Plánování výroby v podmínkách neurčitosti

Abstract

Tato diplomová práce pojednává o vícestupňovém a vícevýrobkovém problému optimalizace výrobních dávek pro obecné výrobně montážní struktury reprezentované orientovaným acyklickým grafem, kde každý uzel může mít několik předchůdců a následníků. Předpokládáme stochastická poptávka, konečný plánovací horizont složený z diskrétních časových period, dynamické výrobní dávky, několik kapacitně omezených zdrojů a časově proměnné nákladové parametry. Cílem je minimalizace celkových nákladů za daný plánovací horizont. V práci je zpracován přehled modelů se stochastickou poptávkou a obecný popis genetického algoritmu. Pomocí různých modifikací genetického algoritmu byly navrženy a programově implementovány metody řešení zvoleného modelu. Tyto metody byly experimentálně srovnány na vybraných příkladech.

This diploma work 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 stochastic demand, finite planning horizon consisting of discrete time periods, dynamic lot sizes, multiple constrained resources and time-varying cost parameters. The objective is to minimize the total costs over the planning horizon. This thesis includes overview of models with stochastic demand and also general description of genetic algorithm. Using different modifications of genetic algorithm I have proposed and implemented methods for solving a chosen model. Then I have made an experimental comparison of these method on selected problems.