UNIVERZA V LJUBLJANA EKONOMSKA FAKULTETA DISPOZICIJA

Comments

Transcription

UNIVERZA V LJUBLJANA EKONOMSKA FAKULTETA DISPOZICIJA
UNIVERZA V LJUBLJANA
EKONOMSKA FAKULTETA
DISPOZICIJA DOKTORSKE DISERTACIJE
Kandidat: Luka Tomat
Mentor: prof. dr. Miro Gradišar
Ljubljana, september 2011
1 NASLOV DOKTORSKE DISERTACIJE
Slovenski naslov predlagane doktorske disertacije:
OPTIMIZACIJA ENO-DIMENZIONALNEGA RAZREZA Z UPORABNIM OSTANKOM:
PRIMER NIZKEGA RAZMERJA MED POVPREČNO DOLŢINO NA ZALOGI IN
POVPREČNO DOLŢINO NAROČIL
Angleški naslov predlagane doktorske disertacije:
ONE-DIMENSIONAL CUTTING STOCK OPTIMIZATION WITH USABLE LEFTOVER: A
CASE OF LOW STOCK-TO-ORDER RATIO
2 PROBLEMATIKA IN PREDMET RAZISKOVANJA
S problemom eno-dimenzionalnega razreza se srečuje mnogo proizvodnih podjetij, predvsem
tista, ki ţelijo optimizirati svoje poslovanje (Haessler & Sweeney, 1991). Tako optimizacija
razreza materiala predstavlja pomembno raziskovalno področje širom sveta. Jedro problema je,
kako izpolniti naročilo z minimalniki stroški (Erjavec et al., 2009).
Problem eno-dimenzionalnega razreza ima v praksi veliko pojavnih oblik. V največ primerih je
definiran kot problem, pri katerem je potrebno vnaprej poznano število naročenih palic razrezati
iz poznane zaloge palic (različno število različnih dolţin palic). Gre za zadovoljevanje naročil
kupcev, ki izhajajo iz potreb trga. Pri rezanju materiala je zelo pomembno, kako velik je ostanek
rezanja, saj se nezadostno velik ostanek smatra kot odpadek in se zavrţe, to pa vpliva na stroške
podjetja. Smotrno je, da je ostanek, ki se zavrţe, čim manjši oz. tako majhen, kot je to mogoče
(Gradišar, 1996).
Prvi poskusi iskanja optimalne rešitve so se začeli leta 1939, ko je Leonid Kantorovich predstavil
osnovni model za reševanje problema eno-dimenzionalnega razreza, vendar pa takšna
formulacija problema, kot jo poznamo danes, izhaja iz leta 1956 (Paull, 1956). Naslednji
pomembni korak se je zgodil leta 1961, ko sta Gilmore in Gomory, dva izmed najbolj priznanih
avtorjev s področja optimizacije eno-dimenzionalnega razreza, predstavila metodo reševanja, ki
temelji na linearnem programiranju (Gilmore & Gomory, 1961).
Kasneje je bilo predstavljenih še veliko rešitev problema eno-dimenzionalnega razreza, kar je
posledično vodilo v potrebo po klasifikaciji, ki bi jasno razlikovala med različnimi vrstami
problemov. V ta namen je leta 1990 Dyckhof predlagal klasifikacijo problemov enodimenzionalnega razreza (Dyckhoff, 1990). Po tej klasifikaciji je problem optimizacije eno1
dimenzionalnega razreza opisan kot model 1/V/D/M, kjer 1 predstavlja eno-dimenzionalni
problem, V predstavlja pogoj, da vsa naročila izhajajo iz razreza zalog, D predstavlja več
različnih palic na zalogi, M pa predstavlja več različnih naročil. Dyckhoffova klasifikacija se
lahko uporablja tudi za nekatere druge, podobne primere (Dyckhoff, 1990):
 problemi razreza in problemi odpadka,
 problemi pakiranja,
 problemi nakladanja,
 problemi alokacije, razvrščanja in kategorizacije,
 alokacija kapitala,
 določanje urnikov.
Na osnovi Dyckhoffove klasifikacije je bilo razvitih več zanimivih metod za reševanje problema
razreza. Metoda za razrez materiala različne kvalitete je bila predstavljena leta 1993 (Carnieri et
al., 1993), metoda, temelječa na zaokroţenih ne celoštevilskih rezultatih je bila razvita leta 1995
(Scheithauer & Terno, 1997), Degraveov in Vanderbroekov pristop “razveji in omeji” pa je bil
predstavljen leta 1998 (Trkman & Gradišar, 2010). Med pomembnejši metodi sodita tudi
algoritem za zmanjševanje stroškov sprememb vzorca (Schilling & Georgiadis, 2002) in nova
metoda za razrez različnih velikosti materiala na zalogi (Belov & Scheithauer, 2002). Metoda za
minimiziranje števila upotrabljenih razrezanih vzorcev je bila predstavljena leta 2000
(Vanderbeck, 2000). V letih med 1995 in 2002 se je pojavilo tudi več večfaznih metod, ki so
opisane v (Trkman & Gradišar, 2010). Dyckhoffova klasifikacija je bila razširjena tudi s časovno
dimenzijo. Takšen pristop je bil prvič predstavljen v (Trkman & Gradišar 2007). Ta nova
klasifikacija je temeljila na večih kriterijih: število različnih dolţin na zalogi, razmerje med
povprečno dolţino materiala na zalogi, povprečno dolţino naročenega materiala in
karakteristikah posameznih kosov materiala na zalogi in v naročilu (Trkman & Gradišar, 2007).
Pomembno je tudi leto 2007, ko je bila predstavljena klasifikacija, ki je nakazovala pomemben
napredek na področju rezanja in pakiranja (Wäscher et al. 2007). Z njeno uporabo je mogoče še
bolj natančno razvrstiti probleme v razrede.
Proces optimizacije eno-dimenzionalnega razreza materiala temelji na porabi zalog z namenom
izpolnjevanja naročila, pri tem pa upošteva ekonomski cilj minimiziranja stroškov. Eden glavnih
razlogov, da podjetje optimizira proces razreza eno-dimenzionalnega materiala, tiči v
minimizaciji materiala, ki predstavlja neuporaben ostanek. Neuporaben ostanek materiala je
izguba, ki jo ţelimo zmanjšati. V nekaterih primerih, ko je ostanek dovolj velik, se ga vrne v
skladišče in ponovno uporabi (Alfieri, 2007; Areales et al., 2009). Oznaka problema enodimenzionalnega razreza z uporabnim ostankom je CSPUL (angl. Cutting stock problem with
usable leftover).
2
Optimalne rešitve so večinoma rezulat uporabe eksaktnih metod (Alves & Valério de Carvalho,
2008), vendar so te metode uporabne le pri majhnih naročilih (rezultati eksaktnih metod
predstavljajo najboljše moţne rešitve, vendar pa je v primeru večjih naročil zaradi pomanjkanja
računske moči računalnikov čas računanja predolg), tako da izključno eksaktne metode za
uporabo v moji disertaciji niso primerne. Zato večina razvitih metod temelji na hevrističnem
pristopu. Nasprotno od eksaktnih metod, hevristične rešitve ne zagotavljajo optimalne rešitve, jo
pa zato poiščejo v razumnem času. V nadaljevanju so predstavljene le nekatere izmed novejših
hevrističnih metod za reševanje problema eno-dimenzionlanega razreza materiala. Leta 1996 je
bila predstavljena metoda, ki je temeljila na genetskih algoritmih, ki uporabljajo učinkovite
vzorce (Vahrenkamp, 1996), leta 2004 metoda, ki je temeljila na sekvenčnem razrezu
posameznega naročila (Ragsdale & Zobel, 2004), leta 2003 metoda, ki je temeljila na mešanem
pristopu (Yeung & Tang, 2003) in leta 2005 metoda, ki je po eni strani teţila k minimiziranju
izgube, po drugi strani pa k zmanjšanju števila vzorcev rezanja, ki tudi prispevajo k
zmanjševanju stroškov razreza materiala (Cui, 2005).
Pri reševanju CSPUL je bistvenega pomena uporabni ostanek, ki se vrne v skladišče z namenom
kasnejše uporabe. Odločevalci se pri reševanju CSPUL odločijo, kje je meja, nad katero se
ostanek vrne nazaj v skladišče in pod katero ostanek predstavlja izgubo pri razrezu. Če
upoštevamo vračanje neuporabljenega materiala v skladišče, potem minimizacija ostanka ne
predstavlja nujno najboljše rešitve za podjetje (Chierri et al., 2009). CSPUL v bistvu pomeni, da
gre za proces, pri katerem imamo na zalogi standardne in nestandardne dolţine. Nestandardne
dolţine predstavljajo uporabni ostanek prejšnjih naročil. Pri CSPUL je potrebno upoštevati tudi
naslednje predpostavke (Chierri et al., 2009):
 velikost naročila mora biti znana,
 velikost zaloge mora biti znana,
 naročila morajo biti izpolnjena.
V Chierri et. al (2009) je objavljen obširen pregled metod za reševanje CSPUL, ki večinoma
temelji na metodah, ki uporabljajo hevrističen pristop. Te metode je moč razdeliti v dve skupini.
Prva temelji na uporabi izčrpnega ponavaljanja (angl. exhaustive repetition) in je sestavljena iz
štirih hevrističnih metod, druga skupina pa temelji na kombinaciji hevristične metode in metode
linearnega programiranja v obliki linearnega sproščanja problema celoštevilskega programiranja
(angl. linear relaxation of the integer programming problem) (Chierri et al., 2009). Pomembno
mesto med metodami za reševanje CSPUL imata metodi COLA in CUT, ki sta bili za ta tip
problema razviti najprej. COLA je bila predstavljena leta 1997 (Gradišar et al., 1997), CUT pa
leta 1999 (Gradišar et al., 1999). Obe metodi posamično obravnavata naročila (angl. item
oriented) in temeljita na izčrpnem ponavljanju.
3
Poleg optimizacijske metode, pa lahko na višino neuporabnega ostanka oz. izgube vpliva tudi
narava problema, ki jo je pri reševanju potrebno upoštevati. Tako je iz praktičnega primera,
predstavljenega v Erjavec et al. (2009) razvidno, da je povprečna izguba pri CSPUL enaka 15%.
Razlog tiči v nizkem razmerju med povprečno dolţino na zalogi in povprečno dolţino naročil (v
nadaljevanju bom razmerje med povprečno dolţino na zalogi in povprečno dolţino naročil
označeval z NPRZN). Literatura ne ponuja nobene definicije NPRZN, zato lahko omenjeno
razmerje definiramo na sledeči način. Razmerje med povprečno dolţino na zalogi in povprečno
dolţino naročil je majhno, če je manjše od nekega praga t. Ker pa je v vsakem primeru problema
več različnih dolţin zaloge in naročila, je lahko omenjeno razmerje:
1. razmerje med najdaljšo dolţino na zalogi in najkrajšo dolţino naročila, ali
2. razmerje med povprečno dolţino zaloge in povprečno dolţino naročila.
Prvo razmerje ne predstavlja najboljše definicije v vseh primerih (npr. primer kjer obstaja veliko
število naročil, najdaljše naročilo pa predstavlja le zelo majhen del skupne dolţine naročil), zato
je druga moţnost boljša izbira. Naslednje vprašanje je povezano z definiranjem praga t. V
praktičnem primeru, opisanem v Erjavec et al. (2009), je dolţina razmerja med dolţino zaloge in
dolţino naročila enaka 3, zato bom takšno razmerje upošteval za potrebe doktorske disertacije.
Niţje NPRZN pomeni omejeno število moţnih rešitev, posledično pa se poveča verjetnost
rešitve z veliko izgubo (Gradišar et al., 1999). Število rešitev se najbolj intenzivno zniţa takrat,
ko je proučevano razmerje med 1 in 2, saj to pomeni, da se v večini primerov od ene enote na
zalogi odreţe samo ena enota iz naročila. To je tudi razlog, da primeri, kjer je NPRZN nizko,
proizvedejo več izgube zaradi ostanka. Iz zgoraj napisanega je mogoče domnevati, da se razlika
med izgubo optimalne rešitve in izgubo, ki je posledica uporabe trenutno razpoloţljivih metod,
veča, če se niţa razmerje med povprečno dolţino na zalogi in povprečno dolţino naročila. To
posledično predstavlja tudi večje moţnosti za izboljšave.
Stroški, povezani z razrezom, pa niso odvisni le od priprave čim boljšega načrta razreza, ampak
tudi od nabave materiala in prilagoditve logističnih procesov. To pa pomeni, da lahko celostna
prenova procesa eno-dimenzionalnega razreza materiala vodi do bistveno večjih prihrankov kot
le optimizacija načrta razreza.
Metode za reševanje eno-dimenzionalnega problema razreza morajo imeti torej tudi moţnost
prilagoditve spreminjajočim poslovnim procesom in enostavne integracije v informacijski sistem
podjetja. Metode za reševanje omenjenega problema so bile v preteklosti ţe vgrajene v celovite
programske rešitve podjetij (Alfieri et al., 2007; Rodrigues & Vecchietti, 2007) ali v njihove
sisteme za podporo odločanju (Čiţman & Černetič, 2004). Integracija odločitvenih aplikacij v
informacijske sisteme je za podjetja zelo pomembna, saj prispeva k boljšem okolju za poslovno
odločanje in s tem k boljšemu odločanju (Liu et al., 2009).
4
3 PODROČJE RAZISKOVANJA IN OCENA PRISPEVKA K ZNANOSTI
Oţja raziskovalna področja, ki se jih dotikam v moji doktorski disertaciji, so naslednja:
 poslovne vede,
 management oskrbovalne verige,
 operacijske raziskave.
Raziskovalni problem se nanaša na vsa zgoraj navedena področja. Prispevek na področju
poslovnih ved bo temeljil na rešitvi, ki bo podjetjem lahko sluţila kot podpora za boljšo
koordinacijo med sodelujočimi akterji v poslovnem procesu, kar predstavlja tako teoretičen kot
praktičen prispevek k temu raziskovalnemu področju. Boljša koordinacija je smiselna, ker se
tako poveča izmenjava informacij med kupci in dobavitelji. Če bi npr. kupci posredovali svoja
naročila hitreje, bi bilo več časa za sestavo delnih naročil v eno veliko naročilo na način, da bi bil
ostanek manjši, kot sicer. Lahko bi npr. tudi izboljšali komunikacijo z dobavitelji, tako, da bi
podjetja lahko nabavljala tiste standardne dolţine iz nekega nabora dolţin, ki bi za izbrana
naročila zmanjšale ostanek. V kolikor bi podjetje upoštevalo še stroške skladišča in transporta, bi
lahko ugotavljalo tudi vpliv razreza na optimalno naročilno količino. Podjetje bi lahko
odgovorilo tudi na vprašanje, ali se investicija v nek medorganizacijski informacijski sistem
izplača ter kolikšen je njen ROI. Tako bo moja doktorska disertacija na omenjenem področju
predstavljala prispevek tako iz teoretičnega, kot iz praktičnega vidika. Področje poslovnih ved
vsebuje veliko podpodročij, nekaterih pa se bom dotaknil tudi v moji doktorski disertaciji.
Takšna so npr. optimiziacija proizvodnje, stroškovna uspešnost in učinkovitost oskrbovalne
verige, negotovost, poslovni procesi, management zalog itd.
Zgoraj omenjeno ponuja veliko moţnosti za boljše odločanje v podjetju in predstavlja prispevek
k znanosti na področju managementa oskrbovalne verige, saj je izmenjava informacij med
podjetji in njihova uporaba za boljše odločanje na tem področju večno aktualna tema (Trkman,
2008).
V literaturi nisem zasledil nobene metode, ki bi upoštevala NRPZN, tako da bo izbrana metoda
predstavljala teoretičen prispevek k znanosti, praktičen prispevek pa bo predstavljen z niţjimi
skupnimi stroški podjetij, ki bodo to metodo uporabila v praksi.
Za področje poslovnih ved je z vidika tako organizacijskih kot poslovnih aktivnosti zelo
pomembno vprašanje, kako povezati in motivirati ljudi, da bi zadane naloge in cilje dosegali čim
bolj učinkovito in uspešno ter v okviru razpoloţljivih sredstev. V moji doktorski disertaciji bo
predstavljen koncept, ki bo teţil k dodatnemu ustvarjanju in zagotavljanju informacij, ki bodo
5
podjetjem lahko sluţile za boljše odločanje. Tako se bosta povečali učinkovitost in uspešnost oz.
smotrnost razpolaganja z viri v podjetju.
Zelo pomembni področji za proučevanje obravnavane problematike sta simulacije in
management oskrbovalne verige. Obe področji sta relevantni za proučevani problem in ju bom v
doktorski disertaciji podrobno predstavil.
Management oskrbovalne verige je za podjetja zelo pomembno področje, saj vpliva na višino
celotnih stroškov v podjetju. Pri tem je pomembno zavedanje, da je optimalno naročilno količino
v realnem svetu teţko predvideti, saj velja, da je povpraševanje negotovo. Razlog tiči predvsem
v nepopolnih informacijah ali pa je povpraševanje neznano (Trkman et al., 2007). Za to področje
je pomemben tudi uspešen odnos z dobavitelji v oskrbovalni verigi, saj vpliva na povečanje
stroškovne učinkovitosti pri zagotavljanju materiala za razrez (Trkman, 2008).
Področje operacijskih raziskav je ključno za proučevani problem. Čeprav je v literaturi mogoče
zaslediti več definicij večih različnih avtorjev, lahko za potrebe doktorske disertacije definiram
operacijske raziskave kot metode, ki zagotavljajo izvršnim oddelkom kvantitativno osnovo za
odločanje o operacijah, ki so pod njihovim nadzorom (Morse & Kimball, 2003). Namen
operacijskih raziskav je poiskati optimalno (eksaktno) ali skoraj optimalno (hevristično) rešitev
za kompleksne odločitvene probleme. Operacijske raziskave temeljijo na mnogih matematičnih
metodah in tehnikah, kot so npr. modeliranje, odločitvena analiza, poslovne simulacije itd.
Del operacijskih raziskav predstavlja tudi optimizacija, problem eno-dimenzionalnega razreza pa
sodi med optimizacijske probleme. Metoda, uporabljena v doktorski disertaciji bo zadane
probleme reševala avtomatsko in bo temeljila na optimizaciji. Optimizacijski algoritem bo
obravnavan kot črna škatla, tako da se bo moja disertacija osredotočila na vhode in izhode, ki so
potrebni za optimalno delovanje škatle. Metoda, ki ne deluje optimalno, lahko posledično vodi v
večje neuporabne ostanke, kar negativno vpliva na celotne skupne stroške v podjetju, zato je
nujno, da se pri optimizaciji poslovnih procesov upošteva neuporabne ostanke. Na ta način
lahko podjetje dosega konkurenčne prednosti pred ostalimi igralci na trgu. Pomembne revije s
področja operacijskih raziskav obljavljajo veliko člankov s področja eno-dimenzionalnega
problema razreza (Trkman, 2008), tako da je tudi s tega vidika vključitev področja v mojo
doktorsko disertacijo smiselna.
V okviru doktorske disertacije bom opisal metodo za reševanje problema CSPUL za primere, ko
je t manjši od 3. Pokazal bom tudi, da lahko uporaba takšne metode v praksi podjetju prinese
niţje skupne stroške. Ti učinki so lahko z uporabo primernega simulacijskega orodja tudi
eksperimentalno ocenjeni in lahko predstavljajo osnovo za ocenjevanje smotrnosti investicije.
6
Ker v prejšnjih raziskavah predstavljeni koncept še ni bil teoretično podprt, bodo rezultati moje
študije zajemali pomembne ugotovitve.
Moj prispevek k znanosti bo sodelovanje pri nadaljnjem razvoju predlagane metode in testiranju
le-te pri ugotavljanju vpliva stroškov ostanka na management oskrbovalne verige z vidika vpliva
hitrosti, intenzivnosti in obsega izmenjave informacij med kupci in dobavitelji in ugotavljanju
vpliva na določanje optimalne naročilne količine. V disertaciji, kjer bom tudi podrobno
predstavil model optimalnega obsega naročila, bom skušal optimalno naročilno količino čim bolj
prilagoditi predlagani novi metodi. Osredotočil se bom predvsem na vprašanji kdaj in kolikšno
količino materiala naj podjetje naroči, da bodo skupni stroški zalog in procesa razreza čim
manjši. Gre za razširitev modela optimalne količine naročila z uvedbo stroškov neuporabnega
ostanka, ki je bil predlagan v Erjavec (2011).
4 TEZE DOKTORSKE DISERTACIJE
Teze v predlagani doktorski disertaciji so naslednje:



Moţno je razviti metodo, ki bo v primeru tipa problema NPRZN dala boljše rezultate od
obstoječih metod.
Metodo za reševanje NPRZN je moţno prilagoditi tudi CSPUL.
Pri NPRZN je smiselno upoštevati stroške ostanka tudi pri oblikovanju optimalne
naročilne količine.
5 OPIS ZNANSTVENE METODE
Prva znanstvena metoda, ki jo bom uporabil, bo zajemala natančen in obseţen pregled
znanstvene literature (tako primarni kot sekundarni viri) s poudarkom na znanstvenih prispevkih,
ki se tičejo obravnavanih področij. Analiziral bom tudi kriterije učinkovitosti enodimenzionalnega razreza in managementa oskrbovalne verige. Informacije bom pridobival iz
mednarodno priznanih in uveljavljenih znanstvenih revij, za dostop do katerih bom uporabil
podatkovne baze kot so Emerald, EBSCOhost, Science Direct, ProQuest in druge. Uporabljal
bom tudi Googlovo spletno storitev Google Učenjak. Z namenom poglobljenega pridobivanja
znanj, se bom udeleţeval priznanih konferenc in simpozijev iz področij proučevane
problematike.
Za razvoj metode bom uporabil znanstveno metodo sinteze, temlječe na kombinaciji
induktivnega in deduktivnega sklepanja.
7
Za reševanje problema eno-dimenzionalnega razreza bom uporabil metodo LCUT, ki je napisana
v jeziku FORTRAN, omogoča zelo hitro procesiranje in ni namenjena splošni uporabi temveč za
primere z nizkim razmerjem med dolţinami na zalogi in dolţinami na naročilu. Vhodni podatki
bodo generirani s pomočjo četrte generacije programskih jezikov. Program lahko teče na
navadnem osebnem računalniku. LCUT ima naslednje omejitve:
 razmerje med največjo dolţino na zalogi in najkrajšo dolţino naročila mora biti manjše
ali enako 10,
 število različnih dolţin naročila mora biti manjše ali enako 7,
 število kosov za posamezno dolţino naročila mora biti manjše ali enako 99,
 število različnih dolţin na zalogi mora biti manjše ali enako 20,
 število kosov za posamezno dolţino na zalogi mora biti manjše ali enako 99.
Podatki za preizkus bodo deloma pridobljeni s pomočjo generatorja primerov, deloma pa iz
prakse.
Za reševanje opisanega problem bosta uporabljena tudi algoritma CUT in RGR (Cherri et al.,
2009), rezultati pa bodo predstavljeni v okviru metode primerjalne analize, s katero bom
primerjal uporabljene metode. Izpostavil bom glavne prednosti in slabosti posamezne metode in
pokazal, zakaj je predlagana metoda boljša od ostalih.
Pri definiranju problema bodo upoštevane naslednje predpostavke:
 za vsako naročilo kupca obstaja zadostno velika količina materiala na zalogi,
 zaloga v večini primerov sestoji iz enakih dolţin materiala oz. obstaja nekaj standardnih
dolţin materiala na zalogi,
 del zaloge lahko predstavljajo nestandardne dolţine, ki so rezultat ostanka pri razrezu
prejšnjih naročil,
 dolţine morajo biti obravnavane kot cela števila tudi takrat, kadar niso (vedno se jih
lahko pretvori v cela števila),
 naročilo je sestavljeno iz zahteve za dano število naročenih dolţin v ţelenem številu
kosov.
Rezultati bodo prikazani z numeričnimi podatki.
Prednosti implementacije predlagane metode/koncepta v realno podjetje bom izmeril s pomočjo
analize stroškov in koristi (angl. Cost-Benefit Analysis).
Pri iskanju optimalnega obsega naročila si bom pomagal z uporabo simulacij.
8
Za potrebe doktorske disertacije ne predvidevam nobenih teţav s pridobivanjem podatkov, saj so
mi le-ti dostopni in dosegljivi. Raziskavo bom omejil na takšne podatke, da ne bodo izpostavljeni
napaki merjenja, predvsem z vidika veljavnosti in zanesljivosti.
Za pomoč pri raziskavi bom uporabil primerno programsko opremo (npr. MS Excel, CUT,
COLA itd.).
6 PRIČAKOVANI REZULTATI
Rezultati doktorske disertacije bodo predstavljali pomemben napredek v razvoju teorije
optimizacije eno-dimenzionalnega razreza na eni strani in napredek pri podpori za odločanje v
proizvodnih podjetjih na drugi.
Glavni pričakovani rezultati so:
 Dopolnjena metoda za reševanje NPRZN.
 Analiza vpliva količine in kakovosti izmenjevanja informacij v oskrbovalni verigi na
stroške razreza.
 Analiza vpliva nove metode na določanje optimalne naročilne količine.
7 STRUKTURA DOKTORSKE DISERTACIJE
V doktorski disertaciji je predvidena naslednja struktura:
1
1.1
1.2
1.3
1.4
1.5
2
2.1
2.2
2.3
2.4
2.5
3
3.1
3.2
3.3
UVOD
Predstavitev problematike in pregled področja
Namen in cilj doktorske disertacije
Metode in tehnike znanstvenega raziskovanja
Znanstveni prispevek disertacije
Struktura doktorske disertacije
PROBLEM ENO-DIMENZIONALNEGA RAZREZA
Predstavitev pojmov in koncepta
Eksaktni in hevristični pristop
Pregled metod
Vloga razreza v podjetjih
Pregled obstoječih algoritmov
ENO-DIMENZIONALNI RAZREZ Z UPORABNIM OSTANKOM
Opis koncepta in pregled trenutnega stanja na proučevanem področju
Pregled metod
Opis izbrane metode
9
3.4
4
4.1
4.2
4.3
4.4
4.5
4.6
5
5.1
5.2
5.3
5.4
5.5
5.6
5.7
6
6.1
6.2
6.3
7
7.1
7.2
8
8
Nizko razmerje med povprečno dolţino na zalogi in povprečno dolţino naročil
IZMENJAVA INFORMACIJ S KUPCI IN DOBAVITELJI
Pomen hitrejše izmenjave informacij za podjetja
Zdruţevanje naročil
Komuniciranje z dobavitelji
Stroški naročanja, skladiščenja in transporta
Vpliv izmenjave informacij na stroške razreza
Optimalna naročilna količina
RAZVOJ NOVE METODE ZA PROBLEM RAZREZA MATERIALA PRI
NIZKEM RAZMERJU MED POVPREČNO DOLŽINO NA ZALOGI IN
POVPREČNO DOLŽINO NAROČIL
Definicija problema
Razvoj rešitve
Predstavitev rezultatov in primerjava med metodami
Analiza rezultatov
Ekonomska obrazloţitev rezultatov
Vpliv izmenjave informacij med kupci in dobavitelji na učinkovitost uporabe metode
Vpliv nove metode na določanje optimalne naročilne količine
RAZPRAVA
Umestitev rezultatov
Pomen ugotovitev za podjetja
Prispevek doktorske disertacije k znanosti
SKLEP
Glavne ugotovitve
Smernice za nadaljnje delo
LITERATURA
SPISEK RELEVANTE LITERATURE
V doktorski disertaciji bom predvidoma uporabil naslednjo literaturo;
1.
2.
3.
Abuabara, A, & morabito, R. (2009). Cutting optimization of structural tubes to build
light aircrafts. Annals of Operations Research, 169 (1), 149-165.
Aktin, T., & Özdemir, R. (2009). An integrated approach to the one-dimensional cutting
stock problem in coronary stent manufacturing. European Journal of Operational
Research, 90 (2), 129-149.
Alem, D., Munari, P., Arenales, M., & Ferreira, P. (2008a). On the cutting stock
problem under stochastic demand. Annals of Operations Research, 179 (1), 169-186.
10
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
Alfares, H. (2007). Inventory model with stock-level dependent demand rate and
variable holding cost. International Journal of Production Economics, 108 (1-2), 259265.
Alfieri, A., van de Velde, S., & Woeginger, G. J. (2007). Roll cutting in the curtain
industry, or: A well-solvable allocation problem. European Journal of Operational
Research, 183 (3), 1397-1404.
Alves, C., & de Carvalho J. M. V. (2008a). A stabilized branch-and-price-and-cut
algorithm for the multiple length cutting stock problem. Computers & Operations
Research, 35 (4), 1315-1328.
Alves, C., & de Carvalho J. M. V. (2008b). New integer programming formulations and
an exact algorithm for the ordered cutting stock problem. Journal of the Operational
Research Society, 59 (11), 1520-1531.
Amor, H. B., Desrosiers, J., & de Carvalho, J. M. V. (2006). Dual-optimal inequalities
for stabilized column generation. Operations Research, 54 (3), 454–463.
Antonio, J., Chauvet, F., Chu, C., & Proth, J. M. (1999). The cutting stock problem with
mixed objectives: Two heuristics based on dynamic programming. European Journal of
Operational Research, 114 (2), 395-402.
Arbib, C., & Marinelli, F. (2005). Integrating process optimization and inventory
planning in cutting-stock with skiving option: An optimization model and its
application. European Journal of Operations Research, 163 (3), 617-630.
Arbib, C., Marinelli, F., Rossi, F., & Di Iorio, F. (2002). Cutting and reuse: the
application from automobile component manufacturing. Operations Research, 50 (6),
923-934.
Areales, M. N., Cherri, A. C., & Yanasse, H. H. (2009). The one-dimensional cutting
stock problem with usable leftover – A heuristic approach. European Journal of
Operational Research, 196 (3), 897-908.
Armbuster, M. (2002). A solution procedure for a pattern sequencing problem as part of
one-dimensional cutting stock problem in the steel industry. European Journal of
Operational Research, 141 (2), 328-340.
Arsham, H., Damij, T., & Grad, J.(2003). An algorithm for simplex tableau reduction:
the push-to-pull solution strategy. Applied mathematics and computation, 137 (2-3),
525-547.
Barrat, M. (2004). Understanding the meaning of collaboration in the supply chain.
Supply Chain Management. An International Journal, 9 (1), 30-42.
Barratt, M., & Oke, A. (2007). Antecedents of supply chain visibility in retail supply
chains: A resource-based theory perspective. Journal of Operations Management, 25
(6), 1217-1233.
11
17. Belov, G., & Scheithauer, G. (2002). A cutting plane algorithm for the one-dimensional
cutting stock problem with multiple stock lengths. European Journal of Operational
Research, 141 (2), 274-294.
18. Belov, G., & Scheithauer, G. (2006). A branch-and-cut-and-price algorithm for onedimensional stock cutting and two-dimensional two-stage cutting. European Journal of
Operational Research, 171 (1), 85-106.
19. Beraldi, P., & Bruni M. E. (2009). The stochastic trim-loss problem. European Journal
of Operational Research, 197 (1), 42-49.
20. Bertrand, W., & Fransoo, J. (2002). Operations Management Research Methodologies
using quantitative modelling. International Journal of Operations & Production
Management, 22 (2), 241-254.
21. Bertrand, W., & Fransoo, J. (2002). Operations Management Research Methodologies
using quantitative modelling. International Journal of Operations & Production
Management, 22 (2), 241-254.
22. Bertsimas, D. (2006). A robust optimizaton approach to inventory theory. Operations
Resarch, 54 (1), 150-168.
23. Bhadury, J., & Chandrasekaran, R. (1996). Stock cutting to minimize cutting length.
European Journal of Operational Research, 88 (1), 69-87.
24. Bingul, Z, & Oysu, C. (2005). Comparison of stochastic and approximation algorithms
for onedimensional cutting problems. Advances in intelligent computing; Lecture Notes
in Computer Science, 3644, 976-985.
25. Burgess, K., Singh, P., & Koroglu, R. (2006). Supply chain management: a structured
literature review and implications for future research. International Journal of
Operations & Production Management 26 (7), 703-729.
26. Burke K. E., Kendall, G., & Whitwell, G. (2009). A Simulated Annealing Enhancement
of the Best-Fit Heuristic for the Orthogonal Stock-Cutting Problem. INFORMS Journal
on Computing, 21 (3), 505-516.
27. Buxey, G. (2006). Reconstructing inventory management theory. International Journal
of Operations & Production Management, 26 (9), 996-1012.
28. Byrne, P., J, & Heavey, C. (2006). The impact of information sharing and forecasting in
capacitated industrial supply chains: A case study. International Journal of Production
Economics, 103 (1), 420-437.
29. Cachon, G., & Fisher, M. (2000): Supply chain inventory management and the value of
shared information. Management Science, 46 (8), 1032-1048.
30. Carnieri, C., Mendoza, G., & Lupold, W. (1993). Optimal cutting of dimension parts
from lumber with defect: A heuristic solution procedure. Forrest Products Journal 43
(9), 66-75.
12
31. Chan, F., Bhagwat, R., Kumar, N., Tiwari, M.K., & Lam, P.(2006). Development of a
decision support system for air-cargo pallets loading problem: A case study. Expert
Systems with Applications, 31, 472–485.
32. Chauhan, S.,S, Martel, A., & D’Amour, S. (2008). Roll assortment optimization in a
paper mill: An integer programming approach. Computers & Operations Research, 35
(2), 614-627.
33. Chen, M. (1999). BPR Methodologies: Methods and Tools. Business Process
Engineering. Massachusetts: Kluwer Academic Publishers, 1999, str. 187-212.
34. Cherri, A. C., Areales, M.,N., & Yanasse, H. H. (2009). The one-dimensional cutting
stock problem with usable leftover – A heuristic approach. European Journal of
Operational Research, 196 (3), 897-908.
35. Chu, C., & Antonio, J. (1999). Approximation algorithms to solve real-life multicriteria
cutting stock problems. Operations Research, 47 (4), 495-508.
36. Čiţman, A., & Černetič, J. (2004). Improving competitiveness in veneers production by
a simple-to-use DSS. European Journal of Operational?Research, 156 (1), 241–260.
37. Čiţman, A., & Urh, M. (2006). A PC-based decision support system for optimal cutting
of logs in veneers production. Informatica, 30 (2), 213-220.
38. Chopra, S., & Meindl, P. (Eds.). (2007). Supply chain management: strategy, planning,
and operation (3rd ed.). New Jersey: Pearson Prentice Hall.
39. Cordeau, J. F. (2006). A branch-and-cut algorithm for the dial-a-ride problem.
Operations Research, 54 (3), 573–586.
40. Cui, Y. (2005). A cutting stock problem and its solution in the manufacturing industry
of large electric generators. Computer & Operational Research, 32 (7), 1709-1721.
41. Cui, Y., & Yang, Y. (2010). A heuristic for the one-dimensional cutting stock problem
with usable leftover. European Journal of Operational Research, 2 (16), 245-250.
42. Das, S., & Abdel-Malek, L. (2003). Modeling the flexibility of order quantities and
lead-times in supply chains. International Journal of Production Economics, 85 (2),
171–181.
43. Degraeve, Z., & Schrage, L. (1999). Optimal Integer Solutions to Industrial Cutting
Stock Problems. Informs Journal on Computing, 11 (4), 406-419.
44. Degraeve, Z., & Schrage, L. (2003). Optimal Integer Solutions to Industrial Cutting
stock Problems: Part 2, benchmark results. INFORMS Journal on Computing, 15 (1),
58-81.
45. Degraeve, Z., & Vandebroek, M. (1998). A mixed integer programming model for
solving a layout problem in the fashion industry. Management Science, 44 (3), 301-310.
46. Desel, J., & Ervin, T. (2000). Modeling, Simulation and Analysis of Business Processes.
Lecture Notes in Computer Science, 1806, 247-288.
13
47. Dimitriadis, S., & Kehris, E. (2009). Cutting stock process optimization in custom door
and window manufacturing industry. International Journal of Decision Sciences, Risk and
Management, 1 (1-2), 66-80.
48. Dowsland, K.,A, Gilbert, M., & Kendall, G. (2007). A local search approach to a circle
cutting problem arising in the motor cycle industry. Journal of the Operational
Research Society, 58 (4), 429-438.
49. Dyckhoff, H. (1990). A typology of cutting and packing problems. European Journal
of Operational Research, 44(2), 145-159.
50. Erjavec, J. (2011). Analiza razreza materiala kot dela poslovnega procesa (doktorska
disertacija). Ljubljana: Ekonomska fakulteta.
51. Erjavec, J., Gradišar, M., & Trkman, P. (2009). Renovation of the Cutting Stock
Process. International Journal of Production Research, 47(14), 3979-3996.
52. Erjavec, J., Gradišar, M., & Trkman, P.. Assessment of stock size to minimize cutting
stock production costs. International Journal of Production Economics. V tisku.
53. Faggioli, & E., Bentivoglio, C. (1998). Heuristic and exact methods for the cutting
sequencing problem. European Journal of Operational Research, 110 (3), 564-575.
54. Ferreira, S., Neves, A., & Fonseca, C. (1990). A two-phase roll cutting problem.
European Journal of Operational Research, 44 (2), 185-196
55. Förster, & H., Wäscher, G. (2000). Pattern reduction in one-dimensional cutting
stockproblem. International Journal of Production Research, 38 (7), 1657– 1676.
56. Frankfort-Nachmias, C., & Nachmias, D. (2008). Research Methods in the Social
Sciences (7th ed.). New York: Worth Publishers.
57. Gau, T., & Wäscher, G. (1995). CUTGEN1: A problem generator for the Standard OneDimensional Cutting Stock Problem. European Journal of Operational Research, 84
(3), 572-579.
58. Ghodsi, R., & Sassani, F. (2005). Online cutting stock optimization with prioritized
orders. Assembly Automation, 25 (1), 66-72.
59. Gilmore P. C., & Gomory R. E. (1963). A linear programming approach to the cutting
stock problem, Part II. Operations Research, 11 (6), 863-888.
60. Gilmore, P. C., & Gomory, R. E. (1961). A linear programming approach to the cutting
stock problem. Operations Research, 9, 849 - 859.
61. Gradišar, M., & Jesenko, J. (1996). Optimization of One Dimensional Cutting in
Clothing Industry. Informatica, 20 (2), 211-221.
62. Gradišar, M., & Trkman, P. (2005). A combined approach to the solution to the general
one-dimensional cutting stock problem. Computers & Operations Research, 32 (7),
1793-1807.
63. Gradišar, M., Jesenko, J., & Resinovič, G. (1997). Optimization of roll cutting in
clothing industry. Computer & Operations Research, 24 (10), 945-953.
14
64. Gradišar, M., Kljajić, M., & Resinovič, G. (1999a). A hybrid approach for optimization
of one-dimensional cutting. European Journal of Operational Research, 119 (3), 165174.
65. Gradišar, M., Kljajič, M., Resinovič, G., & Jesenko, J. (1999b). A sequential heuristic
procedure for one-dimensional cutting. European Journal of Operational research,
114(3), 557-568.
66. Gradišar, M., Resinovič, G., & Kljajić, M. (1999). Evaluation of algorithms for onedimensional cutting. Working paper No. 90, Ljubljana: Ekonomska fakulteta.
67. Gradišar, M., Resinovič, G., & Kljajić, M. (2002). Evaluation of algorithms for onedimensional cutting. Computers & Operations Research, 29 (9), 1207-1220.
68. Gradišar, M., Trkman, P., & Indihar Štemberger, M. (2001). Exact solution of general
one-dimensional cutting stock problem. Working paper No. 123. Ljubljana: Ekonomska
fakulteta.
69. Gramani, M., & Franca, P. (2006). The combined cutting stock and lot-sizing problem
in industrial processes. European Journal of Operational Research, 174 (1), 509–521.
70. Haessler, R. W., & Sweeney, P. E. (1991). Cutting stock problems and solution
procedures. European Journal of Operational Research, 54, 141-150.
71. Hajizadeh, I., & Lee, C., G. (2007). Alternative configurations for cutting machines in a
tube cutting mill. European Journal of Operational Research, 183 (3), 1385-1396.
72. Hifi, M. (1998). Exact algorithms for the guillotine strip cutting/packing problem.
Computers & Operations Research, 25 (11), 925-940.
73. Hillier, F., & Lieberman, G. (2004). Introduction to Operations Research. New York:
McGraw-Hill.
74. Hinxman, A. (1980). The trim-loss and assortment problems: a survey. European
Journal of Operational Research, 5 (1), 175-184.
75. Holthaus, O. (2002). Decomposition approaches for solving the integer one-dimensional
cutting stock problem with different types of standard lengths. European Journal of
Operational Research, 141 (2), 295-312.
76. Holthaus, O. (2003). On the best number of different standard lengths to stock for onedimensional assortment problems. International Journal of Production Economics,
83(3), 233-246.
77. Holweg, M., & Bicheno, J. (2002). Supply chain simulation - a tool for education,
enhancement and endeavor. International Journal of Production Economics, 78 (2),
163-175.
78. Hoto, R., Arenales, M., & Maculan, N. (2007). The one dimensional
Compartmentalised Knapsack Problem: A case study. European Journal of Operational
Research, 183 (3), 1183-1195.
79. Hsu, L., L. (2005). SCM system effects on performance for interaction between
suppliers and buyers. Industrial Management & Data Systems, 105 (7), 857 – 875.
15
80. Indihar Štemberger, M., Jaklič, J., Trkman, P., & Groznik, A. (2006). The role of
business process management in a lean supply chain: two case studies = Vloga
managementa poslovnih procesov v vitki oskrbovalni verigi: dve študiji primera.
Delovni zvezek št. 186. Ljubljana: Ekonomska fakuleta.
81. Johnston, R. (1986). Rounding algorithms for cutting stock problems. Asia-Pacific
journal of operational research, 3, 166-171.
82. Johnston, R. , & Sadinlija, E. (2004). A new model for complete solutions to onedimensional cutting stock problems. European Journal of Operational Research 153(1),
176-183.
83. Kettinger, W., J., Teng, J., T., C., & Guha, S. (1997). Business Process Change: A
Study of Methodologies, Techniques, and Tools. MIS Quarterly, 21 (1), 55-80.
84. Kim, S., L., & Ha, D. (2003). A JIT lot-splitting model for supply chain management:
Enhancing buyer–supplier linkage. International Journal of Production Economics, 86
(1), 1-10.
85. Klamroth, K, & Wiecek M (2000). Dynamic Programming Approaches to the Multiple
Criteria Knapsack Problem. Naval Research Logistics, (47), 57-76.
86. Kobayashi, T., Tamaki, M., & Komoda, N. (2005). Business process integration as a
solution to the implementation of supply chain management systems. Information &
Management, 40(8), 769-780.
87. Kos, L., & Duhovnik, J. (2002). Cutting optimization with variable-sized stock and
inventory status data. International Journal of Production Research, 40 (10), 22892301.
88. Kovačič, A., & Bosilj Vukšič, V. (2005). Management poslovnih procesov: Prenova in
informatizacija poslovanja. Ljubljana: GV zaloţba.
89. Kovačič, A., Jaklič, J., Indihar Štemberger, M., & Groznik, A. (2004). Prenova in
informatizacija poslovanja. Ljubljana: Ekonomska fakulteta.
90. Krajewski, L., Wei, J., & Tang, L., L. (2005). Responding to schedule changes in buildto-order supply chains. Journal of Operations Management, 23 (5), 452-469.
91. Ladanyi, L, Lee, J, & Lougee-Heimer, R. (2005). Rapid prototyping of optimization
algorithms using COIN-OR: A case study involving the cutting-stock problem. Annals
of Operations Research, 139 (1), 243-265.
92. Lambert, D., & Cooper, M. (2000). Issues in supply chain management. Industrial
Marketing Management, 29 (1), 65-83.
93. Lee, J. (2007). In situ column generation for a cutting-stock problem. Computers &
Operations Research 34(8), 2345-2358.
94. Li, S., Rao, S., Ragu-Nathan, T., S., Ragu-Nathan, B. (2005). Development and
validation of a measurement instrument for studying supply chain management
practices. Journal of Operations Management, 23 (6), 618-641.
16
95. Liang, K., Yao, X., Newton, C., & Hoffman, D. (2002). A new evolutionary approach to
cutting stock problems with and without contiguity. Computers & Operations Research,
29 (12), 1641-1659.
96. Lin, P. (2005). Application of column generation approach in minimizing waste and
predicting future inventory of one dimensional cutting stock problem. Journal of
Statistics & Management Systems, 8 (3), 569-585.
97. Liu, S., Duffy, A. H. B., Whitfield, R. I., Boyle, I. M., & McKenna, I. (2009). Towards
the realization of an integrated decision support environment for organizational decision
making. International Journal of Decision Support System Technology, 1 (4), 38–58.
98. Marques, F., & Arenales, M. (2007). The constrained compartmentalised knapsack
problem. Computers & Operations Research, 34 (7), 2109-2129.
99. Matsuyama, K. (2001). The EOQ-Models modified by introducing discount or purchase
price or increase of setup cost. International Journal of Production Economics, 73(1),
83-99.
100. Meixell, M., & Gargeya, V. (2005). Global supply chain design: A literature review and
critique. Transportation Research Part E: Logistics and Transportation Review, 41 (6),
531-550.
101. Menon, S., & Schrage, L. (2002). Order allocation for stock cutting in the paper
industry. Operations Research, 50 (2), 324-332.
102. Morgan, L., Morton, A., & Daniels, R. (2006). Simultaneously determining the mix of
space launch vehicles and the assignment of satellites to rockets. European Journal of
Operational Research, 172 (3), 747–760.
103. Morse, P. M. & Kimball, G. E. (2003). Methods of operations research. New York:
Dover publications, Inc.
104. Nilsson, A. (2005). Information systems development (ISD): past, present, future trends.
Information Systems Development: Advances in Theory, Practice and Education, 29-40.
105. Nonaas, S., & Thorstenson, A. (2000). A combined cutting stock and lot sizing problem.
European Journal of Operational Research, 120 (2), 327-342.
106. Nonaas, S., & Thorstenson, A. (2008). Solving a combined cutting-stock and lotsizing
problem with a column generating procedure. Computers & Operations Research, 35
(10), 3371-3392.
107. Onwubolu, G., & Mutingi, M. (2003). A genetic algorithm approach for the cutting
stock problem. Journal of Intelligent Manufacturing, 14 (2), 209-218.
108. Paull, A. (1956). Linear Programming: A Key to Optimum Newsprint Production. Pulp
and Paper Magazine of Canada, 57 (1), 85-90.
109. Peng, J. (2006). Summary of Researches on Information Sharing Issues in SC. Logistics
Technology, 1, 54-57.
110. Persson, F., & Olhager, J. (2002). Performance simulation of supply chain designs.
International Journal of Production Economics, 77 (3), 231-245.
17
111. Pisinger, D. (2002). Heuristics for the container loading problem. European Journal of
Operational Research, 141 (2), 382-392.
112. Poldi, K. C., & Arenales, M. N. (2009). Heuristics for the one-dimensional cutting stock
problem with limited multiple stock lengths. Computers & Operations Research, 36 (6),
2074-2081.
113. Ragsdale, C. T., & Zobel, C. W. (2004). The Ordered Cutting Stock Problem. Decision
Sciences 35 (1), 83-100.
114. Rajagopal &Rajagopal, A. (2008). Buyer–supplier relationship and operational
dynamics. Journal of the Operational Research Society, 60 (3), 313-320.
115. Reinertsen, H. & Vossen, T., W., M. (2010). The one-dimensional cutting stock
problem with due dates. European Journal of Operational Research, 201 (3), 701-711.
116. Rodriguez, M., & Vecchietti, A. (2007). Enterprise optimization for solving an
assignment and trim-loss non-convex problem. Computers & Chemical Engineering, 32
(11), 2812–2822.
117. Rönnqvist, M. (1995). A method for the cutting stock problem with different qualities.
European Journal of Operational Research, 83 (1), 57-68.
118. Saad, O., El-Shafei, M., & Ezzat, L. (2007). On Treating Multiobjective Cutting Stock
Problem in the Aluminum Industry under Fuzzy Environment. Journal of Applied
Sciences Research, 3 (10), 938-945.
119. Saunders, M., Lewis, P., & Thornhill, A. (2009). Research Methods for Business
Students (5th ed.). Harlow: Pearson Education Limited.
120. Scheithauer, G. & Terno, J. (1995). The modified integer round-up property for onedimensional cutting stock problem. European Journal of Operational Research, 84 (3),
562-571.
121. Scheithauer, G., & Terno, J. (1997). Theoretical investigations on the modified integer
round-up property for the one-dimensional cutting stock problem. Operations Research
Letters 20(2), 93-100.
122. Schilling, G., & Georgiadis, M. C. (2002). An algorithm for the determination of
optimal cutting patterns. Computers & Operations Research 29(8), 1041-1058.
123. Sculli, D. (1981). A stochastic cutting stock procedure: Cutting rolls of insulating tape.
Management science, 27(8), 946-952.
124. Schwarz, L. B. (2008). The economic order-quantity (EOQ) model. In D. Chhajed & T.
J. Lowe (Eds.), Building intuition: Insights from basic operations management models
and principles: Springer Science.
125. Shen, X., Li, Y., Yang, J., & Yu, L. (2007). A Heuristic Particle Swarm Optimization
for Cutting Stock Problem Based on Cutting Pattern. Lecture Notes in Computer
Science, 4490, 1175–1178.
18
126. Silva, E., Alvelos, F., & de Carvalhko, J., M., V. (2010). An integer programming
model for two-and three-stage two-dimensional cutting stock problems. European
Journal of Operational Research, 205 (3), 699-708.
127. Stadtler, H. (1990). A one-dimensional cutting stock problem in the aluminium industry
and its solution. European Journal of Operational Research, 44 (2), 209-223.
128. Stuart, I., McCutcheon, D., Handfield, R., R., M., & Samson, D. (2002). Effective case
research in operations management: a process perspective. Journal of Operations
Management, 20 (5), 419-433.
129. Suliman, S. M. A. (2001). Pattern generating procedure for the cutting stock problem.
International Journal of Production Economics 74 (1-3), 293-301.
130. Sweeney, P., & Paternoster, E. (1992). Cutting and packing problems: A Categorised,
Application-Orientated Research Bibliography. Journal of the Operational Research
Society, 43 (7), 691-706.
131. Trkman, P. (2002). Kombinirana metoda enodimenzionalnega razreza materiala
(magistrsko delo). Ljubljana: Ekonomska fakulteta.
132. Trkman, P. (2008). Optimizacija procesa enodimenzionalnega razreza v zaporednih
časovnih obdobjih (doktorska disertacija). Ljubljana: Ekonomska fakulteta.
133. Trkman, P. (2009). The critical success factors of business process management.
International Journal of Information Management, 30 (2), 125–134.
134. Trkman, P., & Gradišar, M. (2002). Choice of method for General One-Dimensional
Cutting Stock Problem. V: Mastokaris Nikos, Kluev Vitalij, Koruga Djuro. Advances in
simulation, systems theory and systems engineering, (Electrical and computer
engineering series). WSEAS Press, str. 17-21.
135. Trkman, P., & Gradišar, M. (2003A). A comparison between exact and approximate
method for solution of general one-dimensional cutting stock problem. Informatica, 27
(3), 495-501.
136. Trkman, P., & Gradišar, M. (2003B): Optimizacija postopka razreza materiala.
Optimization
of
the
cutting-stock
process.
Journal
of
Mechanical
Engineering/Strojniški vestnik, 49 (9), 469-475.
137. Trkman, P., & Gradišar, M. (2005). Mass customization in cutting stock process. Wseas
Transactions on Business and Economics, 2 (4), 219-224.
138. Trkman, P., & Gradišar, M. (2007). One-dimensional cutting stock optimization in
consecutive time periods. European Journal of Operational Research, 179 (2), 291-301.
139. Trkman, P., & Gradišar, M. (2010). Optimizacija enodimenzionalnega razreza - od
metod za reševanje do procesnega pregleda. Ljubljana: Ekonomska fakulteta.
140. Trkman, P., & McCormack, K. (2010). Estimating the benefits and risks of
implementing e-procurement. IEEE Transactions on Engineering Management, 57 (2),
338–349.
19
141. Trkman, P., Jaklič, J., Indihar Štemberger, M., & Groznik, A. (2005). Vloga učinkovite
izmenjave informacij pri integraciji procesov znotraj oskrbovalne verige = The role of
efficient distribution of information for integration of supply chain. DSI – Dnevi
slovenske informatike. Ljubljana: Slovensko društvo Informatika, 21-26.
142. Trkman, P., Štemberger Indihar, M., Jaklič, J., & Groznik, A. (2007). Process approach
to supply chain integration. Supply Chain Management: An International Journal,
12(2), 116-128.
143. Trkman, P., Štemberger Indihar, M., & Jaklič, J. (2005). Information transfer in supply
chain management. Issues in Informing Science and Information Technology Education,
2, 559-573.
144. Tsai, J., F., & Huang, Y. (2005). A cutting and manufacturing optimization support
system. 35th International Conference on Computers and Industrial Engineering, 19591964
145. Tsai, J., F., Hsieh, P. L., & Huang, Y. H. (2009). An optimization algorithm for cutting
stock problems in the TFT-LCD industry. Computers & Industrial Engineering, 57(3),
913–919.
146. Umetani, S., Yagiura, M., & Iberaki, T. (2003). One-dimensional cutting stock problem
to minimize the number of different patterns. European Journal of Operational
research, 146 (2), 388-402.
147. Vahrenkamp, R. (1996). Random search in the one-dimensional cutting stock problem.
European Journal of Operational Research 95(1), 191-200.
148. Van Donk, D. (2008). Challenges in relating supply chain management and information
and communication technology. International journal of operations & production
management, 28 (4), 308-312.
149. Vanderbeck, F. (2000). Exact Algorithm for Minimising the Number of Setups in the
One-Dimensional Cutting Stock Problem. Operations Research 48(6), 915-926.
150. Vasko, F., Newhart, D., & Stott, K. (1999). A hierarchical approach for onedimensional cutting stock problems in the steel industry that maximizes yield and
minimizes overgrading. European Journal of Operational Research, 114 (1), 72-82.
151. Venkateswarlu, P. (2001). The Trim-Loss Problem in a Wooden Container
Manufacturing Company. Journal of Manufacturing Systems, 20 (3), 166-176.
152. Vrhovnik, M., Schwarz, H., Suhre, O., Mitschang, B., Markl, V., Maier, T., & Kraft, T.
(2007). An approach to optimize data processing in business processes. Proceeding of
the 33rd international conference on Very large data bases (str. 615 - 625). Vienna:
International forum for database researchers, vendors, practitioners, application
developers, and users.
153. Wagner, B. (1999). A genetic algorithm for one-dimensional bundled stock cutting.
European Journal of Operational Research, 117 (2), 368-381.
20
154. Wang, M., & Wang, H. (2006). From process logic to business logic: a cognitive
approach to business process management. Information & Management 43 (2), 179–
193.
155. Wäscher, G. (1990). An LP-based approach to cutting stock problems with multiple
objectives. European Journal of Operational Research, 44 (2), 175-184.
156. Wäscher, G., & Gau, T. (1996). Heuristics for the Integer One-dimensional Cutting
Stock Problem: a computational study. OR Spektrum 18, 131–144.
157. Wäscher, G., Haußner, H., & Schumann, H. (2007). An improved typology of cutting
and packing problems. European Journal of Operational Research 183(3), 1109-1130.
158. Waters, D. (2003). Inventory control and management (2nd ed.). Chichester: John
Wiley & Sons.
159. Weng, W., C., & Sung, T., C. (2008). The optimization of line cutting procedure for
ship hull construction by an effective tabu search. International Journal of Production
Research, 46 (21), 5935-5949.
160. Yanasse, H., & Limeira, M. (2005). A cutting stock problem and its solution in the
manufacturing industry of large electric generators. Computers & Operations Research,
32 (7), 1709-1721.
161. Yang, C., T., Sung, T., C., & Weng, W., C. (2006). An improved tabu search approach
with mixed objective function for one-dimensional cutting stock problems. Advances in
Engineering Software, 37 (8), 502–513.
162. Yen, C., Wond, D., & Jang, S. (2004). Solution of trim-loss problem by an integrated
simulated annealing and ordinal optimization approach. Journal of Intelligent
Manufacturing, 15 (5), 701-709.
163. Yeung, L. H. W., & Tang, W. K. S. (2003). A hybrid genetic approach for garment
cutting in the clothing industry. Industrial Electronics, IEEE Transactions on 50(3),
449-455.
164. Yin, R., K. (2003). Case study research: design and methods (3rd ed.): Thousand Oaks:
Sage Publications.
165. Yuen, B., & Richardson, K. (1995). Establishing the optimality of sequencing heuristics
for cutting stock problems. European Journal of Operational Research, 84 (3), 590598.
166. Zhou, H., & Benton, W., C. (2007). Supply chain practice and information sharing.
Journal of Operations Management, 25 (6), 1348-1365.
VIRI IN LITERATURA

Alfieri, A., van de Velde, S., & Woeginger, G. J. (2007). Roll cutting in the curtain
industry, or: A well-solvable allocation problem. European Journal of Operational
Research, 183 (3), 1397-1404.
21
















Alves, C., & de Carvalho J. M. V. (2008a). A stabilized branch-and-price-and-cut
algorithm for the multiple length cutting stock problem. Computers & Operations
Research, 35 (4), 1315-1328.
Arbib, C., & Marinelli, F. (2005). Integrating process optimization and inventory
planning in cutting-stock with skiving option: An optimization model and its application.
European Journal of Operations Research, 163 (3), 617-630.
Areales, M. N., Cherri, A. C., & Yanasse, H. H. (2009). The one-dimensional cutting
stock problem with usable leftover – A heuristic approach. European Journal of
Operational Research, 196 (3), 897-908.
Carnieri, C., Mendoza, G., & Lupold, W. (1993). Optimal cutting of dimension parts
from lumber with defect: A heuristic solution procedure. Forrest Products Journal 43
(9), 66-75.
Cherri, A. C., Areales, M.,N., & Yanasse, H. H. (2009). The one-dimensional cutting
stock problem with usable leftover – A heuristic approach. European Journal of
Operational Research, 196 (3), 897-908.
Čiţman, A., & Černetič, J. (2004). Improving competitiveness in veneers production by a
simple-to-use DSS. European Journal of Operational?Research, 156 (1), 241–260.
Cui, Y. (2005). A cutting stock problem and its solution in the manufacturing industry of
large electric generators. Computer & Operational Research, 32 (7), 1709-1721.
Dyckhoff, H. (1990). A typology of cutting and packing problems. European Journal of
Operational Research, 44(2), 145-159.
Erjavec, J. (2011). Analiza razreza materiala kot dela poslovnega procesa (doktorska
disertacija). Ljubljana: Ekonomska fakulteta.
Erjavec, J., Gradišar, M., & Trkman, P. (2009). Renovation of the Cutting Stock Process.
International Journal of Production Research, 47(14), 3979-3996.
Frankfort-Nachmias, C., & Nachmias, D. (2008). Research Methods in the Social
Sciences (7ed.). New York: Worth Publishers.
Gilmore, P. C., & Gomory, R. E. (1961). A linear programming approach to the cutting
stock problem. Operations Research, 9, 849 - 859.
Gradišar, M., & Jesenko, J (1996). Optimization of One Dimensional Cutting in Clothing
Industry. Informatica, 20 (2), 211-221.
Gradišar, M., Jesenko, J., & Resinovič, G. (1997). Optimization of roll cutting in clothing
industry. Computer & Operations Research, 24 (10), 945-953.
Gradišar, M., Kljajić, M., & Resinovič, G. (1999). A hybrid approach for optimization of
one-dimensional cutting. European Journal of Operational Research, 119 (3), 165-174.
Haessler, R. W., & Sweeney, P. E. (1991). Cutting stock problems and solution
procedures. European Journal of Operational Research, 54, 141-150.
22














Liu, S., Duffy, A. H. B., Whitfield, R. I., Boyle, I. M., & McKenna, I. (2009). Towards
the realization of an integrated decision support environment for organizational decision
making. International Journal of Decision Support System Technology, 1 (4), 38–58.
Morse, P. M. & Kimball, G. E. (2003). Methods of operations research. New York:
Dover publications, Inc.
Paull, A. (1956). Linear Programming: A Key to Optimum Newsprint Production. Pulp
and Paper Magazine of Canada, 57 (1), 85-90.
Ragsdale, C. T., & Zobel, C. W. (2004). The Ordered Cutting Stock Problem. Decision
Sciences 35 (1), 83-100.
Rodriguez, M., & Vecchietti, A. (2007). Enterprise optimization for solving an
assignment and trim-loss non-convex problem. Computers & Chemical Engineering, 32
(11), 2812–2822.
Scheithauer, G., & Terno, J. (1997). Theoretical investigations on the modified integer
round-up property for the one-dimensional cutting stock problem. Operations Research
Letters 20(2), 93-100.
Trkman, P. (2008). Optimizacija procesa enodimenzionalnega razreza v zaporednih
časovnih obdobjih (doktorska disertacija). Ljubljana: Ekonomska fakulteta.
Trkman, P., & Gradišar, M. (2007). One-dimensional cutting stock optimization in
consecutive time periods. European Journal of Operational Research, 179 (2), 291-301.
Trkman, P., & Gradišar, M. (2010). Optimizacija enodimenzionalnega razreza - od metod
za reševanje do procesnega pregleda. Ljubljana: Ekonomska fakulteta.
Trkman, P., Štemberger Indihar, M., Jaklič, J., & Groznik, A. (2007). Process approach
to supply chain integration. Supply Chain Management: An International Journal, 12(2),
116-128.
Vahrenkamp, R. (1996). Random search in the one-dimensional cutting stock problem.
European Journal of Operational Research 95(1), 191-200.
Wäscher, G., Haußner, H., & Schumann, H. (2007). An improved typology of cutting and
packing problems. European Journal of Operational Research 183(3), 1109-1130.
Yeung, L. H. W., & Tang, W. K. S. (2003). A hybrid genetic approach for garment
cutting in the clothing industry. Industrial Electronics, IEEE Transactions on 50(3), 449455.
Yin, R., K. (2003). Case study research: design and methods (3rd ed.): Thousand Oaks:
Sage Publications.
23