كمينه كردن مجموع وزني تاخيركارها و هزينه ارسال براي مدل زمانبندي يكپارچه توليد و توزيع در زنجيره تامين

Minimizing Total Weighted Tardiness and Delivery Cost for an Integrated Production and Distribution Scheduling Model in Supply Chain

در اين مقاله مساله يكپارچه زمانبندي توليد و توزيع سفارش‌ها در حالت تك مشتري براي سيستم توليدي "توليد براي سفارش" در يك زنجيره تامين مورد بررسي قرار گرفته است. يك توليد كننده n سفارش از يك مشتري دريافت مي كند. سفارشات لازم است توسط يك ماشين پردازش و در قالب دسته‌هايي به مشتري ارسال شود. ارسال دستهاي سفارشها منجر به كاهش هزينه هاي ارسال مي شود اما ممكن است موجب افزايش تاخير بعضي از سفارشها گردد. هدف تعيين توالي پردازش كارها و تعيين دسته‌بندي آنها براي ارسال است به طوري كه مجموع وزني تاخير كارها و هزينه‌هاي ارسال كمينه شود. مساله به طور قوي NP-hard است. در اين مقاله، دو مدل برنامه ريزي رياضي جديد شامل مدل غيرخطي مختلط و مدل خطي مختلط و همچنين يك روش ابتكاري جديد براي حل مساله مذكور ارايه شده است. به منظور بررسي كارايي اين سه روش، تست هاي محاسباتي با رويكرد طراحي آزمايش ها به صورت كامل انجام و تحليل نتايج با به كارگيري تكنيك آناليز واريانس صورت گرفته است. نتايج تست محاسباتي، كارايي روش ابتكاري را نشان مي دهد. همچنين وضعيت عملكرد روش ابتكاري براي گروه هاي مختلف و پارامترهاي مساله مورد تجزيه و تحليل قرار گرفته است.

In this paper, integrated production and batch delivery scheduling problem for make to order production system and one customer in supply chain has been addressed. One manufacture received n orders from one customer. Orders must be processed by single machine and sent in batches to customer. Sending several jobs as a batch lead to less transportation cost but may increase the cost of tardiness jobs. The objective is determining the production and delivery scheduling so that the related costs is minimized. The problem is strongly NP-hard. In this paper, two new math programming models including Mixed Integer Non Linear Programming (MINLP) and Mixed Integer Programming (MIP) models and a Heuristic Algorithm (HA) are presented for solving it. In order to evaluate the efficiency of these three methods computational tests based on full factorial experimental design was conducted. Computational test is performed for evaluation of these three methods. The obtained results show that the heuristic algorithm is efficient. For determine efficiency, Analysis of variance (ANOVA) technique was used. The results showed that the HA is the most efficient method.