پذیرش و زمان بندی سفارش های دوعاملی

امروزه با گسترش رقابت در بازارهای تولیدی، جذب، حفظ و راضی نگه داشتن مشتریان و برآورده ساختن خواسته های آن ها و به طور مشخص رعایت موعد تحویل سفارشاتشان رمز بقاء در بازار به حساب می آید. در این زمینه در ادبیات موضوع تحقیق در عملیات، مسئله ای تحت عنوان "پذیرش و زمان بندی سفارشات" از دیرباز مورد بررسی قرار گرفته است. اما به نظر می رسد که در تمامی این مطالعات توابع جریمه یکسانی برای کلیه مشتریان در نظر گرفته شده است. ولی در عمل، مشتریان به دلیل نیازهای متفاوت خود، درخواست های مختلفی دارند. برای مثال یک مشتری ممکن است دیرکرد در تحویل سفارشات را نپذیرد و مشتری دیگر در صورت دیرکرد حاضر به دریافت مبلغی به عنوان جریمه باشد. همچنین ممکن است برای یک مشتری تحویل زودتر از موعد اهمیت نداشته باشد، ولی برای مشتری دیگر تحویل زودتر از موعد سفارشات پاداش داشته باشد. برای رعایت توأم این موارد در این رساله، مسئله پذیرش و زمان بندی سفارشات با یک مسئله مطرح در ادبیات موضوع با عنوان "زمان بندی چندعاملی" ترکیب شده و حالت یکپارچه آن ها مورد بررسی و حل قرار می گیرد. مسئله زمان بندی چندعاملی نیز شامل زمان بندی چندین مجموعه کار است که هر یک دارای تابع هدف مختص خود بوده و در یک محیط ماشینی با یکدیگر رقابت می کنند. در این رساله ترکیب دو مسئله یاد شده در حالت دوعاملی با عنوان "مسئله پذیرش و زمان بندی سفارش های دوعاملی" بررسی شده است. برای عامل اول تابع جریمه مجموع وزنی مغایرت زمان تکمیل و موعد تحویل سفارشات و برای عامل دوم تعداد وزنی سفارشات دیرکرددار به عنوان تابع جریمه در نظر گرفته شده است. برای درک بهتر ویژگی های این مسئله ابتدا سه حالت خاص آن مورد بررسی قرار گرفته و سعی شده الگوریتم های حل دقیق برای آن ها توسعه داده شود. فرض های مشترک دو حالت اول مجاز نبودن دیرکرد سفارشات پذیرفته شده عامل دوم و برابر واحد بودن وزن سفارشات هر عامل می باشد. همچنین در حالت اول فرض شده مدت زمان پردازش سفارشات عامل اول مساوی است و در حالت دوم نیز برای سفارشات عامل دوم موعد تحویل مشترک در نظر گرفته شده است. در حالت سوم هم تنها فرض موعد تحویل مشترک سفارشات عامل دوم منظور شده است. پس از حل این سه حالت خاص، مسئله در فرم کلی آن مورد بررسی قرار گرفته و سه مدل برنامه ریزی عدد صحیح برای حل بهینه آن ارائه شده؛ که یکی از آن ها تا ابعاد 60 سفارش قادر به حل بهینه مسئله است. اما به دلیل پیچیدگی بالای مسئله در فرم کلی آن، امکان حل بهینه در ابعاد بالا دور از انتظار بوده و از این رو در ادامه رساله یک الگوریتم فراابتکاری بر مبنای ترکیب برنامه ریزی خطی و الگوریتم ژنتیک برای حل مسئله توسعه داده شده، که میانگین خطای آن از جواب بهینه در حل مسائل نمونه تا ابعاد 60 سفارش کمتر از 0.21 درصد بوده و تا ابعاد 150 سفارش نیز میانگین فاصله آن از حدبالای مسئله کمتر از 0.40 درصد است.