مدل استوار تعيين همزمان اندازه دسته و توالي توليد

Robust Simultaneous Lot-sizing & Scheduling Model with Uncertain Demand

مدل هاي بهينه سازي شده براي تصميم گيري در زمينه برنامه ريزي توليد مورد استفاده قرار گرفته، ولي در اغلب مدل ها شرايط قطعي بوده و تغييرات احتمالي در داده ها در نظر گرفته نمي شود. بهينه سازي استوار روشي است كه براي مواجه با عدم قطعيت و تغييرات در مسايل بهينه سازي مورد استفاده قرار مي گيرد. رويكرد بهينه سازي استوار سعي در ايجاد برنامه اي دارد كه اثر اختلالات ناشي از عدم قطعيت را در حين اجرا بر مقدار تابع هدف حداقل كند. يكي از مباحث مهم در برنامه ريزي توليد،مسيله تعيين همزمان اندازه دسته و زمان بندي توليد است. هدف از اين مقاله، يافتن معياري براي ايجاد يك مدل بهينه سازي استوار با رويكرد سناريوسازي در مسيله تعيين اندازه دسته و زمان‌بندي توليد همزمان با تقاضاي غيرقطعي است. در اين راستا يك مدل استوار غيرخطي بر اساس انحراف عملكرد مدل از مقادير بهينه استفاده شده است كه در مرحله بعد تبديل به فرم خطي گرديده است. همچنين به‌عنوان يك معيار كمكي، متغير كمبود به مدل اضافه شده است تا هزينه سطح سرويس در مدل قابل مشاهده باشد. نتايج عددي در دسته مسايل مختلف نشان داده است كه براي ابعاد متوسط استفاده از روش افق غلطانبا ميانگين خطاي 0.07 در تابع هدف، زمان حل بسيار كمتري نسبت به حل بهينه دارد.

Optimization models have been used to support decision making in production planning for a long time. However, several of those models are deterministic and do not address the variability that is present in some of the data. Robust Optimization is a methodology which can deal with the uncertainty or variability in optimization problems by computing a solution which is feasible for all possible scenarios of the data within a given uncertainty set. Simultaneous Lot-sizing & Scheduling is an important problem in production planning environments. In this paper, we consider a simultaneous Lot-sizing & Scheduling problem with uncertain demand. A robust optimization criterion considering to deviation from optimal and shortage cost is applied to formulate a robust linear programming model. Finally, we provide a set of numerical examples to verify the effectiveness of the approach. A Fix & Relax algorithm used to solve the problem. Experimental result shows that the solving problem algorithm in lower time.