مدل‌سازي و حل مساله يكپارچه برنامه‌ريزي توليد ادغامي و تعميرات و نگهداري در حالت دو هدفه و با رويكرد كاهش نارضايتي مشتريان

Modelling and solving the multi objective aggregate production planning with maintenance costs and dissatisfaction reduction approach

امروزه تحقق برنامه‌هاي از پيش تعيين شده و تامين به موقع تقاضاها و سفارشات مشتريان يكي از اهداف مهم و استراتژيك سازمان‌ها و واحدهاي توليدي محسوب مي‌شود. اهميت اين موضوع ريشه در جايگاه مشتريان و موضوع رضايت ايشان از تحويل به موقع تقاضاهايشان و همچنين بهره‌برداري مناسب از منابع توليدي سازمان دارد. در تحقيق حاضر، مساله يكپارچه برنامه‌ريزي توليد و تعميرات و نگهداري مورد مطالعه قرار مي‌گيرد. براي اين مساله دو تابع هدف مدنظر مي‌باشد. تابع هدف اول عبارتست از هزينه‌هاي كل سيستم كه همه عوامل هزينه‌اي توليد را شامل مي‌شود. تابع هدف دوم نيز ميزان نارضايتي مشتريان است كه در اثر تاخير در تامين به موقع تقاضاها افزايش مي‌يابد. باتوجه به اهميت جايگاه و رضايتمندي مشتريان در دنياي رقابتي امروزي، اضافه كردن تابع هدف دوم مساله را به دنياي واقعي نزديكتر مي‌كند. ابتدا مساله تشريح و متغيرها و پارامترهاي آن تعريف شده و براساس آن، مدل رياضي اين مساله در حالت چندهدفه توسعه داده شده است. سپس باتوجه به اينكه اين مساله از نوع NP-Hard مي‌باشد، يك روش حل مبتني بر الگوريتم ژنتيك با رتبه‌بندي نامغلوب-بازنگري 2 (NSGA-II) ارائه گرديده است. در پايان نيز اين مساله با داده‌هاي استاندارد موجود در منابع با دو تكنيك محدوديت اپسيلون و NSGA-II حل شده و نتايج مورد ارزيابي قرار گرفته است. نتايج حاكي از عملكرد مناسب الگوريتم NSGA-II در زمان حل و كيفيت جواب مي‌باشد.

Realization of plans and on time demands providing, is nowadays one of the most strategic goals in all production industries. This importance is caused by importance of customer position and also exploitation of resources. In this paper, the aggregate production planning problem is studied. Two objective function is considered for this problem. First, minimizing total cost elements and second, minimizing dissatisfaction of customer that comes about delay in demands delivery. Due to the importance of the customer place in nowadays competitive environment, the last objective function is added to problem to getting closer to the real world. Therefore, at first problem definition via objective functions, parameters, and decision variables are presented. Then mathematical model in multi objective is developed. Since, this problem has been proved as NP-Hard, an approximation method is also developed based on Non-dominated Sorting Genetic Algorithm II (NSGA-II). Finally this problem is solved applying two algorithm ε_Constraint and NSGA-II using standard data that is obtained from references. The result show good performance of the proposed method based on NSGA-II both in solution quality and running time.