subject to
(۳- ۱۹)
(۳- ۲۰)
محدودیت (۳-۳) یک معادله بالانس موجودی برای محصولات نهائی در کارخانهj میباشد، محدودیت (۳-۴) نیز یک معادله بالانس موجودی برای مواد اولیه در سایت j میباشد. محدودیت (۳-۵) یک معادله بالانس برای سطح نیروی کار است و تضمین مینماید که تعداد کارکنان با سطح تخصص k در کارخا نه j برابر است با تعداد کارکنان با همان سطح تخصص در دوره قبل به علاوه تغییرات صورت گرفته در سطح نیروی کار برای آن سطح تخصص در دوره فعلی. محدودیت (۳-۶) با در نظر گرفتن بهرهوری کارکنان، زمان در دسترس تولید را محدود به زمان در دسترس نیروی کار مینماید. محدودیت (۳-۷) یک حد بالا برای برونسپاری محصولات به پیمانکاران خارج از شرکت تعیین مینماید. محدودیت (۳-۸) یک معادله بالانس برای میزان کمبود در نقطه تقاضای c میباشد. دقت شود که این معادله به صورت مساوی است و در آن امکان نگهداری موجودی در نقاط تقاضا لحاظ نشده است. علت این موضوع می تواند مرتبط با فسادپذیری محصولات و یا تحمیل هزینه های سرسام آور نگهداری به عرضه کنندگان باشد. محدودیتهای (۳-۹) و (۳-۱۰) میزان موجودی مواد اولیه و محصولات نهائی را در هر دوره و هر سایت به ظرفیت انبارش آن اقلام در سایت مربوطه محدود مینماید. محدودیت (۳-۱۱) تضمین می کند که تغییرات در سطح نیروی انسانی از درصد خاصی از سطح نیروی کار در دوره قبلی تجاوز نکند. محدودیت (۳-۱۲) تضمین می کند تا تعداد کارکنان با سطح تخصص k که در دوره جاری اخراج شده و یا برای سطوح تخصصی بالاتر آموزش دیده اند از تعداد کل نیروی کار با همان سطح تخصص در دوره قبل بیشتر نباشد. محدودیت (۳-۱۳) مشخص مینماید که کارکنانی که برای سطوح بالاتر تخصصی دوره میبینند نباید در همان دوره اخراج شوند. این محدودیت دارای یک عبارت غیرخطی مشخص است و با بهره گرفتن از متغیر کمکی صفر و یک () و یک عدد بزرگ دلخواه (M) به فرم خطی معادل زیر در می آید:
(۳- ۲۱)
(۳- ۲۲)
(۳- ۲۳)
محدودیت (۳-۱۴) مشخص می کند که آموزش کارکنان از سطح تخصص k به سطح تخصص k’ تنها زمانی ممکن است که چنین برنامه آموزشی وجود داشته باشد. محدودیت (۳-۱۵) اشاره می کند که تعداد کالاهای سفارش داده شده به تأمین کنندگان نبایستی از ظرفیت تولید آن تأمین کنندگان در آن دوره بیشتر باشد. و در نهایت نوع متغیرها توسط محدودیتهای (۳-۱۶) و (۳-۱۷) مشخص میگردد.
مدل سازی، حالت تصادفی
نیاز به در نظر گرفتن عدم قطعیت در برنامه ریزی تولید از این واقعیت سرچشمه میگیرد که مدلهای برنامه ریزی میان مدت با هدف تخصیص منابع برای آینده با توجه به اطلاعات جاری و اتفاقات آتی توسعه یافته اند. از طرف دیگر عدم قطعیتهای موجود در زنجیره تأمین و محیط پیرامونی این برنامه ریزی را پیچیده تر مینماید. اولین قدم برای در نظر گرفتن عدم قطعیت در تصمیماتِ برنامه ریزی، تعیین نحوه مطلوب مواجهه با پارامترهای غیر قطعی است. رویکردهای بهینه سازی تحت عدم قطعیت از فلسفههای مختلف بهینه سازی نظیر کمینه سازی امید ریاضی، کمینه سازی انحراف از اهداف و کمینه سازی بیشینه هزینه ها پیروی مینماید. طبق آنچه در فصل مرور ادبیات بدان اشاره شد، رویکردهای اصلی مواجهه با عدم قطعیت شامل برنامه ریزی تصادفی (مدلهای ارجاعی، برنامه ریزی تصادفی پایدار و مدلهای احتمالی)، برنامه ریزی فازی (برنامه ریزی منعطف و امکانی)، برنامه ریزی پویای احتمالی و بهینه سازی پایدار میباشد (ساهینیدیس[۱۹۸] ۲۰۰۴). قدم بعدی تعیین بیان مقتضی از پارامترهای غیر قطعی است. در برنامه ریزی تصادفی، برای بیان پارامترهای غیر قطعی دو متدولوژی متفاوت قابل بکار گیری میباشد؛ رویکرد مبتنی بر سناریو و رویکرد مبتنی بر تابع توزیع. در رویکرد سناریو-محور، عدم قطعیت با یک مجموعه گسسته از سناریوها بیان می شود و چگونگی اثرگذاری عدم قطعیت بر آینده پیش بینی می شود. هر سناریو با یک احتمال وقوع همراه است و در واقع این احتمال انتظارات تصمیم گیر را نسبت به وقوع آن سناریوی خاص، مشخص مینماید. از مزایای متدولوژی سناریو-محور میتوان به عدم محدودیت در تعداد پارامترهای غیر قطعی در نظر گرفته شده اشاره نمود. با این وجود، کاربردپذیری این روش با توجه به این حقیقت که نیازمند پیش بینی همه پیامدهای محتمل آتی هستیم محدود میگردد. رویکرد مبتنی بر توزیع احتمال زمانی بکار میرود که بتوان یک طیف پیوسته از پیامدهای بالقوه محتمل آتی را پیش بینی نمود. مزیت این روش آن است که با تخصیص یک تابع توزیع احتمال به طیف پیوسته پیامدهای محتمل، نیاز به پیش بینی دقیق سناریوها مرتفع میگردد. اما در عین حال پیچیدگی به کاربردن توأمان توابع توزیع مختلف، تعداد پارامترهای غیرقطعی در نظر گرفته شده را محدود مینماید.
در مدل پیشنهادی اول، از رویکرد برنامه ریزی تصادفی پایدار و متدولوژی سناریو-محور استفاده شده است و برنامه ریزی پیشنهادی چند هدفه تصادفی پایدار برای برنامه ریزی کلی تولید در زنجیره تأمین در ادامه خواهد آمد. عدم قطعیت با یک مجموعه گسسته از سناریوها (ξ) بیان شده است.