Inventory optimization under process flexibility assumptions using approximate dynamic programming approaches
Süreç esnekliği varsayımları altında benzetimsel dinamik programlama yaklaşımlarıyla envanter optimizasyonu
- Tez No: 743475
- Danışmanlar: PROF. DR. KEVIN GLAZEBROOK, DR. CHRISTOPHER KIRKBRIDE
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Lancaster University
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: 206
Özet
Bu çalışma süreç esnekliğine sahip bir üretim sisteminde envanter kararlarının optimizasyonuna odaklanmaktadır. Süreç esnekliğine ilgi, Jordan ve Graves (1995)'in, süreç esnekliğinden yararlanmak için tam esnekliğin gerekli olmadığını öneren, ufuk açıcı çalışmasından beri artmaktadır. Bir kısmî esneklik tasarımı, özellikle bir zincir tasarım, tam esnekliğin önerebileceği faydaları büyük oranda sağlayabilir. Özellikle otomotiv endüstrisindeki birçok şirket, üretim sistemlerinde süreç esnekliği uygulamaları ile ilgilenmektedir. Ancak, süreç esnekliğine sahip stokastik bir üretim sisteminde üretim kararları vermek, karmaşık, küçük parçalara ayrılamayan bir karar problemi oluşturur. Mevcut literatürde süreç esnekliği için stokastik, çok dönemli envanter optimizasyonu çalışılmamıştır. Bu çalışmada problem, Markov karar süreci olarak modellenmekte ve süreç esnekliğine sahip hem küçük hem de büyük boyutlu sistemlerde karar vermek için Benzetimsel Dinamik Programlama algoritmaları önerilmektedir. Küçük boyutlu problemlerde doğru karar vermek için taramalı tablo algoritmaları sunuyoruz. Literatürde ilk kez süreç esnekliği problemine farklı ayarlarla çeşitli taramalı-tablolu Benzetimsel Dinamik Programlama algoritmaları uygulanmaktadır. Bu algoritmalar büyük boyutlu problemlerde uygulanabilir olmasa da, klasik bir Dinamik Programlama algoritmasının gerektirdiği hesaplama süresininden çok daha kısa sürede küçük boyutlu problemlerde doğru politikalar üretebilirler. Büyük boyutlu problemlerde, karar verme için yeni bir parametrik Benzetimsel Dinamik Programlama algoritması geliştirilmektedir. Bu algoritma, büyük boyutlu bir süreç esnekliği probleminin gereksinimlerini karşılamak için, yeni bir tahmin prosedüründen, yeni bir öğrenme yaklaşımından ve karar sonrası durumların sonuna-kadarki-maliyet değerlerini yakınsayan yeni bir ikinci derece parametrik fonksiyondan oluşmaktadır. Tahmin prosedürü, devingen regresyon tahminlemesi, maliyet oluşumlarını başarılı bir şekilde değerlendirir ve parametrik fonksiyon katsayılarının doğru tahminlerini üretir, hatta geçici farklarla öğrenme sürecinin evrilen sonuna-kadarki-maliyet fonksiyonu çıktılarını kullanır.“Sınırlı-artımlı”öğrenme yaklaşımı, devingen regresyon tahminlemesinin geri bildirimini işler ve bunu değer fonksiyonu tahminlerini güncellemek için kullanır. İkinci derece parammetrik yakınsama fonksiyonu, tahmin gereksinimlerini basitleştirir ve dışbükey yapısı ile hızlı karar vermeyi sağlar. Sayısal çalışmalar, ortaya çıkan parametrik algoritmanın küçük boyutlu problemlerde sağlam bir performans sağladığını ve problem kurulumu ve esneklik tasarımından bağımsız olarak büyük boyutlu problemlerde güvenilir politikalar ürettiğini ortaya koymaktadır. Ek olarak, büyük boyutlu süreç esnekliği sistemlerinde karar vermek için yeni bir ayrıştırma sezgiseli sunulmaktadır. Sezgisel yöntemin, fabrika ve ürün sayısı açısından simetrik sistemlerde önemli ölçüde iyi performans gösterdiği gösterilmiştir. Ayrıca, bu karar araçlarını kullanarak, envanter maliyetlerine göre adanmış (esnek olmayan), sınırlı esneklik ve tam esneklik tasarımlarının faydaları karşılaştırılmaktadır. Esneklik tasarımlarının stok maliyetleri açısından değerlendirilmesi literatürdeki bir diğer boşluktur. Dinamik talepli deterministik problemler, küçük boyutlu stokastik problemler ve büyük boyutlu stokastik problemler için bu karşılaştırmaları yaparak literatürdeki bu boşluk doldurulmaktadır.
Özet (Çeviri)
This study focuses on optimizing inventory decisions in a production system with process flexibility. Interest in process flexibility has been increasing since the seminal paper of Jordan & Graves (1995), which suggested that full flexibility is not necessary in order to benefit from process flexibility. A limited flexibility design, particularly a chaining design, can provide a large fraction of the advantages that full flexibility can offer. Many companies, especially in the automotive industry, are interested in process flexibility applications in their manufacturing systems. However, making production decisions in a stochastic manufacturing system with process flexibility forms a complex, non-decomposable decision problem. Stochastic, multi-period inventory optimization for process flexibility is not studied in the existing literature. We model this problem as a Markovian decision process, and suggest Approximate Dynamic Programming algorithms for decision making in both small and large-sized systems with process flexibility. For accurate decision making in small-sized problems, we present look-up table ADP algorithms. We apply various ADP algorithms with different settings to the process flexibility problem, for the first time in the literature. Although these algorithms are not feasible in large-sized problems, they can produce accurate policies in small-sized problems within a small fraction of the computing time that a classical DP algorithm requires. In large-sized problems, we develop a novel parametric ADP algorithm for decision making. In order for this algorithm to meet the requirements of a large-sized process flexibility problem, it is composed of a new estimation procedure, a new learning approach and a new quadratic parametric function approximating cost-to-go values of post-decision states. The estimation procedure, rolling regression estimation, successfully evaluates the cost realizations and produces accurate estimations of parametric function coefficients, even using the returns from the evolving cost-to-go function of the temporal difference learning process. The ``limited-incremental'' learning approach processes the feedback of the rolling regression estimation, and uses it for updating the value function estimations. The quadratic approximation function simplifies the estimation requirements and allows fast decision making with its convex structure. Numerical studies reveal that the resultant parametric algorithm delivers a robust performance in small-sized problems, and generates reliable policies in large-sized problems, regardless of the problem setup and flexibility design. Additionally, for decision making in large-sized process flexibility systems, we introduce a new decomposition heuristic approach. The heuristic is shown to perform significantly well in symmetric systems in terms of the number of factories and products. Furthermore, using these decision tools, we provide comparisons of the benefits of dedicated (no flexibility), limited flexibility and full flexibility designs with respect to inventory costs. Evaluation of the flexibility designs with respect to inventory costs is another gap in the literature. We fill this gap by making these comparisons for deterministic problems with dynamic demand, small-sized stochastic problems and large-sized stochastic problems.
Benzer Tezler
- Genetik algoritma ve monte carlo simülasyonu ile bir inşaat projesinde alt yüklenici seçimine ilişkin süre maliyet kalite optimizasyonu ve risk değerlendirmesi
Time cost quality optimization and risk evaluation about selecting subcontractors in a construction project by using genetic algorithm and monte carlo simulation
BARIŞ KAPLAN
Yüksek Lisans
Türkçe
2014
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜL POLAT TATAR
- Dağıtım merkezi depolarına ilişkin hiyerarşik depo tasarım metodolojisi ve konvansiyonel/otomatik depo karar problemine ilişkin analitik bir model
Hierarchical warehouse design methodology and an analytical model for conventional/automatic warehouse decision problem for distribution centers
İSMAİL KARAKIŞ
Doktora
Türkçe
2014
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT BASKAK
- Esnek üretim sistemleri için bir etkin üretim denetleme modeli
An Effective supervisory control model for flexible manufacturing systems
BAHAR KORKUSUZ
Doktora
Türkçe
1989
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÖNÜL YENERSOY
- Melez üretim sisteminde CONWIP kontrolü ve parti bölmesinin birlikte modellenmesi
Modelling of a hybrid manufacturing system with lot splitting under CONWIP production control
CANAN AĞLAN
Doktora
Türkçe
2014
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU
- Bütünleşik ürün karması planlaması için yeni bir optimizasyon yaklaşımı ve perakende sektöründe uygulaması
A novel optimization approach for integrated product assortment and its application in the retail sector
MUHAMMED CAN KONUR
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU