นโยบายเติมเต็มวัสดุคงคลังอะไหล่สำหรับการซ่อมบำรุงเชิงแก้ไขในหลายเครื่องจักรที่มีอัตราการเกิดชำรุดแตกต่างกัน
Inventory Replenishment Policy for Corrective Maintenance Spare Part Inventory of Multiple Machines with Different Failure Rates
Abstract
งานวิจัยทำการกำหนดนโยบายเติมเต็มที่เหมาะสมสำหรับวัสดุคงคลังอะไหล่ในงานซ่อมบำรุงเชิงแก้ไขของระบบที่มีหลายเครื่องจักรซึ่งมีค่าเฉลี่ยการเกิดชำรุดแตกต่างกัน การชำรุดของแต่ละเครื่องจักรมีการใช้วัสดุคงคลังอะไหล่ชนิดเดียวกันด้วยจำนวนที่แตกต่างกัน นโยบายเติมเต็มที่นำเสนอเป็นการคำนวณปริมาณเติมเต็มที่เหมาะสมสำหรับแต่ละรอบเวลาเติมเต็มซึ่งถูกกำหนดไว้ โดยมีวัตถุประสงค์เพื่อลดต้นทุนรวมของระบบ ซึ่งประกอบด้วย ต้นทุนวัสดุ ต้นทุนถือครอง ต้นทุนเสื่อมสภาพ และต้นทุนขาดแคลนวัสดุ จากลักษณะของนโยบายการสั่งซื้อตามรอบเวลา ปริมาณเติมเต็มวัสดุคงคลังมีค่าเท่ากับผลต่างของระดับวัสดุคงคลังสูงสุดและระดับวัสดุคงคลังคงเหลือที่ช่วงเวลาสั่งเติมเต็ม ระดับวัสดุคงคลังสูงสุดถูกกำหนดจากความน่าจะเป็นของการขาดแคลนวัสดุที่เหมาะสมซึ่งคำนวณโดยการหาอนุพันธ์ของสมการต้นทุนรวม คำตอบที่ได้จากตัวแบบการคำนวณที่นำเสนอถูกนำไปเปรียบเทียบกับคำตอบที่ได้จากการจำลองสถานการณ์มอนติคาร์โลที่ระดับแตกต่างกันของสามปัจจัย ประกอบด้วย จำนวนเครื่องจักร (2 ระดับ) ต้นทุนการขาดแคลนวัสดุ (3 ระดับ) และ อัตราชำรุด (3 ระดับ) จากผลการทดสอบปัญหา 18 กรณี ตัวแบบการคำนวณที่นำเสนอให้คำตอบเดียวกับการจำลองสถานการณ์ทุกกรณี โดยระดับวัสดุคงคลังสูงสุดมีแนวโน้มเพิ่มขึ้นที่ระดับสูงขึ้นของแต่ละปัจจัย
The research is to determine the proper replenishment policy for corrective maintenance spare part inventory of multiple machines with different failure rates. All failure machines require the same type of spare part but with different quantities. The objective is to evaluate proper replenishment quantity, at a predetermined time between orders, such that the total cost composed of item cost, holding cost, depreciation cost, and shortage cost is minimized. From the characteristic of fixed order interval model, the replenishment quantity is the difference between the maximum inventory level and the inventory stock position at the time of placing the order. The maximum inventory level is ascertained according to the optimal probability of stock out determined by taking the derivative of the total system cost function. The result obtained from the proposed model is compared to the result yielded from the Monte Carlo simulation model at different levels of three factors: the number of machines (2 levels), the shortage costs (3 levels), and the failure rates (3 levels). According to the study result, both proposed calculation model and Monte Carlo simulation model suggest the same values of maximum inventory level for all 18 different problem cases. The maximum inventory level tends to increase at higher level of each factor.
Keywords
[1] J. Poppy, R. J. I. Basten, R. N. Boute, and M. R. Lambrecht, “Numerical study of inventory management under various maintenance policies,” Reliability Engineering and System Safety, vol. 168, pp. 262–273, 2017.
[2] F. W. Harris, “How many parts to make at once,” Factory: The Magazine of Management, vol. 10, no. 2, pp. 135–136, 1913.
[3] A. Andriolo, D. Battini, R. W. Grubbström, A. Persona, and F. Sgarbossa, “A century of evolution from Harris's basic lot size model: Survey and research agenda,” International Journal of Production Economics, vol. 155, pp. 16–38, 2014.
[4] E. A. Silver and H. C. Meal, “A heuristic for selecting lot size quantities for the case of a deterministic time-varying demand rate and discrete opportunities for replenishment,” Computers & Industrial Engineering, vol. 14, no. 2, pp. 64–74, 1973.
[5] H. M. Wagner and T. Whitin, “Dynamic version of the economic lot size model,” Management Science, Journal of Operations Management, vol. 5, pp. 89–96, 1958.
[6] B. Kader, D. Sofiene, R. Nidhal, and E. Walid, “Jointly optimal preventive maintenance under spare parts order strategy,” IFAC Proceedings Volumes, 2013, pp. 1376–1380.
[7] B. Kader, D. Sofiene, R. Nidhal, and E. Walid, “Ecological and joint optimization of preventive maintenance and spare parts inventories for an optimal production plan,” International Federation of Automatic Control, vol. 48, no. 3, pp. 2139–2144, 2015.
[8] Z. Hajej, S. Dellagi, and N. Rezg, “Optimal integrated maintenance/production policy for randomly failing systems with variable failure rate,” International Journal of Production Research, vol. 49, no. 19, pp. 5695–5712, 2011.
[9] P. Penpakkol and T. Intarakumthornchai, “Inventory management of spare parts under uncertain demand: A case study of particle board manufacturer,” The Journal of KMUTNB, vol. 28, no. 1, pp. 9–22, 2018 (in Thai).
[10] S. Puspitasari, S. Amanda, and E. Agustina, “Minimizing corrective maintenance cost through spare parts classification and inventory control,” in Proceedings of the 2019 1st International Conference on Engineering and Management in Industrial System, 2019, pp. 444–450.
[11] R. J. Tersine, “Independent demand systems: Probabilistic model,” in Principles of Inventory and Materials Management, 4th ed. Englewood Cliffs, NJ: PTR Prentice-Hall, 1994, ch. 5, pp. 204–272.
[12] S. Nahmias, “Reliability and maintainability,” in Production and operations analysis, 6th ed. Singapore: McGraw-Hill, 2009, ch. 12, pp. 700–753.
[13] S. Wongmongkolrit, B. Rassameethes, and W. Supithak, “Spare parts management for corrective,” International Journal of Engineering Research & Technology, vol. 3, no. 12, pp. 1002–1006, 2014.
[14] R. J. Tersine, “Single order quantities,” in Principles of Inventory and Materials Management, 4th ed. Englewood Cliffs, NJ: PTR Prentice-Hall, 1994, ch. 5, pp. 312–332.
DOI: 10.14416/j.kmutnb.2021.07.003
ISSN: 2985-2145