برنامه‌ریزی سفارش و زمان‌بندی ماشین‌های موازی با درنظر گرفتن سیاست ترکیبی ساخت برای انبارش و ساخت براساس سفارش

در این تحقیق یک مدل برنامه‌ریزی عدد صحیح غیرخطی ارائه می‌شود که به بررسی مساله برنامه‌ریزی سفارش در محیطی چندمحصولی، چنددوره‌ای و زمان‌بندی آن بر روی ماشین‌های موازی غیرمرتبط با استفاده از سیاست تولیدی ترکیبی ساخت برای انبارش(mts) و ساخت براساس سفارش(mto)، در جهت رویکرد تحویل به‌موقع(jit) می‌پردازد؛ تابع هدف مساله، کمینه‌سازی مجموع هزینه‌های عملیاتی، خرید مواد اولیه، نگهداری مواد اولیه و محصولات نهایی، دیرکرد و رد سفارش‌ها می‌باشد. مدل پیشنهادی با یک مثال بدیهی به‌وسیله نرم‌افزار lingo 9.0،کدنویسی، حل و اعتبارسنجی شده است. نتایج نشان‌دهنده عملکرد صحیح مدل می‌باشد که با داشتن کمترین سطح موجودی، بیشترین سفارش‌ها را در زمان مناسب پاسخ می‌دهد. همچنین نظربه چالش‌های تئوریک و کاربرد‌های صنعتی یک الگوریتم ژنتیک به‌منظور حل این مساله پیشنهاد گردیده است. عملکرد الگوریتم پیشنهادی با استفاده از تعدادی مسائل عددی مورد ارزیابی قرار گرفته است. درنهایت، آنالیز نتایج محاسباتی نمایانگر عملکرد رضایت‌‌بخش الگوریتم بوده است.

order planning and parallel machines scheduling considering make to order (mto) and make to stock (mts) combinational policies

in this research, a proposed integer non-linear programming model investigates the order planning problem in a multi-product, multi-period environment. the model focuses on unrelated parallel machine scheduling using make-to-stock (mts)1 and make-to-order (mto)2 combinational policies towards the just-in-time (jit)3 approach. the objective function is to minimize total operating costs, procurement of raw materials, storage of raw materials and final products, tardiness, and rejection of orders. the proposed model is coded, solved, and validated using an illustrative example with lingo 9.0 software. the results show the model’s correct performance, which responds to most orders at appropriate times with the lowest inventory level. also, considering the theoretical challenges and industrial applications, a genetic algorithm is proposed to solve this problem. the performance of the proposed algorithm is evaluated using several numerical issues. finally, the analysis of computational results indicates the satisfactory performance of the algorithm.