مدل برنامه‌ریزی تصادفی و رویکرد حل تجزیه بندرز برای برنامه‌ریزی یکپارچه تولید و نگهداری‌تعمیرات در سیستم تولید چندکارخانه‌ای

عملکرد مناسب در مراکز تولید/عرضه یک شبکه تولید چندکارخانه ای (mfp) مستلزم عدم خرابی در تجهیزات آن است. طراحی و پیاده سازی یک سیستم نگهداری وتعمیرات (نت) به دو دلیل حائز اهمیت است؛ نخست آنکه طول عمر تجهیزات افزایش یافته؛ و دوم آنکه احتمال اختلال در شبکه mfp و هزینه های ناشی از آن، کاهش می یابد. بهره وری بیشتر یک شبکه mfp، با یکپارچه سازی تصمیمات نت در کنار تصمیمات تولید حاصل می شود. در این پژوهش، با در نظر گرفتن عدم قطعیت سناریومحور در تقاضا و نرخ خرابی تجهیزات، یک مدل برنامه ریزی تصادفی سناریومحور (rssp) استوار ارائه می شود. در مدل rssp پیشنهادی، تصمیمات استراتژیک و عملیاتی تولید و نت به‌صورت یکپارچه آورده می شوند و هزینه های اختلال در سیستم نیز لحاظ می شود. در مدل پیشنهادی، استراتژی های نت همچون برون‌سپاری، استقرار تجهیزات پشتیبان و تعمیرات پیشگیرانه دوره ای در نظر گرفته می شود. تابع هدف، بیشینه کردن سود شبکه mfp است که در آن، قیود ظرفیت محدود تولید، ذخیره سازی، بودجه و دسترسی به مراکز خدمات نت در نظر گرفته می شوند. مدل پیشنهادی به‌صورت برنامه ریزی خطی آمیخته است که در ابعاد کوچک با cplex solver  قابل‌حل می باشد؛ برای حل در ابعاد بزرگ نیز یک روش حل مبتنی بر تجزیه بندرز ارائه می شود. در پایان به یک مطالعه عددی برگرفته از ایستگاه های cng به‌عنوان یک شبکه mfp پرداخته می شود تا کاربردپذیری مدل پیشنهادی نشان داده شود و تحلیل نتایج صورت پذیرد.

Stochastic Programming Model and Benders decomposition approach for Integrated Production and Maintenance Planning in Multi-Factory Production

Proper performance of production/supply centers in a multifactory production (MFP) network requires undisrupted equipment. The design and implementation of a maintenance system is important for two reasons firstly, extending the life of the equipment, and second, reducing the MFP network disruption and associated costs. The greater productivity of an MFP system is achieved by integrating maintenance and production decisions. In this study, considering a scenariobased uncertainty in the demand and failure rate, a robust scenariobased stochastic programming (RSSP) model has been presented. proposed RSSP model integrates the strategic and operational decisions of production and the maintenance, and takes into account the MFP disruption costs. We suggest three preventive maintenance strategies such as maintenance outsourcing, deployment of backup equipment, as well as periodic preventive maintenance for the MFP network. The objective function of the proposed model is to maximize the total profit, subject to, constraints such as limited capacity of production, storage, access to service centers, and budget should be satisfied. The proposed RSSP model is formulated as mixed linear program which can be solved in smallscale instances by the CPLEX Solver. Furthermore, Benders decomposition solution method is proposed for largescale instances. Finally, a numerical study of CNG stations, as an MFP network, is conduct to demonstrate the applicability of the proposed model and analyze the results.