رويكرد بهينه سازي استوار در مسيله برنامه ريزي توليد با در نظر گرفتن دوباره كاري، كمبود و خرابي ناگهاني ماشين ها با شرايط نبود قطعيت: استفاده از يك روش تكاملي

Robust Optimization Approach in Production Planning Problem Considering Rework, Backlogging and Breakdown under Conditions of Uncertainty: an Evolutionary Approach

در اين مقاله يك مسيله برنامه ريزي توليد چند دوره اي، چند محصولي، چند تسهيلاتي در نظر گرفته شده است كه مقدار تقاضا و هزينه‌هاي نيروي انساني در شرايط نبود قطعيت هستند. در مدل رياضي جديد ارايه‌ شده، سيستم توليدي، با توجه به خرابي در محصولات دوباره-كاري‌شده و خرابي ناگهاني ماشين ها در نظر گرفته شده است. همچنين تخصيص بهينه نيروي انساني و هزينه‌هاي مربوط به آن در شرايط نبود قطعيت، به واسطه وجود بالانس بين سود شركت و مزاياي كاركنان بررسي مي‌شوند . در اين مقاله، الگوريتمي بر مبناي الگوريتم بهينه‌سازي استوار ارايه شده است كه توانايي در نظر گرفتن نبود قطعيت را دارد. براي نشان دادن كاربردي بودن الگوريتم ارايه شده، يك مورد مطالعاتي واقعي در صنعت در نظر گرفته شده است. در ادامه، مهم‌ترين پارامترهاي مدل استوار ارايه شده تحليل شدند تا بهترين سطح نبود قطعيت كه كمترين مقدار نقض در محدوديت‌ را دارد، تعيين شوند. نتايج نشان مي دهند كه مدل ارايه شده موثر و كارا است و مي تواند يك برنامه ريزي توليد بهينه را در شرايط نبود قطعيت ارايه دهد.

In this paper, we consider a multi-site production planning problem subject to uncertainty in demand and workforce expenses. In our new mathematical model, we presented a production planning system considering failure in rework and breakdown. We also survey human workforce allocation and its expenses which are considered uncertain due to some tradeoff between company’s benefits and workforce union’s advantages. We presented a new robust particle swarm optimization to propose a model with the ability of handling uncertainties. Firstly, we apply the presented robust optimization to handle demand uncertainty separately, and then we extended our model to regard both uncertainties simultaneously. To show the practicability of the proposed algorithm, we solved a real problem in an industrial case study. We also analyzed the most important parameters in the presented robust model to find out which level of uncertainty has less constraint violation and determine the maximum budget of uncertainties that could be considered in the proposed model to expect acceptable optimal objective. The results showed that the proposed model can prepare a promising approach to fulfill an efficient production planning in a multi-site production planning.