预测误差对总体最优利用率的影响

根据Hopp和Spearman（2008）的建议，对于没有设置时间的情况，我们在批量大小由特定客户订单决定的情况下，对批量应用批量大小策略。省略了对批量效应的详细研究。根据APP，每个月的机器可用性由相应的轮班计划决定预定义。车间绩效衡量为总体成本，包括内部和外部产能成本、库存成本和缺货成本。图1：分层生产计划方法2.2应用程序问题研究详情在本文中，Gansterer（2015）提出的经典应用程序通过计划利用率的额外决策进行了扩展（另请参见Felberbauer和Altendorfer 2014）。表1显示了MILP问题中使用的所有变量。该应用程序每年在滚动期内执行三次，计划期为十二个月（T），这意味着仅应用未来四个月的计划。因此，可以忽略计划期T结束时的零库存问题。应用程序的决策变量为：生产计划,对于成品p和月t，外部容量,对于t月的资源j和二进制决策变量识别的移位模型,,1如果换档计划s、时间段t和机器j适用(,,否则为0）。请注意，该外部容量可确保MILP问题的可行解决方案，假设由能够提供机器j所需技术的外部公司提供。在仿真模型中，该外部容量用于高电流系统负载的情况。来自生产计划,, 各自的目标库存水平,可以识别。

这些库存,,,,,,→,,,,,,,,,,,,,,,,,,,,,,表1：使用的符号（h=小时，d=天，m=月，CU=货币单位，pcs=件）。,,,,,,,,s,y,,gyd公司,,,,,最后，约束（5）-（7）定义了决策变量。由于外部容量确保确定性MILP问题始终可行，因此成本报表中不包括缺货成本。在实际生产系统中（以及在本研究中应用的仿真模型中），如果预测不完全满足，并且出现额外的短期干扰（随机要求的提前期和单个客户订单的订单量），则并非所有订单都会准时。请注意，较低的η会导致MILP问题中较高的最优成本（因为必须提供更多的容量），但在短期决策水平上，这一降低的η会导致较低的缺货成本，因为额外的容量可用于应对短期随机影响。由于这种影响不能直接包含在MILPmodel中，本文的解决方法是列举一组可能的利用率值，并通过模拟评估其预期总体成本。2.3生产系统结构和模拟模型使用AnyLogic(R)模拟具有6台机器、M1至M6和场景特定路线、成品数量以及物料清单的生产系统。建模的生产系统遵循流水车间或作业车间结构。生产系统结构是汽车行业不同生产设施的流线型结构。这些结构已在一组公司项目中观察到。

表2显示了两种调查的材料清单结构（4和8成品，材料10-17）和两种工艺路线可能性（作业车间和流水车间）。对于有4个成品和4个子材料的场景，缩写为“低产品数”，对于有8个成品和8个子材料的场景，缩写为“多产品”。假设原材料（材料100、120和130）始终可用。除了店铺结构和产品数量外，还研究了一个常数和季节预测，其中季节性由正弦函数建模。这两种需求模式是根据一组公司项目的经验数据再次选择的。此外，Rossi、Kilic和塔里木（2015）最近也在库存模型调查中讨论了恒定和季节性需求。然而，还有许多进一步的需求模式选择限制了本研究的结果。表2：物料清单和工艺路线数据。考虑无偏预测误差-随机月度客户需求,建模为本月的确定性预测值,受随机误差项干扰,.  这导致,,,.  该预测误差ε,是一个具有期望值E的完全独立的截断正态分布随机变量ε,0和方差ε,,.正在独立预测成品p。因此，预测误差参数α（与时段t和项目p无关）定义了预测的质量。这种建模假设的一个局限性是，假设无偏预测的真实长期行为是已知的。

短期扰动包含在对数正态分布量序中（对于成品p）和对数正态分布的客户要求提前期L（对于每个成品具有相同的分布）。根据此订单金额定义和每月需求，订单率如下：,,,,. 请注意，在模拟研究中，订购率,每月进行调整，以考虑预测误差和季节性。在文中，上述订单行为被称为“客户要求提前期”订单行为。flow shop多个产品job shop flow shop少个产品material machine component#pieces material machine component#pieces material machine component#pieces M6M4M4M4M4M3 M3 M3 033 M2 130 1 1M3M423 1 31 M2 110 117 M6 33 1 17 M623 1 30 M1 100 116 M6 32 1 16 M622 1 21 M4 31 115 M5 23 1 15 M522 1 20 M3 30 114 M5 22 1 14 M521 1 13 M6 21 1 13 M621 12 M621 112 M6 21 1 12 M620 1 11 M5 20 111 M5 20 1 11 M520 1 10 M5 20 110 M5 20 1 10 M5与另一种常见顺序行为的差异，即“预测演化的鞅模型”，讨论了Felberbauer和Altendorfer（2014）。以下示例应阐明预测、订单率和customerorder之间的关系。假设预测值为,=每月1000件，预测误差值ε,200和单个客户订单的预期值EO10将导致订单率为,这意味着客户将在这个月内订购120次，其中他要求每个订单的预期订购量为EO10和随机客户要求的交付周期L。上述分层生产计划方法是用simulationgenerator建模的（Hübl et al。

2011;  Felberbauer、Altendorfer和Hübl 2012；Felberbauer和Altendorfer2014），其中应用程序的计算是模拟模型中的函数调用。在模拟过程中，如前一节所述，模拟模型和MILP解算器之间存在交叉数据交换。Hübl等人（2011年）描述了离散事件仿真模型（构建于InAnalogic(R)）的构建块。3研究设计本研究解决了以下研究问题：1）当预测准确或不准确时，分层生产计划系统中的计划利用率对总体成本有何影响，以及不同的需求或生产系统结构如何影响它？（第4.1）2）如果计划利用率不是一个决策变量，而是预定义的特定（过去）值，那么会产生什么样的成本惩罚？（第4.2）3）预测的不准确程度对最佳成本和最佳利用率有什么影响？（第4.3）4）这种影响对以下因素的敏感程度：店铺结构、产品数量、需求模式、产能成本和缺货成本？（第4.4节）第4节介绍了模拟研究结果，并在各小节中详细讨论了这些研究问题。