有瓶颈设备的多级生产计划问题

浅夏110

问题实例 ：在制造企业的中期或短期生产计划管理中，常常要考虑如下的生产计划优化问题： 在给定的外部需求和生产能力等限制条件下，按照一定的生产目标（通常是生产总费用 最小）编制未来若干个生产周期的最优生产计划，这种问题在文献上一般称为批量问题 （lotsizing problems）。所谓某一产品的生产批量（lotsize），就是每通过一次生产准备生 产该产品时的生产数量，它同时决定了库存水平。由于实际生产环境的复杂性，如需求 的动态性，生产费用的非线性，生产工艺过程和产品网络结构的复杂性，生产能力的限 制，以及车间层生产排序的复杂性等，批量问题是一个非常复杂、非常困难的问题。 我们通过下面的具体实例来说明这种多级生产计划问题的优化模型。这里“多级” 的意思是需要考虑产品是通过多个生产阶段（工艺过程）生产出来的。
/ `, r4 P4 m1 c3 b0 Q
+ D1 O8 ^, |0 M$ f$ l例 1  某工厂的主要任务是通过组装生产产品 A，用于满足外部市场需求。产品 A 的构成与组装过程见图 1，即 D , E,F,G 是从外部采购的零件，先将零件 D,E 组装成部件B ，零件 F,G 组装成部件C ，然后将部件 B,C 组装成产品 A出售。图中弧上的
数字表示的是组装时部件（或产品）中包含的零件（或部件）的数量（可以称为消耗系 数），例如DB弧上数字“9”表示组装 1 个部件B 需要用到 9 个零件D；BA弧上的 数字“5”表示组装 1 件产品 A需要用到 5 个部件B ；依此类推。
/ N% S' E3 s4 h5 |) j( w9 H8 m
! U' o4 H0 X4 F5 E. q

) m, F& p4 A9 g; u: T; o; O假设该工厂每次生产计划的计划期为 6 周（即每次制定未来 6 周的生产计划），只 有最终产品 A有外部需求，目前收到的订单的需求件数按周的分布如表 1 第 2 行所示。 部件  B,C 是在该工厂最关键的设备（可以称为瓶颈设备）上组装出来的，瓶颈设备的生产能力非常紧张，具体可供能力如表1第3行所示（第2周设备检修，不能使用）。 B,C的能力消耗系数分别为 5 和 8，即生产 1 件B 需要占用 5 个单位的能力，生产 1 件C 需 要占用 8 个单位的能力。  
* w# q) g' @& t; o
1 l( L. Q7 N  `$ [4 ?" W
( Q' e. G+ c9 ~4 P4 _
, e7 e/ s! a' f: w对于每种零部件或产品，如果工厂在某一周订购或者生产该零部件或产品，工厂 需要一个与订购或生产数量无关的固定成本（称为生产准备费用）；如果某一周结束时该零部件或产品有库存存在，则工厂必须付出一定的库存费用（与库存数量成正比） 。 这些数据在表 1 第 5 、6 行给出。

  g1 P5 l+ U, s" o. w按照工厂的信誉要求，目前接收的所有订单到期必须全部交货，不能有缺货；此外，不妨简单地假设目前该企业没有任何零部件或产品库存，也不希望第 6 周结束后留下任何零部件或产品库存。最后，假设不考虑生产提前期，即假设当周采购的零件马上 就可用于组装，组装出来的部件也可以马上用于当周组装成品 A。 在上述假设和所给数据下，如何制定未来 6 周的生产计划。
/ O0 P. A1 d# }. }5 u9 I" T# C
0 S# G4 K0 Z& Y* m8 H2  建立模型

% H3 }! E0 ]$ `) G) h' s（1）问题分析

这个实例考虑的是在有限的计划期内，给定产品结构、生产能力和相关费用及零 部件或成品（以下统称为生产项目）在离散的时间段上（这里是周，也可以是天、月等） 的外部需求之后，确定每一生产项目在每一时间段上的生产量（即批量），使总费用最 小。由于每一生产项目在每一时间段上生产时必须经过生产准备（setup），所以通常的 讨论中总费用至少应考虑生产准备费用和库存费用。其实，细心的读者一定会问：是否需要考虑生产的直接成本（如原材料成本、人力成本、电力成本等）？这是因为本例中 假设了不能有缺货发生，且计划初期和末期的库存都是 0，因此在这个 6 周的计划期内 A的总产量一定正好等于 A的总需求，所以可以认为相应的直接生产成本是一个常数， 因此就不予考虑了。只要理解了我们下面建立优化模型的过程和思想，对于放松这些假 定条件以后的情形，也是很容易类似地建立优化模型的。

/ N  O' d! o, v; }（2）符号说明
9 z6 H1 C; x/ f$ n! m9 f/ n, E
为了建立这类问题的一般模型，我们定义如下数学符号：

N ：生产项目总数（本例中 N =7）；

4 a) n. ~0 L3 ?8 D) o, \/ F, R  HT ：计划期长度（本例中 T =6） ；
5 X% n7 c$ r4 ^% T. |
" h5 |) e' b0 `3 BK ：瓶颈资源种类数（本例中 K =1 ）；

M ：一个充分大的正数，在模型中起到使模型线性化的作用；

：项目i在t时段的外部需求（本例中只有产品 A有外部需求）；
) D6 R8 Z8 R, ?' {# K
6 q8 A1 O4 j/ r6 I) z& _ ：项目i在t时段的生产批量；
* i5 z. m4 S6 z# e3 k( f/ z
: j! X) a0 o) ^ ：项目i在t时段的库存量；
- E; \/ X, g. U" a& P8 V. W
6 O) v. |. q7 k  |, f4 r# i+ ] ：项目i在t时段是否生产的标志（0：不生产，1：生产）；

：产品结构中项目i的直接后继项目集合；

  S8 F$ E  Q6 e# D* N ：产品结构中项目 j 对项目i的消耗系数；
& l6 E' x; }5 t: G
) X  b& i0 C' |; o; A7 y/ M# c ：项目i在t时段生产时的生产准备费用；

  ：项目i在t时段的单件库存费用；
+ M3 c  N% w1 J# _1 {
：资源k 在t时段的能力上限；

：项目i在t时段生产时，生产单个项目占用资源k 的能力；

7 }5 t/ Y( T+ V+ @: l

$ m1 E4 T1 ~0 `/ X  T$ m（3）目标函数

这个问题的目标是使生产准备费用和库存费用的总和最小。因此，目标函数应该 是每个项目在每个阶段上的生产准备费用和库存费用的总和，即
# O  }3 Z+ Q! ]: e
. H1 w% ]6 J0 [                                 ( 1 )

（4）约束条件

这个问题中的约束有如下几类：每个项目的物流应该守恒、资源能力限制应该满足、每时段生产某项目前必须经过生产准备和非负约束（对  是  0− 1约束）。 所谓物流守恒，是指对每个时段、每个项目（图中一个节点）而言，该项目在上一个时段的库存量加上当前时段的生产量，减去该项目当前时段用于满足外部需求的量 和用于组装其它项目（直接后继项目）的量，应当等于当前时段的库存量。具体可以写成如下表达式（假设 ）：
; V" |3 E9 V9 h' @6 x% U9 k; j
6 k: U) O! l0 h9 g                       ( 2 )      
* z8 V2 w6 ?4 q
: E2 U# b  O. n/ J: U9 }5 v资源能力限制比较容易理解，即

& m! ?- F. [/ N& o; ~                      ( 3 )         
/ _$ P0 A4 x" b  o. o/ f- j+ _
8 |/ y1 k# P/ f  ]/ K
; m1 i3 M2 V$ j+ e- R7 M7 q
3  求解模型



& w0 y# n3 {' F5 T9 n/ [



MODEL:
0 G4 A  l1 k! l# w8 ]TITLE 瓶颈设备的多级生产计划;
SETS:
8 w8 V: [* W: m* ?- J- |! F! PART=项目集合,Setup=生产准备费，Hold=单件库存成本，   A=对瓶颈资源的消耗系数;
& T) l! s5 y6 a5 a2 Z2 vPART/A B C D E F G/:Setup,Hold,A;
! TIME=计划期集合，Capacity=瓶颈设备的能力;
# [7 g4 O5 B: bTIME/1..6/:Capacity;
: t( m. z; O* j+ T  L9 @) r# Y# N! USES=项目结构关系，Req=项目之间的消耗系数;
USES(PART,PART):Req;
! PXT=项目与时间的派生集合，Demand=外部需求,   X=产量（批量）, Y=0/1变量，INV=库存; PXT(PART,TIME)emand,X,Y,Inv;
ENDSETS
! 目标函数;
7 \" F- `! G0 o( q$ }[OBJ]Min=@sum(PXT(i,t):setup(i)*Y(i,t)+hold(i)*Inv(i,t));
! 物流平衡方程;
1 k5 r! j+ |% E# }; P@FOR(PXT(i,t)|t #NE#
0 \: i, |! ?; ?% p5 B  G0 P1:[Bal]Inv(i,t-1)+X(i,t)-Inv(i,t)=Demand(i,t)+@SUM(USES(i,j):Req( i,j)*X(j,t))); @FOR(PXT(i,t)|t #eq#
2 G' T- s3 D5 _) L- T' Z2 c1:[Ba0]X(i,t)-Inv(i,t)=Demand(i,t)+@SUM(USES(i,j):Req(i,j)*X(j,t) ));
! 能力约束;
+ l! b8 o! |6 t% N1 X+ Z@FOR(TIME(t):[Cap]@SUM(PART(i):A(i)*X(i,t))<Capacity(t));  
! 其他约束;
* Y. B# ~( Z+ v, L0 CM = 25000;
@FOR(PXT(i,t):X(i,t)<=M*Y(i,t));
@FOR(PXTBIN(Y));
DATA:
Demand=0;Req =0;  
Capacity=10000 0 5000 5000 1000 1000;
9 A6 N' m3 N7 R8 ASetup=400 500 1000 300 200 400 100;
* G" D! ~+ ^. O4 I) p' w/ IHold=12 0.6 1.0 0.04 0.03 0.04 0.04;
$ J0 T3 l- }- n$ s& JA=0 5 8 0 0 0 0;
ENDDATA
CALC:
demand(1,1)=40;demand(1,3)=100;
! _4 p  j) q) g& d. e9 \+ ddemand(1,5)=90;demand(1,6)=10;
req(2,1)=5;req(3,1)=7;req(4,2)=9;
req(5,2)=11;req(6,3)=13;req(7,3)=15;
5 [; ]: O7 @. `4 mENDCALC
3 [8 O  [; X! R0 D) fEND
: B( z8 p# K5 r) h! c
" s! z% ], M0 f4 L
) U, U- B" q: _6 r% _习题：

$ c! \' {! x# v! _/ H1．某农户拥有 100 亩土地和 25000 元可供投资，每年冬季（9 月中旬至来年 5 月 中旬），该家庭的成员可以贡献 3500h 的劳动时间，而夏季为 4000h。如果这些劳动时 间有富裕，该家庭中的年轻成员将去附近的农场打工，冬季每小时 6.8 元，夏季每小时 7.0 元。
  O( H" A' ~* g+ ^% h- S
现金收入来源于三种农作物（大豆、玉米和燕麦）以及两种家禽（奶牛和母鸡）。 农作物不需要付出投资，但每头奶牛需要 400 元的初始投资，每只母鸡需要 3 元的初始 投资。每头奶牛需要使用 1.5 亩土地，并且冬季需要付出 100h 劳动时间，夏季付出 50h 劳动时间，每年产生的净现金收入为 450 元；每只母鸡的对应数字为：不占用土地，冬 季 0.6h，夏季 0.3h，年净现金收入 3.5 元。养鸡厂房最多只能容纳 3000 只母鸡，栅栏 的大小限制了最多能饲养 32 头奶牛。
- L$ n  b0 x' g' `
根据估计，三种农作物每种植一亩所需要的劳动时间和收入如表 11 所示。建立数 学模型，帮助确定每种农作物应该种植多少亩，以及奶牛和母鸡应该各蓄养多少，使年净现金收入最大。
1 R3 q5 ~# T$ c& f
- }3 S/ }; d& w  F( |/ A9 u2 M! I
6 m4 g% B3 c! K$ u: y2 |
( w, X4 \# U6 w+ k& C% B! A9 {' ?! |2．如图 4，有若干工厂的排污口流入某江，各口有污水处理站，处理站对面是居 民点。工厂 1 上游江水流量和污水浓度，国家标准规定的水的污染浓度，以及各个工厂 的污水流量和污水浓度均已知道。设污水处理费用与污水处理前后的浓度差和污水流量 成正比，使每单位流量的污水下降一个浓度单位需要的处理费用（称处理系数）为已知。 处理后的污水与江水混合，流到下一个排污口之前，自然状态下的江水也会使污水浓度降低一个比例系数（称自净系数），该系数可以估计。试确定各污水处理站出口的污水 浓度，使在符合国家标准规定的条件下总的处理费用最小。

4 y" I: y0 ^) e

0 N/ P* e3 F( Q. D1 J+ }- Z0 D

先建立一般情况下的数学模型，再求解以下的具体问题：

（1）为了使江面上所有地段的水污染达到国家标准，最少需要花费多少费用？
9 c" d  H* j3 V
" f' s: c  z! Y+ h( V3 U（2）如果只要求三个居民点上游的水污染达到国家标准，最少需要花费多少费 用？
————————————————
版权声明：本文为CSDN博主「wamg潇潇」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
2 u6 m; ?/ y1 e% h原文链接：https://blog.csdn.net/qq_29831163/java/article/details/89413903
5 i8 m3 H3 ]4 G* T+ |+ \7 h- k
- Z4 ]  F3 W7 t$ _# t