Resource reconfiguration and optimization in Two-sided Robotic Assembly Line Balancing Problem. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Thesis_KFUPM_ver2 (1).pdf Restricted to Repository staff only until 24 April 2026. Download (2MB)

Arabic Abstract

إدارة خطوط التجميع بكفاءة تتطلب تخصيص المهام عبر المعدات ومحطات العمل لتقليل تكاليف الإنتاج. تواجه الشركات في بيئات التصنيع تحديات في تحقيق الإنتاجية المثلى وعمليات التجميع ذات التكلفة الفعالة. بالإضافة إلى ذلك، فإن التكيف مع تقلبات حجم العمل أو معايير الجودة يستدعي في الغالب تبني أنظمة إنتاج مرنة. لمواجهة هذه التحديات، تدرك الشركات أهمية إجراء تعديلات دورية على خطوط التجميع. ومع ذلك، تركز معظم الدراسات في هذا المجال على المرافق الإنتاجية الجديدة التي تبدأ بدون موارد مسبقة، وهو ما يعرف باسم النهج الأخضر .(Greenfield) في المقابل، فإن تحقيق التوازن في الخط مع الأخذ بعين الاعتبار البنية التحتية والظروف الأولية القائمة يُعرف بالنهج البني .(Brownfield) من بين الترتيبات المختلفة لخطوط التجميع، أثبت خط التجميع ثنائي الجوانب أنه أكثر فائدة مقارنة بالخط أحادي الجانب في عدة جوانب. تتمثل المشكلة الأساسية في التصنيع الحديث في تحسين خطوط التجميع الروبوتية ثنائية الجوانب، خاصة تحت قيود الإنتاج بنهج بني. تتجاهل معظم الأساليب الحالية الموارد المتوفرة، مما يؤدي إلى فجوة في الحلول العملية. لمعالجة هذه المشكلة البحثية، يقدم هذا البحث نموذجًا برمجيًا جديدًا للأعداد الصحيحة المختلطة لخطوط التجميع ثنائية الجوانب بهدف تقليل وقت دورة الانتاج، إجمالي تكلفة إعادة تهيئة خط الانتاج، واستهلاك الطاقة في وقت واحد. تم تقييم النموذج باستخدام مجموعة بيانات مدمجة تشمل بيانات لخطوط انتاج حقيقية. بناءً على النتائج المستخلصة من المشاكل الصغيرة الحجم، يظهر النموذج كفاءة أعلى في سيناريوهات النهج البني، حيث يستفيد من البنية التحتية والظروف الأولية القائمة. تتضح هذه الكفاءة من خلال أوقات حل أسرع، وانخفاض إجمالي التكاليف، وإدارة أفضل لأوقات دورة الانتاج والطاقة. بالمقابل، يواجه النموذج تحديات أكبر في سيناريوهات النهج الأخضر، حيث لا يتم استغلال البنية التحتية القائمة، خاصة مع زيادة عدد الروبوتات. لإدارة الحالات الكبيرة الحجم، تم تطبيق اثنتين من الخوارزميات: خوارزمية التلدين المحاكي (RSA) وخوارزمية الفرز الجينية (NSGA-II) ونتيجة لذلك، تم تطوير إجراءات جديدة للترميز وفك الترميز للتعامل مع النموذج الموسع الذي يشمل أنواع المهام وقدرات الروبوتات. بناءً على معايير التقييم، أظهرت خوارزمية RSA مجموعة أكثر تنوعًا من الحلول عالية الجودة مقارنة بـ NSGA-II بالإضافة إلى ذلك، حققت RSA أوقات دورات أقصر ليس فقط في الحالات الصغيرة الحجم ولكن أيضًا في الحالات الكبيرة مع عدد كبير من خيارات الروبوتات. عبر جميع السيناريوهات المدروسة، كانت التكلفة الإجمالية في وضع النهج البني أقل باستمرار مقارنة بوضع النهج الأخضر. ومع ذلك، ورغم الأداء المتسق لخوارزمية RSA بغض النظر عن عدد الروبوتات أو المهام، هناك قيود في قدرة النموذج على تحسين الأداء في الحالات الكبيرة الحجم، خاصة في سيناريوهات النهج الأخضر.

English Abstract

Efficiently managing an assembly line involves allocating tasks across equipment and workstations to minimize production costs. In the manufacturing environment, companies encounter obstacles in achieving optimal productivity and cost-effective assembly processes. Additionally, adapting to workload variations or quality standards often calls for the adoption of flexible production systems. To manage these challenges, manufacturing companies recognize the importance of regularly adjusting assembly lines. However, most of the literature in this field focuses on new production facilities that start with no pre-existing resources, commonly referred to as a greenfield approach. In contrast, balancing the line considering existing infrastructure and initial conditions is known as a brownfield approach. Among the various assembly line layouts, a two-sided assembly line has proven to be beneficial compared to a one-sided line in several ways. The core issue in modern manufacturing is optimizing two-sided robotic assembly lines, particularly under the constraints of brownfield production. Current approaches largely ignore existing resources, leading to a gap in practical and efficient solutions. To address this research problem, this study presents a new mixed-integer programming model for two-sided assembly lines to simultaneously minimize cycle time, total reconfiguration cost, and energy consumption. To evaluate the model, a composite dataset integrating benchmark problems has been utilized. Based on the results from small-sized benchmark problems, the solver demonstrates higher efficiency in Brownfield scenarios, where it benefits from existing infrastructure and initial conditions. This efficiency is evident in faster solving times, lower total costs, and better management of cycle times and energy. In contrast, in Greenfield scenarios, where no existing infrastructure is leveraged, the solver faces greater challenges, particularly as the number of robots and the complexity of problems increase. To manage large-sized cases, two meta-heuristics are implemented: Restarted Simulated Annealing Algorithm (RSA) and Non-dominated Sorting Genetic Algorithm II (NSGA-II). Consequently, new encoding and decoding procedures have been developed to handle the extended model, which includes task types and incorporates robots' capabilities. Based on evaluation metrics, the RSA has provided a more diverse set of high-quality solutions compared to NSGA-II. Furthermore, RSA achieved shorter cycle times not only in small-sized cases but also in large cases with a considerable number of robot alternatives. Across all considered scenarios, the total cost in the Brownfield mode is consistently lower than in the Greenfield mode. However, while RSA provides consistent performance regardless of the number of robots or tasks, there are limitations in the solver’s ability to optimize at larger scales, particularly in Greenfield scenarios.

Item Type:	Thesis (Masters)
Subjects:	Systems Environmental Civil Engineering Engineering Research Research > Management Petroleum
Department:	College of Computing and Mathematics > lndustrial and Systems Engineering
Committee Advisor:	Saleh, Haitham
Committee Members:	AlGhazi, Anas and Duffuaa, Salih
Depositing User:	BAYAN ALZAIN (g202212300)
Date Deposited:	24 Apr 2025 10:59
Last Modified:	24 Apr 2025 10:59
URI:	http://eprints.kfupm.edu.sa/id/eprint/143340