مدلسازي و حل مسئله زمانبندي پروژه با محدوديت منابع در دو حالت سفارش‌دهي براي خريد و توليد مواد مصرفي

Modeling and Solving Resource Constraints Project Scheduling Problem and Material Ordering for Buying or Producing

مسئله زمان‌بندي پروژه با منابع محدود، عمدتاً با اهداف كمينه كردن زمان اتمام پروژه و يا بيشينه كردن ارزش خالص فعلي مدل‌سازي مي‌شود. اگرچه به كارگيري مسئله زمان‌بندي پروژه با منابع محدود در برنامه‌ريزي مواد مصرفي نقش كليدي در پروژه‌ها دارد، ولي مدل‌هاي پيشنهاد شده نمي‌توانند به تعيين زمان سفارش‌دهي و كمينه كردن هزينه‌هاي مواد مصرفي كمك كنند. در اين پژوهش يك مدل رياضي عدد صحيح جهت يكپارچه‌سازي زمان‌بندي پروژه و سفارش‌دهي مواد مصرفي ارائه شده است. اين مدل با مشخص كردن زمان شروع هر يك از فعاليت‌هاي پروژه، ميزان و دوره زماني سفارش براي خريد يا توليد هر نوع مواد مصرفي را تعيين مي‌كند.جهت حل مدل ارائه شده يك الگوريتم فراابتكاري ژنتيك خود تطبيقي پيشنهاد شده است. در ادامه با آزمايش مسائل توليد شده توسط RenGen1 عملكرد الگوريتم پيشنهاد شده را بر روي مسائل با اندازه‌هاي كوچك و متوسط مورد بررسي قرار داده و نتايج حاصل از آن با نرم‌افزار GAMS مقايسه و مشاهده شد، كه الگوريتم پيشنهادي عملكرد مطلوبي در رسيدن به جواب مناسب براي زمانبندي فعاليت‌ها با كمترين هزينه‌هاي مواد مصرفي را دارد.

Resource constrained project scheduling problem (RCPSP) is mainly designed with the purpose of minimizing the makespan or maximizing the net present value. Although the application of RCPSP in material planning has a key role in projects, the proposed models are not able to set an ordering time and minimizing material cost. In this paper, an integer mathematical model is proposed to integrate project scheduling and ordering material. The model determines the ordering time and quantity of buying or producing any kind of material by calculating start time of activities. A self-adaptive genetic algorithm is proposed to solve the model. The efficiency of proposed algorithm is studied by solving small and medium problems, produced by RanGen1, and the results of the algorithm are compared to GAMS. The results show that the proposed algorithm is able to find solutions with minimum material costs.