Ανάπτυξη ολοκληρωμένου συστήματος προγραμματισμού παραγωγής και διαχείρισης αποθεμάτων με χρήση μεθοδολογιών υπολογιστικής νοημοσύνης, θεωρίας ελέγχου και μαθηματικού προγραμματισμού

Abstract

The objective in this dissertation is the development of an integrated system for production scheduling and inventory management based on artificial intelligence, control theory and mathematical programming. A methodology for time series modeling was initially developed that utilizes advanced artificial intelligence methods in order to construct a sales volume forecasting model with a sophisticated structure, capable of integrating the characteristics of complex temporal phenomena, while at the same time it is able to select the most appropriate variables for model inclusion and model building. The time series model is subsequently used as a vital element in the development of two production scheduling and inventory management systems. The first system deals with the optimization of the operation of parallel machines that produce multiple products and is based on the solution of a Mixed Integer and Linear Programming problem. A number of constraints, commonly found in industrial practice are included in the model formulation, making it capable of producing realistic production schedules applicable on real-life industrial problems. The prediction methodology can provide valuable knowledge on the expected variations in demand, allowing for the production schedule to modified on time. The use of the method can lead to significant reductions in production costs, as it was shown through its extensive application to dairy industrial production plant. The second methodology developed in this thesis tackles the problem of production scheduling for products with a large sales volume (such as milk, cement, paper pulp etc.) and it is used for strategic decision making on production rates and inventory management. The method is based on an advanced automatic control technique known as Model Predictive Control (MPC), which facilitates the direction of the operation of the supply chain to a desired path. The simultaneous use of a model to forecast sales, which are regarded by the control module as distrurbances, significantly improves system performance and leads to decisions that stabilize inventory levels to a desired point, while at the same time rapidly responding to demand variability.

Το αντικείμενο της παρούσας διατριβής συνίσταται στην ανάπτυξη ολοκληρωμένου συστήματος που να επιτελεί τις λειτουργίες προγραμματισμού παραγωγής και διαχείρισης αποθεμάτων βασιζόμενο σε μεθοδολογίες υπολογιστικής νοημοσύνης, θεωρίας ελέγχου και μαθηματικού προγραμματισμού. Αναπτύχθηκε αρχικά μεθοδολογία χρονοσειρών που χρησιμοποιεί προηγμένες μεθοδολογίες τεχνητής νοημοσύνης για την κατασκευή μοντέλου πρόβλεψης όγκου πωλήσεων με σύνθετη δομή, ικανή να ενσωματώνει τα χαρακτηριστικά πολύπλοκων χρονικών φαινομένων, ενώ ταυτόχρονα είναι σε θέση να επιλέγει τις πιο κατάλληλες από τις διαθέσιμες μεταβλητές. Το μοντέλο πρόβλεψης χρονοσειρών χρησιμοποιείται στη συνέχεια ως ουσιώδης παράμετρος για την ανάπτυξη δύο συστημάτων προγραμματισμού παραγωγής και διαχείρισης αποθεμάτων. Το πρώτο σύστημα αφορά στην αριστοποίηση της λειτουργίας παράλληλων μηχανών που είναι επιφορτισμένες με την παραγωγή πολλαπλών προϊόντων και βασίζεται στη διαμόρφωση ενός προβλήματος Μικτού και Ακέραιου και Γραμμικού Προγραμματισμού. Στη διαμόρφωση του προβλήματος λαμβάνονται υπόψη μια σειρά από περιορισμούς που επιβάλλονται από τη βιομηχανική πρακτική και έτσι το προτεινόμενο σύστημα είναι σε θέση να παράγει ρεαλιστικά προγράμματα παραγωγής σε πραγματικά βιομηχανικά προβλήματα. Η χρήση της μεθοδολογίας μπορεί να οδηγήσει σε σημαντική μείωση του κόστους παραγωγής, όπως αποδείχτηκε από την εκτεταμένη εφαρμογή της σε βιομηχανική μονάδα παραγωγής γαλακτοκομικών προϊόντων. Η δεύτερη μεθοδολογία αφορά κυρίως σε προγραμματισμό παραγωγής προϊόντων μεγάλου όγκου πωλήσεων (όπως για παράδειγμα γάλα, τσιμέντο, χαρτοπολτός κλπ.) και χρησιμοποιείται για τη λήψη στρατηγικών αποφάσεων σε σχέση με τους ρυθμούς παραγωγής και τη διαχείριση των αποθεμάτων. Η μεθοδολογία βασίζεται στην προηγμένη τεχνική αυτόματης ρύθμισης που είναι γνωστή ως Ρύθμιση Προβλεπτικού Μοντέλου (Model Predictive Control, MPC). Η ενσωμάτωση στο σύστημα του μοντέλου πρόβλεψης των πωλήσεων (οι οποίες στην συνέχεια θεωρούνται ως διαταραχές), βελτιώνει σημαντικά την απόδοση σε σχέση με άλλα συστήματα λήψης αποφάσεων και οδηγεί σε ενέργειες που σταθεροποιούν το ύψος των αποθεμάτων στα επιθυμητά επίπεδα, ενώ παράλληλα επιτρέπουν την άμεση ανταπόκριση στη μεταβλητότητα της ζήτησης.