ਵੱਖਰਾ
ਇਹ ਪੇਪਰ ਇੱਕ ਫਰਨੀਚਰ ਨਿਰਮਾਣ ਕੰਪਨੀ ਵਿੱਚ ਇੱਕ ਅਸਲ ਸਹੂਲਤ ਲੇਆਉਟ ਸਮੱਸਿਆ ਲਈ ਵੱਖ-ਵੱਖ ਖੋਜੀ ਪਹੁੰਚਾਂ ਦੀ ਵਰਤੋਂ ਦਾ ਪ੍ਰਯੋਗ ਕਰਦਾ ਹੈ। ਸਾਰੇ ਮਾਡਲਾਂ ਦੀ AHP ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤੁਲਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿੱਥੇ ਦਿਲਚਸਪੀ ਦੇ ਕਈ ਮਾਪਦੰਡ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਪ੍ਰਯੋਗ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਰਸਮੀ ਲੇਆਉਟ ਮਾਡਲਿੰਗ ਪਹੁੰਚਾਂ ਨੂੰ ਉਦਯੋਗ ਵਿੱਚ ਦਰਪੇਸ਼ ਅਸਲ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।
1. ਜਾਣ-ਪਛਾਣ
ਫਰਨੀਚਰ ਉਦਯੋਗ ਬਹੁਤ ਸਾਰੇ ਹੋਰਾਂ ਵਾਂਗ ਇੱਕ ਬਹੁਤ ਹੀ ਮੁਕਾਬਲੇ ਵਾਲੇ ਯੁੱਗ ਵਿੱਚੋਂ ਗੁਜ਼ਰ ਰਿਹਾ ਹੈ, ਇਸ ਲਈ ਨਿਰਮਾਣ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਣ, ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਆਦਿ ਦੇ ਤਰੀਕੇ ਲੱਭਣ ਲਈ ਸਖ਼ਤ ਮਿਹਨਤ ਕਰ ਰਿਹਾ ਹੈ। ਇੱਥੇ (ਕੰਪਨੀ = ਟੀਸੀ) ਨਾਮਕ ਇੱਕ ਨਿਰਮਾਣ ਕੰਪਨੀ ਵਿੱਚ ਉਤਪਾਦਕਤਾ ਸੁਧਾਰ ਪ੍ਰੋਗਰਾਮ ਦੇ ਹਿੱਸੇ ਵਜੋਂ, ਅਸੀਂ ਇਸ ਕੰਪਨੀ ਦੇ ਸ਼ਾਪ ਫਲੋਰ 'ਤੇ ਉਤਪਾਦਨ ਲਾਈਨ ਦੇ ਲੇਆਉਟ ਡਿਜ਼ਾਈਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਚਲਾਇਆ ਜਿਸਦਾ ਉਦੇਸ਼ ਅਕੁਸ਼ਲ ਲੇਆਉਟ ਦੇ ਕਾਰਨ ਮੌਜੂਦਾ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਹੈ। ਰਸਮੀ ਤਰੀਕਿਆਂ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਲਗਭਗ ਅਨੁਕੂਲ ਲੇਆਉਟ ਤਿਆਰ ਕਰਨ ਲਈ ਕਈ ਲੇਆਉਟ ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਗਿਆ ਸੀ ਜੋ ਅਭਿਆਸ ਵਿੱਚ ਘੱਟ ਹੀ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਗ੍ਰਾਫ ਥਿਊਰੀ, ਬਲਾਕ ਪਲਾਨ, ਕ੍ਰਾਫਟ, ਅਨੁਕੂਲ ਕ੍ਰਮ ਅਤੇ ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ ਹਨ। ਫਿਰ ਇਹਨਾਂ ਲੇਆਉਟ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਅਤੇ ਕੁੱਲ ਖੇਤਰ, ਪ੍ਰਵਾਹ * ਡਿਸਟ ਅਤੇ ਐਡਜੈਂਸੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਨਾਮਕ 3 ਮਾਪਦੰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤੁਲਨਾ ਕੀਤੀ ਗਈ। ਕੁੱਲ ਖੇਤਰ ਵਿਕਸਤ ਕੀਤੇ ਹਰੇਕ ਮਾਡਲ ਲਈ ਉਤਪਾਦਨ ਲਾਈਨ ਦੁਆਰਾ ਕਬਜ਼ੇ ਵਾਲੇ ਖੇਤਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਫਲੋ * ਡਿਸਟ ਪ੍ਰਵਾਹ ਦੇ ਉਤਪਾਦਾਂ ਦੇ ਜੋੜ ਅਤੇ ਹਰੇਕ 2 ਸਹੂਲਤਾਂ ਵਿਚਕਾਰ ਦੂਰੀ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਐਡਜੈਂਸੀ ਪ੍ਰਤੀਸ਼ਤ ਉਹਨਾਂ ਸਹੂਲਤਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ ਜੋ ਨਾਲ ਲੱਗਦੇ ਹੋਣ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ।
ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਧੀਆ ਖਾਕਾ ਦੀ ਚੋਣ ਵੀ ਰਸਮੀ ਤੌਰ 'ਤੇ ਕੀਤੀ ਗਈ
ਇੱਕ ਪਲਾਂਟ ਲੇਆਉਟ ਸਮੱਸਿਆ ਦੀ ਪਰਿਭਾਸ਼ਾ ਇੱਕ ਕੁਸ਼ਲ ਸੰਚਾਲਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਭੌਤਿਕ ਸੁਵਿਧਾਵਾਂ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਬੰਧ ਲੱਭਣ ਲਈ ਹੈ (ਹਸਨ ਅਤੇ ਹੌਗ, 1991)। ਲੇਆਉਟ ਸਮੱਗਰੀ ਨੂੰ ਸੰਭਾਲਣ ਦੀ ਲਾਗਤ, ਲੀਡ ਟਾਈਮ ਅਤੇ ਥ੍ਰੁਪੁੱਟ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ ਇਹ ਪੌਦੇ ਦੀ ਸਮੁੱਚੀ ਉਤਪਾਦਕਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਟੌਮਕਿਨਸ ਐਂਡ ਵ੍ਹਾਈਟ (1984) ਦੇ ਅਨੁਸਾਰ ਸੁਵਿਧਾਵਾਂ ਦਾ ਡਿਜ਼ਾਈਨ ਪੂਰੇ ਇਤਿਹਾਸ ਵਿੱਚ ਦਰਜ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਅਸਲ ਵਿੱਚ ਕਸਬੇ ਦੀਆਂ ਸਹੂਲਤਾਂ ਜੋ ਡਿਜ਼ਾਈਨ ਕੀਤੀਆਂ ਅਤੇ ਬਣਾਈਆਂ ਗਈਆਂ ਸਨ, ਦਾ ਵਰਣਨ ਪ੍ਰਾਚੀਨ ਵਿੱਚ ਕੀਤਾ ਗਿਆ ਹੈ।
* ਅਨੁਸਾਰੀ ਲੇਖਕ
ਯੂਨਾਨ ਅਤੇ ਰੋਮਨ ਸਾਮਰਾਜ ਦਾ ਇਤਿਹਾਸ। ਇਸ ਸਮੱਸਿਆ ਦਾ ਅਧਿਐਨ ਕਰਨ ਵਾਲੇ ਪਹਿਲੇ ਲੋਕਾਂ ਵਿੱਚ ਆਰਮਰ ਅਤੇ ਬਫਾ ਐਟ ਅਲ (1) ਸ਼ਾਮਲ ਹਨ। 1964 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਪ੍ਰਕਾਸ਼ਿਤ ਹੋਇਆ ਜਾਪਦਾ ਹੈ। ਫਰਾਂਸਿਸ ਅਤੇ ਵ੍ਹਾਈਟ (1950) ਪਹਿਲੇ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਇਸ ਖੇਤਰ 'ਤੇ ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਇਕੱਠੀ ਕੀਤੀ ਅਤੇ ਅਪਡੇਟ ਕੀਤੀ। ਬਾਅਦ ਵਿੱਚ ਖੋਜ ਨੂੰ 1974 ਅਧਿਐਨਾਂ ਦੁਆਰਾ ਅਪਡੇਟ ਕੀਤਾ ਗਿਆ ਹੈ ਪਹਿਲਾ ਡੋਮਸਕੇ ਅਤੇ ਡ੍ਰੈਕਸਲ (1) ਦੁਆਰਾ ਅਤੇ ਦੂਜਾ ਫਰਾਂਸਿਸ ਐਟ ਅਲ (2) ਦੁਆਰਾ। ਹਸਨ ਅਤੇ ਹੌਗ (1) ਨੇ ਮਸ਼ੀਨ ਲੇਆਉਟ ਸਮੱਸਿਆ ਵਿੱਚ ਲੋੜੀਂਦੇ ਡੇਟਾ ਦੀ ਕਿਸਮ 'ਤੇ ਇੱਕ ਵਿਆਪਕ ਅਧਿਐਨ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। ਮਸ਼ੀਨ ਲੇਆਉਟ ਡੇਟਾ ਨੂੰ ਇੱਕ ਲੜੀ ਵਿੱਚ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ; ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਲੇਆਉਟ ਕਿੰਨਾ ਵਿਸਤ੍ਰਿਤ ਹੈ। ਜਦੋਂ ਲੋੜੀਂਦਾ ਲੇਆਉਟ ਸਿਰਫ ਮਸ਼ੀਨਾਂ ਦੇ ਸਾਪੇਖਿਕ ਪ੍ਰਬੰਧ ਨੂੰ ਲੱਭਣ ਲਈ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਮਸ਼ੀਨ ਨੰਬਰ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਪ੍ਰਵਾਹ ਸਬੰਧਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਡੇਟਾ ਕਾਫ਼ੀ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜੇਕਰ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਲੇਆਉਟ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਹੋਰ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਡੇਟਾ ਲੱਭਣ ਵਿੱਚ ਕੁਝ ਮੁਸ਼ਕਲਾਂ ਪੈਦਾ ਹੋ ਸਕਦੀਆਂ ਹਨ ਖਾਸ ਕਰਕੇ ਨਵੀਆਂ ਨਿਰਮਾਣ ਸਹੂਲਤਾਂ ਵਿੱਚ ਜਿੱਥੇ ਡੇਟਾ ਅਜੇ ਉਪਲਬਧ ਨਹੀਂ ਹੈ। ਜਦੋਂ ਆਧੁਨਿਕ ਅਤੇ ਸਵੈਚਾਲਿਤ ਸਹੂਲਤਾਂ ਲਈ ਲੇਆਉਟ ਵਿਕਸਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਲੋੜੀਂਦਾ ਡੇਟਾ ਇਤਿਹਾਸਕ ਡੇਟਾ ਜਾਂ ਸਮਾਨ ਸਹੂਲਤਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਕਿਉਂਕਿ ਉਹ ਮੌਜੂਦ ਨਹੀਂ ਹੋ ਸਕਦੀਆਂ। ਗਣਿਤਿਕ ਮਾਡਲਿੰਗ ਨੂੰ ਸਹੂਲਤ ਲੇਆਉਟ ਸਮੱਸਿਆ ਲਈ ਇੱਕ ਅਨੁਕੂਲ ਹੱਲ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਜੋਂ ਸੁਝਾਇਆ ਗਿਆ ਹੈ। ਕੂਪਮੈਨਸ ਅਤੇ ਬੈਕਮੈਨ (1985) ਦੁਆਰਾ ਇੱਕ ਚਤੁਰਭੁਜ ਅਸਾਈਨਮੈਂਟ ਸਮੱਸਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤੇ ਗਏ ਪਹਿਲੇ ਗਣਿਤਿਕ ਮਾਡਲ ਤੋਂ ਬਾਅਦ, ਇਸ ਖੇਤਰ ਵਿੱਚ ਦਿਲਚਸਪੀ ਨੇ ਕਾਫ਼ੀ ਵਾਧਾ ਕੀਤਾ ਹੈ। ਇਸਨੇ ਖੋਜਕਰਤਾ ਲਈ ਇੱਕ ਨਵਾਂ ਅਤੇ ਦਿਲਚਸਪ ਖੇਤਰ ਖੋਲ੍ਹਿਆ। ਸਹੂਲਤ ਲੇਆਉਟ ਸਮੱਸਿਆ ਦੇ ਹੱਲ ਦੀ ਖੋਜ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਗਣਿਤਿਕ ਮਾਡਲ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਸ਼ੁਰੂ ਕੀਤਾ। ਹੌਸ਼ੀਅਰ ਅਤੇ ਵ੍ਹਾਈਟ (1992) ਨੇ ਲੇਆਉਟ ਸਮੱਸਿਆ ਨੂੰ ਇੱਕ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇਖਿਆ।
ਹਰੇ ਅਤੇ
2. ਮਾਡਲਿੰਗ ਪਹੁੰਚ
ਮਾਡਲਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਪ੍ਰਕਿਰਤੀ, ਧਾਰਨਾਵਾਂ ਅਤੇ ਉਦੇਸ਼ਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮੁਥੋਰ (1) ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਪਹਿਲਾ ਆਮ ਸਿਸਟਮੈਟਿਕ ਲੇਆਉਟ ਪਲੈਨਿੰਗ ਪਹੁੰਚ, ਅਜੇ ਵੀ ਇੱਕ ਉਪਯੋਗੀ ਯੋਜਨਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਜੇਕਰ ਹੋਰ ਪਹੁੰਚਾਂ ਦੁਆਰਾ ਸਮਰਥਤ ਅਤੇ ਕੰਪਿਊਟਰ ਦੁਆਰਾ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਹੋਵੇ। ਨਿਰਮਾਣ ਪਹੁੰਚ, ਉਦਾਹਰਣ ਵਜੋਂ ਹਸਨ ਅਤੇ ਹੌਗ (1955), ਸ਼ੁਰੂ ਤੋਂ ਇੱਕ ਲੇਆਉਟ ਬਣਾਉਂਦੇ ਹਨ ਜਦੋਂ ਕਿ ਸੁਧਾਰ ਵਿਧੀਆਂ, ਬੋਜ਼ਰ, ਮੇਲਰ ਅਤੇ ਏਰਲੇਬਾਕਰ (1991) ਉਦਾਹਰਣ ਵਜੋਂ, ਬਿਹਤਰ ਨਤੀਜਿਆਂ ਲਈ ਇੱਕ ਮੌਜੂਦਾ ਲੇਆਉਟ ਨੂੰ ਸੋਧਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ। ਲੇਆਉਟ ਲਈ ਤਰੀਕਿਆਂ ਅਤੇ ਹਿਉਰਿਸਟਿਕਸ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਹੇਰਾਗੂ (1994) ਦੁਆਰਾ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ੀ ਤੌਰ 'ਤੇ ਦਰਜ ਕੀਤਾ ਗਿਆ ਹੈ।
ਇਸ ਕੰਮ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਵੱਖ-ਵੱਖ ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਹਨ ਗ੍ਰਾਫ ਥਿਊਰੀ, ਕ੍ਰਾਫਟ, ਓਪਟੀਮਮ ਸੀਕਵੈਂਸ, ਬਲੌਕਪਲੈਨ ਅਤੇ ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ। ਹੇਠਾਂ ਉਹਨਾਂ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ ਹੈ ਜੋ ਹਰੇਕ ਐਲਗੋਰਿਦਮ ਨੂੰ ਉਸੇ ਮਾਡਲ ਲਈ ਲੋੜੀਂਦੇ ਹਨ।
ਗ੍ਰਾਫ ਥਿਊਰੀ
ਗ੍ਰਾਫ ਥਿਊਰੀ (ਫੋਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ, 1976; ਗਿਫਿਨ ਐਟ ਅਲ., 1984; ਕਿਮ ਅਤੇ ਕਿਮ, 1985; ਅਤੇ ਲੇਉਂਗ, 1992) ਇੱਕ ਲਾਗੂ ਕਰਦਾ ਹੈ
ਇਹ ਪੇਪਰ ਕੇਸ ਸਟੱਡੀ ਨੂੰ ਮਾਡਲ ਕਰਨ ਲਈ 2 ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਪਹਿਲਾ ਤਰੀਕਾ ਹੈ
ਕ੍ਰਾਫਟ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਕ੍ਰਾਫਟ (ਕੰਪਿਊਟਰਾਈਜ਼ਡ ਰਿਲੇਟਿਵ ਐਲੋਕੇਸ਼ਨ ਆਫ ਫੈਸਿਲਿਟੀਜ਼ ਤਕਨੀਕ) ਇੱਕ ਲੇਆਉਟ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਇੱਕ ਜੋੜੇ ਅਨੁਸਾਰ ਐਕਸਚੇਂਜ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ (ਬੱਫਾ ਐਟ ਅਲ., 1964; ਹਿਕਸ ਐਂਡ ਲੋਵਨ, 1976)। ਕ੍ਰਾਫਟ ਇੱਕ ਸੁਧਰੇ ਹੋਏ ਖਾਕਾ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਸਾਰੇ ਸੰਭਾਵਿਤ ਜੋੜੇ ਅਨੁਸਾਰ ਐਕਸਚੇਂਜ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਇਨਪੁਟ ਡੇਟਾ ਵਿੱਚ ਇਮਾਰਤ ਅਤੇ ਸਹੂਲਤਾਂ ਦੇ ਮਾਪ, ਸਮੱਗਰੀ ਦਾ ਪ੍ਰਵਾਹ ਜਾਂ ਸੁਵਿਧਾ ਜੋੜਿਆਂ ਦੇ ਵਿਚਕਾਰ ਯਾਤਰਾਵਾਂ ਦੀ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਪ੍ਰਤੀ ਯੂਨਿਟ ਲੋਡ ਪ੍ਰਤੀ ਯੂਨਿਟ ਦੂਰੀ ਦੀ ਲਾਗਤ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਵਹਾਅ (f) ਅਤੇ ਦੂਰੀ (d) ਦਾ ਉਤਪਾਦ 2 ਸੁਵਿਧਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਸਮੱਗਰੀ ਨੂੰ ਹਿਲਾਉਣ ਦੀ ਲਾਗਤ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਫਿਰ ਲਾਗਤ ਵਿੱਚ ਕਟੌਤੀ ਦੀ ਗਣਨਾ ਪ੍ਰੀ ਅਤੇ ਪੋਸਟ ਐਕਸਚੇਂਜ ਸਮੱਗਰੀ ਨੂੰ ਸੰਭਾਲਣ ਦੀ ਲਾਗਤ ਯੋਗਦਾਨ ਦੇ ਆਧਾਰ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਸਰਵੋਤਮ ਕ੍ਰਮ
ਹੱਲ ਦਾ ਤਰੀਕਾ ਇੱਕ ਮਨਮਾਨੇ ਕ੍ਰਮਵਾਰ ਲੇਆਉਟ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਕ੍ਰਮ ਵਿੱਚ 2 ਵਿਭਾਗਾਂ ਨੂੰ ਬਦਲ ਕੇ ਇਸਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ (ਹੇਰਾਗੂ, 1997)। ਹਰੇਕ ਕਦਮ 'ਤੇ, ਵਿਧੀ 2 ਵਿਭਾਗਾਂ ਦੇ ਸਾਰੇ ਸੰਭਵ ਸਵਿੱਚਾਂ ਲਈ ਪ੍ਰਵਾਹ*ਦੂਰੀ ਤਬਦੀਲੀਆਂ ਦੀ ਗਣਨਾ ਕਰਦੀ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਜੋੜਾ ਚੁਣਦੀ ਹੈ। 2 ਵਿਭਾਗਾਂ ਨੂੰ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਵਿਧੀ ਦੁਹਰਾਉਂਦੀ ਹੈ। ਪ੍ਰਕਿਰਿਆ ਉਦੋਂ ਰੁਕ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਕੋਈ ਸਵਿੱਚ ਘੱਟ ਲਾਗਤ ਵਿੱਚ ਨਹੀਂ ਆਉਂਦਾ। ਸਰਵੋਤਮ ਕ੍ਰਮ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਲੇਆਉਟ ਤਿਆਰ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਇਨਪੁਟ ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਮਾਰਤ ਅਤੇ ਸਹੂਲਤਾਂ ਦੇ ਮਾਪ, ਸਮੱਗਰੀ ਦਾ ਪ੍ਰਵਾਹ ਜਾਂ ਸਹੂਲਤ ਜੋੜਿਆਂ ਵਿਚਕਾਰ ਯਾਤਰਾਵਾਂ ਦੀ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਪ੍ਰਤੀ ਯੂਨਿਟ ਲੋਡ ਪ੍ਰਤੀ ਯੂਨਿਟ ਦੂਰੀ ਦੀ ਲਾਗਤ ਹੈ।
BLOCPLAN ਦੀ ਵਰਤੋਂ ਕਰਨਾ
BLOCPLAN ਇੱਕ ਇੰਟਰਐਕਟਿਵ ਪ੍ਰੋਗਰਾਮ ਹੈ ਜੋ ਸਿੰਗਲ ਅਤੇ ਮਲਟੀ ਸਟੋਰੀ ਲੇਆਉਟ (ਗ੍ਰੀਨ ਅਤੇ
ਕਈ ਬਲਾਕ ਲੇਆਉਟ ਅਤੇ ਉਹਨਾਂ ਦੀ ਤੰਦਰੁਸਤੀ ਦੇ ਮਾਪ ਤਿਆਰ ਕਰੋ। ਉਪਭੋਗਤਾ ਹਾਲਾਤ ਦੇ ਆਧਾਰ 'ਤੇ ਅਨੁਸਾਰੀ ਹੱਲ ਚੁਣ ਸਕਦਾ ਹੈ।
ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ
ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ (GA) ਰਾਹੀਂ ਸਹੂਲਤਾਂ ਦੇ ਲੇਆਉਟ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਦੇ ਕਈ ਤਰੀਕੇ ਹਨ। ਬੈਨਰਜੀ, ਝੌ, ਅਤੇ ਮੌਂਟ੍ਰੀਉਇਲ (1997) ਨੇ ਸੈੱਲ ਲੇਆਉਟ 'ਤੇ GA ਲਾਗੂ ਕੀਤਾ.. ਕੱਟੇ ਹੋਏ ਰੁੱਖਾਂ ਦੇ ਢਾਂਚੇ ਨੂੰ ਪਹਿਲੀ ਵਾਰ ਓਟਨ (1) ਦੁਆਰਾ ਲੇਆਉਟ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਨੂੰ ਦਰਸਾਉਣ ਦੇ ਤਰੀਕੇ ਵਜੋਂ ਸੁਝਾਇਆ ਗਿਆ ਸੀ। ਇਸ ਪਹੁੰਚ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਟੈਮ ਅਤੇ ਚੈਨ (1982) ਸਮੇਤ ਬਹੁਤ ਸਾਰੇ ਲੇਖਕਾਂ ਦੁਆਰਾ ਵਰਤਿਆ ਗਿਆ ਸੀ ਜਿਨ੍ਹਾਂ ਨੇ ਇਸਨੂੰ ਜਿਓਮੈਟ੍ਰਿਕ ਰੁਕਾਵਟਾਂ ਦੇ ਨਾਲ ਅਸਮਾਨ ਖੇਤਰ ਲੇਆਉਟ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਰਤਿਆ ਸੀ। ਇਸ ਕੰਮ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ GA ਐਲਗੋਰਿਦਮ ਸ਼ਯਾਨ ਅਤੇ ਚਿਟਿਲਾਪਿਲੀ (1995) ਦੁਆਰਾ ਸਲਾਈਸਿੰਗ ਟ੍ਰੀ ਸਟ੍ਰਕਚਰਡ (STC) ਦੇ ਅਧਾਰ ਤੇ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹ ਇੱਕ ਰੁੱਖ ਦੇ ਢਾਂਚੇ ਵਾਲੇ ਉਮੀਦਵਾਰ ਲੇਆਉਟ ਨੂੰ 2004 ਅਯਾਮੀ ਕ੍ਰੋਮੋਸੋਮ ਦੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਢਾਂਚੇ ਵਿੱਚ ਕੋਡ ਕਰਦਾ ਹੈ ਜੋ ਇੱਕ ਕੱਟੇ ਹੋਏ ਰੁੱਖ ਵਿੱਚ ਹਰੇਕ ਸਹੂਲਤ ਦੇ ਸਾਪੇਖਿਕ ਸਥਾਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। GA ਓਪਰੇਸ਼ਨਾਂ ਵਿੱਚ ਕ੍ਰੋਮੋਸੋਮ ਨੂੰ ਹੇਰਾਫੇਰੀ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਸਕੀਮਾਂ ਉਪਲਬਧ ਹਨ (ਟੈਮ ਅਤੇ ਲੀ, 2)। ਸ਼ਯਾਨ ਅਤੇ ਵਿੱਚ ਇੱਕ ਨਵਾਂ "ਕਲੋਨਿੰਗ" ਓਪਰੇਸ਼ਨ ਵੀ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ।
3. ਕੇਸ ਸਟੱਡੀ ਰਾਹੀਂ ਪ੍ਰਯੋਗ
ਪਹਿਲਾਂ ਵਰਣਿਤ ਤਰੀਕਿਆਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਉਹ ਸਾਰੇ ਫਰਨੀਚਰ ਨਿਰਮਾਣ ਵਿੱਚ ਇੱਕ ਅਸਲ ਕੇਸ ਦ੍ਰਿਸ਼ 'ਤੇ ਲਾਗੂ ਕੀਤੇ ਗਏ ਸਨ। ਕੰਪਨੀ 9 ਵੱਖ-ਵੱਖ ਸਟਾਈਲ ਦੀਆਂ ਕੁਰਸੀਆਂ, 2- ਸੀਟਰ ਅਤੇ
ਹਰੇਕ ਉਤਪਾਦ 11 ਓਪਰੇਸ਼ਨਾਂ ਵਿੱਚੋਂ ਲੰਘਦਾ ਹੈ ਜੋ ਕਿ ਸੁਵਿਧਾ 1 - ਕਟਿੰਗ ਏਰੀਆ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਸੁਵਿਧਾ 11- ਬੋਲਟ ਅੱਪ ਏਰੀਆ 'ਤੇ ਸਮਾਪਤ ਹੁੰਦਾ ਹੈ। ਅੰਤਿਮ ਅਸੈਂਬਲੀ ਵਿੱਚੋਂ ਹਰੇਕ ਨੂੰ ਉਸੇ ਨਾਮ ਦੇ ਉਪ-ਸੈਂਬਲੀਆਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਸਬਸੈਂਬਲੀਆਂ ਬੋਲਟ 'ਤੇ ਮਿਲਦੀਆਂ ਹਨ
ਇਸ ਕਾਰਨ ਸਮੱਗਰੀ ਦਾ ਕੋਈ ਕ੍ਰਮਵਾਰ ਪ੍ਰਵਾਹ ਨਹੀਂ ਹੁੰਦਾ, ਜਿਸ ਨਾਲ ਕੰਮ ਨੂੰ ਪ੍ਰਗਤੀ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ। ਸੁਵਿਧਾਵਾਂ ਵਿਚਕਾਰ ਆਪਸੀ ਤਾਲਮੇਲ ਵਿਅਕਤੀਗਤ ਅਤੇ ਉਦੇਸ਼ ਉਪਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰਵਾਹ ਚਾਰਟ ਲਈ ਲੋੜੀਂਦਾ ਮੁੱਖ ਇੰਪੁੱਟ ਮੰਗ ਹੈ, ਪੈਦਾ ਕੀਤੀ ਸਮੱਗਰੀ ਦੀ ਮਾਤਰਾ ਅਤੇ ਸਮੱਗਰੀ ਦੀ ਮਾਤਰਾ ਜੋ ਹਰੇਕ ਮਸ਼ੀਨ ਦੇ ਵਿਚਕਾਰ ਵਹਿੰਦੀ ਹੈ। ਸਮੱਗਰੀ ਦੇ ਵਹਾਅ ਦੀ ਗਣਨਾ ਪ੍ਰਤੀ 10 ਮਹੀਨਿਆਂ ਵਿੱਚ ਯਾਤਰਾ ਕਰਨ ਵਾਲੀ ਸਮੱਗਰੀ ਦੇ ਪ੍ਰਵਾਹ ਦੀ ਮਾਤਰਾ ਦੇ ਅਧਾਰ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ * ਮਾਪ ਦੀ ਇਕਾਈ ਜੋ ਚਿੱਤਰ 2 ਵਿੱਚ ਦਿਖਾਈ ਗਈ ਹੈ। ਚਿੱਤਰ 3 ਕੇਸ ਅਧਿਐਨ ਵਿੱਚ ਵਰਤੇ ਗਏ ਹਰੇਕ ਵਿਭਾਗ ਦੇ ਖੇਤਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਚਿੱਤਰ 4 ਕੇਸ ਸਟੱਡੀ ਦਾ ਮੌਜੂਦਾ ਖਾਕਾ ਦਿਖਾਉਂਦਾ ਹੈ।

ਚਿੱਤਰ 1 ਕੇਸ ਅਧਿਐਨ ਲਈ ਅਸੈਂਬਲੀ ਚਾਰਟ

ਚਿੱਤਰ 2 ਕੇਸ ਅਧਿਐਨ ਲਈ ਸਮੱਗਰੀ ਦਾ ਪ੍ਰਵਾਹ।

ਚਿੱਤਰ 3 ਵਿਭਾਗ ਨਾਲ ਸੰਬੰਧਿਤ ਨੰਬਰ

ਚਿੱਤਰ 4 ਫਰਨੀਚਰ ਕੰਪਨੀ ਦਾ ਮੌਜੂਦਾ ਖਾਕਾ ਅਤੇ ਕੇਸ ਅਧਿਐਨ ਦੇ ਮਾਡਲਿੰਗ ਵਿੱਚ ਵਰਤੇ ਗਏ ਹਰੇਕ ਵਿਭਾਗ ਦੇ ਮਾਪ
4. ਮਾਡਲਿੰਗ ਪਹੁੰਚ ਦੀ ਅਰਜ਼ੀ
ਇੱਥੇ ਭਾਗ 2 ਵਿੱਚ ਵਿਚਾਰੇ ਗਏ ਵੱਖ-ਵੱਖ ਮਾਡਲਿੰਗ ਪਹੁੰਚਾਂ ਨੂੰ ਤੁਲਨਾ ਲਈ ਵਿਕਲਪਕ ਖਾਕਾ ਤਿਆਰ ਕਰਨ ਲਈ ਕੇਸ ਸਟੱਡੀ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ।
4.1 ਗ੍ਰਾਫ ਥਿਊਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਸਾਰਣੀ 1 ਗ੍ਰਾਫ ਥਿਊਰੀ ਦੇ 2 ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਦਰਸਾਉਂਦੀ ਹੈ ਅਰਥਾਤ ਫੌਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ ਅਤੇ ਪਹੀਏ ਅਤੇ ਰਿਮਜ਼ ਵਿਧੀ। ਸਾਰਣੀ 1 ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਫੌਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ 2 ਨਤੀਜਿਆਂ ਵਿੱਚੋਂ ਬਿਹਤਰ ਹੈ। ਫੌਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਚਿੱਤਰਾਂ ਵਿੱਚ ਵਿਸਥਾਰ ਵਿੱਚ ਸਮਝਾਇਆ ਗਿਆ ਹੈ।
ਸਾਰਣੀ 1: ਵਰਤੇ ਗਏ ਗ੍ਰਾਫ ਥਿਊਰੀ ਦੇ 2 ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ ਦਰਸਾਉਂਦੀ ਇੱਕ ਸਾਰਣੀ।


ਚਿੱਤਰ 5 ਫੋਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਕੇਸ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਅਨੁਕੂਲਤਾ ਗ੍ਰਾਫ।

ਚਿੱਤਰ 6 ਗ੍ਰਾਫ ਥਿਊਰੀ (ਫੋਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ) ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਬਾਅਦ ਸੁਧਾਰਿਆ ਗਿਆ ਖਾਕਾ

ਚਿੱਤਰ 7 ਪ੍ਰਵਾਹ * ਗ੍ਰਾਫ ਥਿਊਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਕੇਸ ਸਟੱਡੀ ਲਈ ਦੂਰੀ ਮੁਲਾਂਕਣ ਚਾਰਟ (ਫੋਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ)
4.2 ਕ੍ਰਾਫਟ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
CRAFT ਲਈ ਇਨਪੁੱਟ ਡੇਟਾ ਦਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਮੌਜੂਦਾ ਲੇਆਉਟ ਲਈ ਸ਼ੁਰੂਆਤੀ ਲਾਗਤ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਲਾਗਤ ਨੂੰ ਚਿੱਤਰ 1 ਵਿੱਚ ਦਰਸਾਏ ਅਨੁਸਾਰ ਜੋੜੇ ਅਨੁਸਾਰ ਤੁਲਨਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਘਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

ਚਿੱਤਰ 8 CRAFT ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮੌਜੂਦਾ ਖਾਕੇ ਲਈ ਸ਼ੁਰੂਆਤੀ ਲਾਗਤ

ਚਿੱਤਰ 9 CRAFT ਦੁਆਰਾ ਕਦਮ ਦਰ ਕਦਮ ਐਕਸਚੇਂਜ
CRAFT ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਨਤੀਜੇ ਸਾਰਣੀ 2 ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਹਨ। ਉਪਰੋਕਤ ਗਣਨਾਵਾਂ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਨਵਾਂ ਅਤੇ ਸੁਧਾਰਿਆ ਖਾਕਾ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਚਿੱਤਰ 10 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ।
ਸਾਰਣੀ 2: ਨਤੀਜੇ ਦਿਖਾਉਣ ਵਾਲੀ ਸਾਰਣੀ


ਚਿੱਤਰ 10 CRAFT ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੁਧਰਿਆ ਖਾਕਾ
4.3 ਸਰਵੋਤਮ ਕ੍ਰਮ ਐਲਗੋਰਿਦਮ
ਇਨਪੁਟ ਡੇਟਾ ਕ੍ਰਾਫਟ ਲਈ ਸਮਾਨ ਹੈ ਸਿਵਾਏ ਇਸ ਤੋਂ ਇਲਾਵਾ ਕਿ ਇਹ ਜੋੜੇ ਅਨੁਸਾਰ ਤੁਲਨਾ ਦੇ ਇੱਕ ਵੱਖਰੇ ਸੈੱਟ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ। ਸਾਰਣੀ 3 ਸੁਧਰੇ ਹੋਏ ਖਾਕੇ ਤੋਂ ਲਏ ਗਏ ਨਤੀਜੇ ਦਿਖਾਉਂਦਾ ਹੈ। ਚਿੱਤਰ 11 ਸਰਵੋਤਮ ਕ੍ਰਮ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸੁਧਰੇ ਹੋਏ ਖਾਕੇ ਨੂੰ ਦਿਖਾਉਂਦਾ ਹੈ।
ਸਾਰਣੀ 3 ਕ੍ਰਾਫਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਇੱਕ ਸਾਰਣੀ


4.4 BLOCPLAN ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਫਲੋ ਮੈਟ੍ਰਿਕਸ ਚਾਰਟ ਨੂੰ ਇੱਕ REL ਚਾਰਟ ਵਿੱਚ ਬਦਲਿਆ ਗਿਆ ਸੀ ਜਿਵੇਂ ਕਿ ਚਿੱਤਰ 12 ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਪੈਰਾਮੀਟਰਾਂ ਨਾਲ ਦਿਖਾਇਆ ਗਿਆ ਹੈ:

ਚਿੱਤਰ 12 ਕੇਸ ਅਧਿਐਨ ਲਈ REL ਚਾਰਟ

ਸਾਰਣੀ 4 ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੀ ਪਹੁੰਚ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਦੇਖਿਆ ਗਿਆ BLOCPLAN ਇੱਕ ਸਵੈਚਲਿਤ ਖੋਜ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਕੰਸਟਰਕਸ਼ਨ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲੋਂ ਬਿਹਤਰ ਨਤੀਜੇ ਦਿਖਾਏ।

ਚਿੱਤਰ 13 ਸੁਧਰਿਆ ਖਾਕਾ ਸਵੈਚਲਿਤ ਖੋਜ

ਸਾਰਣੀ 4 BLOCPLAN ਖਾਕੇ ਲਈ ਉਪਾਅ
4.5 ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਲੱਭਿਆ ਗਿਆ ਸਭ ਤੋਂ ਵਧੀਆ ਹੱਲ ਚਿੱਤਰ 14 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਇਸਨੂੰ ਫਿਰ ਦੂਜੇ ਮਾਡਲਾਂ ਨਾਲ ਆਮ ਤੁਲਨਾਵਾਂ ਲਈ ਚਿੱਤਰ 15 ਵਿੱਚ ਲੇਆਉਟ ਵਿੱਚ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ।

ਚਿੱਤਰ 14 ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਵਿਕਸਤ ਲੇਆਉਟ

ਚਿੱਤਰ 15 ਚਿੱਤਰ 14 ਵਿੱਚ ਲੇਆਉਟ ਦਾ ਰੂਪਾਂਤਰਣ
ਸਾਰਣੀ 5 ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜੇ ਦਿਖਾਉਂਦੀ ਹੈ।

ਸਾਰਣੀ 5 ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਇੱਕ ਸਾਰਣੀ
5. AHP ਦੁਆਰਾ ਪ੍ਰਯੋਗ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ
ਸਾਰਣੀ 6 ਤੁਲਨਾ ਲਈ ਮੌਜੂਦਾ ਲੇਆਉਟ ਦੇ ਮੁਕਾਬਲੇ ਸਾਰੀਆਂ ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਦਾ ਸਾਰ ਦਿੰਦੀ ਹੈ। ਸਭ ਤੋਂ ਵਧੀਆ ਲੇਆਉਟ ਦਾ ਭਾਗ 3 ਕਾਰਕਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਕੀਤਾ ਜਾਵੇਗਾ ਜਿਵੇਂ ਕਿ ਕੁੱਲ ਖੇਤਰ (ਘੱਟੋ-ਘੱਟ), ਪ੍ਰਵਾਹ * ਦੂਰੀ (ਵੱਧ ਤੋਂ ਵੱਧ) ਅਤੇ ਸੰਜੋਗ ਪ੍ਰਤੀਸ਼ਤ (ਵੱਧ ਤੋਂ ਵੱਧ)। ਮੁੱਖ ਉਦੇਸ਼ WIP ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਸਮੱਗਰੀ ਦੇ ਇੱਕ ਯੋਜਨਾਬੱਧ ਪ੍ਰਵਾਹ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ ਪ੍ਰਵਾਹ * ਦੂਰੀ ਮੈਟ੍ਰਿਕਸ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਮਾਪਦੰਡ ਹੈ।

ਸਾਰਣੀ 6 ਮੌਜੂਦਾ ਖਾਕੇ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਸਾਰੀਆਂ ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜਿਆਂ ਦਾ ਸਾਰ
ਸਾਰਣੀ 7 ਵੱਖ-ਵੱਖ ਕਾਰਕਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਵਿਕਲਪਕ ਖਾਕੇ ਦੀ ਮਿਸ਼ਰਣ ਦਰਜਾਬੰਦੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ ਲੇਆਉਟ 1 ਦਾ ਖੇਤਰਫਲ ਅਤੇ F*D ਵਿੱਚ ਇੱਕ ਮਾੜਾ ਦਰਜਾ ਹੈ ਜਦੋਂ ਕਿ ਅਨੁਕੂਲਤਾ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ। ਸੁਮੇਲ ਦੂਜਿਆਂ ਨਾਲੋਂ ਇੱਕ ਨੂੰ ਚੁਣਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਰਸਮੀ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਤਾਕੀਦ ਕਰਦੇ ਹਾਂ, AHP, ਜੋ ਕਿ ਮਾਹਿਰ ਚੁਆਇਸ ਸੌਫਟਵੇਅਰ ਦੁਆਰਾ ਲਾਗੂ ਕੀਤੀ ਗਈ ਹੈ।

ਸਾਰਣੀ 7 ਉਦੇਸ਼ਾਂ ਦੇ ਸਬੰਧ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਵਿਕਲਪਾਂ ਦੀ ਦਰਜਾਬੰਦੀ
AHP ਮਾਤਾ-ਪਿਤਾ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਬੱਚਿਆਂ ਦੇ ਹਰੇਕ ਜੋੜੇ ਦੇ ਸਾਪੇਖਿਕ ਮਹੱਤਵ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਵਾਰ ਜੋੜਾ ਤੁਲਨਾਵਾਂ ਪੂਰੀਆਂ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਪਹੁੰਚ ਇੱਕ ਸਮੁੱਚੀ ਦਰਜਾਬੰਦੀ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕੁਝ ਗਣਿਤਿਕ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਤੀਜਿਆਂ ਨੂੰ ਸੰਸਲੇਸ਼ਣ ਕਰਦੀ ਹੈ। ਚਿੱਤਰ 16 ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਕਲਪ ਹੱਲ ਦੇ ਟੀਚੇ ਦੇ ਸਬੰਧ ਵਿੱਚ ਸਾਰੇ ਐਲਗੋਰਿਦਮ ਤੋਂ ਪ੍ਰਾਪਤ ਨਤੀਜਿਆਂ ਦੀ ਦਰਜਾਬੰਦੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਚਿੱਤਰ 16 ਟੀਚੇ ਦੇ ਸਬੰਧ ਵਿੱਚ ਸੰਸਲੇਸ਼ਣ
ਸਭ ਤੋਂ ਵਧੀਆ ਹੱਲ BLOCPLAN (ਆਟੋਮੇਟਿਡ ਖੋਜ) ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸਦੇ ਬਾਅਦ ਫੋਲਡਸ ਅਤੇ ਰੌਬਿਨਸਨ ਵਿਧੀ, ਫਿਰ ਜੈਨੇਟਿਕ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਗ੍ਰਾਫ ਥਿਊਰੀ ਦੁਆਰਾ। ਦੂਜੇ ਹੱਲ ਬਹੁਤ ਮਾੜੇ ਹਨ। ਨੋਟ ਕਰੋ ਕਿ ਅੰਦਰੂਨੀ ਵਿਅਕਤੀਗਤਤਾ ਦੇ ਕਾਰਨ ਦਰਜਾਬੰਦੀ ਬਿਹਤਰ ਵਿਕਲਪ ਦਾ ਇੱਕ ਸੰਪੂਰਨ ਸੰਕੇਤ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਹ ਇੱਕ ਸਿਫ਼ਾਰਸ਼ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਲੋੜਾਂ ਦੇ ਅਨੁਕੂਲ ਮਨੋਰੰਜਨ ਕਰ ਸਕਦਾ ਹੈ।
ਅਸੀਂ ਚੁਣੇ ਹੋਏ ਹੱਲ ਵਜੋਂ ਸਵੈਚਲਿਤ ਖੋਜ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ BLOCPLAN ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤਿਆਰ ਕੀਤੇ ਖਾਕੇ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦੇ ਹਾਂ। ਜਦੋਂ ਇਹ ਫੈਸਲਾ ਕੀਤਾ ਗਿਆ ਸੀ ਤਾਂ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ ਕਿ ਚੋਣ ਮਜਬੂਤ ਹੈ। ਜੇਕਰ ਸਮਾਂ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਤਾਂ ਚੋਣ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਇਹ ਹੋਰ ਨਜ਼ਦੀਕੀ ਵਿਕਲਪਾਂ ਲਈ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
6. ਸਿੱਟੇ
ਇਸ ਪੇਪਰ ਵਿੱਚ ਟੀਚਾ ਇੱਕ ਫਰਨੀਚਰ ਕੰਪਨੀ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਖਾਕਾ ਚੁਣਨ ਲਈ ਵੱਖ-ਵੱਖ ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੀ। ਸਭ ਤੋਂ ਵਧੀਆ ਖਾਕਾ BLOCPLAN ਦੁਆਰਾ ਸਵੈਚਲਿਤ ਖੋਜ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਜਿਵੇਂ ਕਿ ਚਿੱਤਰ 17 ਵਿੱਚ ਹੈ।

ਚਿੱਤਰ 17 ਮਾਡਲਿੰਗ ਪਹੁੰਚਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਭ ਤੋਂ ਵਧੀਆ ਖਾਕਾ
ਸਾਰਣੀ 9 ਮੌਜੂਦਾ ਖਾਕੇ ਨਾਲੋਂ ਪ੍ਰਸਤਾਵਿਤ ਹੱਲ ਦੇ ਸੁਧਾਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਨੋਟ ਕਰੋ ਕਿ ਲੇਆਉਟ ਬਲਾਕ ਅਤੇ ਉਹਨਾਂ ਦੇ ਸੰਬੰਧਿਤ ਸਥਾਨਾਂ ਨੂੰ ਦਿਖਾਉਂਦਾ ਹੈ। ਸਾਰੀਆਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਵਿਹਾਰਕ ਸੀਮਾਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਫਿਰ ਹਰੇਕ ਬਲਾਕ ਦੇ ਹੋਰ ਵੇਰਵਿਆਂ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਜਾ ਸਕਦੀ ਹੈ, ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਉਸੇ ਤਰੀਕੇ ਨਾਲ.

ਸਾਰਣੀ 9: ਮਾਡਲਿੰਗ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮੌਜੂਦਾ ਲੇਆਉਟ ਵਿੱਚ ਸੁਧਾਰ
ਨਤੀਜਾ ਕੰਪਨੀ ਲਈ ਕਾਫੀ ਤਸੱਲੀਬਖਸ਼ ਰਿਹਾ, ਜਿਸ ਨੂੰ ਵਿਗਿਆਨਕ ਪਹੁੰਚ ਦਾ ਕੋਈ ਗਿਆਨ ਨਹੀਂ ਸੀ।



