نشریه تخصصی مهندسی صنایع ،دوره 48، سال 1393، ویژه نامه دهمین کنفرانس بین المللی مهندسی صنایع، از صفحه 123 تا 129 123 زمان بندي همزمان با تعیین میزان محصول قابل تعهد در سیستم هاي
تولیدي پیش بینی محور

مسعود ربانی*1، فاطمه منشی2 و حامد رفیعی3
استاد دانشکده مهندسی صنایع- پردیس دانشکده هاي فنی- دانشگاه تهران
کارشناس ارشد مهندسی صنایع- پردیس دانشکده هاي فنی- دانشگاه تهران
دانشجوي دکتراي مهندسی صنایع- پردیس دانشکدههاي فنی- دانشگاه تهران

چکیده
گرفتن یک تصمیم معقول در رابطه با میزان ظرفیت تولید آزاد یک شرکت تولیدي و تخصیص بهینه آن به سفارش ها، نیازمند اطلاعات دقیق و گسترده در زمینه هاي مختلفی همچون زمان هاي برنامه ریزي نشده ماشین ها در ای ستگاه هاي کاري مختلف و وضعیت موجودي مواد ،قطعات و یا دیگر منابع ضروري در شرکت تولیدي و زنجیره تأمین مربوطه است. در این تحقیق، تلاش شده است تا اطلاعات مورد نیاز در یک سیستم تولیدي پیش بینی محور را از طریق ترکیب مکانیزم تعیین میزان محصول قابل تعهد پیشرفته و زمان بندي در محیط هاي تولیدي جریان کارگاهی، به دست آوریم. هدف در نظر گرفته شده، تعیین زمان بندي سفارش ها به طور همزمان، از طریق محاسبه ظرفیت آزاد سیستم به منظور تعیین میزان محصول قابل تعهد است. به این منظور محدودیت هاي مختلفی شامل ساعات در دسترس بودن ماشین ها و سطح موجودي مواد و قطعات، در نظر گرفته شده است. نتایج حاصله نشان می دهد که مدل ارائه شده، منجر به مقادیر مطلوبی در شاخص هاي عملکرد می شود.

واژه هاي کلیدي: استراتژي تولید پیش بینی محور، میزان محصول قابل تعهد، زمان بندي، سیستم تولیدي جریان کارگاهی

مقدمه
بدیهی است که در دنیاي رقابتی امروز، مشتري مـدار ي، یکی از مهم ترین شـاخص هـاي عملکـرد در زنج یـ ره تـأم ین است؛ فضایی کـه در آن تـأمین کننـدگان، تول یـ د کننـدگان،توزیع کنندگان و خرده فروشان تلاش می کننـد تـا بـا یـ ک همکاري مـؤثر و کـارآ، مـواد خـام را بـه دسـت آورنـد، بـهمحصول تبدیل کنند و در نهایت محصولات با کیفیتی را به دست مشتریان برسانند [١]. بنـابرا ین توانـا یی پاسـخگو یی سریع و مؤثر با هدف جلب رضـا یت مشـتر ي در بـ ه دسـتآوردن مزیت رقابتی در میان سایر شرکت هاي تولید کننـده،اهمیت ویژه اي دارد [2]. اجراي یـ ک مـدل مناسـب میـ زان محصول قابل تعهد، می تواند شرکت را قـادر کنـد تـا زمـانتکمیــل ســفارش را بــه طــور دق یــق محاســبه کنــد و ازظرفیت هاي تولیدي خود بـه طـور مـؤثر اسـتفاده کنـد تـامشتریان بتوانند سفارش هاي خـود را در زمـان مـورد نظـرتحویل بگیرند [3].

Email: [email protected] 021-88013102 :نویسنده مسئول: تلفن: 88021067-021، فاکس *

بـه ط ور کل ی، موج ودي قابـل تعه د 1 ب ه مق داري از موجودي یک شرکت گفته می شود که تعهد نشده است؛ بـهعبارتی به مشتري خاصی اختصاص نیافته است. در حـال ی که برنامه تولید آن در زمان بندي تولید بـاق ی مـ ی مانـد تـاتعهد اختصاص دادن آن به سـفارش مشـتري را پشـت یبانی کند [4]. هدف اصلی مکـان یزم ATP، یـ افتن پاسـخ بـراي تقاضاهاي مشتریان بر پایه میزان منابع در دسـترس اسـت . براي یافتن یک پاسـخ قابـل اطمینـان بـرا ي سـفارش یـ ک مشتري، سیستم ATP باید اطمینان پیدا کنـد کـه میـ زان محصول خواسته شده از جانب مشتري، در موعـد مقـرر بـهمشتري تحویل داده می شود. بنـابرا ین یـ ک سیسـتم ATP باید شامل هر دو توانایی متعهد شدن سفارش و تکمیـ ل آن باشد. علاوه بر این، یک سیستم ATP باید بتواند به صورت پویا مصرف منـابع را بـه روز رسـان ی و سـفارش مشـتریان را اولویت بندي کنـد تـا همـاهنگی میـ ان عرضـه و تقاضـا بـهگونه اي انجام گیرد که سود حاصله بیشینه شود [5].
تا به امروز، کمبود یـ ک اسـتراتژ ي تولیـ د بـرا ي بخـشعظیمــی از صــنایع تولیــدي در زمینــه تئــوري تولیــد در مدیریت عملیات، به طور کامـل مشـهود بـوده اسـت. بـرا ي تجهیزات مهندسی بزرگ ،یک استراتژي تولید تقریباً نو، اما ساده ظهور کرده است که بهتر می تواند با فشارهاي رقـابت ی دنیاي امروز در ارسال سریع تر محصولات تولیدي مطابق بـانظر مشتري و البته بدون هزینه بیشـتر برخـورد کنـد. ایـ ن استراتژي، ترکیبی از استراتژي هاي تولیدي سفارش محور و انبار محور است. به این صورت که تولید کنندگان مدل هـاي اصلی، محصول را بر اساس پیش بینی تقاضا تولید می کننـد ؛ یعنی بخشی که مشابه با استراتژي تولید انبار محـور عمـلمی کند. سپس هنگامی که یک سـفارش حق یقـ ی از جانـبمشتري وارد سیستم شود، محصولات شبه پایانی را مطـابقبا سفارش مشتري اصلاح می کنند؛ یعنی بخشی که مشـابهب ا اس تراتژي تولی د س فارش مح ور عم ل م ی کن د. ای ن اس تراتژي تولی د را تولی د پ یش بین ی مح ور2 نامگ ذاري کرده اند.
هم ان ط ور ک ه در توضـیحات ب الا نی ز اش اره ش د ،اس تراتژي تولی د MTF بیش تر در ص نایع گ ران قیمت ی همچون تولید پردازنده هاي اصـل ی کـامپ یوتر، مخـزن فشـارهسته اي، ابزارآلات ماشـ ینی، تجهیـ زات سـازه هـاي خـاک ی، ماشین هاي قالب گیـ ري تزریقـ ی پلاسـت یک و دیگـر صـنا یع مشابه به کار گرفته می شوند که جلب رضـا یت مشـتر یان و کسب سهم بازار، بیشتر از طریق کاهش زمان تحویل کالا و بالا بردن سطح اطمینان مشتریان نسبت به انجام بـه موقـعتعهدات سازمان، بدون افزایش قیمت محصولات، مـ ی توانـدسودآوري بسیار بالایی داشته باشد. همچنین کاهش میـ زان موجودي و کاهش حرکت هاي بازگشـت بـه عقـب در خـطتولید نیز می تواند از هزینه هاي نگهداري موجودي و اصـلاحمحصولات بکاهد. نتایج مطالعات گذشته نشان می دهد کـههمه اهداف ذکرشده از طریق طراحـ ی و اجـرا ي یـ ک مـدلمناسب ATP، در سازمان قابل دست یابی است. هدف ایـ ن تحقیق نیز تحلیل شرایط محیط هاي تولیـ دي MTF بـا درنظـر گـرفتن سیسـتم Flow shop و طراحـ ی یـ ک مـدلمناسب ATP براي این سیستم هاي تولیدي است. در ادامه به مهم ترین کارهاي انجام شده در این زمینه اشاره خواهیم کرد.
یک ی از ابزاره اي قدرتمن د در زمین ه تعی ین ATP، مدل هاي برنامه ریزي ریاضی هسـتند . فلیشـمن و میـ ر [6] پایه هاي تئوریک برآوردن تقاضا و تعیین ATP را بررسی و فعالیت هاي برنامه ریـ زي مربـوط بـهATP را طبقـه بنـد ي کرده اند و سیر تکامل استراتژي هاي تعهد تولیـ د سـفارش وATP را با توجه به مدل هاي برنامه ریزي عدد صحیح خطی و ترکیبی مورد بررسـ ی قـرار داده انـد . در سـال هـاي اخیـ ر، مدل هاي برنامه ریزي ریاضی به عنوان ابزارهـا ي کارآمـد درطیف گسترده اي از فضاهاي تولیدي شامل فضـاي تولیـديانب ارمحور3، فض اي تولی دي س فارش مح ور4 [7]، فض اي تولیــدي مونتــاژ بــر مبنــاي ســفارش5 [5]، [8] و [9]، پیکربندي بـر مبنـاي سـفارش6 [10] و سـاخت بـر مبنـاي سفارش7 [11] به کار گرفته شده انـد . همچنـ ین پیبرنیـ ک [12] اطلاعات جامعی از این مکانیزم را گردآوري کرده و از این طریق توانسته است به خوبی جایگاه ATP پیشـرفته را روشن کند و دسـته بنـد ي هـاي کـاربرد ي و مهمـ ی از ایـ ن مکانیزم را ارائه دهد. او مدل هاي ATP پیشرفته را بر پایـ ه سه معیار دسته بندي کرده است ،”سطح دسترسـ ی” مـوردبررسی که یا به بررسی موجودي نهایی اکتفا می کنـد و یـ ا سطح مورد بررسی را بـه منـابع موجـود در زنجیـ ره تـأمین گسترش می دهد؛ “حالت عملیـ اتی” کـه بـر اسـاس آن دودسته ATP پیشـرفته آنـ ی و ATP پیشـرفته دسـته اي را معرفی مـ ی کنـد و “میـ زان تعامـل بـا برنامـهریـ زي منـابعتولیدي” که بر اساس آن نیز مدل هاي ATP پیشـرفته بـهدو دسته فعال و غیر فعال تقسیم می شوند.
استراتژي تولید MTF براي نخستین بار توسط راتوري و همکاران [13] مورد توجه قرار گرفت. سالها بعد مردیت و اکینک در سال 2006 [14] موضوع برنامه ریـ زي ظرفیـ ت در سیستم هاي تولیدي MTF را مورد بررسی قرار داده اند ،آنها براي انجام این کار، از شیوه تحل یـل مـارکوف ی اسـتفادهکرده اند. پس از مطالعه پیشین آنها، مردیت و اکینـک [15] در سال 2007 قوانین انطباق متفاوتی را بـراي سـفارش هـاارائـه کـردهانـد، بـا ف رض اینکـه زمـان هـاي تحویـ ل هم ه سفارش ها باید در یک بازه زمـان ی از پـ یش مشـ خص شـده،تعیین شود. تحلیل هاي آنها نشان می دهد که بـه کـارگیري قوانین تخصیص بهینـه موضـع ی بسـ یار پـر فا یـ ده هسـتند. همچنین بیش از 10 سناریوي مختلف در مثال هاي عـددي براي بررسی عملکرد قوانین انطبـاق ارائـه شـده ، در شـرا یط تولیدي مختلف، معرفی شده است. سپس اکینک و مردیـ ت [16] در مطالعه دیگري شرایط خاصی را در نظر گرفتند که در آن، یک محصـول متـروك وجـود دارد. آنهـا یـ ک مـدلبرنامه ریزي پویاي احتمالی را براي نشان دادن یک دوراهـ ی تصمیم گیري مدیریتی ارائه کردند کـه محصـول متـروك رابـرا ي س فارش جدی د تغیی ر دهن د و ی ا آن را ب راي ی ک سفارش سودآور احتمالی در آینده نگاه دارند.

ارائه مدل ریاضی پیشنهادي
در این فصل می خواهیم مدلی براي اجراي مکانیزم ATP در سیستمهاي تولیدي MTF با در نظر گرفتن محیط تولیدي Flow shop، ارائه دهیم. خروجی هاي اصلی این مدلY ist ،Y ist ، X ism ، Xism و Z is هستند که می توان از طریق آنها همه اطلاعات مورد نیاز براي تعیین برنامه تولید و مسیر تولیدي هر یک از سفارش ها را به طور دقیق نشان داد. خروجی مهم دیگر این مدل که از متغیر هاي تصمیم به دست می آید و در تصمیم گیري از آن استفاده خواهد شد، CtiS است که نشان دهنده زمان تکمیل سفارش iام است.
متغیرهاي تصمیم:
متغیر باینري مرتبط با ماشین ها که اگر سفارش iام در حرکت رو به جلوي خود از ماشین mام در ایستگاه کاري sام استفاده کند، مقدار یک دارد و در غیر این صورت مساوي با صفر خواهد بود.
متغیر باینري مرتبط با ماشین ها که اگر سفارش iام در حرکت رو به عقب خود از ماشین mام در ایستگاه کاري sام استفاده کند، مقدار یک دارد و در غیر این صورت مساوي با صفر خواهد بود.
متغیر باینري که اگر سفارش iام در
حرکت رو به جلوي خود در واحد زمانی tام در ایستگاه کاري sام مورد پردازش قرار گیرد، مقدار یک دارد و در غیر این صورت مساوي با صفر خواهد بود.
متغیر باینري که اگر سفارش iام در حرکت رو به عقب خود در واحد زمانی tام در ایستگاه کاري sام مورد پردازش قرار گیرد، مقدار یک دارد و در غیر این صورت مساوي با صفر خواهد بود.
متغیر باینري که اگر عملیات تولیدي سفارش iام با استفاده از موجودي هاي بین خط در ایستگاه کاري sام آغاز شود، مقدار یک دارد و در غیر این صورت مساوي با صفر خواهد بود.
قیمت فروش در نظر گرفته شده براي سفارش iام درجه اهمیت در نظر گرفته شده براي سفارش iام
هزینه کل تولید سفارش iام در حرکت رو به جلوي آن X ism
X  ism
Y ist
 ist
is
پارامترها:
p i
pri i
ci

هزینه تولیدي سفارش iام در زمان t و در ایستگاه کاري sام در حرکت رو به عقب زمان پردازش سفارش iام در ایستگاه sام و روي ماشین mام
زمان تکمیل مرحله sام از تولید سفارش iام در حرکت رو به جلو
زمان تکمیل مرحله sام از تولید سفارش iام در حرکت رو به عقب
هزینه نگهداري موجودي بین خط براي سفارش iام
زمان تحویل مقرر شده براي سفارش iام جریمه هر روز دیرکرد سفارش iام جریمه هر روز زودکرد سفارش iام میزان موجودي بین خط در ایستگاه کاري sام ضریب مصرف سفارش iام در ایستگاه کاري sام
شماره ایستگاه انتخاب شده براي شروع عملیات تولید سفارش iام
شماره ایستگاهی که از آن به بعد مراحل تولیدي سفارش iام با تولید معمول کارخانه متفاوت خواهد بود تعداد کل ایستگاه هاي کاري تعداد ماشین هاي موجود در ایستگاه کاري sام
افق زمانی مورد بررسی
میزان موجودي مواد در ایستگاه کاري sام در واحد زمانی tام زمان خالی ماشین mام در ایستگاه کاري sام در واحد زمانی tام
تعداد سفارش ها
تعداد ایستگاه هاي کاري
تعداد واحد هاي زمانی مورد بررسی تعداد ماشین ها c
ist
tism

Ct
is
Ct  is
WIPhold costi

DueDate i tard cost i earl cost i
I
s
CCo
is
SS i
OPP i
m
s
Mat
st
Machinesmt
اندیس ها:
i s t m
مدل ارائه شده:
ST S 1 ms
pi  prii ci  Y ist cist Cti s( 1) ti s 1m Ctis 
s 1 t 0 s1 m 1
max i X ism WIPhold costi  maxCtiS DueDatei ,0tard costi 



 (1)
محدودیت ها:

(2)

maxDueDatei CtiS ,0earl costi


I
Z is  I s s
i 1
s SSi 1OPPi SSi 1  Y ist CCois SS
T  s OPPi 1 SS i OPPi   T i t 1 Y ist CCois  S  S   t 1 Matst s (3)

254889133972

Y ist CCois s OPPS i 1SS i SOPPi SSSi s  
s SSi 1OPPi SSi 1
Y ist X ism tism SSs
s OPPi 1SS i OPPi 
1005079-1372031

i Y ist X ism tism SS  Machinesmt mt(4)

236620247854

Y ist X ismtism s OPPS i 1SS i SOPPi SSSi s  
i
T  Y i s( 1)t


t  Ct

t 0 Y i s( 1)t 1is s t1,2,…,(S )1 (5)
i
T  Y ist 



t 0 Y ist 1t  Ctis s t1,2,…,(S )1 (6)
T  Y isti

Ctis  Y ist 1t  X ism tism s
t 0 
Ctis  T Y

Yist ist1t  X ism tism ist 0 
604457-9087

Y ist SSS  0s
t 0
Ts OPPi 1SSi OPPi SSi s i
 (9)
(10)
(11)

(12)

(13)

(14)
X ist  

S t 0
S
SSi Z is  s i
s1
Ti
 ist  Y 1
t 0 s msi
 X ism 1
m1s
Ti
Y ist 1 t 0s

S 


S   0s
 Ts OPPi 1SS i OPPi SSi s i
msi
 X ism1s
m1
S
Z is  1 i
s1
Y ist ,Y ist 0,1i s t, ,
X ism ,X ism0,1i s t, ,
Z is 0,1i s, c cij , ij  0 i j,
pi  0 i
(15) (16)
(17) (18)
(19)
(20)
(21)

جدول 1: بررسی شاخص هاي عملکرد مختلف در حل مدل ارائه شده

N-M-I
تعداد
مسائل حل شده 10/ میانگین هزینه میانگین سفارش هایی که تولید
آنها در همان تاریخ تحویل آنها به پایان رسیده است میانگین سفارش هایی که دچار تأخیر شده اند میانگین (نسبت زمان
حضور در سیستم به زمان مورد نیاز براي تولید) میانگین
زمان حل
(ثانیه)

10×10×20 10 1813 9 1 1,07 113
10×10×25 10 1625 9 0 1,06 125
15×10×25 10 2703 8 4 1,11 234
15×10×30 9 2119 9 3 1,09 266
20×10×30 8 3388 9 5 1,16 429
20×10×35 8 3105 11 5 1,14 482

تابع هدف مورد نظر، به دنبال افزایش سود است.
هزینه هاي در نظر گرفته شده در این بخش، شامل هزینه دوباره کاري، هزینه نگهداري، هزینه دیرکرد و هزینه زودکرد است. محدودیت (2) سطح موجودي بین خط در ایستگاه هاي کاري را بررسی می کند. محدودیت هاي (3) و (4) به ترتیب میزان مواد مصرفی در هر ایستگاه و محدودیت زمانی ماشین هاي موجود در هر ایستگاه را براي انجام عملیات هاي مربوط به هر سفارش در مراحل تولید عادي، مراحل تولیدي خاص سفارش و مراحل تولیدي که نیاز به دوباره کاري دارند را مورد بررسی قرار می دهند.
محدودیت هاي (5) و (6) به ترتیب نبود تداخل در زمان خاتمه یک مرحله و شروع مرحله بعدي را در مراحل تولید رو به جلو و مراحل تولیدي که نیاز به دوباره کاري دارند ،بررسی می کنند.
محدودیت هاي (7) و (8)، زمان هاي تکمیل هر یک از مراحل تولیدي سفارش ها را محاسبه می کنند. متغیرهاي مربوط به ایستگاه هاي کاري که نیاز به دوباره کاري دارند، در محدودیت هاي (9) و (10) تعیین می شوند. محدودیت (11) شماره ایستگاه شروع کننده تولید سفارش ها را تعیین می کند.

نتایج حاصل از حل مثال هاي عددي
در این بخش، نتایج حاصل از حل مدل در جدول شماره 1 ارائه شده است. اولین شاخص مطرح شده در این جدول، تعداد مسائل حل شده است. هر خانه از جدول میانگین، شاخص مورد نظر در ابعاد تعیین شده (N-M-I) را براي 10 مثال متفاوت نشان می دهد. N تعداد سفارش ها ،M تعداد ماشین ها و I تعداد کل موجودي هاي بین خط در سیستم تولیدي را نشان می دهد. همان طور که در جدول ذکرشده نیز نشان داده شده است، با افزایش ابعاد مسئله، توانایی مدل ریاضی در حل مسائل کاهش می یابد. لازم به ذکر است هنگامی که عنوان می شود مدل ریاضی قادر به حل یک مثال نبوده است، منظور این است که نتوانسته مسئله را در مدت زمان 600 ثانیه حل کند. شاخص بعدي، میانگین هزینه کل است که با افزایش تعداد سفارش ها در ظرفیت تولید ثابت، افزایش و با افزایش تعداد موجودي هاي بین خط، اندکی کاهش می یابد. دو ستون بعدي به ترتیب بیان گر میانگین تعداد سفارش هایی هستند که تولید آنها در همان تاریخ تحویل به پایان رسیده است و سفارش هایی که حداقل یک روز دچار تأخیر شده اند. همان طور که از نتایج درج شده در جدول نیز مشخص است، با افزایش تعداد سفارش ها، درصد سفارش هایی که به موقع آماده شده اند، کاهش و درصد سفارش هایی که دچار تأخیر می شوند، افزایش می یابد. شاخص عملکرد دیگري که بررسی شده است، میانگین نسبت زمان حضور در سیستم به زمان مورد نیاز براي تولید است؛ هر قدر که مقدار این شاخص به یک نزدیک تر باشد، نشان دهنده کارکرد بهتر مدل است. طبق نتایج به دست آمده، افزایش تعداد سفارش ها، سبب افزایش مدت زمان حضور آنها در سیستم می شود.

مراجع
نتیجه گیري و تحقیقات بعدي
نتایج به دست آمده در بخش قبلی، نشان می دهد که مدل ارائه شده به خوبی توانسته است با سیستم تولیدي مورد نظر هماهنگی پیدا کند و هدف این تحقیق که جلب رضایت مشتري از طریق تحویل به موقع سفارش ها است را تا حد خوبی برآورده کرده است.
مدل ارائه شده، شروع زمینه جدیدي از تحقیقات در برنامه ریزي تولید است؛ چرا که از یک طرف به بررسی سیستم هاي تولیدي پیش بینی محور می پردازد که تا به امروز کار زیادي روي آنها انجام نشده است و می توان فرضیات بسیاري را براي نزدیک کردن مدل به فضاي حقیقی به آن افزود و از طرف دیگر، ایده ترکیب مسئله زمان بندي و میزان محصول قابل تعهد را مطرح می کند که با توجه به گستردگی هر دو زمینه، می توان ترکیبات مختلف بسیاري از فرضیات موجود در این دو زمینه تحقیقاتی را در نظر گرفت و مسائل جدیدي را مطرح کرد.
Beamon, B. M. (1998). “Supply chain design and analysis: Models and methods.” Int. J. of Prod. Econ., Vol. 55, PP. 281-294.
Weng, Z. K. (1999). “Strategies for integrating lead time and customer-order decisions.” IIE Trans., Vol. 31, PP. 161-171,
Jeong, B., Sim, S. B., Jeong, H. S. and Kim, S. W. (2004). “An available-to-promise system for TFT LCD manufacturing in supply chain.” Comput. and Ind. Eng., Vol. 43, PP. 19-212.
American Production and Inventory Control Society Dictionary (2004). APICS Educational Society for Resource Management.
Zhao, Z., Ball, M. O. and Kotake, M. (2005). “Optimization-based available-to-promise with multi-stage resource availability.” Ann. of Oper. Res., Vol. 135, PP. 65-85.
Fleischmann, B. and Meyr, H. (2003). “Planning hierarchy, modeling and advanced planning systems.” In: A.G. de Kok, S.C. Grave (Eds.), Supply Chain Management: Design Coordination and Operation. Series Handbooks in Operations Research and Management Science, North-Holland, Amsterdam.
Mestry, S., Damodaran, P. and Chen, C. S. (2011). “A branch and price solution approach for order acceptance and capacity planning in make-to-order operations.” Eur. J. of Oper. Res., Vol. 211, No. 3, PP. 480-.594
Tsai, K. M. and Wang, S. C. (2009). “Multi-site available-to-promise modeling for assemble-to-order manufacturing: An illustration on TFT-LCD manufacturing.” Int. J. of Prod. Econ., Vol. 117, PP. 174-.481
Lin, J. T., Hong, I. H., Wu, C. H. and Wang, K. S. (2010). “A model for batch available-to-promise in order fulfillment processes for TFT-LCD production chains.” Comput. and Ind. Eng., Vol. 59, PP. 720-.927
Ritzo, C., Ervolina, T., Harrison, T. P. and Gupta, B. (2011). “Component rationing for available-topromise scheduling in configure-to-order systems.” Eur. J. of Oper. Res., Vol. 211, PP. 57-.56
Volling, T. and Spengler, T. S. (2011). “Modeling and simulation of order-driven planning policies in build-to-order automobile production.” Int. J. of Prod. Econ., Vol. 131, PP. 183-193.
Pibernik, R. (2005). “Advanced available-to-promise: Classification, selected methods and requirements for operations and inventory management.” Int. J. of Prod. Econ., Vol. 93, No. 94, PP. 239-252.
Raturi, A. S., Meredith, J. R., McCutcheon, D. M. and Camm, J. D. (1990). “Coping with the Build-toForecast Environment.” J. of Oper. Manage., Vol. 9, No. 2., PP. 230-249.
Akinc, U. and Meredith, J. (2006). “Choosing the appropriate capacity for a make-to-forecast production environment using a Markov analysis approach.” IIE Trans., Vol. 38, PP. 847-858.
Akinc, U. and Meredith, J. (2007). “Characterizing and structuring a new make-to-forecast production strategy.” J. of Oper. Manage., Vol. 25, PP. 623-642. PP
Akinc, U. and Meredith, J. R. (2009). “Modeling the manager‘s match-or-wait dilemma in a make-toforecast production situation.” Omega, Vol. 37,. 300-311.
واژه هاي انگلیسی به ترتیب استفاده در متن
Available-to-Promise (ATP)
Make-to-Forecast (MTF)
Make-to-Stock (MTS)
Make-to-Order (MTO)
Assemble-to-Order (ATO)
Configure-to-Order (CTO) 7- Build-to-Order (BTO)



قیمت: تومان


دیدگاهتان را بنویسید