<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>علم تصمیم گیری و سیستم های هوشمند</JournalTitle>
      <Issn>3060-7574</Issn>
      <Volume>2</Volume>
      <Issue></Issue>
      <PubDate PubStatus="epublish">
        <Year>1404</Year>
        <Month>09</Month>
        <Day>10</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Development of a Mathematical Model for Flexible Job Shop Scheduling Considering Dual Human Resource and Machine Constraints, Learning Effects, and Production Interruptions</ArticleTitle>
    <VernacularTitle>توسعه مدل ریاضی زمان بندی کارگاهی منعطف با در نظر گرفتن محدودیت‌های دوگانه منابع انسانی و ماشین آلات، تاثیر یادگیری و وقفه‌های تولید</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>25</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>احمد</FirstName>
        <LastName>صفری</LastName>
        <Affiliation>گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>محمدرضا </FirstName>
        <LastName>فیلی زاده</LastName>
        <Affiliation>گروه مهندسی صنایع واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>اسماعیل </FirstName>
        <LastName>مهدی زاده</LastName>
        <Affiliation>گروه مهندسی صنایع، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی ، قزوین، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>مجید </FirstName>
        <LastName>وزيري سرشک</LastName>
        <Affiliation>گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>رویا </FirstName>
        <LastName>محمد علی اهری</LastName>
        <Affiliation>گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404</Year>
        <Month>07</Month>
        <Day>08</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to develop a comprehensive mathematical model for the Flexible Job Shop Scheduling Problem (FJSP) by simultaneously considering dual resource constraints, learning effects, and production interruptions. In the proposed model, each operation requires not only assignment to an eligible machine but also allocation to a qualified human operator. Furthermore, operation processing times are modeled as a function of the operator’s learning level to capture workforce experience and productivity improvements over time. To enhance the practical applicability of the model, production interruptions are explicitly incorporated as disruptive events affecting the scheduling process. A mixed-integer mathematical programming model is first formulated to represent the problem. Given the NP-hard nature of the FJSP, a metaheuristic solution approach is subsequently employed to efficiently obtain high-quality solutions for problem instances of varying sizes. To evaluate the effectiveness of the proposed model and solution methodology, a comprehensive set of small-, medium-, and large-scale benchmark instances is generated and solved. The computational results demonstrate that the proposed approach consistently produces feasible and high-quality solutions across all problem scales and significantly improves the objective function value compared with the baseline approach. In addition, sensitivity analysis reveals that increasing the frequency and severity of production interruptions negatively affects system performance, whereas workforce learning can partially mitigate these adverse effects by reducing processing times and improving operational efficiency. These findings highlight the critical role of operator skill development and experience in enhancing not only production efficiency but also the resilience of manufacturing systems against operational disruptions. Overall, by integrating dual resource constraints, operator learning effects, and production interruptions into a unified optimization framework, this research provides a more realistic and practical formulation of the Flexible Job Shop Scheduling Problem. The proposed model offers valuable decision support for scheduling and resource allocation in complex and dynamic manufacturing environments.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;پژوهش حاضر با هدف ارائه یک مدل جامع برای زمان‌بندی کارگاهی منعطف با در نظر گرفتن محدودیت‌های دوگانه منابع، اثر یادگیری و وقفه‌های تولید انجام شده است. در مدل پیشنهادی، هر عملیات علاوه بر تخصیص به ماشین مناسب، نیازمند تخصیص اپراتور واجد شرایط نیز بوده و زمان پردازش عملیات تابعی از سطح یادگیری نیروی کار در نظر گرفته شده است. همچنین، به منظور نزدیک‌سازی مدل به شرایط واقعی تولید، وقفه‌های تولید به عنوان یکی از عوامل اختلال‌زا در فرآیند زمان‌بندی لحاظ شده‌اند. برای حل مسئله، ابتدا یک مدل ریاضی مناسب توسعه داده شد و سپس با توجه به ماهیت NP-hard مسئله، یک روش حل فراابتکاری برای دستیابی به جواب‌های با کیفیت در ابعاد مختلف مسئله به کار گرفته شد. به منظور ارزیابی کارایی مدل و روش پیشنهادی، مجموعه‌ای از مسائل نمونه در ابعاد کوچک، متوسط و بزرگ طراحی و حل شد. نتایج محاسباتی نشان داد که مدل پیشنهادی توانایی تولید جواب‌های شدنی و با کیفیت مناسب را در تمامی سطوح مسئله دارد و در مقایسه با روش مبنا، بهبود معناداری در مقدار تابع هدف ایجاد می‌کند. همچنین، تحلیل حساسیت بیانگر آن بود که افزایش شدت وقفه‌های تولید موجب افت عملکرد سیستم می‌شود، در حالی که اثر یادگیری نیروی کار می‌تواند بخشی از آثار منفی این وقفه‌ها را جبران کند. این یافته نشان می‌دهد که تقویت مهارت و تجربه اپراتورها، علاوه بر افزایش بهره‌وری، نقش مهمی در ارتقای تاب‌آوری سیستم تولید در برابر اختلالات ایفا می‌کند. در مجموع، پژوهش حاضر با تلفیق هم‌زمان محدودیت‌های دوگانه منابع، یادگیری اپراتورها و وقفه‌های تولید، چارچوبی واقع‌بینانه‌تر برای مدل‌سازی و حل مسئله زمان‌بندی کارگاهی منعطف ارائه می‌دهد و می‌تواند مبنای مناسبی برای تصمیم‌گیری در محیط‌های تولیدی پیچیده و پویا باشد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Flexible Job Shop Scheduling</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Dual Resource Constraints</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Learning Effect</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Production Interruptions</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Metaheuristic Algorithm</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Manufacturing Resilience</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">زمان‌بندی کارگاهی منعطف</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">محدودیت‌های دوگانه منابع</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">اثر یادگیری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">وقفه‌های تولید</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">الگوریتم فراابتکاری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تاب‌آوری تولید</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://dsisj.com/index.php/dsisj/article/download/105/47</ArchiveCopySource>
  </Article>
</ArticleSet>
