توصيفگر ها :
حفظ حالت آماده سازي , آماده سازي متقاطع , عدم قطعيت , بهينه سازي استوار
چكيده فارسي :
امروزه با توسعه صنايع و افزايش رقابت بين آن¬ها كاهش هزينه¬هاي توليد از اهميت خاصي برخوردار است. مسئله تعيين همزمان اندازه دسته توليد و زمان¬بندي عمليات مي¬تواند به كاهش اين هزينه¬ها كمك كند. در اكثر مطالعات در زمينه مسائل تعيين همزمان اندازه دسته توليد و زمان¬بندي ،آماده¬سازي و سپس توليد هر محصول در يك دوره انجام مي¬شود. در اين پژوهش مسئله مزبور به گونه¬اي درنظر گرفته شده¬است كه زمان¬هاي آماده¬سازي قابليت شكسته شدن بين دوره¬هاي متوالي افق برنامه¬ريزي را داشته باشد. به اين قابليت، آماده-سازي متقاطع مي¬گويند. همچنين در اكثر مطالعات اين مسئله با فرض قطعي بودن پارامترهاي مسئله مورد بررسي قرار گرفته است. اما در دنياي واقعي، ممكن است اطلاعات دقيقي از برخي پارامترها مانند زمان پردازش فعاليت¬ها، ميزان تقاضاي محصولات و ... وجود نداشته باشد. در نتيجه براي ارائه برنامه زمان¬بندي شدني استفاده از روش¬هاي بهينه¬سازي در شرايط عدم قطعيت مطلوبيت دارد. يكي از جديدترين رويكردهاي مواجهه با عدم قطعيت، رويكرد زمان¬بندي استوار است. در اين پژوهش يك مدل رياضي براي مسئله با فرضيات مزبور با هدف كمينه كردن مجموع هزينه¬هاي آماده¬سازي و نگهداري موجودي و در شرايط قطعي ارائه شده است. نتايج بدست آمده از مدل پيشنهادي با مدل پايه مسئله مورد مقايسه قرارگرفته و در تمامي مثال¬هاي حل شده جواب بدست آمده از مدل پيشنهادي حداقل به خوبي جواب مدل پايه بوده است. براي مواجهه با عدم قطعيت از رويكرد استوار برتسيماس و سيم [1] استفاده شده است. با توجه به اين¬كه مدل¬هاي ارائه شده براي حل مسائل با ابعاد بزرگ مناسب نيستند، دو حد پايين براي مسئله ارائه شده و از پنج روش ابتكاري تثبيت و آزادسازي يك دوره¬اي، تثبيت و آزادسازي دو دوره¬اي، حد پايين اول با الگوريتم اصلاحي، تثبيت و بهينه سازي دو دوره¬اي با جواب اوليه حدپايين اول با الگوريتم اصلاحي و تثبيت و بهينه¬سازي دو دوره¬اي با جواب اوليه تثبيت و آزادسازي دو دوره¬اي براي حل مسئله استفاده شده است. نتايج بدست آمده نشان مي¬دهد روش¬هاي تثبيت و بهينه¬سازي با جواب اوليه حاصل از حدپايين اول با الگوريتم اصلاحي با ميانگين GAP حدود چهار درصد از نظر كيفيت جواب و روش حد پايين اول با الگوريتم اصلاحي از نظر زمان حل با ميانگين زمان حل حدود 16 ثانيه بهتر از ساير روش¬ها عمل مي¬كنند.
چكيده انگليسي :
Nowadays, with the development of industries and increasing competition between them, it is very important to reduce production costs. One of the key problems in production planning, is the problem of capacitated lotsizing and scheduling. In most of the studies in this field, setup and then production of each product is done in one period. In some studies, the setup can carryover between two consecutive periods. In this research, this problem is considered in such a way that the setup times can be crossover between consecutive periods. This capability is called setup crossover. Also, in most of the studies, this problem has been investigated with certain parameters. But in the real world, there may not be accurate information on some parameters, such as processing time, product demand, etc. and the problem is accompanied by uncertainty. As a result, it is desirable to use optimization methods in conditions of uncertainty to provide a scheduleable program. One of the most recent approaches to deal with data uncertainty of a problem is the robust optimization approach. In this research, a mathematical model for the problem with the aforementioned assumptions is presented with the goal of minimizing the total costs of inventory and setup in deterministic conditions. The results obtained from the proposed model were compared with the basic model of the problem, and in all the solved examples, the answer obtained from the proposed model was at least as good as the answer of the basic model. To deal the uncertainty, the robust approach of Bertsimas and Sim[1] has been used. two lower bounds are presented for the problem, and five heuristic methods one-period fix and relax, two-period fix and relax, first lower bound with correction algorithm, two-period fix and optimize with the initial solution of the first lower bound with the correction algorithm and two-period fix and optimize with the initial solution of two-period fix and relax have been used to solve the problem. The results show that the fix and optimize methods with the initial solution from the first lower bound with the correction algorithm with an average GAP of about four percent in terms of the quality and the first lower bound method with the correction algorithm in terms of the run time with an average solution time of about 16 seconds work better than other methods.
