Optimalizace dynamických výrobních dávek při stochastické poptávce založená na genetickém algoritmu

GA-Based Dynamic Lot Sizing under Stochastic Demands

článek ve sborníku ve WoS nebo Scopus

en

This paper deals with a dynamic multi-level multi-item lot sizing problem in a general production-assembly structure represented by a directed acyclic network, where each node may have several predecessors and successors. We assume a finite planning horizon consisting of discrete time periods, dynamic lot sizes, multiple constrained resources, time-varying cost parameters and stochastic demands. The objective is to minimize the sum of total production and setup costs and mean values of holding costs and backorder penalty costs. The paper starts from the deterministic model, and investigates a modification of this model for the case of stochastic demands. A solution method based on genetic algorithm is described and results of computational experiments are presented.

Článek se zabývá víceúrovňovým a vícevýrobkovým problémem dynamických výrobních dávek v obecné výrobně montážní struktuře reprezentované orientovaným acyklickým grafem, kde každý uzel může mít několik předchůdců a následníků. Předpokládáme konečný plánovací horizont složený z diskrétních časových period, dynamické výrobní dávky, několik kapacitně omezených zdrojů, časově proměnné nákladové parametry a stochastickou poptávku. Cílem je minimalizace součtu celkových výrobních a seřizovacích nákladů a středních hodnot skladovacích nákladů a penalizací za nesplnění poptávky. Článek vychází z deterministického modelu tohoto problému a zkoumá modifikace tohoto modelu pro případ stochastické poptávky. Je zde popsána metoda řešení založená na genetickém algoritmu a jsou prezentovány výsledky výpočetních experimentů.

This paper deals with a dynamic multi-level multi-item lot sizing problem in a general production-assembly structure represented by a directed acyclic network, where each node may have several predecessors and successors. We assume a finite planning horizon consisting of discrete time periods, dynamic lot sizes, multiple constrained resources, time-varying cost parameters and stochastic demands. The objective is to minimize the sum of total production and setup costs and mean values of holding costs and backorder penalty costs. The paper starts from the deterministic model, and investigates a modification of this model for the case of stochastic demands. A solution method based on genetic algorithm is described and results of computational experiments are presented.

dynamické výrobní dávky, obecná výrobní struktura, stochastická poptávka, genetický algoritmus

dynamic lot sizes, general product structure, stochastic demands, genetic algorithm

2010

01.06.2010

Brno University of Technology

Brno

978-80-214-4120-0

MENDEL 2010. 16th International Conference on Soft Computing

1

453–458

6