univerza v ljubljana ekonomska...

UNIVERZA V LJUBLJANA

EKONOMSKA FAKULTETA

DISPOZICIJA DOKTORSKE DISERTACIJE

Kandidat: Luka Tomat

Mentor: prof. dr. Miro Gradišar

Ljubljana, september 2011

1

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 eno-

dimenzionalnega razreza (Dyckhoff, 1990). Po tej klasifikaciji je problem optimizacije eno-

2

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 eno-

dimenzionalnega razreza z uporabnim ostankom je CSPUL (angl. Cutting stock problem with

usable leftover).

3

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.

4

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).

5

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

6

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.

7

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 eno-

dimenzionalnega 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.

8

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.

9

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 UVOD

1.1 Predstavitev problematike in pregled področja

1.2 Namen in cilj doktorske disertacije

1.3 Metode in tehnike znanstvenega raziskovanja

1.4 Znanstveni prispevek disertacije

1.5 Struktura doktorske disertacije

2 PROBLEM ENO-DIMENZIONALNEGA RAZREZA

2.1 Predstavitev pojmov in koncepta

2.2 Eksaktni in hevristični pristop

2.3 Pregled metod

2.4 Vloga razreza v podjetjih

2.5 Pregled obstoječih algoritmov

3 ENO-DIMENZIONALNI RAZREZ Z UPORABNIM OSTANKOM

3.1 Opis koncepta in pregled trenutnega stanja na proučevanem področju

3.2 Pregled metod

3.3 Opis izbrane metode

10

3.4 Nizko razmerje med povprečno dolţino na zalogi in povprečno dolţino naročil

4 IZMENJAVA INFORMACIJ S KUPCI IN DOBAVITELJI

4.1 Pomen hitrejše izmenjave informacij za podjetja

4.2 Zdruţevanje naročil

4.3 Komuniciranje z dobavitelji

4.4 Stroški naročanja, skladiščenja in transporta

4.5 Vpliv izmenjave informacij na stroške razreza

4.6 Optimalna naročilna količina

5 RAZVOJ NOVE METODE ZA PROBLEM RAZREZA MATERIALA PRI

NIZKEM RAZMERJU MED POVPREČNO DOLŽINO NA ZALOGI IN

POVPREČNO DOLŽINO NAROČIL

5.1 Definicija problema

5.2 Razvoj rešitve

5.3 Predstavitev rezultatov in primerjava med metodami

5.4 Analiza rezultatov

5.5 Ekonomska obrazloţitev rezultatov

5.6 Vpliv izmenjave informacij med kupci in dobavitelji na učinkovitost uporabe metode

5.7 Vpliv nove metode na določanje optimalne naročilne količine

6 RAZPRAVA

6.1 Umestitev rezultatov

6.2 Pomen ugotovitev za podjetja

6.3 Prispevek doktorske disertacije k znanosti

7 SKLEP

7.1 Glavne ugotovitve

7.2 Smernice za nadaljnje delo

8 LITERATURA

8 SPISEK RELEVANTE LITERATURE

V doktorski disertaciji bom predvidoma uporabil naslednjo literaturo;

1. Abuabara, A, & morabito, R. (2009). Cutting optimization of structural tubes to build

light aircrafts. Annals of Operations Research, 169 (1), 149-165.

2. 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.

3. 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.

11

4. Alfares, H. (2007). Inventory model with stock-level dependent demand rate and

variable holding cost. International Journal of Production Economics, 108 (1-2), 259-

265.

5. 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.

6. 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.

7. 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.

8. Amor, H. B., Desrosiers, J., & de Carvalho, J. M. V. (2006). Dual-optimal inequalities

for stabilized column generation. Operations Research, 54 (3), 454–463.

9. 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.

10. 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.

11. 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.

12. 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


13. 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


14. 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.

15. Barrat, M. (2004). Understanding the meaning of collaboration in the supply chain.

Supply Chain Management. An International Journal, 9 (1), 30-42.

16. 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.

12

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 one-

dimensional stock cutting and two-dimensional two-stage cutting. European Journal of


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.

13

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



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.

14

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 One-

Dimensional 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.

15

64. Gradišar, M., Kljajić, M., & Resinovič, G. (1999a). A hybrid approach for optimization

of one-dimensional cutting. European Journal of Operational Research, 119 (3), 165-

174.

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 one-

dimensional cutting. Working paper No. 90, Ljubljana: Ekonomska fakulteta.

67. Gradišar, M., Resinovič, G., & Kljajić, M. (2002). Evaluation of algorithms for one-

dimensional 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


76. Holthaus, O. (2003). On the best number of different standard lengths to stock for one-

dimensional 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.

16

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 one-

dimensional 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), 2289-

2301.

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 build-

to-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.

17

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.


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.

18

111. Pisinger, D. (2002). Heuristics for the container loading problem. European Journal of


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.


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 one-

dimensional 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.

19

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.

20

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, 1959-

1964

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 one-

dimensional 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.


21

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), 590-

598.

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.

22

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



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



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.

23

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), 449-

455.

Yin, R., K. (2003). Case study research: design and methods (3rd ed.): Thousand Oaks:

Sage Publications.

univerza v ljubljana ekonomska...

Documents