عنوان پایان‌نامه
مدل سازی ریاضی همزمان برنامه ریزی تولید و برنامه ریزی تامین و مصرف انرژی در شرایط عم قطعیت در یک کارگاه صنعتی
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3577;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80540;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3577;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80540
- تاریخ دفاع
- ۱۶ شهریور ۱۳۹۵
- دانشجو
- امین کریمی زارع
- استاد راهنما
- حامد شکوری گنجوی
- چکیده
- امروزه اولویت اصلی بنگاه های تولیدی برای باقی ماندن در بازار رقابتی، کاهش هزینه تولید محصول است. در این راستا برنامه ریزی تولید ادغامی یکی از راه کارهای بهینه سازی خط تولید و بهره وری حداکثری از امکانات موجود است، همچنین با به کارگیری مدیریت انرژی می توان هزینه های بخش انرژی را کمینه کرد. از آنجا که در یک سیستم نمی توان با بهینه سازی هر بخش به صورت مجزا انتظار بهینه سازی کل سیستم را داشت؛ در این مورد نیز با در نظر گرفتن همزمان این دو مسأله می‌توان به نتایج مناسب تری رسید. در این پژوهش با رویکردی مبتنی بر بهینه سازی همزمان برنامه ریزی تولید و مدیریت انرژی یک مدل ریاضی ارائه گردیده است. نتیجه این مدل، برنامه ریزی تولید ادغامی در یک دوره زمانی و انتخاب مناسب انرژی مصرفی از لحاظ نوع و مقدار می باشد. با توجه به شرایط حاکم در بازار الکتریسیته که با محدودیت ها وبعضاً با عدم عرضه در ساعات بیشینه بار روبرو است گزینه تولید الکتریسیته در درون سازمان در مدل دیده شده است. همچنین کاهش انتشار گازهای آلاینده به عنوان تابع هدف مجزایی در مدل دیده شده است. این تابع هدف در کنار تابع هدف بیشینه کردن سود مجموعه ای از جواب های کارا را در اختیار ما قرار می دهد. با توجه به تصمیم مدیران انتخاب تولید بهینه الکتریسیته با منشاء تجدیدپذیر و تجدیدناپذیر از بین جواب‌های کارا صورت می گیرد. با توجه به عدم قطعیت ذاتی موجود در فرآیند برنامه ریزی تولید، با تعریف سناریوهای مختلف در قالب برنامه ریزی استوار اثر آن ها در یک مدل ریاضی برنامه ریزی خطی عدد صحیح مختلط دیده شد. نتایج حاصل از حل مدل ارائه شده نشان داد که هزینه الکتریسیته مصرفی با توجه به تعرفه های الکتریسیته در ساعات شبانه روز تأثیر بیشتری نسبت به هزینه های انبارداری و نیروی کار در برنامه ریزی تولید دارد و حداکثر تولید در ساعات با تعرفه پایین الکتریسیته صورت پذیرفت. بخشی از الکتریسیته مصرفی در درون سازمان تولید شد و در ساعات اوج بار که تعرفه الکتریسیته بالا است الکتریسیته مازاد تولیدی به فروش رسید.
- Abstract
- Nowadays, to remain in competitive market main priority of manufacturing units is minimizing production cost. In this way, aggregate production planning is an efficient approach in optimizing production line and maximum efficiency of existing utilities. Also by utilizing energy management we could reduce energy costs. It is not possible to optimize a particular system entirely by optimizing each part separately. Hence, in this case we consider these two approaches at same time to get better results. In this thesis, a mathematical model is developed for simultaneously optimizing of aggregate production planning and energy management. Applying this model will lead to aggregate production planning in a time period and efficient energy in type and amount. With regard to electricity market situation and electricity power grid shutdown in during times of peak demand, electricity generation is considered in model as an alternative. Also, reduction in pollutant gases emission is considered as an objective function. This objective function with profit objective function results in a set of efficient solutions. Best solution for electricity generation by is chosen among these efficient solutions according to decision makers. Inherent uncertainty in production planning makes us define different scenarios using robust optimization method and investigate them in mixed integer linear programming. Results showed that among aggregate production planning factors electricity costs is more important in comparison with other factors such as inventory cost and labor cost. Production line works in low tariff electricity hours and in high tariff electricity hours electricity is generated inside the company and extra electricity is sold to network. Keywords: Aggregate production planning, Energy management, Mathematical modeling, Mixed-integer linear programming, Robust optimization
