Влияние подзадачи о раскрое при оценке целесообразности проведения закупок лесного сырья с товарно-сырьевых бирж
Аннотация
В статье рассмотрена математическая модель, позволяющая найти оптимальный план закупок сырья с биржи по заранее известному распределению заявок во времени, определить план производства, вычислить оптимальный план доставки продукции, отличающуюся возможностью сформировать план раскроя плит ОСП на заготовки различных длин, а также наличием связи между ценой и объемом спроса на конечные товары. Целью работы является получение оценки экономической целесообразности взаимодействия предприятия лесопромышленной отрасли (при разных уровнях цен и спроса) и международной товарно-сырьевой биржи. Гипотеза заключается в том, что взаимодействие лесопромышленного комплекса с биржей может быть выгодным для предприятия. Актуальность исследования заключается в слабой проработке современной литературе вопроса взаимодействия лесопромышленного предприятия с биржей, где последняя выступает в роли источника сырья. При получении оценки были использованы разные методы моделирования: смешано-целочисленное линейное программирование — составление модели, которая находит оптимальные вектора раскроя, закупок сырья, производства товаров и способа транспортировки по графу, метод Монте Карло — генерирование начальных условий и параметров, имитационное моделирование — для каждого состояния решалась искомая поставленная задача. Основная вычислительная проблема модели заключается в значительном потребном объеме оперативной памяти компьютера для проведения исследования. Практическая значимость исследования заключается в доказательстве целесообразности закупа предприятием сырья с товарно-сырьевой биржи России. Теоретическая значимость исследования заключается в разработке новой модели по оценке целесообразности проведения закупок сырья с применением аппарата биржи. Научная новизна заключается в построенной математической модели формирования цепочек поставок, составления плана раскроя и объемов производства с учетом спроса на рынке и доступных объемов сырья. Апробация модели проведена на данных одного из предприятий лесопромышленной отрасли Приморского края. Оптимизация ведется по объему производимой продукции и закупаемого сырья из каждого региона, по количеству аскроев каждой из плит ОСП и по запасам сырья на складе производства. На основе апробации модели на данных биржи и предприятия лесопромышленной отрасли была дана оценка целесообразности сотрудничества компании и товарно-сырьевой биржи, которая отражает, что в 95 % случаев имеется высокий потенциал сотрудничества.
Скачивания
Литература
2. Georgiadis G. P., Elekidis A. P., Georgiadis M. C. (2019). Optimization-Based Scheduling for the Process Industries: From Theory to Real-Life Industrial Applications. Processes. Vol. 7, P. 438. https://doi.org/10.3390/pr7070438
3. Bixby R., Rothberg E. (2007). Progress in Computational Mixed Integer Programming — A Look Back from the Other Side of the Tipping Point. Annals of Operations Research. Vol. 149. P. 37–41. DOI: 10.1007/s10479-006-0091-y
4. Shah N., Pantelides C. C., Sargent R. W. H. (1993). A General Algorithm for Short-Term Scheduling of Batch-Operations 2. Computational Issues. Computers & Chemical Engineering, Vol. 17. P. 229–244. DOI: 10.1016/0098-1354(93)80016-G
5. Lee H., Maravelias C. T. (2018). Combining the Advantages of Discrete- and Continuous-Time Scheduling Models: Part 1. Framework and Mathematical Formulations. Computers & Chemical Engineering. Vol. 116. P. 176–190. DOI: 10.1016/j.compchemeng.2017.12.003
6. Castro P. M., Mostafaei H. (2018). Batch-centric Scheduling Formulation for Treelike Pipeline Systems with Forbidden Product Sequences. Computers & Chemical Engineering. Vol. 122. P. 2–18. DOI: 10.1016/j.compchemeng.2018.04.027
7. Georgiadis G. P., Ziogou C., Kopanos G. M., Garcia M., Cabo D., Lopez M., Georgiadis M. C. (2018). Production Scheduling of Multi-Stage, Multi-product Food Process Industries. In Proceedings of the 28th European Symposium on Computer Aided Process Engineering, Graz, Austria, 10–13 June 2018; P. 1075–1080. DOI: 10.1016/B978-0-444-64235-6.50188-1
8. Georgiadis G. P., Kopanos G. M., Karkaris A., Ksafopoulos H., Georgiadis M. C. (2019). Optimal Production Scheduling in the Dairy Industries. Industrial & Engineering Chemistry Research. Vol. 58. P. 6537–6550. DOI: 10.1021/acs.iecr.8b05710
9. Elekidis A., Corominas F., Georgiadis M. C. (2019). Optimal short-term Scheduling of Industrial Packing Facilities. In Proceedings of the 29th European Symposium on Computer Aided Process Engineering, Eindhoven, The Netherlands, 16–19 June 2019. DOI: 10.1016/B978-0-12-818634-3.50198-3
10. Rogulin R. S., Mazelis L. S. (2020). Algoritm i matematicheskaya model’ formirovaniya ustoychivykh tsepochek postavok drevesnogo syr’ya iz regionov Rossii: sravneniye i analiz (Algorithm and mathematical model for the formation of sustainable supply chains of wood raw materials from the regions of Russia: comparison and analysis). Bulletin of Perm University. Ser. “Economy”. Vol. 15, No 3. P. 385–404. DOI: 10.17072/1994-9960-2020-3-385-404 (in Russ.)
11. Georgios P. G., Pampín B. M., Cabo D. A., Georgiadis M. C. (2020). Optimal production scheduling of food process industries. Computers & Chemical Engineering. Vol. 134. DOI: 10.1016/j.compchemeng.2019.106682.
12. Zhiru L., Wei X., Huibin Sh., Qingshan Zh., Fengyi H. (2019). Multiobjective Optimization Model of Production Planning in Cloud Manufacturing Based on TOPSIS Method with Combined Weights. Complexity. Vol. 2019. DOI: 10.1155/2019/7503176
13. Zhiyi Zh., Shuhong Ch., Ka Y. Ch. (2020). A New Model of Manufacturer’s Optimal Product Supply Strategy in the Context of Precision Marketing: Based on Real Demand Pattern. Mathematical Problems in Engineering, Vol. 2020. DOI: 10.1155/2020/6031563
14. Zhuo Z. Y., Chen S. H., Yan H., He Y. (2020). Models for retailers’ supply strategies aimed at individual customers under the real demand pattern. Mathematical Problems in Engineering. Vol. 1. P. 11. DOI: 10.1155/2020/6031563
15. Zhuo Z., Chau K. Y., Huang S. Z., Ip Y. K. (2020). Mathematical modelling of optimal product supply strategies for manufacturer-to-group customers based on semi-real demand patterns. International Journal of Operational Research. Vol. 1, No. 1. P. 1–8. DOI: 10.1177/1847979020941489
16. Zhuo Z. (2020). New mathematical model of retailer-to-individual customer optimal product supply strategies under false demand pattern: customer discount mode. Journal of Mathematics Research. Vol. 12, No. 1. P. 36–42. DOI: 10.5539/jmr.v12n1p36
17. Zhuo Z. Y. (2020). Research on optimal product supply strategies for manufacturer-to-group customer under a real demand pattern. International Journal of Operational Research. Vol. 1. P. 36. DOI: 10.5539/jmr.v12n1p36
18. Ouyang W., Giancarlo D. A., Iiro H., Ala B., Schneider St. M., Roth M., Imsland L. (2020). Optimal production and maintenance scheduling for a multiproduct batch plant considering degradation. Computers & Chemical Engineering, Vol. 135. P. 34–39. DOI:10.1016/j.compchemeng.2020.106734.
19. Rezig S., Ezzeddine W., Turki S., Rezg N. (2020). Mathematical Model for Production Plan Optimization — A Case Study of Discrete Event Systems. Mathematics. Vol. 8. P. 955. DOI:10.3390/math8060955
20. Rogulin R. S. (2020). A model for optimizing plans for procurement of raw materials from regions of Russia in a timber-processing enterprise. Business Informatics. No 4. P. 19–35. DOI: 10.17323/2587-814X.2020.4.19.35
21. Rogulin R. S. (2020) Modeling of Promising Interaction Between a Timber Industry Enterprise and a Commodity Exchange in Russia. Journal of Applied Economic Research. Vol. 19. No. 4. P. 489–511. DOI: 10.15826/vestnik.2020.19.4.023. (in Russ.)
22. Khan R., Pruncu C. I., Khan A. S., Naeem K., Abas M., Khalid Q. S., Aziz A. (2020). A Mathematical Model for Reduction of Trim Loss in Cutting Reels at a Make-to-Order Paper Mill. Applied Sciences. Vol. 10. P. 52–74. DOI:10.3390/app10155274
23. Song Ch., Gong K., Bu J., Huang L. (2020). Research on Stability of Optimal Sheet-cutting Strategy Based on Improved Real-Coded Genetic Algorithm. E3S Web of Conferences. Vol. 162. P. 3–7. DOI: 10.1051/e3sconf/202016203007.
24. Song K., Gong J., Bu L. (2020). Research on Optimal Sheet-cutting Strategy Based on Improved Genetic Algorithm. E3S Web Conferences. Vol. 162. P. 30–37. DOI: 10.1051/e3s-conf/202016204107
25. Petunin A. A., Polishchuk E. G., Ukolov S. S. (2019). On the new Algorithm for Solving Continuous Cutting Problem. IFAC-Papers OnLine. Vol. 52. P. 2320–2325. DOI: 10.1016/j.ifacol.2019.11.552
Copyright (c) 2021 Родион Сергеевич Рогулин
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).