طراحی مدل یکپارچه برای برآورده‌سازی سفارشات کالاهای نوآورانه در سیستم مونتاژ بر مبنای سفارش با در نظر گرفتن عدم قطعیت در تقاضا

در این تحقیق، تولید کالاهای نوآورانه با تقاضای نامعلوم در یک سیستم مونتاژ بر مبنای سفارش با چندین محصول و چندین دوره مورد بررسی قرار می‌گیرد. فرآیندهای تولید در این محیط به سه دسته‌ی غیرمنعطف، منعطف و مونتاژ نهایی تقسیم می‌شوند. فرآیندهای غیرمنعطف و مونتاژ نهایی برای حفظ دانش فنی و تضمین کیفیت باید درون سازمان انجام شوند؛ اما فرآیندهای منعطف معمولاً به منظور افزایش توان تولید و تسریع در تحویل سفارشات، برون‌سپاری می‌شوند. در صورت داشتن ظرفیت مازاد، این فرآیندها می‌توانند در داخل شرکت و هم‌زمان با فرآیندهای غیرمنعطف انجام شوند. برای بیشینه‌سازی سود و اطمینان از برآورده‌سازی سفارشات، مدلی یکپارچه‌ پیشنهاد می‌دهیم که با ملاحظه‌ی شرایط و محدودیت‌های تولید، تصمیمات رد/پذیرش سفارش، برنامه‌ریزی تولید و زمان‌بندی را درنظر می‌گیرد و با استفاده از رویکرد بهینه‌سازی استوار، با عدم قطعیت مواجه می‌شود. سپس مدل پیشنهادی را خطی‌سازی کرده و پس از حل آن در ابعاد کوچک و متوسط و سطوح گوناگون عدم قطعیت با نرم‌افزار بهینه‌سازی، کارایی مدل را تحلیل و مزیت وجود انعطاف در فرآیندهای تولید را بررسی می‌کنیم.

designing an integrated model for innovative goods order fulfillment in a assemble-to-order system considering uncertainty in demand

in this study, we focus on the production of innovative goods facing uncertain demand within an order-based assembly system featuring multiple products and periods. originating from a manufacturer of automation products and precision instruments, the production processes are categorized into three types: inflexible, flexible, and final assembly. in-house execution of inflexible and final assembly processes is crucial for retaining technical expertise and ensuring quality standards. flexible processes, however, are typically outsourced to expedite order delivery and enhance production capacity. yet, if excess capacity exists, these processes can be conducted internally alongside inflexible operations. to optimize profit and meet order requirements effectively, we propose an integrated model that considers production constraints. this model encompasses decision-making regarding order acceptance/rejection, production planning, and scheduling. employing a robust optimization approach, we address the uncertainty inherent in demand variations. we then linearize the model and utilize optimization software to solve it across small and medium dimensions, considering various uncertainty levels. through analysis of the results, we demonstrate the model’s efficiency and underscore the benefits of incorporating production flexibility.