gestione della produzione e della supply ... - dii.unisi.itdetti/gestscorte2.pdf · nella pratica...
TRANSCRIPT
Paolo Detti Dipartimento di Ingegneria dell’Informazione
Università di Siena
Gestione della produzione e della supply chain
Logistica distributiva
Il modello del lotto economico (EOQ) si basa sulle seguenti assunzioni: • tasso della domanda noto e costante nel tempo (ad es. unità vendute all’anno) • Ogni prodotto indipendente dagli altri • Gestione continuos review • Lead time noti e costanti • Capacità del magazzino infinita
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
Nella pratica la domanda ed i costi di produzione e/o approvvigionamento e di immagazzinamento possono essere soggetti a fluttuazioni stagionali, o ad oscillazioni dovute all’imprevedibilità del mercato.
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
DescrizionedelproblemaUn’azienda produce palloni da calcio, e vuole decidere per i prossimi sei mesiquan1palloniprodurreognimese.Da1Ladomandaprevistaeicos1diproduzioneperiprossimiseimesisono:
Ilmassimonumerodipallonichepuòessereprodo@oinunmeseè30000.Ilcostodistoccaggioedilcostodi immobilizzodelcapitale,perunitàdiprodo@o,allafinediognimeseèdatodal5%(s1ma)delcostodiproduzione.Ilmagazzinohaunacapacitàmassimadi10000palloni,[email protected]’aziendavuoledeciderequan1palloniprodurreognimese,inmododasoddisfareladomandaeminimizzareicos1diproduzioneedimagazzino.
Mese 1 2 3 4 5 6Domanda prevista (migliaia) 10 15 30 35 25 10Costo unitario di produzione 12,5 12,55 12,7 12,8 12,85 12,95
UnaformulazionediProgrammazioneLineare
Definizionedellevariabili:
• Pinumerodipalloniconfeziona1nelmesei,i=1,…,6• Iipallonigiacen1inmagazzinoallafinedelmesei,i=1,…,6
FunzioneobieOvo:
( )
( )∑=
+
=+++++
++++++
6
1
654321
654321
05,0min
95,1258,128,127,1255,125,1205,095,1258,128,127,1255,125,12min
iiiii IcPc
IIIIIIPPPPPP
Mese 1 2 3 4 5 6Domanda prevista (migliaia) 10 15 30 35 25 10Costo unitario di produzione 12,5 12,55 12,7 12,8 12,85 12,95
VincolisullacapacitàproduOvaedistoccaggio:
6,...,1 100006,...,1 30000
=≤
=≤
iIiP
i
i
Lowerboundsullevariabili:
1,...,6i 0, =≥ii IP
Vincolisulladomandaneiseimesiconsidera1:
6,...,1 1 =+=+− iIDPI iiii
1
P1
D1=10000
I16
P6
D6=10000
I52
P2
D2=15000
I2I0=5000
30000 )3 15000 )2
500010000 )1
332
221
011
=−+
=−+
=−=−
IPIIPI
IIP
10000 )6 25000 )5 35000 )4
665
554
443
=−+
=−+
=−+
IPIIPIIPI
Formulazionecomplessiva:
( )
1,...,6i 0,6,...,1 100006,...,1 30000 10000 )6 25000 )5 35000 )4 30000 )3 15000 )2
5000 )1to subject
95,1258,128,127,1255,125,1205,095,1258,128,127,1255,125,12min
665
554
443
332
221
11
654321
654321
=≥
=≤
=≤
=−+
=−+
=−+
=−+
=−+
=−
+++++
++++++
ii
i
i
IPiIiP
IPIIPIIPIIPIIPI
IP
IIIIIIPPPPPP
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
Il problema della programmazione della produzione e delle scorte (Lot Sizing) nasce dalla necessità di contemperare a due esigenze contrastanti: minimizzare i costi fissi di produzione ed i costi di immagazzinamento. • I primi sono costi indipendenti dall'entità della produzione
stessa (costi necessari all'attrezzaggio, alla riconfigurazione, ed all'accensione delle macchine) e devono essere sostenuti ogni volta che si attiva la produzione.
• I costi di immagazzinamento sono legati all’immobilzzo del capitale: il materiale presente in produzione (materiale grezzo, semilavorati, prodotti finiti) non produce profitto prima del momento in cui è venduto (capitale immobilizzato).
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
Nella pra1ca esistono una serie di vantaggi che gius1ficanol’immobilizzodiquotedicapitalea@raversolacreazionediscorte:• Avvalersi di economie di scala (aumentando i volumi produttivi o le quantità ordinate ai fornitori diminuisce il costo marginale) • L’aumento dei volumi produttivi riduce l’incidenza dei costi fissi di produzione • Le scorte disaccoppiano le diverse fasi di produzione
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
ConsideriamounorizzontetemporalesuddivisoinTperiodit=1,…,TCos1diproduzioneedistoccaggio:• costo fisso di produzione nel periodo t: st • costo variabile di produzione nel periodo t (funzione della quantità prodotta xt nel periodo): qt(xt) • costo fisso di stoccaggio nel periodo t: ht • costo variabile di stoccaggio nel periodo t (funzione della quantità in magazzino It nel periodo): ct(It)
Domandavariabileneltempo:Supponiamonotaladomandadt inogniperiodot,cont=1,…,T
Programmazionedellaproduzioneeges1onedellescorte:Pianificazionealungotermine
Costi variabili • costo variabile di produzione : qt(x) • costo variabile di stoccaggio: ct(I) Le funzioni qt(x) e ct(I) si assumono concave (diminuzione del costo marginale all’aumentare delle quantità prodotte o immagazzinate)
I,x
q t(x
),ct(I
)
Pianificazionealungotermineeges1onedellescorte:ilmodellodiWagnerWhi1n
• E’ unmodello dinamico per la ges1one del magazzino nel caso didomandavariabileneltempo• ConsentedideterminareladimensionedeiloOdiproduzioneinogniperiodoprodu3vo(Lotsizing)• Siconsideraunsingoloprodo@o• SiassumeunacapacitàproduOvaedi immagazzinamentoinfinita inogniperiodo
Siindichicon:• ItIllivellodimagazzinoallafinedelperiodot• xtlaquan1tàprodo@aduranteilperiodotRicordandochedtèladomandanelperiodotSihalaseguenterelazione:
It=It-1+xt-dt
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
dt
xt
It=It-1+xt-dt
tItIt-1
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
It=It-1+xt-dt
1
x1
d1
I1T
xT
dT
IT-12
x2
d2
I2
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
⎩⎨⎧
=
>=
0 per 00 per 1
)(t
tt x
xxδ
Costofissodiproduzione:(presentesoloseproducoint)
stδ(xt )+htδ(It )( )t=1
T
∑
)( tt xs δCos1fissodiimmagazzinamento:(presentesolosehomagazzinoint)Dove
e
)( tt Ih δ
CostofissototalesutuOiperiodi:
⎩⎨⎧
=
>=
0 per 00 per 1
)(t
tt I
IIδ
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
Costi fissi
Costovariabilediproduzione:
( ) ( )( )∑=
+++T
ttttttttt IcIhxqxs
1)()()()( δδ
qt (xt )
Costovariabilediimmagazzinamento:
ct(It )
Costofissoevariabiletotalesutu9iperiodi:
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
Costi variabili
( ) ( )( )∑=
+++T
ttttttttt IcIhxqxs
1)()()()( δδ
Costototalesutu9iperiodi:
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
Il problema decisionale: determinare quando e quanto produrre inmododasoddisfareladomandadiogniperiodoeminimizzareilcostototale.
ObieOvodaoOmizzare:• minimizzazionedeicos1diimmagazzinamentoediproduzione
( ) ( )( )∑=
+++T
ttttttttt IcIhxqxs
1)()()()(min δδ
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
( ) ( )( )∑=
+++T
ttttttttt IcIhxqxs
1)()()()(min δδ
FunzioneobieOvo:
Vincolidibilanciamentodeimateriali:
)0 e 0 con(,...,1 01 ===−+= − Ttttt IITtdxII
Vincolidinonnega1vità:
1,...,1 0,...,1 0
−=≥
=≥
TtITtx
t
t
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
( ) ( )( )
1,...,1 0,...,1 0
01,...,2
)()()()(min
1
1
111
1
−=≥
=≥
−+=
−=−+=
−=
+++
−
−
=∑
TtITtxdxI
TtdxIIdxI
IcIhxqxs
t
t
TTT
tttt
T
ttttttttt δδ
Programmazionedellaproduzioneeges1onedellescorte:unaformulazionediProgrammazioneMatema1ca
Stru@uradellesoluzionioOme
1,...,1 0,...,1 0
01,...,2
1
1
111
−=≥
=≥−+=
−=−+=
−=
=−
−
TtITtxdxI
TtdxIIdxI
P
t
t
TTT
tttt
IlpoliedroPèunpolitopo(poliedrolimitato).InfaO,sommandoivincolidiuguaglianzasioOene:
Chevincolalexadassumerevalorifini1.
∑∑==
=T
tt
T
tt xd
11
( ) ( )( )
PIx
IcIhxqxsT
ttttttttt
∈
+++∑=
,
)()()()(min1
δδ
Stru@uradellesoluzionioOmeValeilseguenterisultatoTeoremaSeilproblemaamme@e una soluzione oOma, esiste una soluzione oOma che èanchever1cedelpoliedroP.
( ) ( )( )
PIx
IcIhxqxsT
ttttttttt
∈
+++∑=
,
)()()()(min1
δδ
Stru@uradellesoluzionioOmeValeilseguenterisultatoTeoremaSeilproblemaamme@e una soluzione oOma, esiste una soluzione oOma che èanchever1cedelpoliedroP.Datocheilproblemaèinformastandard:per il teorema precedente esiste una soluzione di Base (checorrispondeadunver1ce)oOma.
0
)(min
≥
=
ybAyyf
Stru@uradellesoluzionioOme( ) ( )( )
1,...,1 0,...,1 0
1,...,2
)()()()(min
1
1
111
1
−=≥
=≥
=+
−==−+
=−
+++
−
−
=∑
TtITtx
dxITtdIxI
dIx
IcIhxqxs
t
t
TTT
tttt
T
ttttttttt δδ
Lamatricedeicoefficien1dei vincolidibilanciamentohadimensioneT*(2T-1):unabasedellamatriceèquindiunamatriceT*T.Inognisoluzioneammissibiledibase(=ver1cediP),TvariabilisonoinbaseeT-1fuoribase.LeT-1variabilifuoribasesono0inognisoluzioneammissibiledibase.
Stru@uradellesoluzionioOmePoichédeveessere:almenounadelle variabilixt , It-1 deveesserediversada0perognit=2,…,T.Poiché in ogni soluzione ammissibile di base almeno T-1 variabilidevonoesserea0,siha:ProprietàEsa@amenteunadellevariabili (xt , It-1)deveesserediversada0perogniperiodot=2,…,T.
TtdxIdx
ttt ,...,2 00
1
11
=>≥+
>≥
−
Stru@uradellesoluzionioOmeProprietàInogni soluzioneammissibiledi baseesa@amenteunadelle variabili(xt,It-1)deveesserediversada0perogniperiodot=2,…,T.Lasoluzioneo9madelproblemaèdaricercarsinellesoluzioniincui:• x1>0• in ogni periodo t=2,…,T, esa@amente una delle variabili xt e It-1 èdiversada0
Stru@uradellesoluzionioOmeProprietàInogni soluzioneammissibiledi baseesa@amenteunadelle variabili(xt,It-1)deveesserediversada0perogniperiodot=2,…,T.Lasoluzioneo9madelproblemaèdaricercarsinellesoluzioniincui:• x1>0• in ogni periodo t=2,…,T, esa@amente una delle variabili xt e It-1 èdiversada0
Nella soluzione ammissibile di base o9ma, la domanda in ogniperiodo t deve essere soddisfaDa o solo dalla produzione oppuresolodalmagazzino.
Stru@uradellesoluzionioOme
∑+
=
=τt
tkkt dx
LaproprietàprecedenteimplicacheinunasoluzioneoOmalequan1tàprodo@esonosolodellaforma
Esempio: si consideri un problema con T=3 e le rela1vedomanded1d2d3Lepossibilisoluzionidibasesono:
;0,0,);0,,);,0,)
;,,)
323211
332211
332211
332211
==++=
=+==
==+=
===
xxdddxdxddxdxc
dxxddxbdxdxdxa
x1 = d1,x2 = d2 +d3,x3 = 0I1 = 0,I2 = d3
x1
d1
x2
d2 d3
Il problema di determinare il dimensionamento dei loOdiproduzione (lot sizing) equivale ad individuare quali sono iperiodiproduOvi(xt>0)
1I1
2I2
3
Stru@uradellesoluzionioOme
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
Definiamocon
M(j,k)il costo di produzione e di immagazzinamento chedeve essere sostenuto per soddisfare la domandadal periodo j al periodo k producendo solo nelperiodoj(xj>0,xr=0conr=j+1,…,k)
xj
dj
Ij
dk
Ik-1
dj+1
( )
∑
∑∑
+=
−
==
=
+++=
k
rppr
k
jrrrr
k
jrrjj
dI
dove
IchdqskjM
1
1
)()(),(
j kj+1
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
),(...)1,()1,()( 3221 kjMjjMjjMkF n++−+−=
• SupponiamodiconoscereilvaloredellasoluzioneoOmaF(k)rela1vaall’orizzontetemporale{1,…,k}• Sia Jk={j1, j2,…, jn} l’insiemedei periodi produOvi(cioè,xt>0setèunperiodoinJk)nellasol.oOma• Ilsuovaloreè
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
dj2+2dj1+2 dj2
),(...)1,()1,()( 3221 kjMjjMjjMkF n++−+−=
j1
dj1
Ij1j1+1 j1+2
dj1+1
j2Ij2
j2+1 j2+2
dj2+1
xj1=dj1+1+dj1+2+…+dj2-1 xj2=dj2+1+dj2+2+…+dj3-1
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
)1,(...)1,()1,()1( 13221 −++−+−=− − nnn jjMjjMjjMjF
E’ facile dimostrare che la soluzione cos1tuita daiperiodi produOvi Jk\{jn} è ancora oOmanell’orizzontetemporale{1,…,jn-1},ovveroche
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
)1,(...)1,()1,()1( 13221 −++−+−<− − nnn jjMjjMjjMjF
InfaO, se Jk\{ jn } non fosse la soluzione oOmanell’orizzontetemporale{1,…,jn-1}Siavrebbe:
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
njJ∪'
EquindisipotrebberosceglierealtriperiodiproduOviJ’={j’1,…,j’q}nell’orizzontetemporale{1,…,jn-1}taliche:
)(),(}){\(),()'( kFkjMjJZkjMJZ nnkn =+<+
ContraddicendoladefinizionediF(k)
Z(J ') =M( j '1, j '2−1)+M( j '2, j '3−1)+ ...+M( j 'q, jn −1) <
M( j1, j2 −1)+M( j2, j3 −1)+ ...+M( jn−1, jn −1) = Z(Jk \ { jn })
considerandolasoluzionesiavrebbe
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
),()1()( kjMjFkF nn +−=
Sihaquindi:
)1,(...)1,()1,()1( 13221 −++−+−=− − nnn jjMjjMjjMjF
Edinpar1colare:
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
{ }kjkjMjFkF ,...,1 ogni per ),()1()( ∈+−≤
Diconseguenzaingeneralesiha:
EquindiunaformularicorsivaperF(k)è:
{ } ),()1(min)( 1 kjMjFkF kj +−= ≤≤
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
Ponendo F(0)=0 possono essere calcola1successivamenteivaloriF(1),F(2),…,F(T)
{ } ),()1(min)( 1 kjMjFkF kj +−= ≤≤
Una soluzione oOma del problema può esserecalcolataimpiegandolafunzionericorsiva
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiWagnerWhi1n
Esempio
{ } ),()1(min)( 1 kjMjFkF kj +−= ≤≤
( )( )∑=
++
=T
ttttttt
t
Icxqxs
h
1
)(
0
δ
Periodo Domanda st qt ct 1 2 3 4
20 30 40 30
30 40 30 50
3 3 4 4
2 2 1 1
I cos1 variabili sono lineari, non esistono cos1 fissi diimmagazzinamento:
Esempio
{ } 90M(1,1)F(0))1,()1(min)1( 11 =+=+−= ≤≤ jMjFF j
1 2 3 4 1 2 3 4
90 - - -
240 130
- -
520 330 190
-
760 510 340 170
PonendoF(0)=0,F(1)èdatoda:
CalcolodellamatricedegliM(j,k)
Esempio(segue)
{ }{ } { }{ }
{ }{ }
{ } 560170340;41010;2205760;90minM(4,4)F(3)M(3,4);F(2)M(2,4);F(1)M(1,4);F(0)minF(4)
41019080;220052520;90minM(3,3)F(2)M(2,3);F(1)M(1,3);F(0)minF(3)
220130240;90minM(2,2)F(1)M(1,2);F(0)minF(2) 90M(1,1)F(0))1,()1(min)1( 11
=+++=
=++++=
=+++=
=+++=
=+=++=
=+=+−= ≤≤ jMjFF j
M(j,k) 1 2 3 4
1 2 3 4
90 - - -
240 130
- -
520 330 190
-
760 510 340 170
F(0)=0
Pianificazionealungotermine:modellocon“backlogging”
E’possibilegeneralizzare ilmodelloed ilmetododiWagnerWhi1nnel caso in cui ladomanda inundatoperiodopossaessere soddisfa@a con la produzione nei periodi futuri(situazionedibacklogging).TalegeneralizzazioneèdovutaaW.I.Zangwill(1966).
t
Ilmodellodello@oeconomico(EOQ)conbacklogging
Q
In caso di backlogging il livello delmagazzino It può essere“nega1vo”
It=It-1+xt-dt
Pianificazionealungotermine:ges1onedellescortecondomandavariabile,ilmodellodiZangwill
00
≥
≥
−=
−
+
−+
t
t
ttt
I
I
III
DiconseguenzanelmodellodiProgrammazioneMatema1calevariabiliItpossonoassumerevalorinega1viUnavariabilenonristre@ainsegnopuòessereespressacomeladifferenzadiduevariabilinonnega1ve:
DiconseguenzailvincolodibilanciamentoalmesetdiventaLa variabile rappresenta la quan1tà prodo@a nei periodisuccessiviatpersoddisfareladomandaint.La variabile rappresenta la giacenza che si avrebbe inmagazzinoselaquan1tàfossestataprodo@aint.
Pianificazionealungotermine:ges1onedellescortecondomandavariabile,ilmodellodiZangwill
−tI
dt
xt
t
+tI
−−1tI
+−1tI
tttttt dIIxII =+−+− −+−−
+− 11
−tI
+tI
−tI
1
x1
d1
T
xT
dT
2
x2
d2
Pianificazionealungotermine:ges1onedellescortecondomandavariabile,ilmodellodiZangwill
tttttt dIIxII =+−+− −+−−
+− 11
−2I
+2I
−1I
+1I
−−1TI
+−1TI
( ) ( ) ( )( )∑=
−−−−++++ +++++T
ttttttttttttt IcIhIcIhxqxs
1)()()()()()(min δδδ
ObieOvodaoOmizzare:• minimizzazionedeicos1diimmagazzinamentoediproduzione• per i cos1 di immagazzinamento, dis1nguiamo il costo per ilmagazzinoposi1voenega1vo:
• FunzioneobieOvo:
Pianificazionealungotermine:ges1onedellescortecondomandavariabile,ilmodellodiZangwill
)()()()(
−−−−
++++
+
+
tttt
tttt
IcIh
IcIh
δ
δ
UnmodellodiProgrammazioneMatema1ca
min stδ(xt )+qt (xt )( )+ ht+δ(It+)+ ct
+(It+)( )+ ht−δ(It
−)+ ct−(It
−)( )( )t=1
T
∑
x1 − I1+ + I1
− = d1
It−1+ − It−1
− + xt − It+ + It
− = dt t = 2,...,T −1
IT−1+ − IT−1
− + xT = dTxt ≥ 0 t =1,...,T
It+ ≥ 0 t =1,...,T −1
It− ≥ 0 t =1,...,T −1
1
x1
d1
T
xT
dT
2
x2
d2
−2I
+2I
−1I
+1I
−−1TI
+−1TI
Stru@uradellesoluzionioOme
1,...,1 0,...,1 0
0,...,2
1
1
111
−=≥
=≥−+=
=−+=
−=
=−
−
TtITtxdxI
tdxIIdxI
P
t
t
TTT
tttt
Anche in questo caso il poliedroP è un politopo (poliedrolimitato).
x1 − I1+ + I1
− = d1
It−1+ − It−1
− + xt − It+ + It
− = dt t = 2,...,T −1
IT−1+ − IT−1
− + xT = dTxt ≥ 0 t =1,...,T
It+ ≥ 0 t =1,...,T −1
It− ≥ 0 t =1,...,T −1
TeoremaSe il problema amme@e una soluzione oOma, esiste una soluzioneoOmacheèanchever1ce(soluzioneammissibiledibase)delpoliedroP.
Stru@uradellesoluzionioOme
Lamatricedeicoefficien1deivincolidibilanciamentohadimensioneT*(3T-2):unabasedellamatriceèquindiunamatriceT*T.Inognisoluzioneammissibiledibase(=ver1cediP),Tvariabilisonoinbasee2T-2fuoribase.Levariabilifuoribasesono0inognisoluzioneammissibiledibase.
min stδ(xt )+qt (xt )( )+ ht+δ(It+)+ ct
+(It+)( )+ ht−δ(It
−)+ ct−(It
−)( )( )t=1
T
∑
x1 − I1+ + I1
− = d1
It−1+ − It−1
− + xt − It+ + It
− = dt t = 2,...,T −1
IT−1+ − IT−1
− + xT = dTxt ≥ 0 t =1,...,T
It+ ≥ 0 t =1,...,T −1
It− ≥ 0 t =1,...,T −1
Stru@uradellesoluzionioOmePoichédeveessere:Inognisoluzioneammissibiledibase,valelaseguenteproprietà.ProprietàEsa@amenteunadellevariabili deveesserediversada0perogniperiodot=1,…,T(con )La domanda di ciascun periodo produOvo è soddisfa@a dallaproduzione eladomandadiciascunperiodononproduOvoèsoddisfa@aodallagiacenzaodalbacklogging
01,...,2 0
0
1
1
111
>=+
−=>=++
>=+
+−
−+−
−
TTT
tttt
dxI
TtdIxI
dIx
),,( 1−+
− ttt IxI
I0+ = I0
− = 0,IT+ = IT
− = 0
td
+−1tI
−tI
tx ( )0=tx
Quindi,dataunasol.amm.dibase,èpossibiledecomporrel’orizzontetemporale1,…,Tinintervallidiproduzione{j,…,k}taliche:• esiste un solo periodo produOvo t(j,k) all’internodell’intervallo• la domanda di tuO i periodi dell’intervallo {j,…,k} èsoddisfa@adallaproduzionedelperiodoproduOvot(j,k)
Sino1chenelcasodibackloggingilperiodoprodu3vononènecessariamente ilprimoperiododelrela1vointervallodiproduzione
Stru@uradellesoluzionioOme
Unasol.amm.dibase,ècompletamentespecificatadall’insiemeJk={j1,j2,…,jn}deiperiodiinizialidegliintervallidiproduzione.InfaO:
• gliintervallidiproduzionesono{j1,…,j2-1},{j2,…,j3-1}…{jn-1,…,jn-1},{jn,…,k}• inogni intervallodiproduzione{j,…,k} ilperiodoproduOvot(j,k)èdato da quel periodo che minimizza il costo di produzione e distoccaggionell’intervalloconsiderato.
Stru@uradellesoluzionioOme
Sia M(j,K) il costo totale di produzione e di stoccaggiorela1voall’intervallodiproduzione{j,…,k}.Ossia:IlperiodoproduOvoèdatodall’indicetchedefinisceM(j,k)
Stru@uradellesoluzionioOme
( ) ( ) ( )
∑∑∑
∑∑
=
−
+=
+
=
−
=
−−−−−
=
++++∈
===
+++++=
r
jllr
k
rllr
k
jllt
t
jrrrrr
k
trrrrrttttkjt
dIdIdx
dove
IcIhIcIhxqxskjM
)()()()()()(min),(
1
11
},...,{ δδδ
UnalgoritmoperilcalcolodellasoluzioneoOma:ilmetododiZangwill
Anche inquestocaso,èpossibilemostrarechevalela seguente formula ricorsiva di programmazionedinamica:
{ } ),()1(min)( 1 kjMjFkF kj +−= ≤≤
Come nel modello di Wagner Whi1n, sia F(k) lasoluzioneoOmadelproblemarela1vaall’orizzontetemporale{1,…,k}
t
Esempio
{ } ),()1(min)( 1 kjMjFkF kj +−= ≤≤
( )( )∑=
−−++
−+
+++
==T
ttttttttt
tt
IcIcxqxs
hh
1)(
0
δ
Periodo Domanda st qt c+t c-
t-1 1 2 3 4
20 30 40 30
30 40 30 50
3 3 4 4
2 2 1 -
- 2 1 1
I cos1 variabili sono lineari, non esistono cos1 fissi diimmagazzinamento:
−tI
dt
xt+tI
−−1tI
+−1tI
M( j,k) =mint∈{ j ,...,k } stδ(xt )+qt (xt )( )+ hr+δ(Ir
+)+ cr+(Ir
+)( )r=t
k−1
∑ + hr−δ(Ir
−)+ cr−(Ir
−)( )r= j
t−1
∑
M(1,1) = 90;M(2,2) =130;M(3,3) =190;M(4,4) =170M(1,2) =min 180+ 60;190+ 40{ } = 230M(2,3) =min 250+80;310+30{ } = 330M(1,3) =min 520;310+120;390+50+ 2 * 20{ } = 430
M(1,4) =min 760;40+120 * 3+ 2 * 70+30+ 2 * 20;30+120 * 4+30+50+ 20 * 2;50+120 * 4+90+50+ 2 * 20
⎧⎨⎩
⎫⎬⎭= 610
M(2,4) =min 510;30+ 400+30+30;50+ 400+70+30{ } =min 510;490;550{ } = 490M(3,4) =min 30+ 280+30;50+ 280+ 40{ } =min 340;370{ } = 340
EsempioPeriodo Domanda st qt c+
t c-t-1
1 2 3 4
20 30 40 30
30 40 30 50
3 3 4 4
2 2 1 -
- 2 1 1
EsempioPeriodo Domanda st qt c+
t c-t-1
1 2 3 4
20 30 40 30
30 40 30 50
3 3 4 4
2 2 1 -
- 2 1 1
340)4,3(;490)4,2(610)4,1(;430)3,1(;330)3,2(;230)2,1(170)4,4(;190)3,3(;130)2,2(;90)1,1(
==
====
====
MMMMMMMMMM
F(1) = 90F(2) =min{F(1)+M(2,2);M(1,2)} = 220F(3) =min{F(1)+M(2,3);F(2)+M(3,3);M(1,3)} = 410F(4) =min{F(0)+M(1,4);F(1)+M(2,4);F(2)+M(3,4);F(3)+M(4,4)} = 560
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
Contesto. Il problema della gestione delle scorte consiste nel pianificare e controllare i processi di approvvigionamento dei magazzini di un sistema produttivo, siano essi magazzini di materie prime, magazzini di semilavorati o di prodotti finiti. Ogni processo di approvvigionamento ha lo scopo di produrre/acquistare beni (materie prime, semilavorati, prodotti finiti) per soddisfare la domanda ad un livello successivo (produzione di semilavorati, assemblaggio, domanda finale). Nei sistemi di produzione manifatturiera, il problema della programmazione della produzione consiste nel determinare la dimensione dei lotti di produzione in un dato orizzonte temporale, ed è, quindi, un particolare aspetto del problema di gestione delle scorte.
Contesto (segue) L’impiego delle scorte nei sistemi produttivi ha una serie di vantaggi:
– usufruire delle economie di scala derivanti dall’aumento dei volumi di produzione o delle quantità ordinate, con conseguente minor incidenza dei costi fissi di produzione o del lancio di un ordine; – rendere più flessibile la produzione disaccoppiando le diverse fasi produttive; – ripartire in modo uniforme i carichi di lavoro sull’intero orizzonte produttivo.
D’altra parte le scorte costituiscono per l’azienda un immobilizzo di capitale e quindi un costo.
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
Il caso reale. Il sistema di produzione che consideriamo è un’azienda manifatturiera che produce centinaia di prodotti differenti. Consideriamo un solo prodotto A. Il prodotto A ha la seguente domanda mensile che deve essere soddisfatta: I costi vivi di avvio produzione non sono trascurabili. Prima della produzione, infatti, l’impianto deve essere portato in uno stato di esercizio che costa, in termini di personale, materiali, energia elettrica ecc…, circa 2000 Euro, a cui va aggiunto il costo unitario delle materie prime impiegate per la produzione. Da uno studio dei dati storici aziendali si stima che tale costo varia mensilmente secondo la seguente tabella: Si supponga che all’inizio del mese di gennaio il magazzino sia vuoto e che il costo di stoccaggio sia pari a 25 Euro al mese per ogni tonnellata di prodotto finale immagazzinato.
mese Gen Feb Mar Apr Mag Giu Lug Ago Sett
Domanda (ton) 200 50 160 120 100 120 90 50 150
mese Gen Feb Mar Apr Mag Giu Lug Ago Set
Costo per ton 35 35 30 33 40 33 38 30 40
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
Il problema decisionale. Considerando che la capacità produttiva del sistema è limitata, si chiede di trovare un piano produttivo, in modo tale che la domanda mensile sia soddisfatta, e che il costo totale di produzione e di stoccaggio sia minimo.
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
Dati • i periodi del prossimo orizzonte temporale: {1,…,T} (T=9) • la domanda nel periodio t : dt • i costi di magazzino variabili e i costi fissi e variabili di produzione:
• Costo fisso di produzione nel periodo t : st • Costo variabile di produzione nel periodo t : qt • Costo variabile di stoccaggio nel periodo t : ct
• La capacità produttiva nel periodo t : Kt • La capacità del magazzino nel periodo t : Ft
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
Obiettivo trovare un piano di produzione (quando e quanto produrre) in modo da minimizzare i costi di immagazzinamento e di produzione.
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
• It Il livello di magazzino alla fine del periodo t • xt la quantità prodotta durante il periodo t It e xt sono legate dalla relazione
It= It-1+ xt - dt
t
xt
dt
It It-1
Definizione delle variabili:
⎩⎨⎧
=altrimenti 0
periodo nel produce si se 1 tyt
Una formulazione di PLI per il problema
Costi di produzione: styt +qtxt
Costi di immagazzinamento: ctIt
Funzione obiettivo
min styt +qtxt( )+ ctIt( )t=1
T
∑
Una formulazione di PLI per il problema
Vincoli di capacità produttiva:
Vincoli di bilanciamento di materiali nel magazzino:
TtdxII tttt ,...,1 1 =−+= −
Vincoli di non negatività:
TtxI tt ,...,1 0 0, =≥≥
xt ≤ Kt yt t =1,...,T
Upper bound sulle variabli I:
It ≤ Ft t =1,...,T
Una formulazione di PLI per il problema
Formulazione complessiva
min styt +qtxt( )+ ctIt( )t=1
T
∑
xt ≤ Kt yt t =1,...,TIt = It−1 + xt −dt t =1,...,T0 ≤ It ≤ Ft , xt ≥ 0 t =1,...,T
yt ∈ 0,1{ } t =1,...,T
Una formulazione di PLI per il problema
Complessità del problema
Programmazione della produzione a lungo termine e gestione delle scorte: caso con capacità
Il problema è NP-completo * Diversi sono i metodi, sia esatti che euristici, proposti in letteratura (studio di formulazioni per il calcolo di lower bound, algoritmi euristici per il calcolo di buone soluzioni ammissibili….) * Florian M, Lenstra JK, Rinnooy Kan AHG. Deterministic production planning algorithms and complexity. Management Science 1980;26(7):669–79