ഔപചാരിക രീതികളുള്ള ഫർണിച്ചർ പ്രൊഡക്ഷൻ ലൈനിന്റെ ലേഔട്ട് ഡിസൈൻ

ABSTRACT

ഒരു ഫർണിച്ചർ നിർമ്മാണ കമ്പനിയിലെ ഒരു യഥാർത്ഥ ഫെസിലിറ്റി ലേഔട്ട് പ്രശ്നത്തിന് വ്യത്യസ്ത ഹ്യൂറിസ്റ്റിക് സമീപനങ്ങളുടെ പ്രയോഗമാണ് ഈ പ്രബന്ധം പരീക്ഷിക്കുന്നത്. എല്ലാ മോഡലുകളും AHP ഉപയോഗിച്ചാണ് താരതമ്യം ചെയ്യുന്നത്, അവിടെ താൽപ്പര്യമുള്ള നിരവധി പാരാമീറ്ററുകൾ ഉപയോഗിക്കുന്നു. വ്യവസായത്തിൽ നേരിടുന്ന യഥാർത്ഥ പ്രശ്നങ്ങൾക്ക് ഔപചാരിക ലേഔട്ട് മോഡലിംഗ് സമീപനങ്ങൾ ഫലപ്രദമായി ഉപയോഗിക്കാൻ കഴിയുമെന്ന് പരീക്ഷണം കാണിക്കുന്നു, ഇത് ഗണ്യമായ പുരോഗതിയിലേക്ക് നയിക്കുന്നു.

1. ആമുഖം

ഫർണിച്ചർ വ്യവസായം മറ്റു പലരെയും പോലെ വളരെ മത്സരാധിഷ്ഠിതമായ ഒരു കാലഘട്ടത്തിലൂടെയാണ് കടന്നുപോകുന്നത്, അതിനാൽ നിർമ്മാണ ചെലവ് കുറയ്ക്കുന്നതിനും ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്നതിനുമുള്ള രീതികൾ കണ്ടെത്താൻ കഠിനമായി പരിശ്രമിക്കുന്നു. (The Company = TC) എന്ന് വിളിക്കപ്പെടുന്ന ഒരു നിർമ്മാണ കമ്പനിയിലെ ഉൽ‌പാദനക്ഷമത മെച്ചപ്പെടുത്തൽ പരിപാടിയുടെ ഭാഗമായി, കാര്യക്ഷമമല്ലാത്ത ലേഔട്ട് മൂലമുണ്ടാകുന്ന നിലവിലെ പ്രശ്നങ്ങൾ മറികടക്കുക എന്ന ലക്ഷ്യത്തോടെ, ഈ കമ്പനിയുടെ ഷോപ്പ് ഫ്ലോറിൽ ഉൽ‌പാദന ലൈനിന്റെ ലേഔട്ട് ഡിസൈൻ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി ഞങ്ങൾ ഒരു പ്രോജക്റ്റ് നടത്തി. പ്രായോഗികമായി അപൂർവ്വമായി ഉപയോഗിക്കുന്ന ഔപചാരിക രീതികളെ അടിസ്ഥാനമാക്കി ഏതാണ്ട് ഒപ്റ്റിമൽ ലേഔട്ട് സൃഷ്ടിക്കുന്നതിന് നിരവധി ലേഔട്ട് മോഡലിംഗ് ടെക്നിക്കുകൾ പ്രയോഗിക്കാൻ തീരുമാനിച്ചു. ഗ്രാഫ് തിയറി, ബ്ലോക്ക് പ്ലാൻ, ക്രാഫ്റ്റ്, ഒപ്റ്റിമം സീക്വൻസ്, ജനിതക അൽഗോരിതം എന്നിവയാണ് ഉപയോഗിക്കുന്ന മോഡലിംഗ് ടെക്നിക്കുകൾ. തുടർന്ന് ഈ ലേഔട്ടുകൾ വിലയിരുത്തുകയും ടോട്ടൽ ഏരിയ, ഫ്ലോ * ഡിസ്റ്റ്, അഡ്ജസെൻസി ശതമാനം എന്നിങ്ങനെ 3 മാനദണ്ഡങ്ങൾ ഉപയോഗിച്ച് താരതമ്യം ചെയ്യുകയും ചെയ്തു. വികസിപ്പിച്ച ഓരോ മോഡലിനും പ്രൊഡക്ഷൻ ലൈൻ കൈവശപ്പെടുത്തിയിരിക്കുന്ന പ്രദേശത്തെയാണ് ടോട്ടൽ ഏരിയ എന്ന് പറയുന്നത്. ഫ്ലോ * ഡിസ്റ്റ് ഫ്ലോയുടെ ഉൽപ്പന്നങ്ങളുടെ ആകെത്തുകയും ഓരോ 2 സൗകര്യങ്ങൾക്കിടയിലുള്ള ദൂരവും കണക്കാക്കുന്നു. അഡ്ജസെൻസി ശതമാനം തൊട്ടടുത്തായിരിക്കേണ്ടതിന്റെ ആവശ്യകത നിറവേറ്റുന്ന സൗകര്യങ്ങളുടെ ശതമാനം കണക്കാക്കുന്നു.

ഏറ്റവും മികച്ച ലേഔട്ടിന്റെ തിരഞ്ഞെടുപ്പും ഔപചാരികമായി ഉപയോഗിച്ചു.ഒന്നിലധികം മാനദണ്ഡങ്ങൾവിദഗ്ദ്ധ ചോയ്‌സ് സോഫ്റ്റ്‌വെയർ ഉപയോഗിച്ച് തീരുമാനമെടുക്കൽ സമീപനം AHP (സാറ്റി, 1980). ലേഔട്ട് ഡിസൈനിലെ ഔപചാരിക സമീപനങ്ങളിലൂടെ നേടിയ മെച്ചപ്പെടുത്തലുകൾ തെളിയിക്കുന്നതിനായി നിലവിലുള്ള ലേഔട്ടുമായി ഏറ്റവും മികച്ച ലേഔട്ട് താരതമ്യം ചെയ്തു.

കാര്യക്ഷമമായ പ്രവർത്തനം നൽകുന്നതിന് ഭൗതിക സൗകര്യങ്ങളുടെ ഏറ്റവും മികച്ച ക്രമീകരണം കണ്ടെത്തുക എന്നതാണ് പ്ലാന്റ് ലേഔട്ട് പ്രശ്നത്തിന്റെ നിർവചനം (ഹസ്സനും ഹോഗും, 1991). മെറ്റീരിയൽ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ചെലവ്, ലീഡ് സമയം, ത്രൂപുട്ട് എന്നിവയെ ലേഔട്ട് ബാധിക്കുന്നു. അതിനാൽ ഇത് പ്ലാന്റിന്റെ മൊത്തത്തിലുള്ള ഉൽപ്പാദനക്ഷമതയെയും കാര്യക്ഷമതയെയും ബാധിക്കുന്നു. ടോംപ്കിൻസ് ആൻഡ് വൈറ്റ് (1984) അനുസരിച്ച്, സൗകര്യങ്ങളുടെ രൂപകൽപ്പന രേഖപ്പെടുത്തിയ ചരിത്രത്തിലുടനീളം ഉണ്ടായിരുന്നു, വാസ്തവത്തിൽ രൂപകൽപ്പന ചെയ്ത് നിർമ്മിച്ച നഗര സൗകര്യങ്ങൾ പുരാതന കാലത്ത് വിവരിച്ചിട്ടുണ്ട്.

* അനുബന്ധ രചയിതാവ്

ഗ്രീസിന്റെയും റോമൻ സാമ്രാജ്യത്തിന്റെയും ചരിത്രം. ഈ പ്രശ്നം ആദ്യമായി പഠിച്ചവരിൽ ആർമറും ബഫയും മറ്റുള്ളവരും ഉൾപ്പെടുന്നു (1). 1964-കളിൽ വളരെ കുറച്ച് മാത്രമേ പ്രസിദ്ധീകരിച്ചിട്ടുള്ളൂ എന്ന് തോന്നുന്നു. ഈ മേഖലയെക്കുറിച്ചുള്ള ആദ്യകാല ഗവേഷണങ്ങൾ ശേഖരിച്ച് അപ്ഡേറ്റ് ചെയ്ത ആദ്യത്തെയാളാണ് ഫ്രാൻസിസും വൈറ്റും (1950). പിന്നീട് ഗവേഷണം രണ്ട് പഠനങ്ങൾ അപ്ഡേറ്റ് ചെയ്തിട്ടുണ്ട്, ആദ്യത്തേത് ഡോംഷ്കെയും ഡ്രെക്സലും (1974) നടത്തിയതും രണ്ടാമത്തേത് ഫ്രാൻസിസ് തുടങ്ങിയവർ നടത്തിയതും (1). മെഷീൻ ലേഔട്ട് പ്രശ്നത്തിൽ ആവശ്യമായ ഡാറ്റയുടെ തരത്തെക്കുറിച്ച് വിപുലമായ പഠനം ഹസ്സനും ഹോഗും (2) റിപ്പോർട്ട് ചെയ്തു. മെഷീൻ ലേഔട്ട് ഡാറ്റ ഒരു ശ്രേണിയിൽ പരിഗണിക്കപ്പെടുന്നു; ലേഔട്ട് എത്ര വിശദമായി രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു. മെഷീനുകളുടെ ആപേക്ഷിക ക്രമീകരണം കണ്ടെത്താൻ മാത്രമുള്ള ലേഔട്ട് ആവശ്യമുള്ളപ്പോൾ, മെഷീൻ നമ്പറിനെയും അവയുടെ ഫ്ലോ ബന്ധങ്ങളെയും പ്രതിനിധീകരിക്കുന്ന ഡാറ്റ മതിയാകും. എന്നിരുന്നാലും, വിശദമായ ലേഔട്ട് ആവശ്യമുണ്ടെങ്കിൽ, കൂടുതൽ ഡാറ്റ ആവശ്യമാണ്. ഡാറ്റ കണ്ടെത്തുന്നതിൽ ചില ബുദ്ധിമുട്ടുകൾ ഉണ്ടാകാം, പ്രത്യേകിച്ച് ഡാറ്റ ഇതുവരെ ലഭ്യമല്ലാത്ത പുതിയ നിർമ്മാണ സൗകര്യങ്ങളിൽ. ആധുനികവും ഓട്ടോമേറ്റഡ് സൗകര്യങ്ങൾക്കുമായി ലേഔട്ട് വികസിപ്പിക്കുമ്പോൾ, ആവശ്യമായ ഡാറ്റ ചരിത്രപരമായ ഡാറ്റയിൽ നിന്നോ സമാനമായ സൗകര്യങ്ങളിൽ നിന്നോ ലഭിക്കില്ല, കാരണം അവ നിലവിലില്ലായിരിക്കാം. ഫെസിലിറ്റി ലേഔട്ട് പ്രശ്നത്തിന് ഒപ്റ്റിമൽ പരിഹാരം ലഭിക്കുന്നതിനുള്ള ഒരു മാർഗമായി ഗണിത മോഡലിംഗ് നിർദ്ദേശിക്കപ്പെട്ടിട്ടുണ്ട്. കൂപ്മാൻസും ബെക്ക്മാനും (1) ഒരു ക്വാഡ്രാറ്റിക് അസൈൻമെന്റ് പ്രശ്നമായി വികസിപ്പിച്ച ആദ്യത്തെ ഗണിത മാതൃക മുതൽ, ഈ മേഖലയിലുള്ള താൽപ്പര്യം ഗണ്യമായ വളർച്ചയെ ആകർഷിച്ചു. ഇത് ഗവേഷകന് പുതിയതും രസകരവുമായ ഒരു മേഖല തുറന്നു. ഫെസിലിറ്റി ലേഔട്ട് പ്രശ്നത്തിന് പരിഹാരം തേടുന്നതിൽ, ഗവേഷകർ ഗണിതശാസ്ത്ര മോഡലുകൾ വികസിപ്പിക്കുന്നതിലേക്ക് സ്വയം പ്രവേശിച്ചു. ഹൗഷ്യറും വൈറ്റും (1985) ലേഔട്ട് പ്രശ്നത്തെ ഒരുപൂർണ്ണസംഖ്യ-പ്രോഗ്രാമിംഗ്മോഡൽ, റോസൻബ്ലാറ്റ് (1986) ഒരു ഡൈനാമിക് പ്രോഗ്രാമിംഗ് മോഡലായി ലേഔട്ട് പ്രശ്നം രൂപപ്പെടുത്തി. പലേക്കർ തുടങ്ങിയവർ (1992) അനിശ്ചിതത്വം കൈകാര്യം ചെയ്യുന്നു, ഷാങ് (1993) ഒരുഒന്നിലധികം മാനദണ്ഡങ്ങൾസമീപനം. മറുവശത്ത്, ല്യൂങ് (1992) ഒരു ഗ്രാഫ് സിദ്ധാന്ത ഫോർമുലേഷൻ അവതരിപ്പിച്ചു.

പച്ചയുംഅൽ-ഹക്കീം(1985) സെല്ലുകൾക്കിടയിലുള്ള ലേഔട്ടും അതുപോലെ തന്നെ പാർട്ട് ഫാമിലിയും കണ്ടെത്താൻ ഒരു GA ഉപയോഗിച്ചു. അദ്ദേഹത്തിന്റെ ഫോർമുലേഷനിൽ, സെല്ലിന്റെ ക്രമീകരണം ലീനിയർ സിംഗിൾ റോ അല്ലെങ്കിൽ ലീനിയർ ഡബിൾ റോ ആയി അദ്ദേഹം പരിമിതപ്പെടുത്തി. വികസിപ്പിച്ച അൽഗോരിതം സെൽ ലേഔട്ടിനോ മെഷീൻ ലേഔട്ടിനോ പകരം സെൽ സിസ്റ്റം ലേഔട്ടിനോ അല്ലെങ്കിൽ പ്രൊഡക്ഷൻ ഫ്ലോറിന്റെ ലേഔട്ടിനോ ആണ് കൂടുതൽ ഇഷ്ടപ്പെടുന്നത്. സെല്ലുകൾക്കുള്ളിലെ മെഷീനുകളുടെ യഥാർത്ഥ ലേഔട്ട് പരിഗണിച്ചില്ല. ബാനർജിയും ഷൗവും (1995) സൗകര്യ രൂപകൽപ്പന ഒപ്റ്റിമൈസേഷൻ പ്രശ്നം രൂപപ്പെടുത്തി.സിംഗിൾ-ലൂപ്പ്ജനിതക അൽഗോരിതങ്ങൾ ഉപയോഗിച്ചുള്ള ലേഔട്ട്. വികസിപ്പിച്ച അൽഗോരിതം സെൽ സിസ്റ്റങ്ങളുടെ ലേഔട്ടിനുള്ളതാണ്, അതിനാൽ സെല്ലിനുള്ളിലെ മെഷീനുകളുടെ ലേഔട്ട് പരിഗണിക്കുന്നില്ല. ഫൂവും കാക്കുവും (1997) ഒരു ജോബ് ഷോപ്പ് നിർമ്മാണ സംവിധാനത്തിനായുള്ള ഒരു പ്ലാന്റ് ലേഔട്ട് പ്രശ്ന ഫോർമുലേഷൻ അവതരിപ്പിച്ചു, അതിന്റെ ലക്ഷ്യം ശരാശരി വർക്ക് ഇൻ പ്രോസസ് കുറയ്ക്കുക എന്നതാണ്. ഒരു കൂട്ടം അനുമാനങ്ങൾക്ക് കീഴിൽ അവർ പ്ലാന്റിനെ ഒരു തുറന്ന ക്യൂയിംഗ് നെറ്റ്‌വർക്കായി മാതൃകയാക്കി. പ്രശ്നം ഒരു ക്യൂയിംഗ് അസൈൻമെന്റ് പ്രശ്നമായി (QAP) ചുരുക്കുന്നു. ശരാശരി മെറ്റീരിയൽ കൈകാര്യം ചെയ്യൽ ചെലവ് കുറയ്ക്കുന്നതിനും പ്രക്രിയയിലെ ശരാശരി വർക്ക് ഇൻ പ്രോസസ് കുറയ്ക്കുന്നതിനും സിമുലേഷൻ ഉപയോഗിച്ചു.

2. മോഡലിംഗ് സമീപനങ്ങൾ

മോഡലുകളെ അവയുടെ സ്വഭാവം, അനുമാനങ്ങൾ, ലക്ഷ്യങ്ങൾ എന്നിവയെ അടിസ്ഥാനമാക്കി തരം തിരിച്ചിരിക്കുന്നു. മുത്തോർ (1) വികസിപ്പിച്ചെടുത്ത ആദ്യത്തെ പൊതുവായ സിസ്റ്റമാറ്റിക് ലേഔട്ട് പ്ലാനിംഗ് സമീപനം ഇപ്പോഴും ഉപയോഗപ്രദമായ ഒരു പദ്ധതിയാണ്, പ്രത്യേകിച്ചും മറ്റ് സമീപനങ്ങളുടെ പിന്തുണയും കമ്പ്യൂട്ടറിന്റെ സഹായവും ഉണ്ടെങ്കിൽ. ഉദാഹരണത്തിന്, ഹസ്സൻ ആൻഡ് ഹോഗ് (1955) എന്ന നിർമ്മാണ സമീപനങ്ങൾ, ആദ്യം മുതൽ ഒരു ലേഔട്ട് നിർമ്മിക്കുമ്പോൾ, ഇംപ്രൂവ്മെന്റ് മെത്തേഡുകൾ, ഉദാഹരണത്തിന് ബോസർ, മെല്ലർ, എർലെബാച്ചർ (1991) എന്നിവ മികച്ച ഫലങ്ങൾക്കായി നിലവിലുള്ള ലേഔട്ട് പരിഷ്കരിക്കാൻ ശ്രമിക്കുന്നു. ലേഔട്ടിനായുള്ള രീതികളും ഹ്യൂറിസ്റ്റിക്സും ഒപ്റ്റിമൈസിംഗ് ഹെരാഗു (1994) നന്നായി രേഖപ്പെടുത്തിയിട്ടുണ്ട്.ഡി-അൽവാരെംഗഗോമസ് (2000) എന്നിവർ ചർച്ച ചെയ്യുന്നത് aമെറ്റാ-ഹ്യൂറിസ്റ്റിക്ഒപ്റ്റിമൽ മോഡലുകളുടെ NP- ഹാർഡ് സ്വഭാവത്തെ മറികടക്കാനുള്ള ഒരു മാർഗമായി സമീപനം.

ഈ കൃതിയിൽ ഉപയോഗിച്ചിരിക്കുന്ന വിവിധ മോഡലിംഗ് സാങ്കേതിക വിദ്യകൾ ഗ്രാഫ് തിയറി, ക്രാഫ്റ്റ്, ഒപ്റ്റിമം സീക്വൻസ്, BLOCPLAN, ജനിതക അൽഗോരിതം എന്നിവയാണ്. ഓരോ അൽഗോരിതവും മാതൃകയാക്കുന്നതിന് ആവശ്യമായ പാരാമീറ്ററുകൾ ചുവടെ വിശദീകരിച്ചിരിക്കുന്നു.

ഗ്രാഫ് തിയറി

ഗ്രാഫ് സിദ്ധാന്തം (ഫോൾഡ്‌സും റോബിൻസണും, 1976; ഗിഫിൻ മറ്റുള്ളവരും, 1984; കിം ആൻഡ് കിം, 1985; ല്യൂങ്, 1992) ഒരുഎഡ്ജ്-വെയ്റ്റ്പരമാവധി പ്ലാനർ ഗ്രാഫിൽ, ലംബങ്ങൾ (V) സൗകര്യങ്ങളെയും അരികുകൾ (E) സമീപസ്ഥാനങ്ങളെയും പ്രതിനിധീകരിക്കുന്നു, Kn n ലംബങ്ങളുടെ പൂർണ്ണ ഗ്രാഫിനെ സൂചിപ്പിക്കുന്നു. ഒരു വെയ്റ്റഡ് ഗ്രാഫ് G നൽകിയാൽ, ഫെസിലിറ്റി ലേഔട്ട് പ്രശ്നം പരമാവധി വെയ്റ്റഡ് സ്പാനിംഗ് കണ്ടെത്തുക എന്നതാണ്.ഉപ-ഗ്രാഫ്G' യുടെ G എന്നത് സമതലമാണ്.

കേസ് സ്റ്റഡി മാതൃകയാക്കാൻ ഈ പ്രബന്ധം 2 വ്യത്യസ്ത സമീപനങ്ങൾ ഉപയോഗിക്കുന്നു. ആദ്യ സമീപനംഡെൽറ്റ-ഹെഡ്രോൺഫോൾഡ്‌സും റോബിൻസണും (1976) നടത്തിയ രീതി. ഈ രീതിയിൽ ഒരു പ്രാരംഭ K4 ഉപയോഗിച്ച് ലളിതമായ ഇൻസേർഷൻ ഉൾപ്പെടുന്നു, തുടർന്ന് ഒരു ആനുകൂല്യ മാനദണ്ഡമനുസരിച്ച് ലംബങ്ങൾ ഓരോന്നായി ചേർക്കുന്നു. ഉപയോഗിക്കുന്ന രണ്ടാമത്തെ സമീപനം വീൽ എക്സ്പാൻഷൻ അൽഗോരിതം ആണ് (പച്ചയുംഅൽ-ഹക്കീം,1985). ഇവിടെ ഏറ്റവും ഉയർന്ന w4 ഉള്ള ഒരു എഡ്ജ് തിരഞ്ഞെടുത്ത് ആനുകൂല്യ മാനദണ്ഡങ്ങൾക്കനുസരിച്ച് തുടർച്ചയായി 8 വെർട്ടെക്സ് ഇൻസേർഷൻ പ്രയോഗിച്ചാണ് പ്രാരംഭ K2 ലഭിക്കുന്നത്. തുടർന്ന് അൽഗോരിതം വീൽ എക്സ്പാൻഷൻ നടപടിക്രമം എന്ന് വിളിക്കുന്ന ഒരു ഇൻസേർഷൻ പ്രക്രിയയുമായി മുന്നോട്ട് പോകുന്നു. n വെർട്ടീസുകളിലെ ഒരു വീൽ ഒരു സൈക്കിൾ ആയി നിർവചിക്കപ്പെടുന്നു(n-1)ഓരോ ശീർഷകവും ഒരു അധിക ശീർഷകത്തോട് (ഹബ് എന്ന് വിളിക്കുന്നു) ചേർന്നിരിക്കുന്ന വിധത്തിൽ ശീർഷകങ്ങൾ (റിം എന്ന് വിളിക്കുന്നു). x ഹബ് ഉള്ള ഒരു ചക്രം W ആയിരിക്കട്ടെ. ഈ ചക്രത്തിന്റെ റിമുകളായ k, l എന്നീ 2 ശീർഷകങ്ങൾ തിരഞ്ഞെടുക്കുക. ഉപയോഗിക്കാത്ത ശീർഷകങ്ങളുടെ കൂട്ടത്തിൽ നിന്ന് ഒരു ശീർഷകം ഈ ചക്രത്തിലേക്ക് നിലവിലെ ഭാഗിക ശീർഷകത്തിൽ ചേർക്കുന്നു.ഉപ-ഗ്രാഫ്അതായത് y എന്നത് k, l, x എന്നിവ റിമ്മുകളായി ഉൾക്കൊള്ളുന്ന പുതിയ വീൽ W′ ന്റെ ഒരു ഹബ്ബാണ്, കൂടാതെ W ലെ എല്ലാ റിമ്മുകളും ഇപ്പോൾ ശീർഷം x അല്ലെങ്കിൽ ശീർഷം y യോട് ചേർന്നാണ്. മുകളിൽ പറഞ്ഞ രീതിയിൽ ഉപയോഗിക്കാത്ത ഓരോ ശീർഷകവും തുടർച്ചയായി ചേർക്കുന്നതിലൂടെ, അന്തിമ പരമാവധി പ്ലാനർ സബ് ഗ്രാഫ് ലഭിക്കും.

CRAFT ഉപയോഗിക്കുന്നു

CRAFT (കമ്പ്യൂട്ടറൈസ്ഡ് റിലേറ്റീവ് അലോക്കേഷൻ ഓഫ് ഫെസിലിറ്റീസ് ടെക്നിക്) ഒരു ലേഔട്ട് വികസിപ്പിക്കുന്നതിന് ജോഡി തിരിച്ചുള്ള എക്സ്ചേഞ്ച് ഉപയോഗിക്കുന്നു (ബഫ തുടങ്ങിയവർ, 1964; ഹിക്സ് ആൻഡ് ലോവൻ, 1976). മെച്ചപ്പെട്ട ലേഔട്ട് സൃഷ്ടിക്കുന്നതിന് മുമ്പ് സാധ്യമായ എല്ലാ ജോഡി തിരിച്ചുള്ള എക്സ്ചേഞ്ചുകളും CRAFT പരിശോധിക്കുന്നില്ല. ഇൻപുട്ട് ഡാറ്റയിൽ കെട്ടിടത്തിന്റെയും സൗകര്യങ്ങളുടെയും അളവുകൾ, മെറ്റീരിയലിന്റെ ഒഴുക്ക് അല്ലെങ്കിൽ ഫെസിലിറ്റി ജോഡികൾക്കിടയിലുള്ള യാത്രകളുടെ ആവൃത്തി, ഒരു യൂണിറ്റ് ദൂരത്തിന് ഒരു യൂണിറ്റ് ലോഡിന് ചെലവ് എന്നിവ ഉൾപ്പെടുന്നു. ഫ്ലോ (f) ന്റെയും ദൂരത്തിന്റെയും (d) ഉൽപ്പന്നം രണ്ട് സൗകര്യങ്ങൾക്കിടയിൽ വസ്തുക്കൾ നീക്കുന്നതിനുള്ള ചെലവ് നൽകുന്നു. തുടർന്ന് എക്സ്ചേഞ്ചിന് മുമ്പും ശേഷവുമുള്ള മെറ്റീരിയൽ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ചെലവ് സംഭാവനയെ അടിസ്ഥാനമാക്കി ചെലവ് കുറയ്ക്കൽ കണക്കാക്കുന്നു.

ഒപ്റ്റിമം സീക്വൻസ്

പരിഹാര രീതി ഒരു ഏകപക്ഷീയമായ സീക്വൻഷ്യൽ ലേഔട്ടിൽ ആരംഭിക്കുകയും ശ്രേണിയിലെ 2 ഡിപ്പാർട്ട്‌മെന്റുകൾ മാറ്റി അത് മെച്ചപ്പെടുത്താൻ ശ്രമിക്കുകയും ചെയ്യുന്നു (ഹെരാഗു, 1997). ഓരോ ഘട്ടത്തിലും, 2 ഡിപ്പാർട്ട്‌മെന്റുകളുടെയും സാധ്യമായ എല്ലാ സ്വിച്ചുകൾക്കുമുള്ള ഫ്ലോ*ദൂര മാറ്റങ്ങൾ ഈ രീതി കണക്കാക്കുകയും ഏറ്റവും ഫലപ്രദമായ ജോഡി തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നു. 2 ഡിപ്പാർട്ട്‌മെന്റുകളും സ്വിച്ച് ചെയ്യുകയും രീതി ആവർത്തിക്കുകയും ചെയ്യുന്നു. സ്വിച്ച് ഇല്ലാത്തതിനാൽ ചെലവ് കുറയുമ്പോൾ പ്രക്രിയ നിർത്തുന്നു. ഒപ്റ്റിമം സീക്വൻസ് ഉപയോഗിച്ച് ഒരു ലേഔട്ട് സൃഷ്ടിക്കാൻ ആവശ്യമായ ഇൻപുട്ട് പ്രധാനമായും കെട്ടിടത്തിന്റെയും സൗകര്യങ്ങളുടെയും അളവുകൾ, മെറ്റീരിയലിന്റെ ഒഴുക്ക് അല്ലെങ്കിൽ ഫെസിലിറ്റി ജോഡികൾക്കിടയിലുള്ള യാത്രകളുടെ ആവൃത്തി, യൂണിറ്റ് ദൂരത്തിന് യൂണിറ്റ് ലോഡിന് ചെലവ് എന്നിവയാണ്.

BLOCPLAN ഉപയോഗിക്കുന്നു

ഒറ്റനില, ബഹുനില ലേഔട്ട് വികസിപ്പിക്കുന്നതിനും മെച്ചപ്പെടുത്തുന്നതിനും ഉപയോഗിക്കുന്ന ഒരു സംവേദനാത്മക പ്രോഗ്രാമാണ് BLOCPLAN (പച്ചയും അൽ-ഹക്കീം,1985). നിരവധി ഉൾച്ചേർത്ത ഓപ്ഷനുകളെ അടിസ്ഥാനമാക്കിയുള്ള വഴക്കം കാരണം നല്ല പ്രാരംഭ ലേഔട്ടുകൾ സൃഷ്ടിക്കുന്ന ഒരു ലളിതമായ പ്രോഗ്രാമാണിത്. ഇത് ക്വാണ്ടിറ്റേറ്റീവ്, ക്വാളിറ്റേറ്റീവ് ഡാറ്റ എന്നിവ ഉപയോഗിക്കുന്നു

നിരവധി ബ്ലോക്ക് ലേഔട്ടുകളും അവയുടെ ഫിറ്റ്നസ് അളവും സൃഷ്ടിക്കുന്നു. സാഹചര്യങ്ങളെ അടിസ്ഥാനമാക്കി ഉപയോക്താവിന് ആപേക്ഷിക പരിഹാരങ്ങൾ തിരഞ്ഞെടുക്കാം.

ജനിതക അൽഗോരിതം

ജനിതക അൽഗോരിതങ്ങൾ (GA) വഴി സൗകര്യങ്ങളുടെ ലേഔട്ട് പ്രശ്നങ്ങൾ രൂപപ്പെടുത്തുന്നതിന് നിരവധി മാർഗങ്ങളുണ്ട്. ബാനർജി, ഷൗ, മോൺട്രൂയിൽ (1997) എന്നിവർ സെൽ ലേഔട്ടിൽ GA പ്രയോഗിച്ചു. ഒരു തരം ലേഔട്ടുകളെ പ്രതിനിധീകരിക്കുന്നതിനുള്ള ഒരു മാർഗമായി ഓട്ടൻ (1) ആദ്യമായി മരത്തിന്റെ ഘടന സ്ലൈസ് ചെയ്യുന്നത് നിർദ്ദേശിച്ചു. ജ്യാമിതീയ നിയന്ത്രണങ്ങൾ ഉപയോഗിച്ച് അസമമായ ഏരിയ ലേഔട്ട് പ്രശ്നം പരിഹരിക്കാൻ ടാം, ചാൻ (1982) എന്നിവരുൾപ്പെടെ നിരവധി എഴുത്തുകാർ ഈ സമീപനം പിന്നീട് ഉപയോഗിച്ചു. സ്ലൈസിംഗ് ട്രീ സ്ട്രക്ചറുകളെ (STC) അടിസ്ഥാനമാക്കി ഷായാനും ചിറ്റിലപ്പിള്ളി (1995) ഈ കൃതിയിൽ ഉപയോഗിച്ചിരിക്കുന്ന GA അൽഗോരിതം വികസിപ്പിച്ചെടുത്തത് ഷായാനും ചിറ്റിലപ്പിള്ളിയും (2004) ആണ്. ഇത് ഒരു വൃക്ഷ ഘടനയുള്ള കാൻഡിഡേറ്റ് ലേഔട്ടിനെ ഒരു സ്ലൈസിംഗ് ട്രീയിലെ ഓരോ സൗകര്യത്തിന്റെയും ആപേക്ഷിക സ്ഥാനം കാണിക്കുന്ന 2 ഡൈമൻഷണൽ ക്രോമസോമുകളുടെ ഒരു പ്രത്യേക ഘടനയിലേക്ക് കോഡ് ചെയ്യുന്നു. GA പ്രവർത്തനങ്ങളിൽ ക്രോമസോം കൈകാര്യം ചെയ്യുന്നതിന് പ്രത്യേക സ്കീമുകൾ ലഭ്യമാണ് (Tam and Li, 1991). ഷായനിലും ഒരു പുതിയ "ക്ലോണിംഗ്" പ്രവർത്തനവും അവതരിപ്പിച്ചു.അൽ-ഹക്കീം(1999). GA വഴി തിരഞ്ഞെടുത്ത പരിഹാരം പിന്നീട് ഒരു സ്ലൈസിംഗ് ലേഔട്ടിലേക്ക് പരിവർത്തനം ചെയ്യപ്പെടുന്നു. എല്ലാ സൗകര്യങ്ങളും ഉൾക്കൊള്ളുന്ന ഒരു പ്രാരംഭ ബ്ലോക്കിൽ നിന്നാണ് ഇത് ആരംഭിക്കുന്നത്. ലേഔട്ട് നിർമ്മാണ അൽഗോരിതം പുരോഗമിക്കുമ്പോൾ, പുതിയ പാർട്ടീഷനുകൾ നിർമ്മിക്കുകയും പുതുതായി സൃഷ്ടിച്ച ബ്ലോക്കുകൾക്കിടയിൽ സൗകര്യങ്ങൾ നൽകുകയും ചെയ്യുന്നു, ഓരോ ബ്ലോക്കിലും ഒരു സൗകര്യം മാത്രമേ ഉണ്ടാകൂ. അതേസമയം, ഓരോ സൗകര്യത്തിന്റെയും കോർഡിനേറ്റുകളും കണക്കാക്കുന്നു. അതത് ക്രോമസോമിന്റെ ഫിറ്റ്നസ് വിലയിരുത്തുന്നതിന് സൗകര്യങ്ങളുടെ സെൻട്രോയിഡുകൾക്കിടയിലുള്ള നേർരേഖ ദൂരം ഉപയോഗിക്കുന്നു. GA അവസാനിക്കുമ്പോൾ, കോർഡിനേറ്റുകളുടെ സംഭരിച്ച മൂല്യങ്ങൾ ഉപയോഗിച്ച് ലേഔട്ട് പ്രിന്റ് ചെയ്യുന്നതിന് ഒരു ഡ്രോയിംഗ് നടപടിക്രമം ഏറ്റെടുക്കുന്നു. ഇടുങ്ങിയ സ്ലൈസുകൾ ഒഴിവാക്കാൻ ഒബ്ജക്റ്റീവ് ഫംഗ്ഷന് ഒരു പെനാൽറ്റി ടേം ഉണ്ട്.

3. കേസ് പഠനത്തിലൂടെയുള്ള പരീക്ഷണം

മുമ്പ് വിവരിച്ച രീതികളുടെ പ്രകടനം പരിശോധിക്കുന്നതിനായി, അവയെല്ലാം ഫർണിച്ചർ നിർമ്മാണത്തിലെ ഒരു യഥാർത്ഥ സാഹചര്യത്തിൽ പ്രയോഗിച്ചു. കമ്പനി 9 വ്യത്യസ്ത ശൈലിയിലുള്ള കസേരകൾ, 2- സീറ്ററുകൾ,3-സീറ്ററുകൾയഥാക്രമം. എല്ലാ ശൈലികളുടെയും ഉൽ‌പാദനം ഒരേ പ്രവർത്തനങ്ങളുടെ ഒരു കൂട്ടം പിന്തുടരുന്നു, പക്ഷേ വ്യത്യസ്ത അസംസ്കൃത വസ്തുക്കൾ ഉൾപ്പെടുന്നു. സീറ്റ് കുഷ്യനുകൾ, ബാക്ക് കുഷ്യനുകൾ, ആംസ് സീറ്റുകൾ, ബാക്കുകൾ എന്നിങ്ങനെ 5 ഭാഗങ്ങൾ ആന്തരികമായി വ്യത്യസ്ത വലുപ്പത്തിലുള്ള ബാച്ചുകളായി, ചിതറിക്കിടക്കുന്ന പ്രദേശങ്ങളിൽ (ഡിപ്പാർട്ട്‌മെന്റുകൾ) നിർമ്മിക്കുന്നു. ഭാഗങ്ങളുടെ ചലനം പുരോഗതിയിലുള്ള ജോലി, നഷ്ടപ്പെട്ട ഭാഗങ്ങൾ, ക്ഷാമം, തിരക്ക്, തെറ്റായ സ്ഥാനം തുടങ്ങിയ പ്രശ്നങ്ങൾ സൃഷ്ടിക്കുന്നു.

ഓരോ ഉൽപ്പന്നവും 11 പ്രവർത്തനങ്ങളിലൂടെ കടന്നുപോകുന്നു, അവ ഫെസിലിറ്റി 1 - കട്ടിംഗ് ഏരിയയിൽ ആരംഭിച്ച് ഫെസിലിറ്റി 11 - ബോൾട്ട് അപ്പ് ഏരിയയിൽ അവസാനിക്കുന്നു. ഓരോ അന്തിമ അസംബ്ലിയെയും അതേ പേരിലുള്ള സബ്അസംബ്ലികളായി വിഭജിക്കാം. ഈ സബ്അസംബ്ലികൾ ബോൾട്ടിൽ ഒത്തുചേരുന്നു.-അപ്പ്അന്തിമ അസംബ്ലിക്കുള്ള സൗകര്യം. ഓരോ ഉപഅസംബ്ലികളും അവയുടെ പ്രവർത്തനങ്ങൾ സ്വതന്ത്രമായി ആരംഭിക്കുകയും എല്ലാം ഒരു നിശ്ചിത പ്രവർത്തനങ്ങളിലൂടെ കടന്നുപോകുകയും ചെയ്യുന്നു, അത് ചിത്രം 1-ൽ ഒരു അസംബ്ലി ചാർട്ടിന്റെ രൂപത്തിൽ കാണിച്ചിരിക്കുന്നു. നിലവിലെ ലേഔട്ടിന്റെ സൗകര്യങ്ങൾ പ്രവർത്തനങ്ങളുടെ ക്രമം അനുസരിച്ചല്ല സ്ഥാപിച്ചിരിക്കുന്നത്.

ഇതുമൂലം വസ്തുക്കളുടെ തുടർച്ചയായ ഒഴുക്ക് ഉണ്ടാകില്ല, ഇത് ജോലി പുരോഗമിക്കുന്നതിലേക്ക് നയിക്കുന്നു. സൗകര്യങ്ങൾ തമ്മിലുള്ള ഇടപെടൽ ആത്മനിഷ്ഠവും വസ്തുനിഷ്ഠവുമായ അളവുകൾ ഉപയോഗിച്ച് നിർണ്ണയിക്കാൻ കഴിയും. ഫ്ലോ ചാർട്ടുകൾക്ക് ആവശ്യമായ പ്രധാന ഇൻപുട്ട് ഡിമാൻഡ്, ഉൽപ്പാദിപ്പിക്കുന്ന വസ്തുക്കളുടെ അളവ്, ഓരോ മെഷീനും ഇടയിൽ ഒഴുകുന്ന വസ്തുക്കളുടെ അളവ് എന്നിവയാണ്. 10 മാസത്തിനുള്ളിൽ സഞ്ചരിക്കുന്ന വസ്തുക്കളുടെ ഒഴുക്കിന്റെ അളവിനെ അടിസ്ഥാനമാക്കിയാണ് വസ്തുക്കളുടെ ഒഴുക്ക് കണക്കാക്കുന്നത് * ചിത്രം 2 ൽ കാണിച്ചിരിക്കുന്ന അളവിന്റെ യൂണിറ്റ്. കേസ് സ്റ്റഡിയിൽ ഉപയോഗിക്കുന്ന ഓരോ വകുപ്പിന്റെയും വിസ്തീർണ്ണം ചിത്രം 3 കാണിക്കുന്നു. കേസ് സ്റ്റഡിയുടെ നിലവിലെ ലേഔട്ട് ചിത്രം 4 കാണിക്കുന്നു.

കേസ് പഠനത്തിനായുള്ള ചിത്രം 1 അസംബ്ലി ചാർട്ട്

ചിത്രം 2 കേസ് പഠനത്തിനായുള്ള മെറ്റീരിയലിന്റെ ഒഴുക്ക്.

ചിത്രം 3 വകുപ്പുമായി ബന്ധപ്പെട്ട നമ്പർ

ചിത്രം 4 ഫർണിച്ചർ കമ്പനിയുടെ നിലവിലെ ലേഔട്ടും കേസ് സ്റ്റഡിയുടെ മോഡലിംഗിൽ ഉപയോഗിക്കുന്ന ഓരോ വകുപ്പിന്റെയും അളവുകളും.

4. മോഡലിംഗ് സമീപനങ്ങളുടെ പ്രയോഗം

താരതമ്യത്തിനായി ബദൽ ലേഔട്ടുകൾ സൃഷ്ടിക്കുന്നതിനായി, വിഭാഗം 2-ൽ ചർച്ച ചെയ്തിരിക്കുന്ന വിവിധ മോഡലിംഗ് സമീപനങ്ങൾ കേസ് പഠനത്തിൽ പ്രയോഗിക്കുന്നു.

4.1 ഗ്രാഫ് സിദ്ധാന്തം ഉപയോഗിക്കുന്നു

ഗ്രാഫ് സിദ്ധാന്തത്തിന്റെ രണ്ട് വ്യത്യസ്ത സമീപനങ്ങളായ ഫൗൾഡ്സ് ആൻഡ് റോബിൻസൺസ് രീതി, വീൽസ് ആൻഡ് റിംസ് രീതി എന്നിവ ഉപയോഗിച്ചുള്ള ഫലങ്ങളുടെ താരതമ്യം പട്ടിക 1 കാണിക്കുന്നു. ഫൗൾഡ്സ് ആൻഡ് റോബിൻസൺസ് രീതിയാണ് രണ്ട് ഫലങ്ങളിലും മികച്ചതെന്ന് പട്ടിക 2 വ്യക്തമായി കാണിക്കുന്നു. ഫൗൾഡ്സ് ആൻഡ് റോബിൻസൺസ് രീതിയുടെ ഫലങ്ങൾ ചിത്രങ്ങളിൽ വിശദമായി വിശദീകരിച്ചിരിക്കുന്നു.5-7.

പട്ടിക 1: ഉപയോഗിച്ചിരിക്കുന്ന ഗ്രാഫ് സിദ്ധാന്തത്തിന്റെ രണ്ട് വ്യത്യസ്ത രീതികളുടെ താരതമ്യം കാണിക്കുന്ന ഒരു പട്ടിക.

ചിത്രം 5 ഫോൾഡ്‌സ് ആൻഡ് റോബിൻസൺ രീതി ഉപയോഗിച്ചുള്ള കേസ് പഠന ഫലങ്ങളുടെ അഡ്ജസെൻസി ഗ്രാഫ്.

ചിത്രം 6 ഗ്രാഫ് സിദ്ധാന്തം ഉപയോഗിച്ചതിന് ശേഷം മെച്ചപ്പെട്ട ലേഔട്ട് (ഫോൾഡ്സ് ആൻഡ് റോബിൻസൺസ് രീതി)

1-കട്ടിംഗ്,2- തയ്യൽ, 3- ഫിൽ കാലിക്കോ, 4- ക്ലോസ് അപ്പ്, 5 - ഫിൽ കുഷ്യൻ ഇൻസേർട്ട്, 6- ഫോം കട്ടിംഗ്, ഫോം കട്ടിംഗ്, 7- ഫ്രെയിം അസംബ്ലി, 8- സ്റ്റിക്കിംഗ്,9-വസന്തകാലംമുകളിലേക്ക്,10-അപ്ഹോൾസ്റ്ററി,11- ബോൾട്ട് അപ്പ്.

ചിത്രം 7 ഫ്ലോ * ഗ്രാഫ് സിദ്ധാന്തം (ഫോൾഡ്സ് ആൻഡ് റോബിൻസൺസ് രീതി) ഉപയോഗിച്ചുള്ള കേസ് പഠനത്തിനായുള്ള ദൂര വിലയിരുത്തൽ ചാർട്ട്.

4.2 CRAFT ഉപയോഗം

CRAFT-നുള്ള ഇൻപുട്ട് ഡാറ്റ നൽകുകയും നിലവിലെ ലേഔട്ടിന്റെ പ്രാരംഭ ചെലവ് ആദ്യം കണക്കാക്കുകയും ചെയ്യുന്നു. ചിത്രം 1-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ ജോഡി തിരിച്ചുള്ള താരതമ്യം ഉപയോഗിച്ച് ഈ ചെലവ് കുറയ്ക്കാൻ കഴിയും.

ചിത്രം 8 CRAFT ഉപയോഗിച്ചുള്ള നിലവിലെ ലേഔട്ടിന്റെ പ്രാരംഭ ചെലവ്

ചിത്രം 9 CRAFT വഴി ഘട്ടം ഘട്ടമായുള്ള കൈമാറ്റം

CRAFT നേടിയ ഫലങ്ങൾ പട്ടിക 2 ൽ കാണിച്ചിരിക്കുന്നു. മുകളിലുള്ള കണക്കുകൂട്ടലുകളെ അടിസ്ഥാനമാക്കി പുതിയതും മെച്ചപ്പെടുത്തിയതുമായ ഒരു ലേഔട്ട് വരയ്ക്കാൻ കഴിയും, അത് ചിത്രം 10 ൽ കാണിച്ചിരിക്കുന്നു.

പട്ടിക 2: ഫലങ്ങൾ കാണിക്കുന്ന ഒരു പട്ടിക

ചിത്രം 10 CRAFT സൃഷ്ടിച്ച മെച്ചപ്പെട്ട ലേഔട്ട്

4.3 ഒപ്റ്റിമം സീക്വൻസ് അൽഗോരിതം

ഇൻപുട്ട് ഡാറ്റ CRAFT-ലേതിന് സമാനമാണ്, പക്ഷേ അത് വ്യത്യസ്തമായ ഒരു ജോഡി തിരിച്ചുള്ള താരതമ്യ സെറ്റ് പിന്തുടരുന്നു. മെച്ചപ്പെടുത്തിയ ലേഔട്ടിൽ നിന്ന് ലഭിച്ച ഫലങ്ങൾ പട്ടിക 3 കാണിക്കുന്നു. ഒപ്റ്റിമം സീക്വൻസ് ഉപയോഗിച്ച് മെച്ചപ്പെടുത്തിയ ലേഔട്ട് ചിത്രം 11 കാണിക്കുന്നു.

പട്ടിക 3 CRAFT ഉപയോഗിച്ചുള്ള ഫലങ്ങൾ കാണിക്കുന്ന ഒരു പട്ടിക.