Figure 4: Bevel gear (project demonstrator)

Several assembly operations, such as screwing, joining and inserting, can be

shown on this demonstrator. The bevel gear consists of three main components: drive
train, drive end and casing. The drive train and drive end, in turn, consist of
components made of bevel wheels, shafts, bearings and fits.

Hình 4: Bánh răng côn (dự án trình bày)

Một số thao tác lắp ráp, chẳng hạn như bắt vít, nối và lắp, có thể được hiển thị
trên trình diễn này. Bánh răng côn bao gồm ba bộ phận chính: bộ truyền động, đầu
truyền động và vỏ. Lần lượt, bộ truyền động và đầu dẫn động bao gồm các bộ phận
được làm từ bánh xe côn, trục, vòng bi và khớp nối.

Sequence planning stage:

VR technology is applied to illustrate both the assembly object and the
geometry and configuration of the parts, as well as to understand the function and the
design of the assembly object. VR technology makes it possible to represent the
assembly objectively and more transparently and to show every individual part
(Figure 5). In this way, one obtains information about the assembly object that only
exists as a 3D
drawing or virtual model.
After loading the assembly object, the object has to be prepared in the VR
software in order to mount it later on. For example, features may be assigned to the
individual parts, such as Collidable (to indicate collisions) and Constraints (to limit
the number of degrees of freedom for better handling). Figure 6 illustrates the
prepared bevel gear with a collision arrow. This arrow indicates that it is impossible to
remove the shaft from the drive train subassembl.

Figure 6: Bevel drive with

the bevel drive collision arrow

Giai đoạn lập kế hoạch trình tự:

Công nghệ VR được áp dụng để minh họa cả đối tượng lắp ráp cũng như hình
dạng và cấu hình của các bộ phận, cũng như để hiểu chức năng và thiết kế của đối
tượng lắp ráp. Công nghệ VR giúp thể hiện việc lắp ráp một cách khách quan và minh
bạch hơn cũng như hiển thị từng bộ phận riêng lẻ (Hình 5). Bằng cách này, người ta
có được thông tin về đối tượng lắp ráp chỉ tồn tại dưới dạng bản vẽ 3D hoặc mô hình
ảo.
Sau khi tải đối tượng lắp ráp, đối tượng phải được chuẩn bị trong phần mềm
VR để gắn nó sau này. Ví dụ: các tính năng có thể được gán cho các bộ phận riêng lẻ,
chẳng hạn như va chạm (để biểu thị sự va chạm) và Ràng buộc (để giới hạn số bậc tự
do để xử lý tốt hơn). Hình 6 minh họa bánh răng côn đã được chuẩn bị sẵn với một
mũi tên va chạm. Mũi tên này chỉ ra rằng không thể tháo trục ra khỏi cụm phụ của bộ
truyền động.

Hình 5: Mặt cắt của ổ đĩa vát Hình 6: Ổ đĩa vát với mũi tên chạm
vào ổ
 Based on this assembly information, the product structure and precedence
graph can be generated. This step is necessary to create the assembly plan. The
assembly plan, in turn, is a prerequisite to the creation of the assembly system for the
object itself. Conceptual design of the assembly process is the next stage of the
planning process.

Conceptual design of assembly system:

Based on the assembly plan, the assembly workplace can be drafted. This
conceptual design includes all required tools and resources. Workplace,
manufacturing equipment and parts should be configured so as to allow short gripping
and handling distances. Visualization using VR technology makes it possible to avoid
rough design errors.
For a detailed workplace design, in particular to address ergonomic
requirements, 3D models of the workplace and the equipment are loaded in the VR
software.
The use of the virtual human makes it possible to represent the accessibility
and visible areas of the worker’s body in conjunction with the assembly object and the
workplace (Figure 7 and Figure 8). The presented body tracking are intended to
display sequences and to monitor them by means of VR. This makes it generally
unnecessary to create complex animations.

The software can also be used to indicate physical stress and the posture of the
Figure 7: Reach
human worker. Fehler! Verweisquelle konnte nicht gefunden werden. and Figure virtual 9 human
illustrate the elbow positions (shown in yellow and red). However, the posture shown
is not optimal for workers on a daily basis.

Dựa trên thông tin lắp ráp này, cấu trúc sản phẩm và đồ thị ưu tiên có thể được
tạo ra. Bước này là cần thiết để tạo kế hoạch lắp ráp. Kế hoạch lắp ráp, lần lượt, là
điều kiện tiên quyết để tạo hệ thống lắp ráp cho chính đối tượng. Thiết kế khái niệm
của quy trình lắp ráp là giai đoạn tiếp theo của quá trình lập kế hoạch.

Thiết kế khái niệm của hệ thống lắp ráp:

Dựa trên kế hoạch lắp ráp, nơi làm việc lắp ráp có thể được phác thảo. Thiết kế
khái niệm này bao gồm tất cả các công cụ và tài nguyên cần thiết. Nơi làm việc, thiết
bị sản xuất và các bộ phận nên được cấu hình sao cho cho phép khoảng cách nắm và
xử lý ngắn. Trực quan hóa bằng công nghệ VR giúp tránh được các lỗi thiết kế thô.
Để thiết kế chi tiết nơi làm việc, đặc biệt là để đáp ứng các yêu cầu về
ergonomics, các mô hình 3D của nơi làm việc và thiết bị được tải vào phần mềm VR.
Việc sử dụng người ảo giúp có thể thể hiện khả năng tiếp cận và các khu vực
nhìn thấy của cơ thể người lao động kết hợp với đối tượng lắp ráp và nơi làm việc
(Hình 7 và Hình 8). Các hoạt động theo dõi cơ thể được trình bày nhằm mục đích hiển
thị các chuỗi và giám sát chúng bằng VR. Điều này làm cho việc tạo các hoạt ảnh
phức tạp trở nên không cần thiết.

Phần mềm cũng có thể được sử dụng để chỉ ra căng thẳng vật lý và tư thế củaHình 7: Khu v
người lao động. và Hình 9 minh họa vị trí của khuỷu tay (được hiển thị bằng màungười ảo
vàng và đỏ). Tuy nhiên, tư thế được hiển thị không phải là tối ưu cho người lao động
hàng ngày.

Figure 9: Posture of a male worker Figure 9: Posture of a male

in the workspace worker in the workspace

4 Conclusion

A systematic planning algorithm and planning-modules to be used by the

planning engineer are a necessary prerequisite for economical and efficient
performance of the assembly process in production. VR technology is applied to
support this planning algorithm and these planning-modules. A holistic planning
paradigm, product- independent planning-modules and VR technology guarantee a
productive planning process and simplify earlier detection and avoidance of errors.
 In addition to providing an assembly feasibility study for the product, VR
technology also uses a virtual human to make it possible to evaluate the designed
assembly workplace according to ergonomic guidelines.

Hình 9: Tư thế của một công Hình 9: Tư thế của một công
nhân nam trong không gian làm nhân nam trong không gian làm
việc việc
4 Kết luận

Một thuật toán lập kế hoạch hệ thống và các mô-đun lập kế hoạch để được sử
dụng bởi kỹ sư lập kế hoạch là một tiền đề cần thiết cho hiệu quả kinh tế và hiệu suất
của quá trình lắp ráp trong sản xuất. Công nghệ VR được áp dụng để hỗ trợ thuật toán
lập kế hoạch và các mô-đun lập kế hoạch này. Một mô hình lập kế hoạch toàn diện,
các mô-đun lập kế hoạch độc lập với sản phẩm và công nghệ VR đảm bảo một quá
trình lập kế hoạch hiệu quả và đơn giản hóa việc phát hiện và tránh lỗi sớm hơn.
Ngoài việc cung cấp một nghiên cứu khả thi lắp ráp cho sản phẩm, công nghệ
VR cũng sử dụng một con người ảo để có thể đánh giá nơi làm việc lắp ráp được thiết
kế theo các nguyên tắc về công thái học.

REFERENCES
Bullinger, Hans-Jörg. 1986. Systematische Montageplanung - Handbuch für
die Praxis. München. Wien: Hanser.
Goldhahn, Leif. 2003. Montageplanung und -ausführung virtuell und real. In.
Scientific Reports - Journal of the University of Applied Sciences Mittweida,
magazine 2: 46-50.
Goldhahn, Leif and Raupach, Annett. 2012. Methode zur digitalen und
virtuellen Modellierung, Bewertung und Verbesserung von Arbeitssystemen. In. GfA
- Gesellschaft für Arbeitswissenschaft e.V., (Ed.): Gestaltung nachhaltiger
Arbeitssysteme. Dortmund, GfA: 507-511.
“IC.IDO - Startseite, Beschreibung Virtual Reality,” Accessed February 11,
2010, URL: http://www.icido.de/de/index.html.
Lotter, Bruno. 2006. Planung und Bewertung von Montagesystemen. In. Lotter,
Bruno and Wiendahl, Hans-Peter. Montage in der industriellen Produktion. Berlin,
Heidelberg, New York: Springer.
 Lotter, Bruno and Schilling, Werner. 1994. Manuelle Montage, Planung,
Rationalisierung, Wirtschaftlichkeit. Düsseldorf: VDI.
Sherman, William R. and Craig, Alan B. 2003. Understanding Virtual Reality,
Interface, Application and Design. San Francisco: Morgan Kaufmann.

TÀI LIỆU THAM KHẢO:

Bullinger, Hans-Jörg. 1986. Systematische Montageplanung - Handbuch für
die Praxis. München. Wien: Hanser.
Goldhahn, Leif. 2003. Montageplanung und -ausführung virtuell und real. In.
Scientific Reports - Journal of the University of Applied Sciences Mittweida,
magazine 2: 46-50.
Goldhahn, Leif and Raupach, Annett. 2012. Methode zur digitalen und
virtuellen Modellierung, Bewertung und Verbesserung von Arbeitssystemen. In. GfA
- Gesellschaft für Arbeitswissenschaft e.V., (Ed.): Gestaltung nachhaltiger
Arbeitssysteme. Dortmund, GfA: 507-511.
“IC.IDO - Startseite, Beschreibung Virtual Reality,” Accessed February 11,
2010, URL: http://www.icido.de/de/index.html.
Lotter, Bruno. 2006. Planung und Bewertung von Montagesystemen. In. Lotter,
Bruno and Wiendahl, Hans-Peter. Montage in der industriellen Produktion. Berlin,
Heidelberg, New York: Springer.
Lotter, Bruno and Schilling, Werner. 1994. Manuelle Montage, Planung,
Rationalisierung, Wirtschaftlichkeit. Düsseldorf: VDI.
Sherman, William R. and Craig, Alan B. 2003. Understanding Virtual Reality,
Interface, Application and Design. San Francisco: Morgan Kaufmann.

CHAPTER 15

Learning and Forgetting in Production-inventory

Systerm with Perishable
Seasonal Items

Ibraheem Abdul1 , Atsuo Murata2

1
Department Mechanical Engineering,
Yaba College of Technology, Lagos, Nigeria
 E-mail: dotun.abdul@gmail.com
2
Department of Intelligent Mechanical Systems,
Okayama University, Okayama, Japan
E-mail: murata@iims.sys.okayama-u.ac.jp

CHƯƠNG 15

Học và quên trong hệ thống sản xuất-tồn kho

với các mặt hàng theo mùa có thể hỏng

Ibraheem Abdul1 , Atsuo Murata2

1
Department Mechanical Engineering,
Yaba College of Technology, Lagos, Nigeria
E-mail: dotun.abdul@gmail.com
2
Department of Intelligent Mechanical Systems,
Okayama University, Okayama, Japan
E-mail: murata@iims.sys.okayama-u.ac.jp

ABSTRACT:
The consideration of learning and forgetting effects on production–inventory
system is usually based on the assumption that item produced by the system have a
constant or unidirectional demand pattern. The demand pattern for perishable seasonal
product, however, is often a mixture of increasing, steady and decreasing functions of
time. This study develops an EPQ model for perishable seasonal products having
three-phase ramp-type demand pattern. We further investigate the effect of learning
and forgetting in set-up on the optimal schedules and costs of the production-
inventory system with this category of items. The study shows that learning-based
reduction in set-up costs can be used to achieve some vital aspects of the just-in-time
(JIT) philosophy.

Keywords: production, inventory, learning, forgetting, seasonal items

TÓM TẮT:
Việc xem xét ảnh hưởng của hiệu ứng học và quên đối với hệ thống sản xuất-
tồn kho thường dựa trên giả định rằng các mặt hàng được sản xuất bởi hệ thống có
một mẫu nhu cầu không đổi hoặc một chiều. Tuy nhiên, mẫu nhu cầu cho các sản
phẩm mùa có thể hỏng thường là sự kết hợp của các hàm số tăng, ổn định và giảm
theo thời gian. Nghiên cứu này phát triển một mô hình EPQ cho các sản phẩm mùa có
thể hỏng có mẫu nhu cầu dạng đường dốc ba giai đoạn. Chúng tôi tiếp tục nghiên cứu
ảnh hưởng của hiệu ứng học và quên trong thiết lập đối với các lịch trình và chi phí tối
ưu của hệ thống sản xuất-tồn kho với loại mặt hàng này. Nghiên cứu cho thấy rằng
việc giảm chi phí thiết lập dựa trên học tập có thể được sử dụng để đạt được một số
khía cạnh quan trọng của triết lý đúng thời điểm (JIT).
Từ khóa: sản xuất, tồn kho, học, quên, mặt hàng mùa

1 INTRODUCTION
 It is a common experience in real life that a worker engaged in repetitive
operations improves with time due to learning effects. The learning phenomenon
implies that the performance of a system improves with time because the firms and
employees perform the same task repeatedly and consequently learn how to provide a
standard and improved level of performance. In manufacturing environment, factors
that contribute to this improvement may include the more effective use of tools and
machines, increased familiarity with operational tasks and work environment, and
enhanced management efficiency. The set-up cost, one of the most important cost
components in production operations, is often assumed constant in most classical
production-inventory models. However, experience has shown that the set-up cost can
actually be reduced due to learning effects.
The simplest and most commonly used learning theory in lot-sizing models is
the one introduced by Wright (1936) which links the performance of a specific task to
the number of times that task is repeated. To incorporate the effect of learning in set-
up into lot-sizing models, most researchers applied the Wright’s power function model
to set-up costs with some modifications. Chand (1989) used a log-linear learning
function to generate set-up costs in his computational study that investigated the
effects of learning in set-ups on set-up frequency. Cheng (1994) assumed that set-up
and unit variable manufacturing costs decrease as a result of learning over time and
that some percentage of learning is lost between consecutive orders. Das et al. (2010)
assumed a set-up cost in a cycle is partly constant and partly decreasing in the cycle
due to learning effects of the employees. Most researchers considering the effect of
learning in set-up agree to the existence of a minimum value of the set-up cost that
cannot be affected by learning. This is a reasonable assumption when we consider the
fact that there are some aspects of the set-up cost that may not be subject to the
reduction due to learning. Some researchers have equally modelled the effect of loss
of learning (forgetting) in the set-up cost (e.g. Chiu et al., 2003, Jaber et al., 2010) but
unlike the learning process a full understanding of the forgetting process is yet to be
developed (Jaber and Bonney, 2003).

1 GIỚI THIỆU
Đó là một trải nghiệm phổ biến trong đời sống thực tế rằng một người lao động
tham gia vào các hoạt động lặp đi lặp lại sẽ cải thiện theo thời gian nhờ vào hiệu ứng
học. Hiện tượng học tập ngụ ý rằng hiệu suất của một hệ thống sẽ cải thiện theo thời
gian bởi vì các công ty và nhân viên thực hiện cùng một nhiệm vụ nhiều lần và do đó
học cách cung cấp một mức hiệu suất chuẩn và cải tiến. Trong môi trường sản xuất,
các yếu tố góp phần vào sự cải thiện này có thể bao gồm việc sử dụng công cụ và máy
móc hiệu quả hơn, tăng sự quen thuộc với các nhiệm vụ hoạt động và môi trường làm
việc, và nâng cao hiệu quả quản lý. Chi phí thiết lập, một trong những thành phần chi
phí quan trọng nhất trong các hoạt động sản xuất, thường được giả định là không đổi
trong hầu hết các mô hình sản xuất-tồn kho cổ điển. Tuy nhiên, kinh nghiệm đã cho
thấy rằng chi phí thiết lập thực sự có thể được giảm nhờ vào hiệu ứng học.
Lý thuyết học tập đơn giản và được sử dụng phổ biến nhất trong các mô hình
xác định kích thước lô là lý thuyết được giới thiệu bởi Wright (1936) liên kết hiệu suất
của một nhiệm vụ cụ thể với số lần nhiệm vụ đó được lặp lại. Để kết hợp ảnh hưởng
của hiệu ứng học trong thiết lập vào các mô hình xác định kích thước lô, hầu hết các
nhà nghiên cứu áp dụng mô hình hàm lũy thừa của Wright cho chi phí thiết lập với
một số sửa đổi. Chand (1989) sử dụng một hàm học tập log-tuyến tính để tạo ra chi
phí thiết lập trong nghiên cứu tính toán của ông điều tra ảnh hưởng của hiệu ứng học
trong thiết lập đối với tần suất thiết lập. Cheng (1994) giả định rằng chi phí thiết lập
và chi phí sản xuất biến đơn vị giảm do kết quả của hiệu ứng học theo thời gian và
một phần trăm nào đó của hiệu ứng học bị mất giữa các đơn hàng liên tiếp. Das et al.
(2010) giả định rằng chi phí thiết lập trong một chu kỳ là một phần không đổi và một
phần giảm trong chu kỳ do hiệu ứng học của nhân viên. Hầu hết các nhà nghiên cứu
xem xét ảnh hưởng của hiệu ứng học trong thiết lập đồng ý với sự tồn tại của một giá
trị tối thiểu của chi phí thiết lập mà không bị ảnh hưởng bởi hiệu ứng học. Đây là một
giả định hợp lý khi chúng ta xem xét thực tế rằng có một số khía cạnh của chi phí thiết
lập mà có thể không bị giảm do hiệu ứng học. Một số nhà nghiên cứu cũng đã mô
hình hóa ảnh hưởng của mất học (quên) trong chi phí thiết lập (ví dụ: Chiu et al.,
2003, Jaber et al., 2010) nhưng không giống như quá trình học tập, một sự hiểu biết
đầy đủ về quá trình quên vẫn chưa được phát triển (Jaber và Bonney, 2003).

Seasonal items like fruits, fish, winter cosmetics, fashion apparel, etc. generally
exhibits different demand patterns at various times during the season. The demand
usually begins with increasing trend, attains a peak and becomes steady at the middle
of the season. Various time-dependent functions have been used to depict this demand
pattern. Hill (1995) developed the first model for products whose demand variation is
a combination of two different types of demand in two successive periods over the
entire time horizon and termed it as a ramp-type demand pattern. Subsequently, many
researchers have adopted this pattern for seasonal products whose demand is a mixture
of non-decreasing, constant and nonincreasing functions of time. Panda et al. (2008)
developed an inventory model for deteriorating seasonal products using ramp-type
demand pattern with a three-phase variation in demand. The demand pattern in this
case is assumed to increase exponentially with respect to time up to a certain point.
Then it becomes steady and finally decreases exponentially and becomes asymptotic.
Another form of this pattern was used by Cheng and Wang (2009), in developing an
economic order quantity model for deteriorating items. Production-inventory models
for seasonal products using a ramp-type demand pattern in recent time includes
Manna and Chaudhuri (2006), Panda et al. (2009), Manna and Chiang (2010). The
production inventory models are, however, single-period models and did not allow for
the reduction in set-up costs. Also none of these models for seasonal products consider
the effects of learning or forgetting on set-up.
This paper investigates the effect of learning and forgetting in set-up on the
optimal schedules and costs of a production-inventory system for perishable seasonal
products. A new model is developed to solve the multi-period production lot-sizing
problem that involves perishable seasonal products with varying demand under set-up
learning and forgetting.
 Các mặt hàng mùa như trái cây, cá, mỹ phẩm mùa đông, quần áo thời trang,
v.v. thường có các mẫu nhu cầu khác nhau vào các thời điểm khác nhau trong mùa.
Nhu cầu thường bắt đầu với xu hướng tăng, đạt đỉnh và trở nên ổn định ở giữa mùa.
Các hàm số phụ thuộc vào thời gian khác nhau đã được sử dụng để mô tả mẫu nhu cầu
này. Hill (1995) phát triển mô hình đầu tiên cho các sản phẩm có biến động nhu cầu là
sự kết hợp của hai loại nhu cầu khác nhau trong hai giai đoạn liên tiếp trên toàn bộ kỳ
vọng thời gian và gọi nó là mẫu nhu cầu dạng đường dốc. Sau đó, nhiều nhà nghiên
cứu đã áp dụng mẫu này cho các sản phẩm mùa có nhu cầu là sự kết hợp của các hàm
số không giảm, không đổi và không tăng của thời gian. Panda et al. (2008) phát triển
một mô hình tồn kho cho các sản phẩm mùa có thể hỏng sử dụng mẫu nhu cầu dạng
đường dốc với biến động nhu cầu ba giai đoạn. Mẫu nhu cầu trong trường hợp này
được giả định tăng theo cấp số nhân theo thời gian cho đến một điểm nhất định. Sau
đó, nó trở nên ổn định và cuối cùng giảm theo cấp số nhân và trở nên tiệm cận. Một
dạng khác của mẫu này được sử dụng bởi Cheng và Wang (2009), trong việc phát
triển một mô hình lượng đặt hàng kinh tế cho các mặt hàng có thể hỏng. Các mô hình
sản xuất-tồn kho cho các sản phẩm mùa sử dụng mẫu nhu cầu dạng đường dốc trong
thời gian gần đây bao gồm Manna và Chaudhuri (2006), Panda et al. (2009), Manna
và Chiang (2010). Tuy nhiên, các mô hình sản xuất-tồn kho là các mô hình đơn kỳ và
không cho phép giảm chi phí thiết lập.
Bài báo này nghiên cứu ảnh hưởng của hiệu ứng học và quên trong thiết lập đối
với các lịch trình và chi phí tối ưu của một hệ thống sản xuất-tồn kho cho các sản
phẩm mùa có thể hỏng. Một mô hình mới được phát triển để giải quyết vấn đề xác
định kích thước lô sản xuất nhiều kỳ liên quan đến các sản phẩm mùa có thể hỏng với
nhu cầu biến đổi dưới ảnh hưởng của hiệu ứng học và quên trong thiết lập.

2 MODEL FORMULATION
2.1 Assumptions and Notations
The set-up cost used in the model is assumed to reduce due to learning effect
and the cost of n-th set-up is computed using learn-forget curve model (LFCM) with
plateau effect proposed in Jaber and Bonney (2003).

{
−c
An = A 1 (mi+1) if mi <ns
A min if mi ≥ n s

A1 is the cost of the first set-up, An is the cost of nth set-up, Amin is the minimum set-up
that is obtainable when n = ns, c is the slope of the learning curve.
i −1
mi=∑ d e − α (t rj −t ej)
−1 Wℎere 1 ≤ i≤ n
j=0

di is the amount of knowledge acquired in repetition i; and α is the forgetting

exponent. d = 1; and n is the number of set-ups. The time at which the first set-up
occurs, and the retrieval time of knowledge gained in i set-ups are represented as:
t e =0 ; t r
0 i
Demand rate f (t) is a general time dependent ramp-type functions (see Fig 1), and is
of the form:

{
g (t), 0 ≤t ≤ μ
f (t)= g(μ), μ ≤ t ≤ γ
h(t ), t ≥ γ

g(t )≥ 0 , h(t) ≥ 0 , 0 ≤ μ ≤ γ , g(μ)=h(γ )

The function g (t) can be a continuous and non-decreasing function of time, while h (t)
is a continuous and non-increasing function of time in the given interval. Parameters
‘µ’ and ‘γ’ represent the trend of the ramp-type demand function.

2 XÂY DỰNG MÔ HÌNH

2.1 Giả định và ký hiệu

Chi phí thiết lập được sử dụng trong mô hình được cho là giảm do hiệu ứng
học tập và chi phí thiết lập thứ n được tính bằng mô hình đường cong học quên
(LFCM) với hiệu ứng bình nguyên được đề xuất trong Jaber và Bonney (2003).

{
−c
An = A 1 (mi+1) if mi <ns
A min if mi ≥ n s

A1 là chi phí của lần thiết lập đầu tiên, An là chi phí của lần thiết lập thứ n, Amin
là chi phí thiết lập tối thiểu có thể đạt được khi n = ns, c là độ dốc của đường học tập.
i −1
mi=∑ d e − α (t rj −t ej)
−1 Wℎere 1 ≤ i≤ n
j=0

di là lượng kiến thức thu được trong lần lặp lại thứ i; và α là số mũ quên. d = 1;
và n là số lần thiết lập. Thời điểm xảy ra lần thiết lập đầu tiên, và thời gian truy xuất
kiến thức thu được trong i lần thiết lập được biểu diễn như sau:
t e =0 ; t r
0 i

Tỷ lệ cầu f (t) là một hàm kiểu đường dốc phụ thuộc thời gian chung (xem
Hình 1) và có dạng:

{
g (t), 0 ≤t ≤ μ
f (t)= g(μ), μ ≤ t ≤ γ
h(t ), t ≥ γ
g(t )≥ 0 , h(t) ≥ 0 , 0 ≤ μ ≤ γ , g(μ)=h(γ )
Hàm g(t) có thể là một hàm liên tục và không giảm của thời gian, trong khi h
(t) là một hàm liên tục và không tăng của thời gian trong khoảng cho trước. Tham số
‘µ’ và ‘γ’ đại diện cho xu hướng của hàm nhu cầu kiểu dốc.
 Figure 1. The three-phase ramp-type demand
pattern
Other major assumptions and notations of the model are as follows:

• A single item multi-period production-inventory system is considered.

• The production rate of the item is a known function of demand rate.
• Demand rate is a general time-dependent three-phase ramp-type function.
• Deterioration rate of the item is represented by a two-parameter Weibull-
distribution function.
• No repair or replacement of deteriorated items during the period.
• Set-up cost decreases due to the learning in set-ups while set-up time is
negligible.
• Production cost per unit and inventory holding cost per unit are known
and constant.
• The following notations are used in formulating the models:
• ti-1 is the time when production for the i-th cycle begins
• si is the time when production for the i-th cycle stops
• ti is the end of the i-th cycle
• Ti = ti -ti-1 is the length of a cycle
• qi-1 is the inventory level at the beginning of the i-th cycle
• qi is the inventory level at the end of the i-th cycle
• K(t) = α f (t) is the production rate (α > 1)
• Cp is the production cost per unit
• CH is the inventory holding cost per unit
 Hình 1. Nhu cầu kiểu dốc ba pha

Các giả định và ký hiệu chính khác của mô hình như sau:

• Một hệ thống sản xuất-tồn kho đa kỳ đơn sản phẩm được xem xét.
• Tốc độ sản xuất của sản phẩm là một hàm đã biết của tốc độ nhu cầu.
• Tốc độ nhu cầu là một hàm phụ thuộc vào thời gian tổng quát có ba giai đoạn
dạng đường cong.
• Tốc độ hao hụt của sản phẩm được biểu diễn bằng một hàm phân phối
Weibull hai tham số.
• Không có sửa chữa hoặc thay thế các sản phẩm hao hụt trong kỳ.
• Chi phí thiết lập giảm do học tập trong thiết lập trong khi thời gian thiết lập
là không đáng kể.
• Chi phí sản xuất mỗi đơn vị và chi phí giữ hàng tồn kho mỗi đơn vị được biết
và không đổi.
• Các ký hiệu sau được sử dụng để xây dựng các mô hình:
• ti-1 là thời điểm bắt đầu sản xuất cho chu kỳ thứ i
• si là thời điểm kết thúc sản xuất cho chu kỳ thứ i
• ti là thời điểm kết thúc chu kỳ thứ i
• Ti = ti -ti-1 là độ dài của một chu kỳ
• qi-1 là mức tồn kho ở đầu chu kỳ thứ i
• qi là mức tồn kho ở cuối chu kỳ thứ i
• K(t) = α f (t) là tốc độ sản xuất (α > 1)
• Cp là chi phí sản xuất đơn vị
• CH là chi phí giữ hàng tồn kho đơn vị

2.2 Model Analysis

The system consists of several production-inventory cycles. Each cycle begins
with the production at time ti-1 and ends with the consumption due to demand and
deterioration at time ti. The production stops at time si within the interval while
demand and deterioration of products occur throughout the interval. The variation of
inventory level with time for a typical cycle is shown in Fig. 2
 .
Figure 2. Variation of inventory level with time for a typical
cycle

2.2 Phân tích mô hình

Hệ thống bao gồm nhiều chu kỳ sản xuất-tồn kho. Mỗi chu kỳ bắt đầu với việc
sản xuất vào thời điểm ti-1 và kết thúc với việc tiêu thụ do nhu cầu và suy giảm vào
thời điểm ti. Quá trình sản xuất dừng lại vào thời điểm s i trong khoảng thời gian trong
khi nhu cầu và sự suy giảm của sản phẩm xảy ra trong suốt khoảng thời gian đó. Sự
biến đổi của mức tồn kho theo thời gian cho một chu kỳ tiêu biểu được thể hiện trong
Hình 2.

Hình 2. Sự thay đổi của mức tồn kho theo thời gian cho một
chu kỳ điển hình
 The objective is to determine the optimal values of the production schedules,
total production quantity, and total relevant cost for the first and subsequent cycles
using different values of learning and forgetting rate. The rate of change of inventory
level with time is as follows:

d I 1 i (t)
=K (t )− f (t )−θ (t) − I 1i (t)t i −1 ≤t ≤ si ; I 1 i (t i −1 )=q i− 1 ,
dt

d I 2 i (t)
=− f (t )−θ (t) − I 2i (t)si ≤ t ≤ t i ; I 2 i (t i)=qi ,
dt

Mục tiêu là xác định các giá trị tối ưu của lịch trình sản xuất, tổng số lượng sản
xuất và tổng chi phí liên quan cho chu kỳ đầu tiên và các chu kỳ tiếp theo bằng cách
sử dụng các giá trị khác nhau của tỷ lệ học và quên. Tốc độ thay đổi của mức tồn kho
theo thời gian như sau:

d I 1 i (t)
=K (t )− f (t )−θ (t) − I 1i (t)t i −1 ≤t ≤ si ; I 1 i (t i −1 )=q i− 1 ,
dt

d I 2 i (t)
=− f (t )−θ (t) − I 2i (t)si ≤ t ≤ t i ; I 2 i (t i)=qi ,
dt

Here we consider all production and consumption cycles that do not involve a
change in demand pattern. The demand pattern may be any of the patterns given in
f(t). Inventory level at any time during the production stage of the i-th cycle is
represented by I1i(t) while I2i(t) is the inventory level at any time during the no
production stage of the i-th cycle. The solutions to Eq. (1) above are as follows:
t

∫ e a x (K (x)− f (x))dx , t i− 1 ≤ t ≤ s i ,
b b b b
a (t i− 1− t ) −at
I 1i (t)=q i −1 e +e
t i −1

∫ e a x f (x)dx , si ≤ t ≤ ti ,
b b b b
a (t i− 1 −t ) −at
I 2i (t)=q i −1 e +e
t i −1

Ở đây, chúng ta xem xét tất cả các chu kỳ sản xuất và tiêu thụ không liên quan
đến sự thay đổi trong mô hình nhu cầu. Mô hình nhu cầu có thể là bất kỳ mô hình nào
được cho trong f(t). Mức tồn kho tại bất kỳ thời điểm nào trong giai đoạn sản xuất của
chu kỳ thứ i được biểu diễn bởi I1t(t) trong khi I2t(t) là mức tồn kho tại bất kỳ thời điểm
nào trong giai đoạn không sản xuất của chu kỳ thứ i. Các nghiệm của phương trình (1)
ở trên như sau:

∫ e a x (K (x)− f (x))dx , t i− 1 ≤ t ≤ s i ,
b b b b
a (t i− 1− t ) −at
I 1i (t)=q i −1 e +e
t i −1
 t

∫ e a x f (x)dx , si ≤ t ≤ ti ,
b b b b
a (t i− 1 −t ) −at
I 2i (t)=q i −1 e +e
t i −1

The inventory holding cost (HCi), the production cost (PRCi), and the set-up
cost (SUCi) for one cycle is as follows:

H Ci =C H ¿

si

PR Ci=C p ∫ K (t) dt , SU Ci =A n
t i− 1

The total relevant cost per unit time for one cycle is as follows:
1
TCT 1 i ( si , t i )= ( HC i+ PR C i+ S UC i) ,
(t i − t i −1 )
1
¿ ¿
(t i − t i −1 )

Chi phí giữ hàng tồn kho (HC i), chi phí sản xuất (PRCi) và chi phí thiết lập (SUC i)
cho một chu kỳ như sau:

H Ci =C H ¿

si

PR Ci=C p ∫ K (t) dt , SU Ci =A n
t i− 1
Tổng chi phí liên quan trên mỗi đơn vị thời gian cho một chu kỳ như sau:

1
TCT 1 i ( si , t i )= ( HC i+ PR C i+ S UC i) ,
(t i − t i −1 )
1
¿ ¿
(t i − t i −1 )

3 SOLUTION PROCEDURE

The total relevant cost per unit time for one cycle is derived by using Eq. (3).
The optimal production schedules and the cost for the first and the subsequent cycles
can be obtained using different values of learning and forgetting rate by minimizing
the total relevant cost for the cycle subject to the constraints below.
I. I1i(si) = I2i(si),
II. 0 < ti-1 < si < ti.

The algorithm of the single demand pattern policy (SDP) developed in Abdul
and Murata (2011) is used in determining the optimal values.

3 PHƯƠNG PHÁP GIẢI QUYẾT

 Chi phí liên quan tổng cộng cho mỗi đơn vị thời gian trong một chu kỳ được
tính bằng cách sử dụng phương trình (3). Lịch trình sản xuất tối ưu và chi phí cho chu
kỳ đầu tiên và các chu kỳ tiếp theo có thể được thu được bằng cách sử dụng các giá trị
khác nhau của tỷ lệ học tập và quên bằng cách tối thiểu hóa chi phí liên quan tổng
cộng cho chu kỳ tuân theo các ràng buộc dưới đây.
I. I1i(si) = I2i(si),
II. 0 < ti-1 < si < ti.

Thuật toán của chính sách mô hình nhu cầu đơn (SDP) được phát triển bởi
Abdul và Murata (2011) được sử dụng để xác định các giá trị tối ưu.

4 NUMERICAL EXAMPLE

A set of numerical experiment was conducted to illustrate the application of the

model and analyze its performance. Consider the production-inventory system for a
seasonal product with a three-phase ramp-type demand pattern as shown below.

{
100+5 t ,0 ≤ t ≤ 4
f (t)= 120 , 4 ≤t ≤8
−0.2 (t −8 )
120 e 8 ≤ t ≤ 13

The system undergoes a learning-based continuous improvement process which

results in reduction in set-up cost. The initial set-up cost prior to any learning is $200
per production cycle while the minimum set-up cost that is not subject to further
reduction is $50 per cycle. The production rate is 1.5 times the demand rate at any
point in time; the unit production cost and inventory holding cost per unit of the item
are $10 and $1.5, respectively. The deterioration of the item follows a Weibull
distribution (Ø = abtb-1) with parameters a = 0.005, b = 2. The inventory level at the
beginning and end of the season is zero while at other times during the season a
minimum inventory level of 50 units is maintained.The above system is used to
illustrate the model by obtaining optimal schedules and costs under different learning
and forgetting rates. The result of the experiment is shown in Table 1.

4 VÍ DỤ SỐ

Một bộ thí nghiệm số được tiến hành để minh họa ứng dụng của mô hình và
phân tích hiệu năng của nó. Xem xét hệ thống sản xuất-tồn kho cho một sản phẩm
theo mùa với một mô hình nhu cầu dạng đường cong ba giai đoạn như được thể hiện
bên dưới.

{
100+5 t ,0 ≤ t ≤ 4
f (t)= 120 , 4 ≤t ≤8
−0.2 (t −8 )
120 e 8 ≤ t ≤ 13

Hệ thống trải qua quá trình cải tiến liên tục dựa trên học tập, dẫn đến việc giảm
chi phí thiết lập. Chi phí thiết lập ban đầu trước khi học tập là 200 đô la cho mỗi chu
kỳ sản xuất, trong khi chi phí thiết lập tối thiểu không bị giảm thêm là 50 đô la cho
mỗi chu kỳ. Tốc độ sản xuất là 1,5 lần tốc độ nhu cầu tại bất kỳ thời điểm nào; chi phí
sản xuất đơn vị và chi phí giữ hàng tồn kho đơn vị của sản phẩm là 10 đô la và 1,5 đô
la, tương ứng. Sự suy giảm của sản phẩm tuân theo phân phối Weibull (Ø = abt b-1) với
các tham số a = 0,005, b = 2. Mức tồn kho ở đầu và cuối mùa là không, trong khi ở
các thời điểm khác trong mùa, mức tồn kho tối thiểu là 50 đơn vị được duy trì. Hệ
thống trên được sử dụng để minh họa mô hình bằng cách thu được các lịch trình và
chi phí tối ưu dưới các tỷ lệ học tập và quên khác nhau. Kết quả của thí nghiệm được
thể hiện trong Bảng 1.

Table 5.2: Optimal results using the SDP policy with various values of learning
and forgetting index
 Bảng 5.2: Kết quả tối ưu khi sử dụng chính sách SDP với các giá trị khác nhau
của chỉ số học và quên

5 DISCUSSION OF RESULTS

The result shows that the lowest value of total cost for the season occurs at the
highest value of the learning index which corresponds to the highest rate of reduction
in set-up cost due to learning. The effect of learning is also reflected in the form of the
reduction in cycle length (Ti) as the number of cycles (n) increases for a given demand
pattern. This resulted in the increase in the number of lots as the learning index
increases and it corroborates the fact that reduction in set-up cost often leads to higher
production frequency and shorter production runs which forms an aspect of the just-
in-time (JIT) philosophy. However, the percentage reduction in total cost and cycle
length reduces with consideration of forgetting effect.

For a given learning rate, the result shows that an increase in forgetting rate
lead to increase in the total relevant cost of the system and slight changes in the
replenishment schedules. This indicates that the forgetting phenomenon has some
effect on the production-inventory system. However, unlike the learning phenomenon,
the effect may be insignificant at times.
5 THẢO LUẬN VỀ KẾT QUẢ

Kết quả cho thấy giá trị thấp nhất của chi phí tổng cộng cho mùa xuất hiện ở
giá trị cao nhất của chỉ số học tập, tương ứng với tốc độ giảm cao nhất của chi phí
thiết lập do học tập. Hiệu ứng của học tập cũng được phản ánh qua hình thức giảm độ
dài chu kỳ (Ti) khi số chu kỳ (n) tăng lên cho một mô hình nhu cầu cho trước. Điều
này dẫn đến sự tăng số lượng lô khi chỉ số học tập tăng lên và xác nhận sự thật rằng
giảm chi phí thiết lập thường dẫn đến tần suất sản xuất cao hơn và chu kỳ sản xuất
ngắn hơn, tạo thành một khía cạnh của triết lý đúng lúc (JIT). Tuy nhiên, tỷ lệ phần
trăm giảm chi phí tổng cộng và độ dài chu kỳ giảm khi xem xét hiệu ứng quên.

Với một tỷ lệ học tập cho trước, kết quả cho thấy sự tăng tỷ lệ quên dẫn đến sự
tăng chi phí liên quan tổng cộng của hệ thống và những thay đổi nhỏ trong lịch trình
bổ sung. Điều này cho thấy hiện tượng quên có một số ảnh hưởng đến hệ thống sản
xuất-tồn kho. Tuy nhiên, khác với hiện tượng học tập, ảnh hưởng có thể đôi khi không
đáng kể.

6 CONCLUSIONS

In this study we have considered the multi-period production lot-sizing

problem that involves deteriorating seasonal products with a three-phase ramp-type
demand pattern. The study also included the effects of learning and forgetting in set-
up on the production and inventory schedules and costs. Through numerical analyses,
we showed that the total relevant cost of a production-inventory system is the highest
when there is no improvement and no reduction in set-up cost due to learning. It was
equally shown that the learning-based reduction in set-up costs led to higher
production frequency and shorter production runs which are vital aspects of the just-
in-time (JIT) philosophy. The example considered also showed that the effect of the
forgetting phenomenon may sometimes be insignificant. In some real-life situations,
the effect of learning and forgetting on product quality, production rate and set-up at
the same time may be significant. This study can be extended to consider this effect on
perishable seasonal products.

6 KẾT LUẬN

Trong nghiên cứu này, chúng tôi đã xem xét vấn đề xác định kích thước lô sản
xuất đa kỳ liên quan đến các sản phẩm theo mùa bị suy giảm với một mô hình nhu cầu
dạng đường cong ba giai đoạn. Nghiên cứu cũng bao gồm các hiệu ứng của học tập và
quên trong thiết lập trên các lịch trình và chi phí sản xuất-tồn kho. Qua các phân tích
số, chúng tôi đã chỉ ra rằng chi phí liên quan tổng cộng của một hệ thống sản xuất-tồn
kho là cao nhất khi không có sự cải thiện và giảm chi phí thiết lập do học tập. Nó cũng
được chỉ ra rằng việc giảm chi phí thiết lập dựa trên học tập dẫn đến tần suất sản xuất
cao hơn và chu kỳ sản xuất ngắn hơn, đó là những khía cạnh quan trọng của triết lý
đúng lúc (JIT). Ví dụ được xem xét cũng cho thấy rằng hiệu ứng của hiện tượng quên
đôi khi có thể không đáng kể. Trong một số tình huống thực tế, hiệu ứng của học tập
và quên trên chất lượng sản phẩm, tốc độ sản xuất và thiết lập cùng một lúc có thể
đáng kể. Nghiên cứu này có thể được mở rộng để xem xét hiệu ứng này trên các sản
phẩm dễ hỏng.

REFERENCES

Abdul, I. and Murata, A. 2011. A fast-response production-inventory model for

deteriorating seasonal products with learning in set-ups. International Journal of
Industrial Engineering Computations, 2: 715-736.
Chand, S. 1989. Lot sizes and set-up frequency with learning and process
quality. European Journal of Operational Research, 42: 190-202.
Cheng, M. and Wang, G. 2009. A note on the inventory model for deteriorating
items with trapezoidal type demand rate. Computers & Industrial Engineering, 56:
1296-1300.
Cheng, T. C. E. 1994. An economic manufacturing quantity model with
learning effects. International Journal of Production Economics, 33: 257-264.
Chiu, H. N. Chen, H. M. and Weng, L. C. 2003. Deterministic time-varying
demand lotsizing models with learning and forgetting in set-ups and production.
Production and Operations Management, 12: 120-127.
Jaber, M. Y. and Bonney, M. 2003. Lot-sizing with learning and forgetting in
set-ups and in product quality. International Journal of Production Economics, 83: 95-
111.
Das, D. Roy, A. and Kar, S. 2010. A Production-Inventory Model for a
Deteriorating Item Incorporating Learning Effect Using Genetic Algorithm. Advances
in Operations Research Volume 2010, Article ID 146042, 26 pages,
doi:10.1155/2010/146042
Hill, R. M. 1995. Inventory model for increasing demand followed by level
demand. Journal of the Operational Research Society, 46: 1250-1259.
Jaber, M. Y. and Bonney, M. 2003. Lot-sizing with learning and forgetting in
set-ups and in product quality. International Journal of Production Economics, 83: 95-
111.
Jaber, M. Y. Bonney, M. and Guiffrida, A. 2010. Coordinating a three-level
supply chain with learning-based continuous improvement. International Journal of
Production Economics, 127: 27-38.
Manna, S. K. and Chaudhuri, K. S. 2006. An EOQ model with ramp-type
demand rate, timedependent deterioration rate, unit production cost and shortages.
European Journal of Operational Research, 171: 557-566.
Manna, S. K. and Chiang, C. 2010. Economic production quantity models for
deteriorating items with ramp-type demand, International Journal of Operational
Research, 7: 429-444.
Panda, S. Senapati, S. and Basu, M. 2008. Optimal replenishment policy for
perishable seasonal products in a season with ramp-type time-dependent demand.
Computers and Industrial Engineering, 54: 301-314.
Panda, S. Saha, S. and Basu, M. 2009. Optimal production stopping time for
perishable products with ramp-type quadratic demand dependent production and setup
cost, Central European Journal of Operational Research, 17: 381-396.
 Wright, T. 1936. Factors affecting the cost of airplanes, Journal of Aeronautical
Science, 3:122-128.

TÀI LIỆU THAM KHẢO

Abdul, I. and Murata, A. 2011. A fast-response production-inventory model for

deteriorating seasonal products with learning in set-ups. International Journal of
Industrial Engineering Computations, 2: 715-736.
Chand, S. 1989. Lot sizes and set-up frequency with learning and process
quality. European Journal of Operational Research, 42: 190-202.
Cheng, M. and Wang, G. 2009. A note on the inventory model for deteriorating
items with trapezoidal type demand rate. Computers & Industrial Engineering, 56:
1296-1300.
Cheng, T. C. E. 1994. An economic manufacturing quantity model with
learning effects. International Journal of Production Economics, 33: 257-264.
Chiu, H. N. Chen, H. M. and Weng, L. C. 2003. Deterministic time-varying
demand lotsizing models with learning and forgetting in set-ups and production.
Production and Operations Management, 12: 120-127.
Jaber, M. Y. and Bonney, M. 2003. Lot-sizing with learning and forgetting in
set-ups and in product quality. International Journal of Production Economics, 83: 95-
111.
Das, D. Roy, A. and Kar, S. 2010. A Production-Inventory Model for a
Deteriorating Item Incorporating Learning Effect Using Genetic Algorithm. Advances
in Operations Research Volume 2010, Article ID 146042, 26 pages,
doi:10.1155/2010/146042
Hill, R. M. 1995. Inventory model for increasing demand followed by level
demand. Journal of the Operational Research Society, 46: 1250-1259.
Jaber, M. Y. and Bonney, M. 2003. Lot-sizing with learning and forgetting in
set-ups and in product quality. International Journal of Production Economics, 83: 95-
111.
Jaber, M. Y. Bonney, M. and Guiffrida, A. 2010. Coordinating a three-level
supply chain with learning-based continuous improvement. International Journal of
Production Economics, 127: 27-38.
Manna, S. K. and Chaudhuri, K. S. 2006. An EOQ model with ramp-type
demand rate, timedependent deterioration rate, unit production cost and shortages.
European Journal of Operational Research, 171: 557-566.
Manna, S. K. and Chiang, C. 2010. Economic production quantity models for
deteriorating items with ramp-type demand, International Journal of Operational
Research, 7: 429-444.
Panda, S. Senapati, S. and Basu, M. 2008. Optimal replenishment policy for
perishable seasonal products in a season with ramp-type time-dependent demand.
Computers and Industrial Engineering, 54: 301-314.
Panda, S. Saha, S. and Basu, M. 2009. Optimal production stopping time for
perishable products with ramp-type quadratic demand dependent production and setup
cost, Central European Journal of Operational Research, 17: 381-396.
 Wright, T. 1936. Factors affecting the cost of airplanes, Journal of Aeronautical
Science, 3:122-128.