۲۰۰۰
Chu et al.,
نرم افزار عامل ها
EU, SU
برنامه ریزی زنجیره تأمین
U
۲۰۰۰
Guide Jr.,
طبقه بندی
EU, SU
برنامه ریزی و کنترل تولید
U
۲۰۰۰
MirHassani et al.,
برنامه ریزی احتمالی دو مرحله ای منابع
EU
برنامه ریزی زنجیره تأمین چند دوره ای و تخصیص
U
مروری بر مدل های برنامه ریزی تولید تحت عدم قطعیت (بعد از سال ۲۰۰۰)
در این قسمت مقالات بعد از سال ۲۰۰۰ که به نوعی به موضوع برنامه ریزی تولید و مواجهه با عدم قطیعت پرداخته اند به ترتیب زمان انتشار مقاله پرداخته می شود. ضمن آنکه در انتهای این بخش در قالب جدول ۲-۳ ارائه شده است.
گاید [۳۸](۲۰۰۰) برنامه ریزی و کنترل تولید را در شرکتهای بازیافت مورد بررسی قرار داده است. او در مقاله عنوان نموده است که برنامه ریزی و کنترل تولید در چنین شرکت هایی به مراتب پیچیدهتر است و این پیچیدگی بدلیل ماهیت احتمالی محصولات بازیافتی, عدم توازن نرخ بازیافت و تقاضا و شرایط نامعلوم محصولات بازیافت شده است. او هفت مورد از مشخصات پیچیدگی چنین وضعیتی را که نیازمند تغییرات اساسی در فعالیتهای برنامه ریزی و کنترل تولید است شناسایی و تعیین مینماید. سپس در ادامه فرصتهای تحقیقاتی پیش روی هر یک از این مشخصات را تشریح مینماید.
میرحسنی و همکاران [۳۹](۲۰۰۰) مسئله سنتی برنامه ریزی تولید چند دوره ای در شبکه زنجیره تأمین همراه با تخصیص منابع که شامل متغیرهای تصمیم صفر و یک است را در نظر گرفته اند. و سعی نموده اند این مسئله که خود در زمره مسائل Np-hard است را تحت شرایط عدم قطعیت مدل نمایند. اما رویکرد آنها شامل دو الگوریتم مجزا است که می تواند پشت سرهم و یا بطور موازی عمل کند. یک الگوریتم که آن را “منتظر شو و ببین[۴۰]” نامیده اند به صورت مبتنی بر سناریو عمل نموده و خروجی آن به عنوان ورودی مدل بعدی که یک برنامه ریزی احتمالی دو مرحله ای است عمل می کند. آنها با بهره گرفتن از مثالهای عددی نحوه عملکرد الگوریتم را تشریح نموده و آنها را در دو حالت موازی و سری مقایسه نموده اند.
هسو و وانگ [۴۱]( (۲۰۰۱ یک مدل برنامه ریزی خطی امکانی را به منظور مدیریت برنامه ریزی تولید پیشنهاد نموده اند. هدف از مدلسازی آنها کاهش اثر عدم قطعیت تقاضا در محیطهای مونتاژ طبق سفارش[۴۲]، استراتژی کنترل و پیش بینی تقاضا و تعیین مقادیر مناسب از ذخیره اطمینان و تعداد ماشینهای کلیدی است که شرکت معمولاً بر اساس آنها تصمیم گیری مینماید. مدل آنها تنظیمات پیش بینی، مدیریت مواد اولیه و فعالیتهای تولیدی را انجام میدهد. به دلیل نوسانات در قیمت، کهنگی و منسوخ شدن مواد اولیه و ارزش زمانی پول و مبهم بودن هزینهها از تابع هدف فازی استفاده گردیده است. آنها یک تابع هدف فازی را جایگزین سه تابع هدف غیرفازی نموده اند؛ حداقل نمودن محتمل ترین هزینه، حداکثر کردن امکان بدست آمدن کمترین هزینه و حداقل کردن ریسک بدست آمدن بیشترین هزینه. آنها مسئله را با بهره گرفتن از روش مدل سازی فازی زیمرمن[۴۳] مدل نموده اند و در نهایت یک مثال را جهت تشریح مدل حل نموده ند.
یان [۴۴](۲۰۰۱) به بررسی مسئله برنامه ریزی تولید احتمالی سلسله مراتبی ([۴۵] HSPP) در یک کارگاه انعطافپذیر اتوماتیک (FAW[46]) که هر یک شامل تعدادی از سیستمهای انعطاف پذیر ساخت هستند ([۴۷]FMS) که زمان انتقال قطعات بین آنها تأخیری به اندازه یک دوره زمانی دارد، می پردازد. مسئله فوق نه تنها شامل عدم قطعیت در تقاضا، ظرفیت ها، تأمین مواد، زمان فرایندها، ضرورت دوباره کاری و ضایعات میگردد بلکه بصورت چند محصولی و چند دوره ای در نظر گرفته شده است. هدف، ایجاد یک برنامه تولید است که مشخص کند هر FMS چه مقدار قطعه تولید کند و چه موقع آنها را تولید کند بنحوی که سود بدست آمده حداکثر شود. مسئله HSPP فوق به صورت برنامه ریزی احتمالی غیرخطی فرموله شده است که محدودیتهای آن خطی و تابع هدف آن بصورت خطی شکسته است. جهت سهولت حل مدل فوق، ابتدا آن را به یک مدل برنامه ریزی غیرخطی قطعی و سپس به یک مدل برنامه ریزی خطی تبدیل نموده اند. به دلیل مقیاس بزرگ مسئله در کارگاههای عمومی، حل آن با روشهای معمول سیمپلکس و استفاده از کامپیوترهای شخصی در زمان قابل قبول، غیر ممکن است از این رو الگوریتمهای کارمارکار[۴۸] و پیش بینی/تعامل[۴۹] جهت حل مدل استفاده گردیده است. که الگوریتم اول جهت حل مسائل با ابعاد کوچک و متوسط و الگوریتم دوم جهت حل مسائل با ابعاد بزرگ توسعه یافته است. نتایج بدست آمده از اجرای الگوریتمهای فوق روی مسائل متنوعی از HSPP، نشان داده است که رویکردهای ارائه شده در سیستمهای تولیدی فشاری و به همان میزان در سیستمهای تولیدی کششی، کاربرد پذیر، مناسب و کاراست.
تانگ و گروب استروم [۵۰](۲۰۰۲) در مقاله خود به نحوه زمانبندی اصلی تولید ([۵۱]MPS) در شرایط تقاضای غیرقطعی پرداخته اند. بطور سنتیMPS از پیش بینی تقاضا و برنامه ریزی تولید ادغامی ([۵۲]APP) مشتق می شود و به عنوان ورودی اصلی برنامه ریزی احتیاجات مواد [۵۳]MRP تلقی و جهت حفظ سطح خدمت به مشتری و متعادل سازی برنامه ریزی تولید بکار میرود. آنها به این نکته اشاره نموده اند که علی رغم اینکه MPS از APP و پیش بینی تقاضا منتج می شود ولی معمولاً هزینه های مرتبط جهت پوشش عدم قطعیت تقاضا در نظر گرفته نمی شود. مورد دیگری که آنها بدان اشاره نموده اند تغییرات مکرر MPS است که خود باعث بروز مشکلاتی نظیر کاهش بهرهوری MPS میگردد. استفاده از بازه زمانی طولانی برای منجمد نمودن[۵۴] MPS نیز به نوبه خود باعث کاهش سطح خدمت به مشتری میگردد و در نهایت سطح موجودی نیز به میزان قابل توجهی افزایش مییابد. در این مقاله ابتدا به بحث در مورد ایجاد یک روش جدید برای برنامه ریزی MPS تحت شرایط تقاضای احتمالی می پردازد. سپس ارزش گذاری و ارزیابی اقدامات اصلاحی برنامه ریزی مجدد[۵۵] بررسی می شود. در نهایت آنها مدلی را جهت برآورد مناسب پارامترهای MPS نظیر طول بازه اقدامات برنامه ریزی مجدد و طول بازه ای از برنامه که بایستی منجمد شود، ارائه می دهند.
مقاله دولگویی و اولدلولی[۵۶](۲۰۰۲) بر محاسبه مقادیر بهینه زمان تدارک برنامه ریزی شده در روش MRP تحت شرایط زمان تدارک غیرقطعی تمرکز نموده است. تابع هدف مدل پیشنهادی آنها متوسط هزینه های سفارشات عقب افتاده و هزینه های نگهداری را حداقل مینماید. مدل آنها یک برنامه ریزی ریاضی است که مسئله برنامه ریزی یک سطحی چند محصولی چند دوره ای پویا را فرموله می کند. همچنین برای حالتی که زمان تدارک به اندازه انباشته وابسته نیست و سطح تقاضا ثابت است یک مدل کمکی مارکوفی پیشنهاد شده و چند فرمول جدید برای سیاستهای کنترلی بهینه با بهره گرفتن از زنجیره مارکوف بدست آمده است.
یین و همکاران [۵۷](۲۰۰۳) در مقاله خود به بحث در مورد مدلها و الگوریتمهای عددی در برنامه ریزی تولید تحت شرایط عدم قطعیت می پردازد. آنها از فرایندهای احتمالی جهت تشریح پویاییهای سیستم استفاده کرده و تقاضای تصادفی و فرآیندهای ظرفیتی را با بهره گرفتن از زنجیرههای مارکوف دو حالتی محدود با زمان پیوسته[۵۸] مدل نموده اند. آنها نرخ تولید بهینه را با کمینه کردن امید ریاضی هزینه های سیستم و با گسسته نمودن معادلات [۵۹]HJB که با بهره گرفتن از توابع ارزش[۶۰] محقق می شود و نیز استفاده از یک رویه تقریبی، جواب بهینه را بدست میآورند و در نهایت مدل پیشنهادی خود را با سه مورد مطالعاتی از شرکتهای بزرگ صنایع کاغذسازی، صحه گذاری نموده اند.
گوپتا و ماراناس[۶۱](۲۰۰۳) در مقاله خود ابتدا یک مرور کلی بر تحقیقات قبلی در زمینه عدم قطعیت در برنامه ریزی میان مدت زنجیره تأمین چند سایتی انجام داده اند سپس یک رویکرد مبتنی بر برنامه ریزی احتمالی جهت مدل سازی فرایند برنامه ریزی ارائه می دهند بصورتی که نسبت به تشخیص تقاضا در طول دوره برنامه ریزی واکنش نشان میدهد. سپس تصمیمات لجستیک بصورت “منتظر شو و ببین” به تعویق افتاده تا در مواجهه با عدم قطعیت بهینه شود. همچنین بالانس بین سطح رضایتمندی مشتریان و هزینه های تولید در مدل منظور شده است. مدل پیشنهادی آنها یک ابزاری کارا برای ارزیابی و مدیریت فعال دارائیهای آشکار شرکت نظیر سطوح موجودی و حاشیه سود، در شرایط عدم قطعیت بازار میباشد. ویژگیهای کلیدی مدل پیشنهادی آنها از طریق مطالعه یک مورد واقعی برنامه ریزی زنجیره تأمین برجسته شده است.
لیست و همکاران [۶۲](۲۰۰۴) یک مدل پایدار جهت اندازه ناوگان حمل و نقل تحت شرایط عدم قطعیت در میزان تقاضای آتی ارائه نموده اند. آنها پایداری را از طریق در نظر گرفتن یک معیار لحظه ایِ جزئیِ ریسک[۶۳] مدل نموده اند. معیار ریسک در تابع انتظاری ریکورس/ارجاع[۶۴] در برنامه ریزی احتمالی دو مرحله ای گنجانده شده و از رویکرد تجزیه احتمالی[۶۵] به عنوان رویه حل استفاده گردیده است. یک مسئله جهت تشریح اهمیت در نظر گرفتن عدم قطعیت در مدلسازی و توضیح ماهیت بالانس ذاتی بین پذیرش تعداد بیشتری از وسائط نقلیه در مقابل پذیرش ریسک بالقوه هزینه های بالای کمبود منابع در دسترس ناکافی، حل شده است.
وو و چانگ [۶۶](۲۰۰۴) تلاش می کنند تا مسئله برنامه ریزی بهینه تولید را در پاسخ به هزینه های محیطی متغیر در یک محیط غیرقطعی ارزیابی نمایند. استراتژی تولید بهینه آنها گزینه های مختلف تولید را در یک شرکت نساجی بر حسب تقاضای بازار و منابع در دسترس در نظر گرفته و اثر هزینه های محیطی را بصورت یک جزء لازم از چارچوب تصمیم گیری چند معیاره مبتنی بر رویکرد برنامه ریزی توافقی خاکستری[۶۷] لحاظ نموده است. مدل آنها نه تنها هزینه های معمول تولید و درآمد مستقیم فروش محصولات را در نظر میگیرد بلکه حتی هزینه های دفع فاضلاب ها، نرخ منابع آبی که به نوعی منعکس کننده اهداف درونیسازی هزینه های بیرونی در نزد شرکت هاست را نیز در نظر میگیرد. نتایج تحقیق، کاربرد پذیری و اهمیت چنین رویکردی را بر پایه یک مورد مطالعاتی اثبات می کند. این مقاله به نوعی اهمیت افزایش هزینه های آلودگیهای زیست محیطی، مالیاتهای عمومی و هزینه های حفاظت از منابع طبیعی را نشان میدهد و آن را با مسئله برنامه ریزی تولید یکپارچه نموده است. چرا که در محیطهای رقابتی امروز توجه به جنبه های این چنینی به جزء لاینفکی از مزایای رقابتی شرکتها بدل گشته است.
تسای و ساتو [۶۸](۲۰۰۴) یک سیستم برنامه ریزی و کنترل تولید چابک ([۶۹]APPCS) ارائه داده اند. این سیستم برای برنامه ریزی، زمانبندی، تدارک و کنترل تولید کاربرد دارد. این سیستم در محیطهای رقابتی نظیر صنایع ساخت بر اساس سفارش[۷۰] نقش مهمی را ایفا مینماید چراکه چنین سیستمی با سرعت و دقت عدم قطعیتهای موجود در فرآیندها را شناسایی و با عکس العمل مناسب شدنی بودن برنامه ریزی تولید را ضمانت می کند. عدم قطعیت اغلب توسط مشتریانی که سفارش خود را تغییر می دهند یا تأمین کنندگانی که اقلام وعده داده خود را تغییر می دهند، رخ میدهد. مشتریان و یا تأمین کنندگان میتوانند این تغییرات را قبل از آن که رخ دهد اعلام نمایند. سیستم APPCS به محض اینکه تغییری را دریافت می کند، به نحوی عکس العمل نشان میدهد که بیشترین سطح خدمت به مشتری، بهترین استفاده از منابع و کمترین زیان از حیث مواد اولیه، عاید گردد. آنها یک مدل[۷۱]UML برای APPCS ارائه کرده و جهت آزمون آن از شبیهسازی استفاده نموده اند.
سانتوسو و همکاران [۷۲](۲۰۰۵) یک مدل برنامه ریزی تصادفی و یک الگوریتم حل برای مسئله برنامه ریزی زنجیره تأمین ارائه نموده اند. الگوریتم آن ها تکنیک هایی نظیر استراتژی نمونه گیری سناریو[۷۳]، تخمین میانگین نمونه[۷۴] و الگوریتم ارتقاء یافته تجزیه بندرز[۷۵] را یکپارچه نموده است. آن ها ادعا نموده اند که روش آن ها برای مسائل برنامه ریزی زنجیره تأمین با ابعاد بزرگ و با تعداد نامحدود سناریو می تواند به سرعت جوابهای با کیفیت خوبی ارائه نماید.
گوئیلن و همکاران [۷۶](۲۰۰۵) یک مدل چند هدفه برنامه ریزی زنجیره تأمین پیشنهاد داده اند که تحت برنامه ریزی تصادفی دو مرحله ای مدل شده است و اهداف بکار رفته ضمن بیشینه سازی سود سیستم تولیدی رضایتمندی مشتریان را نیز بیشینه مینماید. جوابهای بدست آمده برای مرحله اول برنامه ریزی مربوط به جانمائی مکانهای توزیع کنندگان و کارخانجات است و جوابهای بدست آمده برای مرحله دوم پاسخگوی عدم قطعیت، تحت سناریوهای مختلف است.
بنجائوران و داوود [۷۷](۲۰۰۶) برنامه ریزی تولید را در شرکتهای سازنده قطعات بتنی پیش ساخته مورد بررسی قرار داده است. آنها ادعا نموده اند به دلیل ماهیت قطعات پیش ساخته بتنی که در ساخت سازههای مختلف می تواند مورد استفاده قرار گیرد در تمامی مراحل طراحی تا مرحله ساخت بدلیل برخی عوامل بیرونی نظیر طراحی چند منظوره، پیشرفت در ساخت سازهها، دارای درجه بالائی از عدم قطعیت هستند. بارکاری که نوعاً این شرکتها متحمل میشوند ترکیب پیچیده ای از منحصر به فردی و یکسان سازی در طراحی است که دارای تنوع زیادی در زمان تحویل و همینطور نیازمند هزینه در ساخت قالبهای هدفمند میباشد. سیستم برنامه ریزی نوآورانه آنها که[۷۸] (AIP) نامیده می شود دو توانمندی را در خود دارد. کارکرد اول آن یک سیستم یکپارچه سازی داده است که اتوماسیون را در فرایند برنامه ریزی تقویت مینماید. کارکرد دوم آن یک سیستم پشتیبان تصمیم گیری([۷۹] DSS) برای برنامه ریزان است که با بهره گرفتن از آن کارائی برنامه تولید خود را ارتقاء دهند. هدف تعبیه شده در آن بهینه کردن سود چنین شرکت هائی است. این سیستم از تکنولوژی هوش مصنوعی بهره گرفته است و برای طراحی سیستم تصمیمیار خود از شبکه های عصبی و الگوریتم ژنتیک بهره برده است. نتایج تحقیق نشان میدهد که این سیستم توانسته زمان تدارک برای مشتری را به حداقل ممکن برساند.
جولای و همکاران [۸۰](۲۰۰۶) یک چارچوب بهینه سازی جهت تعیین تولید بهینه در یک افق زمانی ثابت، برای اقلامی با موجودی مستقل از نرخ تقاضا تحت شرایط تورم ارائه نموده اند. آنها اقلام فاسد شدنی را در نظر گرفته اند که از تابع توزیع وایبول دو پارامتری تبعیت می کند. کمبود مجاز است و با یک نرخ ثابتی به عقب میافتد. یک مثال عددی جهت تشریح چگونگی کارکرد رویه حل و یک تحلیل حساسیت روی پارامترهای سیستم صورت پذیرفته است.
واسانت [۸۱](۲۰۰۶) در مقاله خود به این نکته اشاره نموده است که در واحدهای تولید کننده مدرن صنعتی با مسئله ابهام در جنبه های مختلفی نظیر در دسترس بودن مواد اولیه، در دسترس بودن منابع نیروی انسانی، توانمندی فرآیندها و محدودیت هایی که توسط دپارتمان فروش تحمیل می شود مواجه هستند. سپس ادعا نموده که برنامه ریزی خطی فازی روش مناسبی جهت مواجهه با چنین شرایطی است. او یک مدل جدید مبتنی بر برنامه ریزی فازی را با تابع عضویت s شکل تعدیل شده، ارائه نموده و به دلیل اینکه چندین تصمیم مختلف با هم گرفته می شود برای ارزیابی مدل چندین معیار مختلف تعریف کرده و کارائی و رضایتمندی از جواب ارائه شده توسط مدل خود را آزمون نموده است و در نهایت به این نتیجه رسیده است که مدل پیشنهادی راه حل هائی با سطح بالائی از سوددهی و درجه بالائی از رضایتمندی را بدست میدهد.
خادمی زارع و همکاران [۸۲](۲۰۰۶) در مقاله خود یک الگوریتم کاربردی و درخور توجه را برای برنامه ریزی سفارش تولید تحت شرایط عدم قطعیت ارائه نموده اند. ترکیبی از مدلهای شبکه و منطق فازی جهت تعریف توالی مراحل تولیدی و عدم قطعیت، ابزارهای مناسبی جهت مدل سازی برنامه ریزی سفارش تولید محسوب میشوند. در این مقاله پارامترهای شروع به کار هر فعالیت، زمان هر فعالیت و تعداد حلقههای شبکه تولید محصول بصورت اعداد فازی مثلثی تعریف گشته (بدبینانه[۸۳]، محتمل[۸۴] و خوش بینانه[۸۵]) و نتایج برنامه ریزی تولید بصورت مجموعههای فازی تعریف شده اند. محاسبات شبکه شامل اجرای[۸۶] CPM فازی روبه جلو میباشد. خروجی الگوریتم آنها یک برنامه زمانبندی سفارش تولید فازی است. آنها ادعا کرده اند که روش آنها از نظر کاربرد پذیری و قابلیت مکانیزه شدن نسبت به روشهای دیگر بهتر عمل می کند و نیاز به محاسبات کمتری دارد.
