گروه صنایع
پایان نامه جهت دریافت درجه کارشناسی ارشد
پاییز 1392
چکیده
رویکرد یک سیستم تولید به کم بودن از کار افتادگی تجهیزات و فرایند وابسته است. نگهداری و تعمیرات و کنترل کیفیت نقش اساسی در دستیابی به این هدف ایفا میکنند. علاوه بر این با گذشت زمان کیفیت تجهیزات پایین میآید و ممکن است یک انتقال کیفیت از حالت تحت کنترل به حالت خارج از کنترل اتفاق بیفتد که توسط بالا رفتن نرخ بازگشت محصول و میل به خرابی مشخص می شود. این پایان نامه یک مدل یکپارچه شده برای تلفیق بهینه سازی فاصله های نگهداری و تعمیرات پیشگیرانه و پارامترهای کنترل ارائه می دهد. دو نوع سیاست نگهداری و تعمیرات در نطر گرفته میشود. حداقل تعمیر اصلاحی که حالت و شرایط تجهیزات را بدون تاثیر بر عمر آنها تعمیر می کند و نگهداری و تعمیرات پیشگیرانه که تجهیزات را بین حالت as good as new و as bad as old قرار میدهد. مدل پیشنهاد شده می تواند مقدار بهینه هر یک از چهار متغیر تصمیم را معین کند. یعنی اندازه نمونه(n)، زمان تناوب نمونه گیری (h)، ضریب حد کنترل(k)، و فاصله های زمانی تعمیر پیشگیرانه( )، که هزینه کل مورد انتطار حاصل از یکپارچه سازی در واحد زمان را حداقل میکند. یک مثال عددی برای تشریح تاثیر پارامترهای هزینه در سیاست تلفیق کنترل کیفیت و تعمیر پیشگیرانه از نظر اقتصادی، نشان داده شده است. حساسیت پارامترهای مختلف نیز امتحان شده است.
کلمات کلیدی: نگهداری و تعمیرات پیشگیرانه، سیاست کیفیت فرایند ، کنترل کیفیت آماری، مدل یکپارچه شده، حداقل سازی هزینه
فصل اول
کلیات تحقیق
مقدمه
مسئله زمانبندی در تولید همواره یکی از موضوعات مهم و قابل توسعه برای مهندسین و محققین بوده است. کارهای زیادی در خصوص این موضوع تا بحال انجام شده است و محققان زیادی مدل هایی برای بهینه کردن زمانبندی در تولید ارائه داده اند. به طور ویژه تر مسئله زمانبندی در تولید در سیستم های تک ماشین، یکی از موضوعات فرعی در زمانبندی تولید بوده است. در این میان مطالبی همچون نگهداری و تعمیرات پیشگیرانه (PM)، و نگهداری و تعمیرات اصلاحی (CM)، نیز وارد ادبیات موضوع میشوند. مسائلی چون زمان انجام عملیات نگهداری و تعمیرات پیشگیرانه و اصلاحی، تبدیل به دغدغه محققین میشود. اینکه چه زمانی بهتر است عملیات نگهداری و تعمیرات را روی ماشین انجام داد.
از طرفی دیگر، بحث کنترل کیفیت محصولات تولید شده توسط ماشین نیز مد نظر کنترل کنندگان کیفیت قرار میگیرد. مسائلی مانند اینکه آیا محصول تولید شده توسط سیستم کیفیت مورد انتظار ما را داشته است و مطابق با انتظارات و مقادیر مورد هدف ما بوده است. آیا سیستم در حالت تحت کنترل قرار دارد یا نه. اگر سیستم در حالت خارج از کنترل قرار گرفته است به چه دلیل بوده است و چگونه میتوان سیستم را دوباره به حالت تحت کنترل بازگرداند و در واقع پیدا کردن راهی برای حل مشکل بوجود آمده که باعث شده است که سیستم ما از حالت تحت کنترل به حالت خارج از کنترل تبدیل شود.
تعیین پارامترهای بهینه نمودار کنترل برای حداقلسازی هزینه های ناشی از کنترل کیفیت محصول تولید شده و طراحی نمودار کنترل نیز یکی دیگر از مواردی میباشد که مدیران تولید باید در بحث کنترل کیفیت آن را مورد نظر قرار دهند.
اهمیت این دو موضوع، یعنی بحث نگهداری و تعمیرات و کنترل کیفیت در بحث تولید غیر قابل انکار میباشد و در نظر نگرفتن این دو جنبه در تولید، باعث بروز مشکلات فراوانی خواهد شد که در کار تولید، خدشه وارد میکند و باعث استهلاک ماشین، بالارفتن هزینه ها، پایین آمدن کیفیت محصول تولید شده، افزایش میزان برگشتی محصول، نارضایتی مشتری و ... خواهد شد.
بیان مسئله
هانطور که گفته شد دو موضوع نگهداری و تعمیرات و کنترل کیفیت در بحث تولید از اهمیت ویژه ای برخوردار است و توجه نکردن به این دو جنبه در کار تولید تبعات منفی زیادی را میتواند به دنبال داشته باشد.
به همین منظور مدل های زیادی درباره این دو مسئله ارائه و توسعه داده شده است. هدف این مدل ها در بحث نگهداری و تعمیرات به دست آوردن یک فاصله زمانی برای اعمال نگهداری و تعمیرات پیشگیرانه یا اصلاحی در طول فرایند میباشد که هزینه های ناشی از این نگهداری و تعمیرات مانند هزینه بیکاری ماشین، هزینه نیروی کار تعمیر کننده و ... را حداقل کند. و در بحث کنترل کیفیت هم تعیین پارامترهای نمودار کنترل به صورت بهینه به طوریکه هزینه های ناشی از کنترل را حداقل کند.
اما مطالعات اخیر نشان داده است که این دو جنبه روابط و وابستگی های قابل توجهی با یکدیگر دارند و به دلیل این روابط و وابستگی ها بهتر است که این دو جنبه را به طور تلفیقی و با یکدیگر در نظر گرفت. در واقع مد نظر قرار دادن این دو جنبه به طور مستقل و جدا از هم، با توجه به روابط بین آنها کار معقولی نمیباشد و نتایج بهینه را برای ما نتیجه نمیدهد. مدل های یکپارچه شده زیادی در سالهای اخیر از سوی محققان ارائه شده است که در اکثر این مدلها یکپارچه کردن و تلفیق مباحث نگهداری و تعمیرات، زمانبندی تولید و کنترل کیفیت باعث بهتر شدن روند تولید در مقایسه با زمانی که این سه جنبه به طور مستقل در نظر گرفته میشود، میباشد. در اکثر مقالات در مورد مدل های یکپارچه این مقایسه انجام شده است و نتیجه گرفته میشود که یکپارچه و تلفیق کردن این سه جنبه بهتر از زمانی است که آنها به طور مستقل و جدا از هم در نظر گرفته میشوند و هزینه ها در حالت یکپارچه شده و تلفیقی کمتر از حالت مستقل و جدا از هم میشوند.
در این پایان نامه مدلی یکپارچه شده ارائه شده است که دو جنبه نگهداری و تعمیرات و کنترل کیفیت به طور تلفیقی در یک سیستم در نظر گرفته شده است. در این مدل همه ویژگی های نگهداری و تعمیرات و کنترل کیفیت را در قالب یک مدل به صورت یکپارچه مورد نگارش واقع شده است و نسبت به حل آن اقدام شده است.
در واقع یک مدل یکپارچه شده برای تلفیق بهینه سازی فاصله های نگهداری و تعمیرات پیشگیرانه و پارامترهای کنترل پیشنهاد شده است. دو نوع سیاست نگهداری و تعمیرات در نظرگرفته شده است. حداقل تعمیر اصلاحی که حالت و شرایط تجهیزات را بدون تاثیر بر عمر آنها تعمیر میکند و نگهداری و تعمیرات پیشگیرانه که تجهیزات را بین حالت as good as new و as bad as old قرار میدهد. مدل پیشنهاد شده میتواند مقدار بهینه هر یک از چهار متغیر تصمیم را معین کند. یعنی اندازه نمونه(n)، زمان تناوب نمونه گیری (h)، ضریب حد کنترل(k)، و فاصله های زمانی تعمیر پیشگیرانه( )، که هزینه کل مورد انتطار حال از یکپارچه سازی در واحد زمان را حداقل میکند. یک مثال عددی برای تشریح تاثیر پارامترهای هزینه در سیاست تلفیق کنترل کیفیت و تعمیر پیشگیرانه از نظر اقتصادی، نشان داده شده است.
سیستم کار در این پایان نامه یک سیستم تک ماشین با یک مؤلفه میباشد که یک نوع محصول را تولید میکند. در واقع مدل ارائه شده، فاصله های زمانی بهینه برای اعمال نگهداری و تعمیرات پیشگیرانه بر روی این ماشین و همچنین پارامترهای بهینه کنترل کیفیت را برای بررسی میزان کیفیت محصول تولید شده، به نحوی که هزینه های ناشی از اعمال نگهداری و تعمیرات و کنترل کیفیت حداقل شود، را مورد بررسی قرار میدهد.
اهمیت پژوهش
رویکرد یک سیستم تولید به کم بودن از کار افتادگی تجهیزات و فرایند وابسته است. نگهداری و تعمیرات و کنترل کیفیت نقش اساسی در دستیابی به این هدف ایفا میکنند. علاوه بر این با گذشت زمان کیفیت تجهیزات پایین میآید و ممکن است یک انتقال کیفیت از حالت تحت کنترل به حالت خارج از کنترل اتفاق بیفتد که توسط بالا رفتن نرخ بازگشت محصول و میل به خرابی مشخص میشود.
زمانبندی نگهداری و تعمیرات و فرایند کیفیت، قسمتی از سیاستهای عملیاتی میباشد که نتیجه عملکرد هر سیستم تولید میباشد.با وجود تاثیرات مشترک بین این تصمیمات، که خیلی هم مهم نیستند، رویکردهای بر پایه مدل برای بهینه کردن آنها بطور شبیه سازی شده، مهیا میباشند. بعنوان نمونه، بیشترین مدلهای زمانبندی تولید، تاثیر در دسترس بودن ماشین بدلیل خرابی یا فعالیت نگهداری و تعمیرات را در نظر نمیگیرند. بطور مشابه، مدلهای برنامه ریزی نگهداری و تعمیرات، به ندرت اثر نگهداری و تعمیرات را بر زمان تحویل به مشتری و نیازمندیهای او، در نظر میگیرند. اگرچه، اثر نگهداری و تعمیرات نمیتواند به شکل معنا داری بدون محاسبه کردن تابع نگهداری و تعمیرات که با نیازمندیهای تولید مطابقت میکند، اندازه گیری شود.
از طرف دیگر، تاخیر نگهداری و تعمیرات برای سازگاری با نیازمندیهای تولید ممکن است تعمیرات فرایند و خطر معیوب شدن ماشین را افزایش دهد، به طوریکه ممکن است باعث بیشتر شدن موارد غیر قابل قبول وپایین آمدن سرعت شود. از این رو در نظر گرفتن کنترل کیفیت و برنامه ریزی نگهداری و تعمیرات میتواند یک راه مؤثر برای برطرف شدن برخی از مشکلات باشد و به تبع آن اگر بخواهیم این دو را جدار از هم نگاه کنیم، با توجه به رابطه های موجود و وابستگی های بین این موضوعات باعث بروز مشکلاتی خواهد شد. یکی از رویکرد های مهم در هر سیستم تولید واقف بودن به مسائل وابستگی ها و روابط موجود بین مورد های مورد بحث خواهد بود و داشتن اطلاعات جامع حول موضوع و احاطه داشتن به جنبه های موجود در مسئله میتواند ما را در مدل سازی کمک شایانی نماید و در نتیجه کار ما تاثیر به سزایی بگذارد. با توجه به نکاتی که گفته شد پی به اهمیت موضوع تلفیق و یکپارچه سازی مدل های نگهداری و تعمیرات و کنترل کیفیت خواهیم برد.
هدف پژوهش
همانطور که قبلا اشاره شد، تلفیق و یکپارچه سازی مدل های کنترل کیفیت و نگهداری و تعمیرات به طور همزمان، به طرز قابل توجهی مثمرثمر تر از زمانی که این مدل ها به طور جداگانه مورد بررسی قرار میگیرند، خواهد بود. رویکرد یک سیستم تولید به طور قابل ملاحظه ای به زمانبندی نگهداری تعمیرات و پارامترهای کنترل کیفیت، وابسته است.
بحث مدل های یکپارچه و تلفیقی یکی از موضوعاتی میباشد که در سالهای اخیر بسیار مورد توجه قرار گرفته است و با توجه به اینکه این مدلها بهتر و کاراتر از زمانی خواهند بود که به طور جداگانه هستند، با استقبال زیادی روبرو شده اند. در واقع یکی از اهداف محققان در سالهای اخیر همواره ادغام دو یا چند موضوع با ویژگی ها و روابطشان در غالب یک مدل بوده است و معمولا با مقایسه کار یکپارچه سازی شده خود با حالت جداگانه به این نتیجه رسیده اند که حالت ادغام شده مسئله بسیار کاراتر از حالت جداگانه و مستقل آن میباشد.
هدف ما در این پژوهش دستیابی به مدلی است که بتواند زمانبندی نگهداری و تعمیرات و پارامترهای کنترل کیفیت را به صورت تلفیقی و یکپارچه در آورد. در واقع ما ابتدا روابط و وابسنگی های موجود بین نگهداری و تعمیرات و کنترل کیفیت را مورد قرار داده و سپس آنها در قالب یک مدل یکپارچه پیاده سازی شده است. در نهایت این دو جنبه به صورت جدا ازهم نیز بررسی شده است، تا مشخص شود کدام حالت مقرون به صرفه تر، خواهد بود و تابع هزینه کل حداقل خواهد شد.
به طور کلی هدف این پژوهش، معرفی یک مدل یکپارچه شده است که میتواند هزینه کل مورد انتظار ناشی از خرابی های فرایند، بازرسی، نمونه گیری و نگهداری و تعمیرات اصلاحی(CM) و نگهداری و تعمیرات پیشگیرانه(PM) توسط تلفیق نگهداری و تعمیرات با پارامترهای نمودار کنترل کیفیت، حداقل کند.
سؤالات پژوهشی
برخی از سؤالاتی که در این باره مورد توجه قرار گرفته شده است به شرح زیر خواهند بود:
آیا میتوان بین نگهداری و تعمیرات و کنترل کیفیت در یک سیستم تولید روابط و اشتراکاتی پیدا کرد؟
اگر روابطی بین این دو موضوع پدید آمد، چگونه میتوان این روابط و وابستگی ها را به یکدیگر ربط داد؟
آیا پیاده سازی این روابط و وابستگی های در غالب یک مدل قابل حل و کارا، امکان پذیر خواهد بود؟
چگونه میتوان مسئله برنامه ریزی نگهداری و تعمیرات و کنترل کیفیت را در غالب یک مدل یکپارچه شده طراحی کرد؟
اگر این مدل یکپارچه شده طراحی شد با حالتی که مسئله نگهداری و تعمیرات و کنترل کیفیت به طور جداگانه در سیستم تولید مورد نظر ما استفاده شود، چه فرقی دارد؟
آیا حالت یکپارچه شده بهتر است یا حالت جداگانه؟
کدام حالت بهینه تر و مقرون به صرفه تر خواهد بود؟
واژگان
الف) نگهداری و تعمیرات
روشی است که با کنترل تجهیزات و ماشین آلات تولیدی از نظر برنامه زمانبندی تعمیراتی و تعویض قطعات و با استفاده از تجزیه و تحلیلهای آماری هزینههای تعمیراتی را کاهش میدهد و در سطح بهینه نگه میدارد.
ب) فرایند کنترل در یک سیستم
کنترل ، فرایندى است براى کسب اطمینان از این که اقدامات و فعالیت هاى جارى سازمان ، در جهت اهداف پیش بینى شده و منطبق با اقدامات برنامه ریزى شده ، مى باشد.
ج) مدل یکپارچه شده
مدلی که از ادغام و تلفیق دو یا چند موضوع و جنبه شکل گرفته باشد و روابط و وابستگی های بین این جنبه را مد نظر قرار دهد.
د) حداقل سازی هزینه
در هر سیستم یکی از اهداف مهم هر مدیر و مسؤول پیدا کردن راهکارهایی برای حداقل کردن هزینه های مربوط به بخش های مختلف میباشد که با روش های گوناگونی این امر صورت میگیرد.
Abstract
The performance of a production system depends on the breakdown-free operation of equipment and processes. Maintenance and quality control play an important role in achieving this goal. In addition to deteriorating with time, equipment may experience a quality shift (i.e. process moves to out-of-control state), which is characterized by a higher rejection rate and higher tendency to fail. This work presents an integrated model for joint optimization of preventive maintenance interval and control parameters. We consider two types of maintenance policies: minimal corrective maintenance that maintains the state of the equipment without affecting the age and imperfect preventive maintenance that upgrades the equipment between ‘as good as new’ and ‘as bad as old’ condition. The proposed model enbles the determination of the optimal value of each of four decision variables, i.e. sample size (n), sample frequency (h), control limit coefficient (k), and preventive maintenance interval ( ) that minimizes the expected total cost of the integration per unit time. A numerical example is presented to demonstrate the effect of the cost parameters on the joint economic design of preventive maintenance and process quality control policy. The sensitivity of the various parameters is also examined.
Keywords: preventive maintenance, process quality policy, control quality, integrated model, cost minimization
منابع و مراجع
1. Cruthis, E.N., and S.E. Rigdon (1992-1993). Comparing Two Estimates of the Variance to Determine the Stability of Process. Quality Engineering.
2. Garvin, D. A. (1987). Competing in the Eight Dimensions of Quality.Harvard Business Review. Sept-Oct. 87(6), pp. 101-109.
3. Jones , L.A., W.H. Woodall, and M.D. Conerly (1999). Exact Properties of Control Chart. Journal of Quality Technology.
4. http://ieir-pm.persianblog.ir
5. Garg, A. and Deshmukh, S.G., 2006. Maintenance management: literature review and directions. Journal of Quality in Maintenance Engineering, 12 (3), 205–238.
6. Pandey, D., Kulkarni, M.S. and Vrat, P . (2007), ‘‘Integrated production scheduling, quality, maintenance models: an overview’’, in Jain, C.K. (Ed.), Proceedings of the International Conference on Recent Trends in Mechanical Engineering ICRTME, Ujjain Engineer College, Ujjain, India, 4-6 October, pp. IP-21-5.
7. Cheng, T.C.E. EPQ with Process Capability and Quality Assurance Considerations. Journal of the Operational Research Society, 42 No.8 (1991) 713-20
8. Porteus, E.L. Optimal Lot Sizing, Process Quality Improvement and Setup Cost Reduction. Operations Research, 34 (1986) 137-144.
9. Rahim, M.A. Joint Determination of Production Quantity, Inspection Schedule and Control Chart Design. lIE Transactions, 26 No.6 (1994) 2-11
10. Rahim, M.A. and Ben-Daya, M. A Generalized Economic Model for Joint Determination of Production Run, Inspection Schedules and Control Chart Design. International Journal of Production Research, 36 (1998) 277-289.
11. Pierskalla, W.P. and Voelker, J.A. A Survey of Maintenance Models: The Control and Surveillance of Detriorating Systems. Naval Research Logistics Quarterly, 23 (1976) 353-388.
12. Sherif, V.S., and M.L. Smith Optimum Maintenance Models for Systems Subject to Failure: A Review. Naval Research Logistics Quarterly, 28 (1981) 47-74.
13. Nakagawa, T. A Summary of Imperfect Preventive Maintenance Policies with Minimal Repair. Operations Research, 14 No.3 (1980) 249-55
14. Osaki, S. and Nakagawa, T. Bibliography of Reliability and availability of Stochastic Systems. IEEE Transaction on Reliability, R-25 (1976) 284-287.
15. Elsayed, E. A. Reliability Engineering. New York, Addison Wesley Longman, 1996.
16. Montgomery, D.C. Introduction to Statistical Quality Control, 2nd Edition, Wiley and Sons, New York, (1991).
17. Duncan, A.J. The Economic design of x-charts used to maintain current control of a process. Journal of the American Statistical Association,51 (1956) 228-42.
18. Ben-Daya, M. and Duffuaa, S.O. Maintenance and Quality: The Missing Link. Journal of Quality in Maintenance Engineering, 1 No.1 (1995) 20-26.
19 Tagaras, G. An Integrated Cost Model for the Joint Optimization of Process Control and Maintenance. J. Opl Res. Soc. 39 No.8 (1988) 757-766
20. Ben-Daya, M. and Rahim, M.A. Effect of Maintenance on the Economic Design of x-Chart. The European Journal of Operational Research., 120 (2000) 131-143.
21. Rahim, M.A. and Ben-Daya, M. A Joint Optimization of Production Quantity, Inspection Schedule and Quality Control for an Imperfect Process with deterioration Inventory Items. Journal of Operations Research Society. In review process (2000).
22. Ben-Daya, M. (1999). Quality and reliability Improvement in Multistage Production Systems. Proceedings of The 5th ISSAT International Conference on Reliability and Quality Design, pp. 229-233.
23. Ben-Daya, M. and Rahim, A. (1998) Optimal Lot Sizing, Quaity Improvement, and Inspection Errors for Multi-Stage Production Systems. Systems Engineering, King Fahd University of Petroleum & Minerals.
24. Murthy, D.N.P. and Blischke, W.R Product warranty man- agement - II: An integrated framework for study. European Journal of Operational Research, 62 (1992) 261-28
25. Murthy, D.N.P., Wilson, RJ. and Djamaludin, I. Product warranty and quality control, Quality and Reliability Engineering, 9 (1993) 431-443.
26. Rosenblatt, M.J., and Lee, H.L. A comparative Study of Continuous and Periodic Inspection Policies in Deteriorating Production Systems. lIE Transactions, 18 (1986) 2-9.
27. Rosenblatt, M.J., and Lee, H.L. Economic Production Cycles with Imperfect Production Process. lIE Transactions, 18 (1986) 48-55.
28. Lin, T.M., Tseng, S.T. and Liou, M.J. Optimal Inspection Schedule in the Imperfect Production System Under General Shift Distribution. Journal of the Chinese Institute of Industrial Engineers, 8 No.2 (1991) 73-81.
29. Hariga, M. and Ben-Daya, M. The Economic Manufacturing LotSizing Problem with Imperfect Manufacturing Processes: Bounds and Optimal Solutions. Naval Research Logistics, 45 (1998) 423-433.
30. Kim, C. H. and Hong, Y. An Optimal Production Run Length in Deteriorating Production Processes. International Journal of Production Economics, 58 No.2 (1999) 183-189.
31. Voros, J. Lot Sizing with Quality Improvement and Setup Time Reduction. European Journal of Operations Research, 113 (1999) 568-574.
32. Lee, H.L. Lot Sizing to Reduce Capacity Lot Utilization in a ProductionProcess with Defective Items, Process correction and Rework. Management Science, (1992) 1314-1328.
33. Liou, M.J., Tseng, S.T. and Lin, T.M. The Effects of Inspection Errors to the Imperfect EMQ Model. IIE Transactions, 26 No.2 (1994) 42-51.
34. Ohta, H. and Ogawa, S. (1991). Joint Determination of Production Cycle and Inspection Schedules Under Inspection Errors. In: Pridhan M. and Brien C.O. (eds) Production Research: Approaching the 21stCentury. Taylor and Francis, pp. 179-188.
35. Cheng, T.C.E. An Economic Order Quantity Model with Demand Dependent Unit Production Cost and Imperfect Production Processes lIE Transactions, 23 No.1 (1991) 23-28.
36. Khouja, M. and Mehrez, A. Economic Production Lot Size Model with Variable Production Rate and Imperfect Quality. Journal of Operational Research Society, 45 No.12 (1994) 1405-17.
37. Keller, G. and Noori, H. Impact of Investing in the Quality Improvement on the Lot size Model. OMEGA International Journal of Management Scince, 16 No.6 (1988) 595-60l.
38. Chand, S. Lot Sizes and Setup Frequency with Learning in Setups and Process Quality. European Journal of Operations Research, 42 (1989) 190-202.
39. Yeh, R.H., Ho, W. and Tseng, S. Optimal Production Run Length for Products Sold with Warrenty. European Journal of Operations Research, 120 (2000) 575-582.
40. Ben-Daya, M. and Hariga, M. Economic Lot Scheduling problem with Imperfect Production Processes. Journal of the Operational Research Society, 51 (2000) 875-88l.
41. Peters, M.H., Schneider H. and Tang, K. Joint Determination ofOptimal Inventory and Quality Control Policy. Management Science, 34 No.8 (1988) 991-1004.
42. Panagiotidou, S. and Nenes, G. (2009) ‘An economically designed, integrated quality and maintenance model using an adaptive Shewhart chart’, Reliability Engineering and System Safety, Vol. 94, pp.732–741.
43. Chen, S.L. and Chung, KJ. Determination of the optimal production run and the most profitable process mean for a production process. International Journal of Production Research, 34 No.7 (1996) 2051-58.
44. Raafat, F. Survey of Literature of Continuously Deteriorating Inventory Models. Journal of the Operational research Society, 42 (1991) 27-37.
45. Panagiotidou, S. and Tagaras, G. (2008) ‘Evaluation of maintenance policies for equipment subject to quality shifts and failures,’ International Journal of Production Research, Vol. 46, No. 20,
pp.5761–5779.
46. Goyal, S.K., Gunasekaran A., Martikainen T. and Yli-Olli, P. Integrating production and quality control policies: A survey. European Journal of Operational Research, 69 (1993) 1-13.
47. Gunasekaran, A., Korukonda, A.R., Virtanen, I. and Yli-OUi, P. Optimal Investment and Lot Sizing Policies for Improved Productivity and Quality International Journal of Produciton Research, 33 No.1 (1995) 261-278.
48. Wright, C.M. and Mehrez A. An Overview of Representative Research of the Relationships Between Quality and Inventory. Omega: International Journal of Management Science, 26 (1998) 29-47.
49. Lee, H.L., and Rosenblatt M.J. A Production and Maintenance Planning Model with Restoration Cost Dependent on Detection Delay. lIE Transactions, 21 No.4 (2006) 368-75.
50. Lee, H.L., and Rosenblatt M.J. Economic Design and Control of Monitoring Mechanisms in Automated Production Systems. IIE Transactions, 20 No.2 (2005) 201-9.
51. Lee, H.L., and Rosenblatt M.J. Simultaneous Determination of Production Cycles and Inspection Schedules in a Production System. Management Science, 33 (2004) 1125-36.
52. Berrichi, A., Amodeo, L., Yalaoui, F., Châtelet, E. and Mezghiche, M. (2009) ‘Bi-objective optimization algorithms for joint production and maintenance scheduling: application to the parallel machine problem’, J Intell Manuf., Vol. 20, pp.389–400.
53. Allaoui, H. and Artiba, A. (2004) ‘Integrating simulation and optimization to schedule a hybrid flow shop with maintenance constraints’, Computers & Industrial Engineering, Vol. 47, pp.431–450
54. Zhang, X. and Grechak, Y. Joint Lot Sizing and Inspection Policy in an EOQ Model with Random Yeild. IIE Transactions, 22 (1990) 44-47.
55. Makis, V. Optimal Lot Sizing and Inspection Policy for an EMQ Model with Imperfect Inspections Naval Research Logistics, 45 (1998) 165-186.
56. Makis, V. and J. Fung Optimal Preventive Maintenance Replacement, Lot Sizing and Inspection Policy for a Deteriorating Production System. Journal of Quality in Maintenance Engineering, 1 No.4
(1995) 41-55.
57. Makis, V., X. Jiang and Tse, E. A General EMQ Model with Machine Breakdowns. In Maintenance Modeling and Optimization, M. Ben-Daya, S. Duffuaa, and A. Raouf (eds). Kluwer Academic Publishers,2000
58. Batun, S. and Azizoğlu, M. (2009) ‘Single machine scheduling with preventive maintenance’, International Journal of Production Research, Vol. 47, No. 7, pp.1753–1771.
59. Kaabi, J., Varnier, C. and Zerhoni, N. (2002) ‘Heuristics for scheduling maintenance and production on a single machine’, IEEE Conference on Systems, Man and Cybernetics, Hammamet, Tunisia, 6–9 October.
60. Meller, R.D. and Kim, D.S. The Impact of Preventive Maintenance on System Cost and Buffer Size. European Journal of Operations Research, 95 (1996) 577-591
61. Dohi, T., Yamada, Y., Kaio, N. and Osaki, S. The optimal lot sizing for unreliable economic manufacturing models. International Journal of reliability Quality and Safety Engineering, 4 (1997) 413-426
62. Leung, J. Y. T., & Pinedo, M. (2004). A note on scheduling parallel machines subject to breakdown and repair. Naval Research Logistics, 51, 60–71.
63. Jeong, I-J., Leon, V.J. and Villalobos, J.R. (2007) ‘Integrated decision-support system for diagnosis, maintenance planning, and scheduling of manufacturing systems’, International Journal of Production Research, Vol. 45, No. 2, pp.267–285.
64. Kenne, J.P. and Gharbi, A. Production Planning Problem in Manufactuing Systems with General Failure and Repair Time Distributions. Production Planning and Control, 11 No.6 (2000) 581-588.
65. Ashyeri, J., Teelen, A. and Selen, W. A production and maintenance planning model for the process industry. International Journal of Production Research, 34 No. 12 (1996) 3311-26.
66. Rishel, T.D. and Christy, D.P. Incorporating Maintenance Activities into Production Planning; Integration at the Master Schedule Versus Material Requirements Level. International Journal of Production Research, 34 No.2 (1996) 421-446.
67. Brandolese, M., M. Francei and A. Pozzetti Production and Maintenance Integrated Planning. International Journal of Production Research, 34 No.7 (1996) 2059-75.
68. Taguchi, G. Introduction to Quality Engineering. Asian Productivity
Organization American Supplier Institute (1986).
69. Pate'-Cornell, Lee, H.L. and Tagaras, G. Warnings of Malfunction: The Decision to Inspect and Maintain Production Processes on Schedule or on Demand. Management Science, 33 (1987) 1277-90.
70. Chiu, H.N. and Huang, B.S. The Economic Design of x-Control Charts under Preventive Maintenance Policy. Journal of Quality in Maintenance Engineering, 13 No.1 (1996) 61-71.
71. Chiu, H.N. and Huang, B.S. The Economic Design of x and S2 Control Charts with Preventive Maintenance and Increasing Hazard Rate. Journal of Quality in Maintenance Engineering, 1 No.4 (1995) 17-40.
72. Leng, K., Ren, P., & Gao, L. (2006). A novel approach to integrated preventive
maintenance planning and production scheduling for a single machine using the chaotic particle swarm optimization algorithm. In Proceedings of the 6th world congress on intelligent control and automation (pp. 7816–7820). June 21–23, 2006, Dalian, China.
73. Collani, E.v. Control of Production Process Subject to Random Shocks. Anals of Operation Research, 91 (1999) 289-304.
74. Cassady, C.R., et al., 2000. Combining preventive maintenance and statistical process control: a preliminary investigation. IIE Transactions, 32, 471–478.
75. Yeung, T.G., Cassady, C.R., and Schneider, K., 2008. Simultaneous optimization of X-control chart and age-based preventive maintenance policies under an economic objective. IIE Transactions, 40, 147–159.
76. Kuo, Y., 2006. Optimal adaptive control policy for joint machine maintenance and product quality control. European Journal of Operational Research, 171, 586–597.
77. Linderman, K., McKone-Sweet, K.E., and Anderson, J.C., 2005. An integrated systems approach to process control and maintenance. European Journal of Operational Research, 164, 324–340.
78. Panagiotidou, S. and Tagaras, G., 2007. Optimal preventive maintenance for equipment with two quality states and general failure time distributions. European Journal of Operational Research, 180 (1), 329–353.
79. Panagiotidou, S. and Tagaras, G., 2008. Evaluation of maintenance policies for equipment subject to quality shifts and failures. International Journal of Production Research, 46 (20), 5761–5779.
80. Chiu, H.N. and Huang, B.S., 1996. The economic design of X-control chart under preventive maintenance policy. Journal of Quality in Maintenance Engineering, 13 (1), 61–71.
81. Zhou, W.H. and Zhu, G.L., 2008. Economic design of integrated model of control chart and maintenance management. Mathematical and Computer Modeling, 47 (11–12), 1389–1395
82. Panagiotidou, S. and Nenes, G., 2009. An economically designed, integrated quality and maintenance model using an adaptive Shewhart chart. Reliability Engineering and System Safety, 94, 732–741.
83. Wang, W., 2010. Maintenance models based on the np control charts with respect to the sampling interval. Journal of the Operational Research Society, (13 January 2010) |doi:10.1057/jors.(2009).165.
84. Huang, B. and Chiu, H. The Quality Management of the Imperfect Production Process under Two Monitoring Policies. International Journal of Quality & Reliability Management, 12 No.3 (1995) 19-31.
85. Kumar, U. (2008), ‘‘System maintenance: trends in management and technology’’, in Misra, K.B. (Ed.), Handbook of Performability Engineering, Springer, London, pp. 773-87.
86. Misra, K.B. (2008), ‘‘Maintenance engineering and maintainability: an introduction’’, in Misra, K.B. (Ed.), Handbook of Performability Engineering, Springer, London, pp. 755-72.
87. Garg, A. and Deshmukh, S.G. (2005), ‘‘Maintenance management: literature review and directions’’, Journal of Quality in Maintenance Engineering, Vol. 12 No. 3, pp. 205-38.
88. Pandey, D., Kulkarni, M.S. and Vrat, P . (2007), ‘‘Integrated production scheduling, quality, maintenance models: an overview’’, in Jain, C.K. (Ed.), Proceedings of the International, Conference on Recent Trends in Mechanical Engineering ICRTME, Ujjain Engineering, College, Ujjain, India, 4-6 October, pp. IP-21-5.
89. Lad, B.K. and Kulkarni, M.S., 2008. Integrated reliability and optimal maintenance schedule design: a life cycle cost based approach. International Journal of Product Life Cycle Management, 3 (1), 78–90.
90. Black, J. and Mejabi, O., 1995. Simulation of complex manufacturing equipment reliability using object oriented methods. Reliability Engineering and System Safety, 48 (1), 11–18.
91. Pandey, D., Kulkarni, 2010. A model for optimal maintenance interval incorporating the cost of rejections in manufacturing International Journal of Advanced Operations Management.
92. Lorenzen, T. J., & Vance, L. C. (1986). The economic design of control charts: A unified approach. Technometrics, 28(1), 3–10.