解法
金佰利拉美用少数机器生产数十种库存单位,产量各不相同,存在顺序相关的设置时间,且计划期间需求随机波动。
由于同一SKU可在不同效率的多台机器上生产,需求每期变化,手动批量与调度效率低下。团队建立了一个整合库存、生产计划和详细调度的模型,在几分钟内解决行业规模的NP难问题。
该解决方案及其方法经过广泛测试,在五个国家部署,取代了手动计划。
取得了什么结果
将批量、调度和库存作为单一问题求解
为什么有效
整合库存、生产和调度,捕捉了每个孤立环节忽略的影响。
该解法在几分钟内解决行业规模的NP难问题,使之可用。
顺序相关的设置时间被显式处理,而非平均化。
通过每计划期重新优化应对随机需求。
可以借鉴什么
当瓶颈是共享机器且设置时间依赖顺序时,批量与调度必须联合求解,否则各自局部最优会导致全局错误。
后续
该模型将成品库存降低最多45%,产量和运行时间提高2%,服务水平提高2.4%。它是2010年Daniel H. Wagner奖决赛入围者,并发表于2011年《Interfaces》。
从这里,追溯依据
参考来源
- Kimberly-Clark Latin America builds an optimization-based system for machine scheduling Penn State Pure · pure.psu.edu
- Kimberly-Clark Latin America Builds an Optimization-Based System for Machine Scheduling Semantic Scholar · semanticscholar.org