W obecnym wysoce konkurencyjnym otoczeniu strategia produkcji zmienia się z masowej na produkcję w mniejszych wielkościach partii aby uwzględnić szybkie zmiany preferencji klientów i popytu. Klienci nie chcą otrzymywać dużych wielkości partii za jednym razem, ponieważ chcą zminimalizować kapitał zamrożony w sprzęt i zapasy. Z drugiej strony producenci również chcą zminimalizować swoje zapasy łącznie z WIP (zapasem robót w toku), jak również całkowity koszt produkcji i cykl produkcji. Ze względu na dużą różnorodność produktów i zmienny popyt problemy planowania produkcji i harmonogramowania dla produkcji o małych wielkościach partii są bardzo złożone. Bardzo trudno jest kontrolować koszty i dotrzymywać terminów. Koniecznym kryterium, jakie należy uwzględnić podczas planowania produkcji jest efektywny czas reakcji procesu. Określanie optymalnej wielkości partii musi przebiegać szybko i sprawnie, korzystając z wszystkich dostępnych danych, przy jednoczesnym dążeniu do zlikwidowania lub przynajmniej zminimalizowania przestojów produkcji. Wygenerowany harmonogram produkcji powinien zapewniać terminowość zleceń zgodnie z zamówieniami klienta, ewentualne wskazanie koniecznych opóźnień i uzgadnianie na tej podstawie możliwego terminu realizacji. Istnieje wiele opracowanych procedur do wyznaczania wielkości partii i harmonogramowania. Ogólna klasyfikacja problemów określania wielkości partii, omówiona szczegółowo w wielu pracach (Katok i in. 1998; Xie, Dong 2002, Tabucanon i in. 1999) obejmuje następujące kryteria: ilość poziomów w systemie (jeden, wiele), ilość rozważanych wyrobów (jeden, wiele), rodzaj struktury BOM (jeden lub wiele poziomów), ograniczenia wydajności (istnieją lub nie, jedno lub wiele ograniczeń), cechy charakterystyczne popytu (stały, zmienny) itp. W pracy stworzono metodę określania wielkości partii przy wykorzystaniu algorytmu genetycznego, w którym funkcją celu jest minimalizacja czasu ukończenia wszystkich zleceń produkcyjnych uwzględnionych w populacji początkowej. Oprogramowanie opracowano w taki sposób, że wygenerowane wyniki gwarantują, iż zadania produkcyjne na poszczególnych maszynach w linii produkcyjnej i w kooperacji się nie pokrywają. Algorytm losuje optymalną konfigurację.
EN
The article presents the initial assumptions and the possibility of using a genetic algorithm for production scheduling and optimization of the production lot size. According to research proven that smaller batch sizes and thus shorter sequences production of clutches of the same type to optimize better because of the objective function or the minimum duration of the total production and optimize not only a full cycle of production and loading machines and their downtime.
Proper competitive strategy is the means of survival and development for manufacturing companies. In this vein, the producers should perceive a manufacturing strategy as the issue of crucial importance for their market position. It describes the use of manufacturing as a competitive weapon, as opposed to a function that is passive with respect to its competitive environment. Manufacturing companies differ in the way they meet the demand for their products. Some deliver products to their clients from finished goods inventories as their production anticipates customers' orders; others, however, manufacture only in response to customers' orders. In this connection the emphasis of manufacturing strategies is now more to competition in terms of time and customization. Time competition requires an emphasis on time which should not be wasted and is supported by fewer and faster activities being performed. On the other hand, customization means performing some activities according to the unique requirements of an individual customer. Competition in terms of time and customization is reflected in one of the most popular classification of manufacturing strategy, namely: make-to-stock (MTO), assembly-to-order (ATO), make-to-order (MTO) and engineer-to-order (ETO). The application of the strategy may determine the extent the producers use forecasting techniques, combine environmental and market data into forecasting process and prepare forecasts for specific purposes. The goal of the paper is to make a cross-national comparison of the effect of forecasting practices on different types of manufacturing strategies applied in 343 producers from Europe, Asia and Africa. In order to achieve an empirical aim a necessary methodology and statistical analyses have been employed. In the result of the analysis multiple regression models have been developed for specific manufacturing strategies of producers from different countries worldwide. It enabled to make cross-national comparisons of the contribution to variance in manufacturing strategy.
W artykule zaprezentowano sposób wykorzystania metod programowania dynamicznego do wieloetapowej optymalizacji strategii produkcji i sprzedaży wyrobów na rynkach zbytu. Standardy i wysoka konkurencyjność gospodarki rynkowej powodują, że rynkowy czas życia produktu jest relatywnie krótki, a w miarę upływającego czasu zyski ze sprzedaży podlegają sukcesywnym redukcjom. W tej sytuacji zachodzi konieczność wypracowania optymalnej strategii produkcji i sprzedaży, która w dostatecznie długim czasie będzie gwarantowała maksymalne zyski. Na poszczególnych etapach planistycznych należy podejmować więc decyzje, czy kontynuować produkcję i sprzedaż wyrobów starych, których zyski ze sprzedaży maleją, czy też wprowadzić na rynek nowy wyrób podnoszący poziom zysków na maksymalny poziom. Do rozwiązania tego klasycznego problemu decyzji wieloetapowych wykorzystano aparat i metody programowania dynamicznego.
EN
The paper presents the way how to use dynamic programming methods for multistage optimization of production and sales of goods. Standards and high competitiveness of market economies cause a product’s life to be relatively short, and as the time passes profits on its sales get smaller. This requires developing optimal production and sales strategy which would ensure maximum profits in a reasonably long period of time. Therefore, at each planning stage, decisions have to be made whether to continue to produce and sell the old products, on which profits are getting smaller, or to launch a new product elevating profits to the maximal level. The instrumentation and methods for dynamic programming were used to solve this classic problem of multistage decisions.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Rapid changes in enterprise environment call for the same measures on behalf of pro-innovated responses of enterprise both in the areas of processes and products. Fulfillment of this condition requires a suitable innovative polities related to the proper choice of production and supply chain. Two main production strategies, which promote innovativeness in the area of processes and products (Lean Strategy and Agile Strategy), have been discussed in this paper. A condition of the selection of the proper strategy as well as chances of this strategy development in specified supply chain has been presented too.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.