Bi-objective model for scenario optimization of a manufacturing network

Thumbnail Image

Files

master_Vuola_Emilia_2022.pdf (1.25 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2022-08-23

Department

Major/Subject

Systems and Operations Research

Mcode

SCI3055

Degree programme

Master’s Programme in Mathematics and Operations Research

Language

en

Pages

58

Series

Abstract

Renewable fuels are one possible alternative for decreasing the emissions of the transportation sector. Renewable fuels are produced from various feedstocks that are sourced all around the world and the end product markets are also global. To ensure competitiveness, mathematical models are implemented in order to execute the supply chain activities such that profits are maximized. When network operations are optimized, renewable fuels’ production becomes more profitable and can compete better against the fossil alternatives. In this thesis a mid-term bi-objective optimization model was developed for optimizing a renewable fuel production network. Concepts of manufacturing network models were utilized to accurately model the considered supply chain. The proposed model included two objectives: gross margin maximization and plan change minimization. As market data changes frequently, and the plan needs to be re-optimized often, it is desired that the changes made to the previous plan remain minimal. To mitigate these uncertainties, a novel change minimization objective was implemented to avoid excess plan changes in addition to the gross margin maximization. In order to optimize the two objectives simultaneously, two multi-objective optimization methods were implemented: the weighted sum method and the ε-constraint method. It was found that ε-constraint method offered more benefits for the desired application. The results obtained from ε-constraint method supported the multi-objective optimization approach implementation for the mid-term supply chain planning problem. It was observed that the same gross margin value can be achieved with a wide range of plan change values. Thus, including the second objective in addition to the gross margin optimization is beneficial to ensure that the desired gross margin value is obtained without excessive plan changes.

Uusiutuvat polttoaineet ovat yksi mahdollisista tavoista vähentää tieliikennesektorin kasvavia päästöjä. Uusiutuvien polttoaineiden tuotantoketjut ovat globaaleja, joten tuotannon suunnittelu on olennaista kilpailukyvyn ylläpitämiseksi. Matemaattisia malleja voidaan hyödyntää tuotannon suunnittelussa, jotta tuotantoketjun kustannukset saadaan minimoitua. Optimoimalla uusiutuvien polttoaineiden tuotantoketjujen kustannuksia tuotannosta saadaan kannattavampaa, jolloin uusiutuvien polttoaineiden kilpailukyky verrattuna fossiilisiin polttoaineisiin kasvaa. Tässä diplomityössä kehitettiin kaksitavoitteinen optimointimalli uusiutuvan polttoaineen tuotantoketjun optimoimista varten. Mallinnettava tuotantoketju kuvattiin hyödyntäen verkko-optimoinnin pääpiirteitä ja teorioita. Malli sisälsi kaksi tavoitetta: liikevoiton maksimointi sekä suunnitelmamuutoksien minimimointi. Nopeasti muuttuvan markkinanympäristön vuoksi, optimaalinen tuotantosuunnitelma muuttuu usein. Suunnittelun lyhyen aikaikkunan vuoksi, uuden suunnitelman tulee pysyä mahdollisimman muuttumattomana verrattuna vanhaan suunnitelmaan. Tämän vuoksi suunnitelmamuutoksien minimimointi lisättiin mallin toiseksi tavoitteeksi. Jotta kaksi tavoitetta voitiin optimoida samanaikaisesti, kaksi monitavoiteoptimoinnin menetelmää valittiin implementoitavaksi: tavoitefuntioiden painotus- sekä ε-rajoitemenetelmä. Diplomityössä tehtyjen havaintojen perusteella ε-rajoitemenetelmä soveltui paremmin tutkittavan tuotantoketjun optimointiin kuin tavoitefuntioiden painotusmenetelmä. ε-rajoitemenetelmällä saavutettujen tulosten perusteella, muutosten minimointitavoitteen lisääminen optimointimalliin on hyödyllistä. Tulosten perusteella sama liikevoitto voidaan saavutta monilla eri suunnitelman muutosarvoilla. Tämän vuoksi, toisen tavoitteen lisääminen optimimointimalliin varmistaa, että haluttu liikevoitto saavutetaan tekemättä ylimääräisiä muutoksia suunnitelmaa optimoitaessa.

Description

Supervisor

Oliveira, Fabricio

Thesis advisor

Suominen, Tuomas

Keywords

multi-objective optimization, the ε-constraint method, the weighted sum method, network optimization, sustainability, renewable fuels

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202209045325

Collections

[dipl] Perustieteiden korkeakoulu / SCI