضو هیأت علمی دانشکدگان فنی دانشگاه تهران و همکاران از دانشگاه تهران و دانشگاه فنی چک، این موضوع را به‌طور جدی وارد محاسبات برنامه‌ریزی کرده است.
وی تاکید کرد: این پژوهش برای نوع خاصی از کارخانه‌ها که به آن‌ها «سیستم‌های تولیدی قابل تنظیم مجدد» می‌گویند. کارخانه‌هایی که ماشین‌هایشان را می‌توان با ماژول‌هایی مانند ابزارها و اسپیندل‌ها و تغییر وضعیت، برای محصولات مختلف آماده کرد. در چنین کارخانه‌هایی، هر کار هم به ماشین و ترکیب مناسب دارد و هم به تعداد مشخصی از کارگران با مهارت‌هایی که باید سر کار حاضر باشند. تغییر پیکربندی ماشین‌ها نیز خود زمان‌بر است. همین شرایط، برنامه‌ریزی را بسیار پیچیده می‌کند.
واحدی در مورد راه‌حل ارائه شده در این پژوهش گفت: برنامه‌ریزی در دو مرحله انجام می‌شود. در مرحله اول، پیش از روشن شدن فردا چه کسی سر کار می‌آید، تصمیم گرفته می‌شود هر کار روی کدام ماشین انجام شود. در مرحله، پس از مشخص شدن وضعیت دوم حضور، ترتیب کارها، انتخاب پیکربندی ماشین‌ها و تقسیم بندی نهایی می‌شود. برای حل سریع این مدل، ما روشی ترکیبی به نام CP-LD ساخته‌ایم که به‌جای یک محاسبه سنگین و مهم، به بخش‌های کوچکتر می‌شکند.
هدف این مدل از نوع «برنامه‌ریزی تصادفی دو مرحله‌ای» است، کمینه کردن امید ریاضی زمان تکمیل همه کارها (makespan) در سناریوهای مختلف حضور فعال است. روش CP-LD ترکیبی از «تجزیه L-شکل» و «برنامه‌ریزی» (CP) است: یک موضوع اصلی، ویژگی کارها به ماشین‌ها را با برنامه‌ریزی عدد صحیح مختلط تعیین می‌کند و برای هر سناریوی حضور کار، یک زیرمجموعه زمان‌بندی دقیق را با CP حل می‌کند. نتیجه زیرمسئله‌ها به‌صورت «برش بهینگی» به موضوع اصلی بازمی‌گردد و این چرخه تا رسیدن به جواب بهینه تکرار می‌شود.
هیأت علمی دانشکده صنایع افزود: نتیجه آزمون این روش روی ۳۶ نمونه آزمایشی قابل توجه است: روش جدید به‌طور متوسط در حدود ۱۷ دقیقه به بهترین جواب رسید، در حالی که حل مدل مستقیم با روش متداول برنامه‌ریزی به میزان صحیح مختلط (MILP) به‌طور متوسط حدود ۲ ساعت و ۲۵ دقیقه می‌برد و نمونه‌های بیشتری را در ۳ ساعت می‌برد. این سرعت، امکان بازچینی سریع برنامه تولید را در شرایط واقعی کارخانه، مثلاً وقتی چند کارگر یک‌دفعه غایب می‌شوند، فراهم می‌کند.
شاید مهم‌ترین یافته‌های این پژوهش برای کارخانه‌های تولیدکننده‌ها باشد که اگر برنامه تولید را با فرض استفاده از کارگران بچینید، زمان تکمیل تولید به‌طور میانگین ۲۹.۵ درصد بیشتر از حالتی است که عدم قطعیت حضور نیروی کار را همان ابتدا در محاسبات وارد کنید. این مقایسه با شاخص «ارزش جواب تصادفی» (VSS) در ۹ نمونه انجام شده و بسته به شرایط، اختلاف بین ۱۴.۵ تا ۴۶ درصد نشان داده شده است. به عبارت دیگر، نادیده گرفتن غیبت کار، هزینه‌های پنهان اما واقعی تولید می‌کند.
پژوهشگران در پایان توصیه‌های عملیاتی هم ارائه کرده‌اند که شامل آموزش مهارت‌های مختلف به کار تا مکان نگه‌داشتن محل نگهداری می‌شود، نگه‌داشتن ذخیره شده نیروی کار معادل ۱۰ تا ۲۰ درصد، و همکاری با شرکت‌های نیروی کار موقت است. همچنین محاسبات نشان می دهد در میان اجزای سیستم، افزودن ماشین جدید، بیشترین کاهش زمان را به همراه دارد و دو برابر کردن ماشین ها زمان تکمیل را در حدود ۳۸ درصد کم کرده است. پس از آن، افزایش تنوع ماشین‌ها با حدود ۱۵ درصد بهبود است.
این مقاله با حمایت از پروژه مالی اتحادیه اروپا (ROBOPROX) و آژانس گرنت جمهوری منتشر شده و به گفته نویسندگان، اولین پژوهشی است که مسئله غیبت و عدم قطعیت نیروی کار را در برنامه ریزی این نوع کارخانه ها وارد کرده است.