تعيين اندازۀ انباشته و زمان‌بندي هم‌زمان در محيط توليدي جريان كارگاهي هيبريد با محدوديت منابع

Simoltaneous Lotsizing and Scheduling in Hybrid Flow Shop Production Environment with Resource Constraint

هدف اين پژوهش، مطالعه سيستم‌هاي توليدي چندمحصولي و چنددوره‌اي در محيط جريان كارگاهي انعطاف‌پذير است، به‌طوري‌كه اندازه انباشته و زمان‌بندي در آن به‌صورت هم‌زمان و يكپارچه تعيين مي‌شود. در اين زمينه، يك مدل برنامه‌ريزي عدد صحيح مختلط جديد براي فرموله‌كردن مسئله پيشنهاد مي‌شود. تابع هدف شامل هزينه‌هاي توليد، موجودي و تأمين خارجي است. درصورت برآورده‌نشدن تقاضاي مشتريان بايد اين تقاضاها از طريق تأمين‌كنندگان خارجي با قيمتي بالاتر تأمين شود. با توجه به پيچيدگي محاسباتي زياد مسئله مورد مطالعه، الگوريتم‌هاي بهينه‌سازي گروه ذرات و رقابت استعماري براي حل پيشنهاد مي‌شود. ابتدا الگوريتم‌ها براي حل مثال‌هاي توليدشده تصادفي با اندازه‌هاي مختلف استفاده مي‌شود و سپس با معرفي مطالعه موردي صنعت كاشي، الگوريتم‌هاي مورد نظر براي حل آن نيز استفاده مي‌شود. نتايج محاسباتي نشان مي‌دهد الگوريتم‌هاي حل قابليت رسيدن به جواب با كيفيت خوب در زمان معقول را دارند و براي مسئله ما الگوريتم رقابت استعماري، عملكرد محاسباتي بهتري دارد.

The aim of this Paper is to study a multiproduct, multiperiod production systems in a hybrid flow shop so that lotsizing and scheduling will be detemined simultaneously. A new mixedinteger programming model is proposed to formulate the studied problem. The objective function in this investigation includes the total cost of production, inventory and external supply. In the case of not satisfying the demand of customers, this demand should be met by foreign suppliers with higher price. The simultaneous lotsizing and scheduling problem are classified in strongly NPhard class. Due to the high computational complexity of the studied problem, particle swarm optimization (PSO) and imperialist competitive algorithms (ICA) are implemented for solving the considered problem. The algorithms explore the solution space for both lotsizing and scheduling and find a combination of production plan and sequence that is feasible and close to optimum. First, the implemented algorithms are used for solving randomly generated instances with different sizes. Then, these methods are used to solve the case of tile industry and the obtained results by two methods are compared with each other. Computational experiences show that the algorithms are able to achieve goodquality solutions for the problem in a reasonable time. Also, the results of ICA are better than PSO results for the mentioned case study.