整數優化在生產計畫中的應用
生產計劃是營運管理的核心職能，它決定生產什麼、生產多少、何時生產以及如何分配資源才能以經濟高效的方式滿足市場需求。實際上，生產決策很少是「連續的」或可以無限分割的。許多決策都是離散的：啟動的機器數量必須是整數，安排的工人數量必須是整數，生產批量不能減半，生產速率的選擇通常受到最小產能的限制。正是在這種情況下，整數優化顯得格外重要。透過整數優化，企業可以對離散決策進行實際建模，並制定可以在現場執行的生產計劃。
什麼是整數優化？
整數最佳化是數學最佳化的一個分支，其中部分或全部決策變數被約束為整數。如果所有變數都必須是整數，則該問題稱為整數規劃（IP）。如果只有部分變數必須是整數，而其他變數是連續的，則稱為混合整數規劃（MIP）。在生產計畫領域，MIP 最常用，因為某些決策（例如產量）必須是整數，而其他決策（例如加班小時數）可以在一定範圍內視為連續值。
整數最佳化模型通常包含三個主要組成部分：（1）目標函數，例如最小化總生產成本和庫存成本或最大化利潤；（2）決策變量，例如每期生產的單位數量、機器的開/關狀態或原材料採購決策；以及（3）約束條件，例如機器產能、勞動力、原材料可用性、需求水準、庫存約束和其他操作規則。
為什麼生產計劃需要整數變數？
在許多製造業企業中，決策不能以分數形式進行。例如，如果企業採用大量生產，則批量大小必須是整數。某台機器可能只有在通電狀態下才能運作，這就需要一個二進位變數（0-1）來表示「機器開啟」或「機器關閉」的狀態。同樣的道理也適用於設定決策：當生產線從生產產品 A 切換到生產產品 B 時，通常只有在切換期間實際生產了產品 B 才會產生設定成本和設定時間。使用二進制變量，模型可以捕捉“是否進行設定”的狀態。
此外，整數最佳化使企業能夠更精確地融入複雜的業務規則。例如，為維持品質穩定性而設定的最低產量、禁止在同一台機器上同一班次生產兩種特定產品，或履行優先客戶合約的義務。這些類型的規則很難在純線性連續最佳化中準確表示。
適合用整數優化建模的生產決策類型
整數優化應用於從策略到營運的各個規劃層面。其應用範例包括：
1. 總體規劃
確定每個週期的總產量、庫存水準和勞動力需求，並考慮季節性需求。整數變數可以表示僱用/解僱的工人數量或空缺班次數量。
2. 批量大小和多周期生產計劃
確定每個時期每種產品的產量，以滿足需求，同時最大限度地降低生產、設定和儲存成本。通常使用二元變數來指示在給定時期是否生產某種產品（啟動設定成本）。
3. 機器調度
確定生產順序並將作業分配給機器，以最大限度地減少完工時間、延誤或成本。此模型通常使用二元變數來判斷作業 i 是否在作業 j 之前完成。
4. 產能與投資選擇
對於購買新機器、增加生產線或開設額外工廠等決策而言，這些決策通常是離散的且價值很高的，因此二進制/整數變數是理想的選擇。
5. 物料和零件計畫（帶優化的MRP）
在物料清單 (BOM) 複雜的行業中，整數優化有助於確定何時以及生產或訂購多少組件，同時避免材料短缺並降低庫存成本。
簡單模型結構範例
更具體地說，假設一家公司生產兩種產品：P1 和 P2。該公司希望在三個週期內最小化總成本，總成本包括生產成本、設定成本和庫存持有成本。關鍵決策變數包括：每個週期生產的 P1 和 P2 的數量（整數）、每個週期的期末庫存（整數）以及一個二元變量，該變數指示該週期生產的是 P1 還是 P2（以觸發設定成本）。限制條件包括：庫存平衡（產量 + 期初庫存 - 需求 = 期末庫存）、每個週期的機器工時以及生產某種產品時的最低產量限制。
從概念上講，這種模型有助於回答一個常見的管理問題：為了避免重複設置，即使庫存持有成本增加，是否應該提前生產更多產品？或者，反過來，為了保持低庫存，即使設置成本增加，是否應該根據每個週期的需求進行生產？整數最佳化可以根據現有的成本和產能數據找到最佳組合。
整數優化對產業的益處
整數優化的主要優勢在於能夠產生可行且符合實際的解決方案。連續模型有時會給出「生產12,7批次」或「生產0,3台機器」這樣的方案，這顯然是不切實際的。而採用整數約束後，產生的生產計畫即可立即執行。
此外，整數最佳化模型使企業能夠進行結構化的情境分析和敏感度分析。例如，企業可以檢視需求變化、能源成本上漲、原料延遲供應或其他因素的影響。由於該模型是數學化的且明確定義的，因此可以快速納入任何假設變更並得出新的解決方案，從而促進數據驅動的決策。
在競爭激烈的工業環境中，整數優化還有助於降低總成本並提高客戶服務水準。透過更精確的生產計劃，企業可以減少庫存積壓、最大限度地減少不必要的加班、最大限度地減少機器停機時間並減少交貨延遲。
實際應用挑戰
儘管整數規劃演算法功能強大，但也面臨許多挑戰。首先，混合整數規劃（MIP）問題可能非常複雜且計算耗時，尤其是在產品數量、週期、機器數量和約束條件數量龐大的情況下。其次，解決方案的品質高度依賴資料品質：不準確的設定成本、不切實際的機器產能或錯誤的需求資料都可能導致難以實施的方案。第三，現場生產條件的變化——例如機器故障或材料延遲——可能需要對初始方案進行快速調整。
為了解決這個問題，公司通常會採用分階段的方法：先建立一個簡單的模型，與生產團隊驗證結果，然後隨著資料和流程的成熟逐步增加模型的複雜性。許多組織也會對求解器設定時間限制，使其在可接受的時間內獲得「足夠好」的解決方案，而不是等待完美最優解。
軟體和系統集成
從技術角度來看，整數最佳化演算法可由多種求解器支持，例如 Gurobi、CPLEX 和 CBC，並可使用 Python（PuLP、Pyomo）、AMPL 或 GAMS 等建模語言進行建模。在工業應用中，模型通常與 ERP 和 MES 系統集成，以自動傳輸原材料、排程和生產輸出資料。這種整合至關重要，它能確保優化不僅僅是一個分析項目，而是成為日常規劃流程的一部分。
結論
整數最佳化是生產計畫中一項極具價值的工具，因為它能夠模擬工廠中實際發生的各種離散決策，例如：設定、批次、勞動力、機器狀態以及各種操作規則。透過建構反映真實世界狀況的目標函數和約束條件，企業可以製定高效、切合實際且易於執行的生產計劃。儘管計算和資料品質方面存在一些挑戰，但分階段、整合式的實施可以帶來顯著的效益：降低成本、更好地控制庫存以及提升客戶服務水準。最終，整數最佳化有助於將生產計劃從單純的猜測轉變為可衡量的、基於模型的決策。
