17596

17596

ارائه مدل رياضي جهت برنامه ريزي همزمان كارگاه تعميرات و كارگاه تعميرات اساسي در لجستيك قطعات تعمير پذير با هدف كمينه كردن هزينه هاي چرخه عمر

كارشناسي ارشد

لجستيك و زنجيره تامين

اسفند 1395

دكتر آرمين جبارزاده - دكتر سيد غلامرضا جلالي

دكتر عمران محمدي

صنايع

در اين پايان نامه ما به مساله برنامه ريزي اقلام در گردش مي پردازيم. اگر قطعات يدكي را به سه دسته قطعات مصرفي، قطعات تعميري و اقلام در گردش تقسيم كنيم، اقلام در گردش به قطعات تعميري اتلاق مي شود كه داراي برنامه مشخصي براي تعميرات پيشگيرانه هستند. به اين معنا كه تا رسيدن ماكزيمم مدت زمان مشخصي بايد آن ها را تعميرات اساسي نمود. در اين جا تصميمات بايد به گونه اي اتخاذ شود كه ماكزيمم مدت زمان بين تعميرات اساسي، براي هر يك از قطعات لحاظ شود. ما اين مساله را از ديد دو تصميم گيرنده يعني سازمان استفاده كننده از قطعات و شركت تعمير كننده مدلسازي مي نماييم. براي شركت استفاده كننده هزينه هاي تملك قطعات رزرو و تعويض و ارسال قطعات به شركت تعمير كننده در نظر گرفته شده و براي شركت تعمير كننده هزينه هاي نيروي انساني و تعمير قطعات لحاظ شده است. همچنين عدم قطعيتي كه ممكن است در زمان بين تعميرات اساسي وجود داشته باشد، در نظر مي گيريم و با رويكرد برنامه ريزي احتمالي چندمرحله‌اي به مدلسازي آن مي پردازيم. با توجه به بزرگ مقياس بودن مساله يك رويكرد تقريب ميانگين نمونه اي براي مساله به كار مي گيريم و در نهايت مدل را بر روي يك مطالعه مورد به كار مي گيريم و به استخراج نكات مديريتي مي پردازيم.

1396/04/18

9/21/2020 12:00:00 AM

In this thesis, we are dealing with overhaul planning of rotables. If we classify spare parts into three categories, we have consumable parts, repairable parts and rotable parts. Rotables are the ones that have specified preventive maintenance of their own, which means there is maximum inter-overhaul time that the rotables should be overhauled within that time interval. We here consider this problem from two decision maker points of view; first, the organization that is using the parts and plan for its overhaul program. Second decision maker is the company that repairs the part. We also consider the uncertainty that lies in maximum inter-overhaul time and deal with this uncertainty through a multi-stage stochastic programming model. Also, because of large-scale nature of the problem, we introduce a sample average approximation approach to solve the higher dimensional problems.at the end we implement the model on a case study and extract management points.