A termelő- és szolgáltatórendszerek működésének optimalizálása a termelésmenedzserek egyik gyakori problémája. Többek között az optimális termékszerkezet meghatározása, az optimális rendelési politika alkalmazása, a legkedvezőbb szállítási/logisztikai folyamatok kialakítása, a hulladékkezelés és anyagforgalom optimalizálása ismétlődő jelleggel felmerülő menedzsmentfeladatok. Az optimalizáló modellek alkalmazóinak a legtöbb nehézséget rendszerint az okozza, hogy a számítások elvégzéséhez szükséges adatok (paraméterek) értéke bizonytalan, az adatok rendszerint kiszámíthatatlanul és nem feltétlenül statisztikailag véletlenszerűen változnak. E cikk néhány egyszerű példa segítségével mutatja be a paraméterek bizonytalanságából eredő problémák kezelésének lehetséges módszereit és azok menedzsmentvonatkozásait.
The objective of assembly line balancing (ALB) is to minimize the number of workstations organized to perform tasks with precedence constraints. An important element of proper assignment of tasks to workstations is the consideration of skill requirement of tasks, and skill level of workers. Some tasks may require special skills, some workers might not be able to perform complicated tasks, and some workers might be specialized for specific tasks.This paper provides a general framework to model skill requirements and skill conditions for assembly line balancing models. Three types of skill constraints are defined. Low skill constraints determine workstations for workers who are able to perform only some simple tasks. High skill constraints consider tasks which require higher than average skills of workers. Finally, exclusive skill constraints consider situations where a group of workers is specialized in a subset of tasks.The paper summarizes the mathematical description of the different skill constraints, and shows how simple assembly line balancing models can be completed with skill considerations. The mathematical characteristics of the resulting models are discussed, and some sample problems are solved to illustrate the results of each specific skill situation.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.