Production control of failure-prone manufacturing-remanufacturing systems using mixed dedicated and shared facilities

Assid, M.; Gharbi, Ali; Hajji, Adnène

doi:10.1016/j.ijpe.2019.107549

Cited by 23 publications

(7 citation statements)

References 44 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…To the best of our knowledge, many studies have focused on issues related to production decisions in a hybrid remanufacturing/manufacturing system. Assuming the remanufactured product is equivalent to the original manufactured product and thus sold for the same price to the same market, most researchers studied production decisions of the manufacturing/remanufacturing hybrid system [14][15][16] and operation decisions of the closed-loop supply chain [17][18][19].…”

Section: Literature Reviewmentioning

confidence: 99%

“…The remanufacturable returns are shipped to the remanufacturing center, and the non-remanufacturable returns are disposed and would not be processed in the following operation activities. That is, only a certain percentage of returns are suitable for remanufacturing [15,16,31]. Moreover, after remanufacturing activities, the remanufactured products are used to satisfy the customers' demand of the secondary market.…”

Section: Problem Description and Assumptionmentioning

confidence: 99%

“…The inventory quantity of the remanufactured products I P is equal to the inventory quantity in the previous period plus the production quantity IQ, minus the sale quantity SQ in the current period as shown in Equation (15). Without loss of generality, the inventory of each kind of product is restricted to the non-negative domain in Equation (16). Meantime, Equation 17shows the inventory capacity constraint of the products for scenario s in period t.…”

Section: B Logistical Constraintsmentioning

confidence: 99%

See 2 more Smart Citations

Production Decisions of Manufacturing and Remanufacturing Hybrid System Considering Downward Substitution: A Comprehensive Model Integrating Financial Operations

Wang

Fei

2020

IEEE Access

View full text Add to dashboard Cite

Traditional approaches for production decisions of the manufacturing/remanufacturing hybrid system usually focus on physical operations and ignore the corresponding financial aspects. This paper proposes a mixed integer stochastic programming model integrating physical and financial operations based on scenario analysis, which considers the downward substitution between new and remanufactured products and selects financial performance indicator, i.e. economic value added, as the optimal objective function. The prime superiorities of the integrated approach are emphasized through a numerical example, and sensitivity analyses on some critical parameters are conducted. The findings indicate that the integrated approach can not only ensure the stability of hybrid production system, but also significantly improve financial operation efficient and reduce total financial operation cost, and thus eventually brings the manufacturer higher objective value. Furthermore, the advantage of integrated approach in objective optimization is more prominent when manufacturers intend to provide higher service level to customers. Finally, the results proposed in this paper provide applicable suggestions to manufacturers and financial institutions. INDEX TERMS Production decisions, manufacturing /remanufacturing hybrid system, downward substitution, financial operations, economic value added YONGJIAN WANG was born in Henan, China, in 1989. He received the B.S. degree in financial management from Henan Polytechnic University in 2011, the M.S. degree in business management from Nanjing University of Finance & Economics in 2013, and the PhD degree in management science and engineering from Southeast University in 2017. Since 2017, he has been a lecturer in the Business School at Jiangsu Normal University. His research interests are in production and operations management, supply chain management, financial management, and systems simulation modeling and optimization.

show abstract

Section: Literature Reviewmentioning

confidence: 99%

Section: Problem Description and Assumptionmentioning

confidence: 99%

Section: B Logistical Constraintsmentioning

confidence: 99%

See 1 more Smart Citation

Production Decisions of Manufacturing and Remanufacturing Hybrid System Considering Downward Substitution: A Comprehensive Model Integrating Financial Operations

Wang

Fei

2020

IEEE Access

View full text Add to dashboard Cite

show abstract

“…Facing the dynamic changes of uncertain factors, it is difficult for mathematical modelling, and heuristic and meta-heuristic algorithms to obtain the optimal solution in real time [21][22][23][24][25]. Based on temporal difference (TD) learning theory, Damanik et al [26] established a deep TD reinforcement learning model, and used the model the transform and solve the multi-phase decision-making of multi-objective flexible job-shop scheduling; the solution was much better than that obtained by heuristic algorithm or ant colony optimization (ACO).…”

Section: Introductionmentioning

confidence: 99%

Application of Machine Learning and Rule Scheduling in a Job-Shop Production Control System

Zhao¹,

Zhang²

2021

Int. j. simul. model.

View full text Add to dashboard Cite

As intelligent and precision manufacturing becomes the trend of industrial production, it is of practical significance to study the job-shop production control. However, the existing studies have not provided an evaluation mechanism to reasonably measure the control efficiencies of different plans. The desired control objectives are not easily achieved for job-shop production control problems with dynamic changes. Therefore, this paper probes into the dynamic job-shop production control problem based on deep reinforcement learning and rule scheduling. Firstly, a multi-objective optimization model was established for the production control system of dynamic job-shop. Then, deep reinforcement learning was introduced to job-shop production control system to transform the dynamic job-shop production control problem. After that, the authors proposed a dynamic job-shop production control method based on deep reinforcement learning, and explained the collaboration strategy for multiple subsystems. The proposed method was proved effective through experiments.

show abstract

“…A potential reason of imposing such simultaneous reductions is the decision to build smaller facilities in order to reduce their costs. For existing facilities this can be attributed to the concept of shared facilities (Assid et al, 2019). For these scenarios, the following seven problem instances are considered: "3-3-12-3", "2-3-10-5", " 5.15 provides the best found total cost and the number of opened manufacturing centres for S7, S8 and the basic scenario.…”

Section: Changes On the Capacities And Opening Cost Of Facilitiesmentioning

confidence: 99%

Solution methods for complex supply chain network optimization problems

Karakostas¹,

Καρακώστας²

View full text Add to dashboard Cite

Η ενοποίηση των δραστηριοτήτων μίας εφοδιαστικής αλυσίδας αποτελεί κρίσιμο παράγοντα επίτευξης αειφόρου ανταγωνιστικού πλεονεκτήματος εντός των πλαισίων του σύγχρονου επιχειρησιακού περιβάλλοντος. Η εν λόγω ενοποίηση αφορά την ταυτόχρονη λήψη αποφάσεων στρατηγικού, τακτικού και επιχειρησιακού επιπέδου μέσω της αποδοτικής διαχείρισης της εφοδιαστικής αλυσίδας. Επιπρόσθετα, δεδομένης της εκπομπής ρύπων από τις δραστηριότητες της εφοδιαστικής αλυσίδας, όπως το διοξείδιο του άνθρακα, αυξημένες κοινωνικές και περιβαλλοντικές ανησυχίες έχουν μετατοπίσει την εστίαση στην επίτευξη ενός ισορροπημένου στόχου, ο οποίος αποτελεί ένα μίγμα οικονομικών, περιβαλλοντικών και κοινωνικών στόχων. Η παρούσα διδακτορική διατριβή μελετά και διερευνά νέα σύνθετα προβλήματα βελτιστοποίησης δικτύων ενοποιημένων εφοδιαστικών αλυσίδων με αντικειμενικό στόχο την οικονομική, την περιβαλλοντική ή τη συνδυαστική απόδοση. Επίσης, νέες μεθευρετικές τεχνικές επίλυσης έχουν αναπτυχθεί ώστε να λυθούν τα νέα προβλήματα και να καταγραφούν χρήσιμες παρατηρήσεις αποδοτικής διαχείρισης. Ακριβέστερα, ένα γνωστό πρόβλημα συνδυαστικής βελτιστοποίησης, το οποίο συνδυάζει στρατηγικές, τακτικές και λειτουργικές αποφάσεις είναι το σύνθετο Πρόβλημα Χωροθέτησης Εγκαταστάσεων, Ελέγχου Αποθεμάτων και Δρομολόγησης Οχημάτων. Στην παρούσα διατριβή εισάγονται αρκετές επεκτάσεις του συγκεκριμένου σύνθετου προβλήματος. Αρχικά, εισάγεται το σύνθετο Πρόβλημα Χωροθέτησης Εγκαταστάσεων, Ελέγχου Αποθεμάτων και Δρομολόγησης Οχημάτων με Εξωτερική Ανάθεση Διανομής για την περιγραφή περιπτώσεων όπου είτε ο ιδιόκτητος στόλος οχημάτων είναι μη οικονομικώς συμφέρουσα επιλογή ή απαιτείται ειδικού σκοπού στόλος οχημάτων (π.χ. στόλος οχημάτων προσαρμοσμένος στις ανάγκες των πελατών). Επιπλέον, προτείνεται μία επέκταση πράσινης διαχείρισης του σύνθετου Προβλήματος Χωροθέτησης Εγκαταστάσεων, Ελέγχου Αποθεμάτων και Δρομολόγησης Οχημάτων, ονομαζόμενο ως σύνθετο Πρόβλημα Χωροθέτησης Εγκαταστάσεων, Ελέγχου Αποθεμάτων, Δρομολόγησης Οχημάτων, Κατανάλωσης Καυσίμου και Εκπομπής Ρύπων Διοξειδίου του Άνθρακα, το οποίο λαμβάνει ταυτόχρονα οικονομικές και περιβαλλοντικές αποφάσεις, όπως η κατανάλωση καυσίμου και η εκπομπή ρύπων CO2. Στη συνέχεια, ένα ακόμη πρόβλημα πράσινης διαχείρισης, επέκταση του βασικού προβλήματος, εισάγεται. Το νέο πρόβλημα καλείται σύνθετο Πρόβλημα Καθορισμού Μεγέθους και Σύνθεσης Στόλου Οχημάτων, Χωροθέτησης Εγκαταστάσεων με Πολλαπλές Επιλογές Χωρητικότητας, Ελέγχου Αποθεμάτων, Δρομολόγησης Οχημάτων, Κατανάλωσης Καυσίμου και Εκπομπής Ρύπων Διοξειδίου του Άνθρακα και λαμβάνει υπόψη επιπλέον ρεαλιστικά χαρακτηριστικά, όπως η σύνθεση στόλου και ο σχεδιασμός χωρητικότητας εγκαταστάσεων. Επιπροσθέτως, ένα πρόβλημα βελτιστοποίησης δικτύων υγειονομικών εφοδιαστικών αλυσίδων σχετιζόμενων με τις καινοτόμες ανοσολογικές κυτταρικές θεραπείες του καρκίνου. Στο νέο αυτό πρόβλημα προτείνεται μία καινοτόμα δομή δικτύου για τη διαχείριση των προκλήσεων που προκύπτουν από την αυξανόμενη ζήτηση τέτοιων θεραπειών. Για την αποδοτική επίλυση αυτών των προβλημάτων σε σύντομο υπολογιστικό χρόνο, προτείνονται αρκετοί ευρετικοί αλγόριθμοι βασιζόμενη στο μεθευρετικό πλαίσιο Αναζήτησης Μεταβλητής Γειτνίασης. Οι λύσεις που παρήχθησαν από τους προτεινόμενους αλγόριθμους συγκρίθηκαν με εκείνες του state-of-the-art εμπορικού λύτη, CPLEX. Πληθώρα συγκρίσεων και υπολογιστικών πειραμάτων υποδεικνύουν την αποδοτικότητα των προτεινόμενων μεθόδων και κύριους παράγοντες απόδοσης, ώστε τελικώς να κατασκευασθούν ταχείες και ισχυρές υπολογιστικές τεχνικές επίλυσης.

show abstract

Production control of failure-prone manufacturing-remanufacturing systems using mixed dedicated and shared facilities

Cited by 23 publications

References 44 publications

Production Decisions of Manufacturing and Remanufacturing Hybrid System Considering Downward Substitution: A Comprehensive Model Integrating Financial Operations

Production Decisions of Manufacturing and Remanufacturing Hybrid System Considering Downward Substitution: A Comprehensive Model Integrating Financial Operations

Application of Machine Learning and Rule Scheduling in a Job-Shop Production Control System

Solution methods for complex supply chain network optimization problems

Contact Info

Product

Resources

About