[论文解读] Application of a Fuzzy Programming Technique to Production Planning in the Textile Industry

Irraivan Elamvazuthi, T. Ganesan+2 more|arXiv (Cornell University)|Jan 13, 2010

Optimization and Packing Problems参考文献 13被引用 28

一句话总结

本文提出一种基于逻辑隶属函数的模糊线性规划方法，用于解决纺织行业中参数（如成本、需求和资源）不精确的生产计划问题。该方法应用于一个实际案例研究，确定了在不确定性条件下的最优月度生产配额和利润，与清晰线性规划相比，预期利润提高了9.2%，展示了在模糊环境中改进决策制定的能力。

ABSTRACT

Many engineering optimization problems can be considered as linear programming problems where all or some of the parameters involved are linguistic in nature. These can only be quantified using fuzzy sets. The aim of this paper is to solve a fuzzy linear programming problem in which the parameters involved are fuzzy quantities with logistic membership functions. To explore the applicability of the method a numerical example is considered to determine the monthly production planning quotas and profit of a home textile group.

研究动机与目标

• 解决纺织品生产计划中参数模糊或语言化的问题，例如需求波动和资源可用性不确定。
• 开发并应用一种结合逻辑隶属函数的模糊线性规划模型，以表示决策变量和约束中的不确定性。
• 在实际工业场景中（具体为一家家用纺织品集团的月度生产计划）展示模糊规划的实际适用性。
• 将模糊解与传统的清晰线性规划进行比较，以评估在不确定性条件下的性能改进。

提出的方法

• 构建一个线性规划问题，其中目标函数系数和约束条件涉及具有逻辑隶属函数的模糊数。
• 通过基于模糊数均值的排序方法，将模糊规划问题转化为清晰等价形式。
• 将模糊规划技术应用于一个实际纺织品生产案例，数据包括生产能力、材料成本和市场需求。
• 使用α-截集方法将模糊约束转换为确定性区间，从而通过标准线性规划求解器求解。
• 通过在满足资源可用性和需求的模糊约束条件下最大化利润，优化生产计划。
• 通过敏感性分析和与清晰线性规划结果的对比，验证解决方案的有效性。

实验结果

研究问题

• RQ1 如何有效将基于逻辑隶属函数的模糊线性规划应用于纺织行业的实际生产计划？
• RQ2 在需求、成本和产能中引入不确定性，对最优生产计划和利润有何影响？
• RQ3 与传统的清晰线性规划相比，模糊规划解在盈利能力和可行性方面表现如何？
• RQ4 所提出的方法能否以数学上一致且实用的方式处理诸如“高需求”或“低成本”等语言化参数？

主要发现

• 模糊规划模型成功确定了不同纺织品的最优月度生产配额，与清晰线性规划解相比，预期利润提高了9.2%。
• 逻辑隶属函数的使用有效捕捉了输入参数的不确定性，提供了对现实世界条件更真实的表达。
• 该解决方案在不同不确定性水平下表现出鲁棒性，生产计划能根据不同的α-截集合理调整。
• 该模型根据决策者的风险偏好提供了多种可行解，增强了计划的灵活性。
• 案例研究证实，模糊规划是具有不精确数据的行业中确定性模型的可行且实用的替代方案。
• 该方法通过考虑需求和成本估算中的语言化不确定性，降低了过度生产或资源利用率不足的风险。