چکیده:
برنامه اصلی تولید یک برنامه میان مدت در فرآیند برنامهریزی تولید است که برنامه بلند مدت تولید ادغامی را به برنامهای تبدیل میکند که میزان و زمان تولید محصولات مختلف را معین میسازد. تصمیمگیری در این خصوص به اطلاعات زیادی درباره پارامترهای مختلف از قبیل تقاضا، نیازمندیهای منابع تولیدی و هزینهها نیاز دارد. یکی از ویژگیهای ذاتی این پارامترهای مختلف عدم قطعیت آنها است. در این مقاله، مدلی برای حل مساله برنامهریزی اصلی تولید در شرایط عدم قطعیت پیشنهاد شده که در آن اطلاعات تحلیلگر درباره پارامترهای مسئله به صورت فازی مشخص میباشند. همچنین، یک رویکرد ترکیبی برای حل مدل توسعه یافته پیشنهاد شده است. کاربرد مدل پیشنهادی در دو مثال عددی مورد بررسی قرار گرفته است. بر اساس نتایج این مدل، مقادیر تولید محصولات در افق برنامهریزی همراه با میزان منابع مورد نیاز برای تولید این محصولات مشخص میگردد. این نتایج از کاربردهای بالقوه زیادی در خصوص تصمیمات عملیاتی در حوزه برنامهریزی تولید برخوردارند.
Master production scheduling is a midterm phase in planning which translates the long term aggregate production planning to a plan which determines the scheduling and magnitude of different products production. This problem requires investigating a wide range of parameters about demand، manufacturing resource usage and costs. Uncertainty is an intrinsic characteristic of these parameters. In this paper، a model is developed for master production scheduling under uncertainty where demands are considered as stochastic variables، while cost and utilization parameters are expressed as fuzzy numbers. A hybrid approach is also proposed to solve the extended model. The application of the proposed method is examined in a numerical example.
خلاصه ماشینی:
"تفاوت اصلی مدل پیشنهادی مقاله حاضر در مطالعات پیشین را میتوان (١) در نظر گرفتن همزمان عدم قطعیت برای پارامترهای هزینه و تقاضا، و (٢) نحوه مدلسازی به مسئله به گونه ای عنوان نمود که مقادیر مورد نیاز منابع تولیدی در دورههای برنامه ریزی را مشخص نماید.
BSSkt = max[0, SSkt ¯ fkt] k =1,2,0,K (11) محدودیتهای مرتبط با بکارگیری منابع در قالب رابطه (١٢) تعریف میشود: K Ʃark xkt ¯ srt = crt ¯ sr t¯1) k=1,2,0,K (12) k=1 به این ترتیب ، مدل MPS فازی به صورت زیر خواهد بود: MinimizeC~ = KƩTƩ(~k xkt + c~k AILkt + c~k rkt )+ RƩTƩu~rtcrt+ k=1 t=1 r=1 t=1 RƩTƩh~r srt+KƩTƩc~bssktBSSkt r=1 t=1 k=1 t=1 Subjectto (i ik = POHk , ikt = fkt 1,t≠1 ¯ (ii) x POH f r d~ (13) k1 + k ¯ k1 ¯ k1 = k1 (iii) x f f r d~ t T kt + kt 1¯ kt ¯ kt = kt, =2, ,0, ¯ (iv) BSSkt ≤ SSkt ¯fkt, ( ) K v Ʃark xkt¯ srt = crt ¯sr(t¯1), k=1 xkt ,ikt , fkt , rkt , BSSkt , crt , srt ≤0, k = 1,2 0, K;t =1,2,0,T رویکرد حل مدل بهینه سازی پیشنهادی برای مساله MPS، رابطه (١٣)، یک مدل برنامه ریزی خطی فازی است .
موجودی اولیه در دست برای تمامی محصولات نیز برابر صفر در نظر گرفته شده است ، یعنی ١,٢,٠,٦= k,٠= POHk. جدول ٧ اطلاعات مربوط به تقاضای محصولات مختلف را نشان میدهد که به صورت اعداد فازی مثلثی ارائه شدهاند."