مدل‌سازی و حل مساله یکپارچه برنامه‌ریزی تولید ادغامی و تعمیرات و نگهداری در حالت دو هدفه و با رویکرد کاهش نارضایتی مشتریان

امروزه تحقق برنامه‌های از پیش تعیین شده و تامین به موقع تقاضاها و سفارشات مشتریان یکی از اهداف مهم و استراتژیک سازمان‌ها و واحدهای تولیدی محسوب می‌شود. اهمیت این موضوع ریشه در جایگاه مشتریان و موضوع رضایت ایشان از تحویل به موقع تقاضاهایشان و همچنین بهره‌برداری مناسب از منابع تولیدی سازمان دارد. در تحقیق حاضر، مساله یکپارچه برنامه‌ریزی تولید و تعمیرات و نگهداری مورد مطالعه قرار می‌گیرد. برای این مساله دو تابع هدف مدنظر می‌باشد. تابع هدف اول عبارتست از هزینه‌های کل سیستم که همه عوامل هزینه‌ای تولید را شامل می‌شود. تابع هدف دوم نیز میزان نارضایتی مشتریان است که در اثر تاخیر در تامین به موقع تقاضاها افزایش می‌یابد. باتوجه به اهمیت جایگاه و رضایتمندی مشتریان در دنیای رقابتی امروزی، اضافه کردن تابع هدف دوم مساله را به دنیای واقعی نزدیکتر می‌کند. ابتدا مساله تشریح و متغیرها و پارامترهای آن تعریف شده و براساس آن، مدل ریاضی این مساله در حالت چندهدفه توسعه داده شده است. سپس باتوجه به اینکه این مساله از نوع nphard می‌باشد، یک روش حل مبتنی بر الگوریتم ژنتیک با رتبه‌بندی نامغلوببازنگری 2 (nsgaii) ارائه گردیده است. در پایان نیز این مساله با داده‌های استاندارد موجود در منابع با دو تکنیک محدودیت اپسیلون و nsgaii حل شده و نتایج مورد ارزیابی قرار گرفته است. نتایج حاکی از عملکرد مناسب الگوریتم nsgaii در زمان حل و کیفیت جواب می‌باشد.

Modelling and solving the multi objective aggregate production planning with maintenance costs and dissatisfaction reduction approach

Realization of plans and on time demands providing, is nowadays one of the most strategic goals in all production industries. This importance is caused by importance of customer position and also exploitation of resources. In this paper, the aggregate production planning problem is studied. Two objective function is considered for this problem. First, minimizing total cost elements and second, minimizing dissatisfaction of customer that comes about delay in demands delivery. Due to the importance of the customer place in nowadays competitive environment, the last objective function is added to problem to getting closer to the real world. Therefore, at first problem definition via objective functions, parameters, and decision variables are presented. Then mathematical model in multi objective is developed. Since, this problem has been proved as NPHard, an approximation method is also developed based on Nondominated Sorting Genetic Algorithm II (NSGAII). Finally this problem is solved applying two algorithm ε_Constraint and NSGAII using standard data that is obtained from references. The result show good performance of the proposed method based on NSGAII both in solution quality and running time.