Robust optimization for a lot-sizing problems under production yield uncertainty
L'optimisation robuste pour des problèmes de lotissement dans un contexte de rendement incertain
Résumé
Manufacturers must efficiently manage their production capacities and their performances to satisfy customer demands with quality goods. They also have been constantly challenged to optimize resource usage and production performance in a dynamic and volatile market context in a cost effective manner. To achieve this business objective, we consider lot-sizing problems under yield uncertainty via a robust, adaptive robust and distributionally robust optimization methodologies to determine the production setups and quantities that meet demands with quality goods, while minimizing the overall productionand inventory management costs. We propose different models and methodological strategies to compute optimal robust and less conservative production plans. We also provide a risk analysis to help decision-makers to tailor their decision plans to their strategic and operational goals. The experimental results show that robust-wise production plans have a better cost cutting strategy compared with other resolution approaches. The computational experiments show the robustness and effectiveness of the robust model through an average and worst case analysis. The experiments also demonstrate the performances and the value of the adaptive robust solutions and thelow sensitiveness to errors in predictions of the distributionally robust models.
Les fabricants doivent gérer leurs capacités de production et leur performance pour satisfaire la demande des clients avec des produits de qualité. De plus, ils sont constamment mis au défi d’optimiser l’utilisation de leurs ressources et leur performance de production dans un contexte de marché dynamique et volatil, et ce, de manière rentable. Pour atteindre cet objectif commercial, un défi tactique à relever parmi d’autres, les fabricants doivent minutieusement prendre des décisions de dimensionnement de lots de production afin de déterminer la configuration et les quantités de production répondant aux demandes avec des produits de qualité, tout en minimisant les coûts globaux de production et de gestion de stocks. Nous proposons différents modèles et stratégies méthodologiques pour calculer des plans de production optimaux robustes à conservation moindre. Nous fournissons également une analyse de risque pour aider les décideurs à adapter leurs plans décisionnels à leurs objectifs stratégiques et opérationnels. Les résultats expérimentaux montrent que les plans de production robustes ont une meilleure stratégie de réduction des coûts par rapport aux autres approches de résolution. Les expériences numériques montrent la robustesse et l’efficacité du modèle robuste à travers une analyse des cas moyens et les plus défavorables. Les expériences démontrent également les performances et la valeur des solutions adaptatives robustes et la faible sensibilité aux erreurs de prédiction des modèles distributionnellement robustes.
Domaines
Recherche opérationnelle [math.OC]| Origine | Version validée par le jury (STAR) |
|---|