نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی گروه مدیریت موسسه آموزش عالی خاتم (نویسنده مسئول)

2 کارشناس ارشدگروه مطالعات و پژوهشهای سیستم و بهره‌وری، عضو هیئت علمی موسسه مطالعات و پژوهشهای بازرگانی

3 کارشناس ارشد مدیریت صنعتی، گروه مدیریت صنعتی، دانشگاه علامه طباطبایی

چکیده

برنامه اصلی تولید یک برنامه میان مدت در فرآیند برنامه‌ریزی تولید است که برنامه بلند مدت تولید ادغامی را به برنامه‌ای تبدیل می‌کند که میزان و زمان تولید محصولات مختلف را معین می‌سازد. تصمیم‌گیری در این خصوص به اطلاعات زیادی درباره پارامترهای مختلف از قبیل تقاضا، نیازمندی‌های منابع تولیدی و هزینه‌ها نیاز دارد. یکی از ویژگی‌های ذاتی این پارامترهای مختلف عدم قطعیت آنها است. در این مقاله، مدلی برای حل مساله برنامه‌ریزی اصلی تولید در شرایط عدم قطعیت پیشنهاد شده که در آن اطلاعات تحلیل‌گر درباره پارامترهای مسئله به صورت فازی مشخص می‌باشند. همچنین، یک رویکرد ترکیبی برای حل مدل توسعه یافته پیشنهاد شده است. کاربرد مدل پیشنهادی در دو مثال عددی مورد بررسی قرار گرفته است. بر اساس نتایج این مدل، مقادیر تولید محصولات در افق برنامه‌ریزی همراه با میزان منابع مورد نیاز برای تولید این محصولات مشخص می‌گردد. این نتایج از کاربردهای بالقوه زیادی در خصوص تصمیمات عملیاتی در حوزه برنامه‌ریزی تولید برخوردارند.
 

کلیدواژه‌ها

عنوان مقاله [English]

An interactive fuzzy approach for solving multi product, multi period production planning problem

نویسندگان [English]

  • Seyed Hossein Razavi Hajiagha 1
  • Hadi Akrami 2
  • Shide Sadat Hashemi 3

2 Institute for Trade Studies and Research, Tehran, Iran

3 Industrial Management M.A., Allameh Tabatabaei University, Tehran, Iran

چکیده [English]

 
Master production scheduling is a midterm phase in planning which translates the long term aggregate production planning to a plan which determines the scheduling and magnitude of different products production. This problem requires investigating a wide range of parameters about demand, manufacturing resource usage and costs. Uncertainty is an intrinsic characteristic of these parameters. In this paper, a model is developed for master production scheduling under uncertainty where demands are considered as stochastic variables, while cost and utilization parameters are expressed as fuzzy numbers. A hybrid approach is also proposed to solve the extended model. The application of the proposed method is examined in a numerical example.
 
 
 

کلیدواژه‌ها [English]

  • Keywords: Master production scheduling
  • Fuzzy demand
  • Fuzzy set Theory
  • Interactive approach
آذر، عادل، فرهی بیلویی، رضا و رجب‌زاده، علی. (1387)، مقایسه تطبیقی مدلهای ریاضی قطعی و فازی در برنامه‌ریزی تولی: "مورد: شرکت پالایش نفت شیراز". فصلنامه علمی و پژوهشی مدرس علوم انسانی، سال 12، شماره 1، پیاپی 56، 33-54.
ربانی، مسعود، سادات حسینی، نیلوفر و معنوی‌زاده، ندا. (1392)، رویکرد بهینه سازی استوار در مسئله برنامه ریزی تولید با در نظر گرفتن دوباره کاری، کمبود و خرابی ناگهانی ماشین ها با شرایط نبود قطعیت: استفاده از یک روش تکاملی. نشریه مهندسی صنایع، سال 47، شماره 1، 25-37.
عباسی، مرتضی، هوشمند، محمود و اخوان نیاکی، سید تقی. (1388)، برنامه‌ریزی تولید در سیستم تولید یوسته با تقاضای غیر قطعی با هدف بیشینه‌سازی تطابق تولید با تقاضا. مجله شریف، شماره 49، 3-14.
مهرگان، محمدرضا، کاظمی، عالیه و کامیاب مقدس، امین. (1385)، طراحی مدل آرمانی برنامه‌ریزی تولید برای شرکت کابل‌های مخابراتی شهید قندی یزد. دانش مدیریت، سال 19، شماره 74، 133-147.
Ballestin, F., Mallor, F. & Mateo, P.M. (2012). Production scheduling in a market-driven foundry: a mathematical programming approach versus a project scheduling metaheuristic algorithm. Engineering and Optimization, Vol. 13, Issue 4, pp. 663-687.
Cox, J.F. & Blackstone, J.H. (2001). APICS Dictionary. Virginia: APICS, 2001.
Feng, K., Rao, U.S. & Raturi, A. (2011). Setting planned orders in master production scheduling under demand uncertainty. International Journal of Production Research, Vol. 49, No. 13, pp. 4007-4025.
Fleten S.E. & Kristoffersen T.K. (2008). Short-term hydropower production planning by stochastic programming. Computers & Operations Research, Vol. 35, Issue 8, pp. 2656-2671.
Heilpern, S. (1992). The expected valued of a fuzzy number. Fuzzy Sets and Systems,Vol. 47, Issue 1, pp. 81-86.
Higgins, P. & Browne, J. (1992). Master production scheduling: a concurrent planning approach. Production Planning & Control, Vol. 3, Issue 1, pp. 2–18.
Houghton, E. & Portugal, V. (2001). Optimum production planning: an analytic framework. International Journal of Operations & Production Management, Vol. 21, Issue 9,pp. 1205-1221.
Jimenez, M. (1996). Ranking fuzzy numbers through the comparison of its expected intervals. International Journal of Uncertainty Fuzziness and Knowledge-Based Systems, Vol. 4, Issue 4, pp. 379-388.
Jimenez, M., Arenas, M., Bilbao, A. & Rodriguez, M.V. (2007). Linear programming with fuzzy parameters: an interactive method resolution. European Journal of Operational Research, Vol. 177, Issue 3, pp. 1599-1609.
Kaufmann, A. & Gupta, M.M. (1991).Introduction to Fuzzy Arithmetic: Theory and Applications. New York: Van Nostrand Reinhold.
Kelbel, J. & Hanzalek, Z. (2011). Solving production scheduling with earliness/ tardiness penalties by constraint programming. Journal of Intelligent Manufacturing, Vol. 22, Issue 4, pp. 553-562.
Linag, T.F. (2008). Fuzzy multi-objective production/ distribution planning decisions with multi-product and multi-time period in supply chain. Computers & Industrial Engineering, Vol. 55, Issue 3, pp. 676-694.
Mula, J., Poler, R., Garcia-Sabater, J.P. & Lario, F.C. (2006). Models for production planning under uncertainty: a review. International Journal of Production Economics, Vol. 103, Issue 1,pp. 271-285.
Sawik, T. (2007). Multi-objective master production scheduling in make-to-order manufacturing. International Journal of Production Research, Vol. 45, Issue 12, pp. 2629-2653.
Soares, M.M. & Vieira, G.E. (2009). A new multi-objective optimization method for master production scheduling problems based on genetic algorithm. The International Journal of Advanced Manufacturing Technology, Vol. 41, Issue 5-6,pp. 549-567.
Supriyanto, I. & Noche, B. (2011). Fuzzy Multi-Objective Linear Programming and Simulation Approach to the Development of Valid and Realistic Master Production Schedule. Logistics Journal: Proceeding, Vol. 7, pp. 1-14.
Tang, O. &Grubbstrom, R.W. (2002). Planning and replanning the master production schedule under demand uncertainty. International Journal of Production Economics, Vol. 78, Issue3, pp. 323-334.
Traub, J.F. & Werschulz, A.G. (1998). Complexity and Information. Roma: AcademiaNazionale Dei Lincei.
Vasant, P.M. (2003). Application of fuzzy linear programming in production planning. Fuzzy Optimization and Decision Making, Vol. 2, Issue 3, pp. 229-241.
Vieira, G.E. & Ribas, P.C. (2003). A new multi-objective optimization method for master production scheduling problems using simulated annealing. International Journal of Production Research, Vol. 42, Issue 21, pp. 4609-4622.
Vieira G.E., Favaretto, F. & Ribas, P.C. (2003). Comparing genetic algorithms and simulated annealing in master production scheduling problems. In 17thInternational Conference on Production Research proceedings, Blacksburg, Virginia, USA.
Wang, H.F. & Wu, K.Y. (2003). Modeling and analysis for multi-period, multi-product and multi-resource production scheduling. Journal of Intelligent Manufacturing, Vol. 14, Issue 3-4,pp. 297-309.
Zadeh, L. (1965). Fuzzy sets. Information and Control, Vol. 8, Issue 3, pp. 338–353.