Bu çalışmada, sıra bağımlı hazırlık süreli, makine uygunluk kısıtları ve ortak kaynakların olduğu bir özdeş paralel makine çizelgeleme problemi ele alınmıştır. Enjeksiyon makinelerinin çizelgelenmesi problemi, bu problem türünün bir örneğidir. Gerçek hayatta uygulamasıyla sık karşılaşıldığından, son yıllarda özdeş paralel makine çizelgeleme ile ilgili pek çok çalışma mevcuttur. Ancak, bu çalışmanın önemli noktalarından biri olan paralel makinelerde kaynak paylaşımı, söz konusu çalışmalarda nadiren yer almaktadır. Bu çalışmada, (I) kaynakların alternatifi bulunabilir (II) kaynakların alternatifi yoktur olmak üzere kaynak paylaşımının iki farklı durumu için iki matematiksel model geliştirilmiştir: Önerilen modellerin GAMS/Cplex ile çözüm performansı, rassal olarak türetilmiş küçük, orta ve büyük boyutlu test problemleri kullanılarak test edilmiştir. GAMS/Cplex, makul bir sürede küçük boyutlu problemler için eniyi çizelgeleri türetmiştir. Orta boyutlu problemler için ancak 8000 saniyede uygun bir çözüm bulunmuştur. Fakat büyük boyutlu problemlere çözüm bulunamamıştır. Bu nedenle, büyük boyutlu problemlerin çözümüne yönelik olarak bir genetik algoritma geliştirilmiştir. Önerilen algoritma ile hem orta boyutlu problemlere GAMS/Cplex'e kıyasla daha kısa sürede daha iyi çözümler elde edilebilmiş hem de büyük boyutlu problemlere makul sürelerde olurlu çözümler türetilebilmiştir
In this study, an identical parallel machine scheduling problem with sequence dependent set up time, machine eligibility restrictions and shared resources is considered. An injection moulding machine scheduling problem is an example of this problem. Having numerous potential applications in real life, in recent years, various studies have been carried out to deal with identical parallel machine scheduling problems. However, resources are rarely considered in these studies although sharing resources in a parallel machine is an important aspect of this problem. In this way, two mathematical models are proposed for two different cases: (I) resources may have copies and (II) resources have no copies. Randomly generated test instances with small, medium and large size are used to show the performance of the GAMS/Cplex solver for solving proposed models. Optimal schedules are obtained for small size problems within a reasonable time. Feasible solutions are obtained in 8000 seconds for medium size problems. However, large instances can not solve using GAMS/Cplex. Therefore, a genetic algorithm is developed to solve the large instanges. Better solutions are obtained for medium size instance in shorter time and feasible solutions are obtained for large instances in resonable time using proposed algorithm.
