Layout design for cellular manufacturing with genetic algorithm

Layout design is a crucial issue in implementing cellular manufacturing, and its optimization is a typical NP problem which is not suitable for being solved with conventional methods. The genetic algorithm provides a heuristic approach that reduces time consumption for determining an exact or approximate solution for NP problems. This thesis uses the genetic algorithm to solve the layout design problem for cellular manufacturing. By introducing a new catastrophe function, the premature convergence of the genetic algorithm is effectively suppressed, and the population can evolve consistently. The algorithm is verified with a simple linear layout case, by which the effectiveness and efficiency of both the catastrophe function and the entire algorithm are examined and proven. Subsequentially, a case study is given, and the detailed analysis of the results demonstrates some mechanisms of the algorithm. Furthermore, several different sets of the algorithm’s parameters have been examined to confirm the optimal set with which the algorithm is capable of providing adequately good results with minimum time consumption.

La progettazione del layout è un problema cruciale nell'implementazione della produzione cellulare, e la sua ottimizzazione è un tipico problema NP che non è adatto ad essere risolto con metodi convenzionali. L'algoritmo genetico fornisce un approccio euristico che riduce il consumo di tempo per determinare una soluzione esatta o approssimativa per i problemi NP. Questa ricerca utilizza l'algoritmo genetico per risolvere il problema della progettazione del layout per la produzione cellulare. Introducendo una nuova funzione catastrofe, la convergenza prematura dell'algoritmo genetico è efficacemente soppressa, e la popolazione è in grado di evolvere in modo coerente. L'algoritmo è poi stato verificato attraverso un srmplice caso lineare, attraverso il quale l'efficacia e l’efficienza della funzione di catastrofe e l'intero algoritmo sono esaminati e provati. Successivamente, un caso studio è stato implmentato, e dalla analisi dei risultati vengono dimostrti alcuni meccanismi di questo algorittmo. In fine, divrersi set di parametri di questo algoritmo sono stati esaminati per confermare quale di questi è in grado di produrre il miglior risultato nel minor tempo.