Έλεγχος Αποθεμάτων υπό γνωστή χρονικά μεταβαλλόμενη ζήτηση

Σχετικά έγγραφα
Έλεγχος Αποθεμάτων υπό Σταθερή Ζήτηση

Διοίκηση Παραγωγής και Υπηρεσιών

Έλεγχος Αποθεμάτων υπό Αβέβαιη Ζήτηση

Λυμένες ασκήσεις στα πλαίσια του μαθήματος «Διοίκηση Εφοδιαστικής Αλυσίδας»

Έλεγχος Αποθεμάτων. Γιώργος Λυμπερόπουλος. Γ. Λυμπερόπουλος - Διoίκηση Παραγωγής

Σε βιομηχανικό περιβάλλον η αποθεματοποίηση γίνεται στις εξής μορφές

Το Πρόβλημα Μεταφοράς

1 Έλεγχος Αποθεμάτων υπό Σταθερή Ζήτηση

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ. Από το βιβλίο: Κώστογλου, Β. (2015). Επιχειρησιακή Έρευνα. Θεσσαλονίκη: Εκδόσεις Τζιόλα

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1, Δ3 1, ,200

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη:

Περιεχόμενα Πρόλογος 5ης αναθεωρημένης έκδοσης ΚΕΦΆΛΆΙΟ 1 Ο ρόλος της επιχειρησιακής έρευνας στη λήψη αποφάσεων ΚΕΦΆΛΆΙΟ 2.

Μοντέλα Διαχείρισης Αποθεμάτων

ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΠΡΟΓΡΑΜ- ΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ Συνοπτικός (Συγκεντρωτικός) Προγραμματισμός Παραγωγής

Θα εξετάσουµε τεχνικά ζητήµατα που έχουν επιπτώσεις στην απόδοση του MRP

Διοίκηση Παραγωγής και Υπηρεσιών

ΣΥΣΤΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Τμήμα Μηχανικών Πληροφορικής ΤΕ Πρόβλημα Μεταφοράς. Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

Το µαθηµατικό µοντέλο του Υδρονοµέα

ΟΡΓΑΝΩΣΗ & ΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο

Τι είναι απόθεµα (Inventory) ;

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

Κεφάλαιο 5: Στρατηγική χωροταξικής διάταξης

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα

6 ΔΙΟΙΚΗΣΗ ΕΚΜΕΤΑΛΛΕΥΣΗΣ

Επιχειρησιακή Έρευνα I

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΗΣ - ΑΠΟΘΕΜΑΤΩΝ

Διοίκηση Παραγωγής και Υπηρεσιών

Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος. Διαχείριση Υδατικών Πόρων

Ακέραιος Γραμμικός Προγραμματισμός

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

Περιγραφή και ανάλυση δυναμικού προγράμματος μοντέλου παραγωγής Ν-προϊόντων

Τεχνο-οικονοµικά Συστήµατα ιοίκηση Παραγωγής & Συστηµάτων Υπηρεσιών

καθ. Βασίλης Μάγκλαρης

Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος. Τεχνολογία Συστημάτων Υδατικών Πόρων

Γενικευµένη Simplex Γενικευµένη Simplex

, και. είναι σταθερές (χρονικά αμετάβλητες), προκύπτει το χρονικά αμετάβλητο φίλτρο Kalman (Time Invariant Kalman Filter):

ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

Ακέραιος Γραμμικός Προγραμματισμός

Κεφάλαιο 6 Σχεδιασμός και Έλεγχος της Αλυσίδας Εφοδιασμού

Προβλήματα Μεταφορών (Transportation)

Μέθοδοι Βελτιστοποίησης

2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Η άριστη ποσότητα παραγγελίας υπολογίζεται άμεσα από τη κλασική σχέση (5.5): = 1000 μονάδες

Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

Operations Management Διοίκηση Λειτουργιών

Άσκηση 5. Εργοστάσια. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Μοντελοποίησης και Βελτιστοποίηση Εφοδιαστικών Αλυσίδων 7 Ο εξάμηνο

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα I

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

7. Η ΔΥΝΑΜΙΚΗ ΤΟΥ ΕΡΓΟΣΤΑΣΙΟΥ

Operations Management Διοίκηση Λειτουργιών

ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ. Ι. Προσδιοριστικά Μοντέλα αποθεµάτων

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Σχεδιασμός παραγωγικής ικανότητας

ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ III

Επιχειρησιακή Έρευνα

ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓΗ

Επώνυµη ονοµασία. Ενότητα 13 η Σχεδίαση,Επιλογή, ιανοµή Προϊόντων 1

Ακέραιος Γραμμικός Προγραμματισμός

Μέθοδοι Βελτιστοποίησης

Διαχείριση Εφοδιαστικής Αλυσίδας

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΠΕΡΙΕΧΟΜΕΝΑ. Εισαγωγή Κεφάλαιο 1 Εισαγωγή Κεφάλαιο 2 Εισαγωγή στον γραμμικό προγραμματισμό... 63

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Προγραμματισμός και έλεγχος της παραγωγικής δυναμικότητας. Source: Arup

Διοικητική Λογιστική Κοστολόγηση συνεχούς παραγωγής. Δημήτρης Μπάλιος

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #8: Βελτιστοποίηση Συστημάτων Ασαφούς Λογικής. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

Σχεδιασμός επέκτασης του συστήματος ηλεκτροπαραγωγής με τη χρήση Πολυκριτηριακού Γραμμικού Προγραμματισμού

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

ΦΥΛΛΑΔΙΟ ΑΣΚΗΣΕΩΝ. Εργαστήριο Συστημάτων Αποφάσεων & Διοίκησης ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Η άριστη λύση με τη μέθοδο simplex:

Άσκηση 21. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Γραμμικός Προγραμματισμός

Βελτιστοποίηση κατανομής πόρων συντήρησης οδοστρωμάτων Πανεπιστήμιο Πατρών - Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών

ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ 3 ΗΣ ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ

Μεταπτυχιακό Πρόγραμμα : Τεχνο-οικονομικά Συστήματα. 13. Μελέτη Περίπτωσης Το πρόβλημα του χρονοπρογραμματισμού βιομηχανικών εργασιών

Άπληστοι Αλγόριθμοι. Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις: Α. Παγουρτζής. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΠΡΟΓΡΑΜ- ΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ. Προγραμματισμός Απαιτήσεων σε Υλικά

σει κανένα modem των 128Κ. Θα κατασκευάσει συνολικά = 320,000 τεμάχια των 64Κ και το κέρδος της θα γίνει το μέγιστο δυνατό, ύψους 6,400,000.

Transcript:

Έλεγχος Αποθεμάτων υπό γνωστή χρονικά μεταβαλλόμενη ζήτηση Γιώργος Λυμπερόπουλος

Δυναμική Επιλογή Μεγέθους Παρτίδας (Dynamic Lo Sizing) Υποθέσεις/συμβολισμός Ο χρόνος είναι διαιρεμένος σε διακριτές χρονικές περιόδους =,, TT; TT = ορίζοντας προγραμματισμού Ζήτηση την περίοδο : λλ, =,, TT (μονάδες προϊόντος) Δεν επιτρέπονται ελλείψεις Άπειρος ρυθμός παραγωγής/αναπλήρωσης (στιγμιαία αναπλήρωση αποθέματος) Μηδενικός χρόνος αναπλήρωσης αποθέματος Μεταβλητό μοναδιαίο κόστος παραγωγής/παραγγελίας την περίοδο : cc, =,., TT ( ανά μονάδα προϊόντος) Σταθερό κόστος ετοιμασίας παραγωγής/παραγγελίας την περίοδο : KK, =,., TT ( ανά κύκλο παραγωγής/ παραγγελίας που ξεκινάει την περίοδο ) Κόστος (επιτόκιο) κεφαλαίου: ii ( ανά επενδεδυμένο ανά περίοδο) Αρχικό απόθεμα την περίοδο μηδέν: II 0 2

Δυναμική Επιλογή Μεγέθους Παρτίδας (Dynamic Lo Sizing) Υπολογισμός Κόστος διατήρησης αποθέματος την περίοδο : h = iicc ( ανά μονάδα προϊόντος ανά περίοδο) Απόφαση Υπολειπόμενο απόθεμα στο τέλος της περιόδου : II, =,, TT (μονάδες προϊόντος) Μέγεθος παρτίδας (ποσότητα αναπαραγγελίας) την περίοδο, =,, TT: QQ (μονάδες προϊόντος) 3

Μορφοποίηση προβλήματος (χωρίς περιορισμό δυναμικότητας) Συνέχεια: Εναλλακτικές πρακτικές και ευρετικές μέθοδοι επιλογής μεγέθους παρτίδας Βέλτιστη λύση Minimize = subjec o: I = I + Q λ Q M Y I, Q 0 Y {0,} M : πολύ ΜΕΓΑΛΟΣ αριθμός T G= hi + KY =,, T 4

Πρότυπο παράδειγμα I 0 = 0 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 K 00 00 00 00 00 00 00 00 00 00 h Πηγή: Hopp, W. H., M. L. Spearman. 2000. Facory Physics: Foundaions of Manufacuring Managemen, 2E. McGraw- Hill, Boson, MA (κεφάλαιο 2). 5

Μέθοδος Παρτίδας προς Παρτίδα (Lo-for-Lo) Q = λ Y =, I = 0, =,, T G T = K = 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 20 50 0 50 50 0 20 40 20 30 300 I 0 Y 0 K Y 00 00 00 00 00 00 00 00 00 00 000 h I 0 G 00 00 00 00 00 00 00 00 00 00 000 6

Μέθοδος Σταθερής Ποσότητας Παραγγελίας (Fixed Order Quaniy) 2Kλ 2(00)(30) ΟΠΠ(=EOQ) = = = 75.46 75 h () 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 75 75 75 75 300 I 55 5 70 20 45 35 5 50 30 325 Y 4 K Y 00 00 00 00 400 h I 55 5 70 20 45 35 5 50 30 325 G 55 5 70 20 45 35 5 50 30 725 7

Μέθοδος Σταθερής Περιόδου Παραγγελίας (Fixed Order Period) 2Kλ 2(00)(30) EOQ 75 ΟΠΠ(=EOQ) = = = 75.46 75 TEOQ = = = 2.5 2 h () λ 30 + T Q = λ, =, T +, 2T +, ; 0, διαφορετικά EOQ n= n EOQ EOQ 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 70 60 60 60 50 300 I 50 50 0 40 30 80 Y 5 K Y 00 00 00 00 00 500 h I 50 50 0 40 30 80 G 50 50 0 40 30 680 8

Μέθοδος Εξισορρόπησης Μονάδων Περιόδων (Par Period Balancing) Ιδέα: Μυωπική εξισορρόπηση κόστους διατήρησης αποθέματος και σταθερού κόστους ετοιμασίας G h ( n) Ολικό κόστος διατήρησης αποθέματος αν η παραγγελία που δοθεί την περίοδο καλύπτει n περιόδους, δηλαδή, Q h 2 3 2 + + n π.χ., G (3) = ( λ )(0) + ( λ )( h) + ( λ )( h + h ) = (20)(0) + (50)() + (0)(2) = 70 n = λ + λ + + λ h () n για το οποίο το G ( n) είναι πλησιέστερο στο K 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 n = 0 0 0 0 n = 2 50 50 40 n = 3 70 70 80 n = 4 220 30 70 Q 80 0 30 h G ( ) n 80 30 300 9

Μέθοδος Εξισορρόπησης Μονάδων Περιόδων (συνέχεια) 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 80 0 80 30 300 I 60 0 60 0 60 20 220 Y 4 K Y 00 00 00 00 400 h I 60 0 60 0 60 20 220 G 60 0 60 0 60 20 00 620 0

Μέθοδος Silver-Meal (Ελαχίστου Κόστους ανά Περίοδο) G ( n) Ιδέα: Μυωπική ελαχιστοποίηση μέσου κόστους ανά περίοδο Μέσο κόστος διατήρησης αποθέματος συν σταθερό κόστος ετοιμασίας ανά περίοδο αν η παραγγελία που δοθεί την περίοδο καλύψει n περιόδους, δηλαδή, Q K+ ( λ2)( h) + ( λ3)( h+ h2 ) 00 + (50)() + (0)(2) π.χ., G (3) = = = 56.66 3 3 () ελάχιστο τέτοιο ώστε ( ) ( + ) n n G n G n = λ + λ + + λ + + n 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 n = 00 00 00 00 n = 2 75 75 70 G ( n) n = 3 56.66 56.66 60 n = 4 80 57.5 67.5 Q 80 0 80 30 300

Μέθοδος Silver-Meal (συνέχεια) 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 80 0 80 30 300 I 60 0 60 0 60 20 220 Y 4 K Y 00 00 00 00 400 h I 60 0 60 0 60 20 220 G 60 0 60 0 60 20 00 620 Συμπτωματικά, δίνει το ίδιο ολικό κόστος με την εξισορρόπηση μονάδων περιόδων 2

G ( n) DLS: Άπειρη δυναμικότητα Μέθοδος Ελαχίστου Κόστους ανά Μονάδα Προϊόντος Ιδέα: Μυωπική ελαχιστοποίηση μέσου κόστους ανά μονάδα προϊόντος Μέσο κόστος διατήρησης αποθέματος συν σταθερό κόστος ετοιμασίας ανά μονάδα προϊόντος αν η παραγγελία που δοθεί την περίοδο καλύψει n περιόδους, δηλαδή, Q K+ ( λ2)( h) + ( λ3)( h+ h2) 00 + (50)() + (0)(2) π.χ., G (3) = = = 2.25 80 80 n () ελάχιστο n τέτοιο ώστε G ( n) G ( n+ ) = λ + λ + + λ + + n 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 n = 5 2 0 5 n = 2 2.42.5 4 2.6 G ( n) n = 3 2.25.545 2.857 n = 4 2.462 2.888 Q 80 00 70 50 300 G. Liberopoulos: Producion Planning 3

Μέθοδος Ελαχίστου Κόστους ανά Μονάδα Προϊόντος (συνέχεια) 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 80 00 70 50 300 I 60 0 50 60 40 30 220 Y 4 K Y 00 00 00 00 400 h I 60 0 50 60 40 30 250 G 60 0 50 60 40 30 650 G. Liberopoulos: Producion Planning 4

Βέλτιστη Λύση Minimize G= hi + KY = subjec o: I = I + Q λ Q MY I, Q 0 Y {0,} M : πολύ ΜΕΓΑΛΟΣ αριθμός T =,, T Ιδιότητα Wagner-Whiin Q = 0 ή Q = λ ή Q = λ + λ + ή ή Q = λ + λ + + + λ +T Αναφορά Wagner, H.M., T.M. Whiin. 958. Dynamic version of he economic lo sizing model. Managemen Science 5 () 89-96 5

Αμιγές πρόβλημα συνδυαστικής βελτιστοποίησης Y Y 2 Y 3 Y 4 Y 5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Απόφαση: Y = 0/, = 2,,T Παράδειγμα: (Y, Y 2, Y 3, Y 4, Y 5 ) = (,0,,,0) Λύση που αντιστοιχεί: Q = λ + λ 2, Q 2 = 0, Q 3 = λ 3, Q 4 = λ 4 + λ 5 # συνδυασμών προς εξέταση : 2 T Παράδειγμα: T = 60: # συνδυασμών = 5,76x0 7 2 4 συνδυασμοί 6

Διαδικασία Wagner-Whiin Πρόσθιος αλγόριθμος: Θεωρούμε διαδοχικά προβλήματα περιόδων, =,..., T Για κάθε πρόβλημα υπολογίζουμε: Z j ελάχιστο κόστος προβλήματος περιόδων τελευταία περίοδος παραγωγής στο πρόβλημα των περιόδων Για τον υπολογισμό των Z και j, ορίζουμε: G ( n) Ολικό κόστος διατήρησης αποθέματος συν κόστος ετοιμασίας αν η παραγγελία που δοθεί την περίοδο καλύπτει n περιόδους, δηλαδή, Q = λ + λ + + λ π.χ., G (3) = K + λ h + λ ( h + h ) 2 2 3 2 4 2 3 + + n Υπολογισμός των και : Z = 0, j = 0 0 Z Z = min { Z + G ( i+ )}, j = arg min { Z + G ( i+ )}, =,, T i= j,..., i i i= j,..., i i j 7

Διαδικασία Wagner-Whiin (συνέχεια) Τελευταία περίοδος με παραγωγή 2 3 4 5 6 7 8 9 0 λ 20 50 0 50 50 0 20 40 20 30 00 50 70 320 2 200 20 30 3 250 300 4 270 320 340 400 560 5 370 380 420 540 6 420 440 520 7 440 480 520 60 8 500 520 580 9 580 60 0 620 Z j 00 50 70 270 320 340 400 480 520 580 4 4 4 4 7 7/8 8 8

Διαδικασία Wagner-Whiin (συνέχεια) Υπολογισμοί Z = 0, j = 0 0 { } Z = min Z + G () = G () = K = 00, παραγωγή την περίοδο, j = Z 0 = Z + G (2) = K + hλ = 00 + 50 = 50 παραγωγή την περίοδο = 0 2 2 min, j2 Z + G2() = Z + K2 = 00 + 00 = 200 παραγωγή την περίοδο 2 Z + G (3) = K + hλ + ( h + h ) λ = 00 + 50 + 2 0 = 70 παραγωγή την περίοδο 0 2 2 3 3 min 2(2) 2 2λ3 00 00 0 20 παραγωγή την περίοδο 2, 3 Z2 + G3() = Z2 + K3 = 50 + 00 = 250 παραγωγή την περίοδο 3 Z = Z + G = Z + K + h = + + = j = Z Z + G (4) = G (4) = 320 παραγωγή την περίοδο 0 Z + G2(3) = 00 + G2(3) = 30 παραγωγή την περίοδο 2 4 = min, j4 Z2 + G3(2) = 50 + G3(2) = 300 παραγωγή την περίοδο 3 Z3 + G4() = 70 + 00 = 270 παραγωγή την περίοδο 4 = 4 9

Διαδικασία Wagner-Whiin (συνέχεια) Υπολογισμοί Z Z Z 3 4 5 j5 Z4 + G5() = 270 + 00 = 370 παραγωγή την περίοδο 5 6 0 Z = min + G (2) = 70 + 50 = 320 παραγωγή την περίοδο 4, = 4 = = Κατασκευή λύσης πηγαίνοντας προς τα πίσω : = 0 : j = 8 Q = λ + λ + λ = 90, Q = Q 0 8 8 9 0 9 7 4 4 5 6 7 5 6 7 3 2 3 2 3 0 = 0 GOTO = 7 = 7 : j = 4 Q = λ + λ + λ + λ = 30, Q = Q = Q = 0 GOTO = 3 = 3: j = Q = λ + λ + λ = 80, Q = Q = 0 20

Διαδικασία Wagner-Whiin (συνέχεια) 2 3 4 5 6 7 8 9 0 Toal λ 20 50 0 50 50 0 20 40 20 30 300 Q 80 30 90 300 I 60 0 80 30 20 50 30 280 Y 3 K Y 00 00 00 300 h I 60 0 80 30 20 50 30 280 G 70 0 80 30 20 50 30 580 2

DLS: Πεπερασμένη δυναμικότητα Μορφοποίηση προβλήματος (με περιορισμό χωρητικότητας) Minimize G= hi + KY = subjec o: I = I + Q λ Q C Y =,, T I, Q 0 Y {0,} C : μέγιστη δυναμικότητα παραγωγής την περίοδο Συνθήκη εφικτότητας: T i i i= i= C λ, =,, T Ο τρόπος εύρεσης της βέλτιστης λύσης δεν είναι προφανής 22

DLS: Πεπερασμένη δυναμικότητα Ευρετική διαδικασία 2 βημάτων για την επίλυση του προβλήματος Βήμα : Εύρεση αρχικής εφικτής λύσης. Χρήση μεθόδου παρτίδας προς παρτίδα για εύρεση αρχικής λύση 2. Ξεκινώντας από την πρώτη περίοδο και προχωρώντας προς τα εμπρός, σε περιόδους όπου η ζήτηση ξεπερνά την παραγωγική δυναμικότητα, η πλεονάζουσα ζήτηση μεταφέρεται προς τα πίσω σε περιόδους όπου υπάρχει πλεονάζουσα παραγωγική δυναμικότητα. 3. Η διαδικασία επαναλαμβάνεται για κάθε περίοδο όπου η ζήτηση ξεπερνά την παραγωγική δυναμικότητα, έως ότου το τροποποιημένο πρόγραμμα ζήτησης που προκύπτει είναι εφικτό. Βήμα 2: Βελτίωση αρχικής εφικτής λύσης. Έναρξη με την εφικτή λύση παρτίδας προς παρτίδα που αναπτύχθηκε στο βήμα. 2. Ξεκινώντας από την τελευταία περίοδο και προχωρώντας προς τα πίσω, εξετάζεται αν είναι οικονομικότερο να παραχθούν οι μονάδες που ζητούνται την τρέχουσα περίοδο σε προηγούμενες περιόδους όπου όπου υπάρχει πλεονάζουσα παραγωγική δυναμικότητα. 23

DLS: Πεπερασμένη δυναμικότητα Παράδειγμα Ικανοποίηση του ελέγχου εφικτότητας: Πηγή: Nahmias, S. 2009. Producion and Operaions Analysis, 6E. McGraw Hill, Boson MA (κεφάλαιο 7). 2 3 4 5 6 7 8 9 Toal λ 00 79 230 05 3 0 99 26 40 792 C 20 200 200 400 300 50 20 50 30 K 450 450 450 450 450 450 450 450 450 h 2 2 2 2 2 2 2 2 2 i= i= λ i C i 00 79 409 54 57 527 626 752 792 20 320 520 920 220 270 390 440 470 i i i= i= C λ, =,, T 24

DLS: Πεπερασμένη δυναμικότητα Βήμα : Εύρεση αρχικής εφικτής λύσης 2 3 4 5 6 7 8 9 Toal λ 00 79 230 05 3 0 99 26 40 792 C 20 200 200 400 300 50 20 50 30 +30-30 λ () 00 09 200 05 3 0 99 26 40 +5 +40 +2-76 λ (2) 00 09 200 05 8 50 20 50 40 +0-0 λ (3) 00 09 200 05 28 50 20 50 30 Q 00 09 200 05 28 50 20 50 30 25

DLS: Πεπερασμένη δυναμικότητα Βήμα : Εύρεση αρχικής εφικτής λύσης 2 3 4 5 6 7 8 9 Toal λ 00 79 230 05 3 0 99 26 40 792 Q 00 09 200 05 28 50 20 50 30 792 I 30 25 65 86 0 26 Y K Y 450 450 450 450 450 450 450 450 450 4050 h I 60 50 30 72 20 432 G 450 50 450 450 500 580 622 470 450 4482 26

DLS: Πεπερασμένη δυναμικότητα Βήμα 2: Βελτίωση αρχικής εφικτής λύσης 2 3 4 5 6 7 8 9 Βελτίωση στο κόστος λ 00 79 230 05 3 0 99 26 40 C 20 200 200 400 300 50 20 50 30 Q 00 09 200 05 28 50 20 50 30 EC 20 9 295 272 +30-30 450 2 30 4 = 20 Q () 00 09 200 05 58 50 20 50 0 EC 20 9 295 242 30 +50-50 450 2 50 3 = 50 Q (2) 00 09 200 05 08 50 20 0 EC 20 9 295 92 50 30 +20-20 450 2 20 2 = 30 +50-50 450 2 50 = 350 Q (3) 00 09 200 05 58 0 20 EC 20 9 295 42 50 50 30 27

DLS: Πεπερασμένη δυναμικότητα Sep 2: Βελτίωση αρχικής εφικτής λύσης (συνέχεια) 2 3 4 5 6 7 8 9 Βελτίωση στο κόστος λ 00 79 230 05 3 0 99 26 40 C 20 200 200 400 300 50 20 50 30 Q (3) 00 09 200 05 58 0 20 EC 20 9 295 42 50 50 30 +58-58 450 2 58 = 34 Q (4) 00 09 200 263 0 20 EC 20 9 37 300 50 50 30 28

DLS: Πεπερασμένη δυναμικότητα Αποτίμηση βελτιωμένης λύσης 2 3 4 5 6 7 8 9 Toal λ 00 79 230 05 3 0 99 26 40 792 Q 00 09 200 263 20 792 I 30 58 55 45 66 40 694 Y K Y 450 450 450 450 450 2250 h I 60 36 30 290 332 80 388 G 450 50 450 766 30 290 782 80 3638 29