Optimization methods for lot-sizing problem in an automated foundry

In the paper we studied a production planning problem in a mid-size foundry that provides tailor-made cast products in small lots for a large number of clients. Assuming that a production bottleneck is the furnace, a mixed-integer programming (MIP) model is proposed to determine the lot size of the items and the required alloys to be produced during each period of the finite planning horizon that is subdivided into smaller periods. As using an advanced commercial MIP solvers may be impractical for more complex and large problem instances, we proposed and compared a few computational intelligence heuristics i.e. tabu search, genetic algorithm and differential evolution. The examination showed that heuristic approaches can provide a good compromise between speed and quality of solutions and can be used in real-world production planning.

W pracy przedstawiono problem planowania produkcji w odlewni średniej wielkości, która dostarcza odlewy na zamówienie dla dużej liczby klientów. W takim problemie konieczne jest określenie wielkości partii produkcyjnej oraz ilości i gatunku metalu w każdym okresie skończonego horyzontu planowania, który jest podzielony na mniejsze podokresy. Przy założeniu, że wąskim gardłem jest piec do topienia metalu, zaproponowano programowanie całkowitoliczbowe mieszane (Mixed-Integer Programming - MIP) jako model planowania i harmonogramowania produkcji w odlewni. Jako że użycie zaawansowanych komercyjnych solverów może być niepraktyczne dla złożonych problemów, zaproponowano i porównano trzy heurystyki inteligencji obliczeniowej tj. tabu search, algorytm genetyczny i ewolucja różnicowa. Eksperymenty obliczeniowe wykazały, że algorytmy heurystyczne zapewniają zadowalającą szybkość i jakość rozwiązań.