TEK BOYUTLU KESME PROBLEM : B R LETME UYGULAMASI
Fatma DEM RCAN Haluk SOYUER
Ege Üniversitesi Ege Üniversitesi
ÖZET
Bu çal mada, Wascher vd. (2007) tarafndan Tek Boyutlu Çoklu Stok Büyüklüklerinin Kesim Problemi (one-dimensional Multiple Stock Size Cutting Stock Problem) eklinde snflandrlan problem ele alnm tr. Uygulama, paslanmaz çelik so uk ekillendirme sektöründe faaliyet gösteren bir i letmenin gerçek verileri kullanlarak yaplm tr. letme farkl tip ve boylarda hammadde tedarik etmektedir.
Çal mada, bu problemin çözümü için iki a amal bir çözüm yöntemi önerilmi tir. lk a amada, olu turulan sezgisel algoritma aracl ile her parça ve alternatif hammadde boyu için alternatif kesim ekilleri elde edilmi tir. kinci a amada, bu algoritma ile elde edilen kesim ekilleri olu turulan tam sayl do rusal programlama modeline aktarlm tr. Bu model ile tüm ürünlerin dönemsel taleplerinin minimum kesim kayb ile kar lanmas için hangi hammadde tipinin hangi boyundan kaç adet tedarik edilmesi gerekti i ve bu hammaddelerin hangi kesim ekilleri ile kaç kez kesilmesi gerekti i belirlenmi tir.
Anahtar Kelimeler : Tek Boyutlu Kesme Problemi, Tamsayl Do rusal Programlama, Sezgisel Algoritma
ONE DIMENSIONAL CUTTING STOCK PROBLEM: AN APPLICATION ON A COMPANY
ABSTRACT
In this paper, the problem that is classified as a one-dimensional Multiple Stock Size Cutting Stock Problem by Wascher et al. (2007) is addressed. The real life application of this problem is realized in a company operating in the stainless steel cold forming industry. The company supplies different types and sizes of stocks. This paper proposes a two-stage approach. In the first stage, alternative cutting patterns for each item and each stock size are generated through a heuristic procedure. These patterns are fed into the second stage and an integer linear programming model is solved in this stage.Tthe sizes and types of stocks to be supplied and cutting patterns to be applied on the stock types and how many times they will be cut will be determined through this model to fulfill periodic demands of all items with minimum trim loss.
Keywords : One Dimensional Cutting Stock Problem, Integer Linear Programming, A Heuristic Approach
1. G R
Günümüz yo un rekabet ko ullar altnda ayakta kalmak isteyen i letmeler, maliyetlerini minimize etmek ve etkinliklerini arttrmak zorundadr. Ka t, cam, çelik, metal, tekstil, deri vb. birçok endüstride faaliyet gösteren i letme, maliyetlerini ve süreçlerinin etkinli ini önemli ölçüde etkileyen kesme problemleriyle kar kar ya kalmaktadr. Kesme problemleri endüstriden endüstriye hatta i letmeden i letmeye farkllk gösteren bir problem tipidir. Bu problemlerin ço u, belirli büyüklükteki parçalardan, üretim maliyetlerini ve fire miktarn minimize etmek ya da kar maksimize etmek gibi amaç fonksiyonlarn
optimize ederek, belirli büyüklük ve miktarlarda daha ksa parçalarn kesilmesini içerir (Yanasse ve Lamosa, 2006). Büyük boyutlu parçalardan daha ksa parçalar kesilirken genel olarak, Hinxman (1980) tarafndan ana malzeme (hammadde) seçimi ve kesim kayb olarak adlandrlan iki problem ortaya çkmaktadr.
Bu çal mada tek boyutlu bir kesme problemi ele alnacaktr. Tek boyutlu kesme problemleri NP zor olarak nitelendirilen kombinatoryal problemlerden biridir (Garey ve Johnson,1979). Kesme problemleri ile ilgili literatürde çok sayda çal ma bulunmaktadr. Bu alanda yaplan çal malar ve geli tirilen çözüm yöntemleri, Gilmore ve Gomory (1961,1963) nin tek boyutlu kesme problemleri ile ilgili do rusal programlama yöntemini kulland çal malardan sonra hz kazanm tr (Chiong vd., 2010). Son dönemlerde yaplan çal malarda kesin çözüm veren modeller ile sezgisel yöntemlerin bir arada kullanm ön plana çkm tr. Aktin ve Özdemir (2009) tek boyutlu kesme problemleri için iki a amal bir yakla m sunmu tur.
lk a amada olu turduklar sezgisel algoritma aracl yla kesim ekli alternatifleri olu turulup, ikinci a amada kesim plan kararlar vermi lerdir. ki a amada da tamsayl do rusal programlamay
kullanm lardr. Wongprakornkul ve Charnsethikul (2010) tek boyutlu kesme problemi için kesikli talep durumunda stoklama maliyetlerini de göz önünde bulunduran iki algoritma önermi tir. Bunlardan ilki sütun olu turma tekni ine dayal bir matematiksel model, ikincisi yapc bir sezgisel algoritmadr. Reinertsen ve Vossen (2010), sipari lerin termin zamanlarndan önce tamamlanmas kstnn oldu u kesme problemlerinin çözümü için en iyileme modelleri geli tirmi lerdir. Bu modellerde, sipari lerin zamannda kar lanmasna, hammadde firelerinin minimizasyonundan daha çok önem verilmi tir. Geli tirdikleri modellerin çözümünde sütun olu turma prosedürlerini ve en ksa yol algoritmasn kullanm lardr.
Bu çal mada, stoklarda snrl sayda bulunan farkl uzunluktaki, çok sayda hammaddenin, tek boyutlu olarak küçük parçalar halinde kesildi i, Wascher vd. (2007) tarafndan Tek Boyutlu Çoklu Stok Büyüklüklerinin Kesim Problemi (one-dimensional Multiple Stock Size Cutting Stock Problem- MSSCSP {1}-boyutlu) eklinde snflandrlan problem incelenecektir. MSSCSP {1}-boyutlu problem tipi ile ilgili literatürde az sayda çal ma bulunmaktadr (Araujo vd.,2010). Belov ve G. Scheithauer (2002) ve Alves ve Carvalho (2008) bu problem için kesin çözüm algoritmalar kullanrken, Lu vd. (2008), Poldi ve Arenales (2009) ve Araujo vd. (2010) sezgisel algoritmalardan yararlanm tr.
Bu çal mada paslanmaz çelik so uk ekillendirme sektöründe faaliyet gösteren bir i letmenin kesme problemi ele alnacaktr. Bu i letme 9 tipte hammadde tedarik etmektedir. Tüm hammadde tipleri için 3000, 4000 ve 6000 mm olmak üzere üç alternatif hammadde boyu bulunmaktadr. letme bir hammadde tipinden birden fazla ürün için kesim yaplabilmekte; ancak bir ürün yalnzca bir tip hammaddeden kesilebilmektedir.
Problem bir sonraki bölümde detayl olarak anlatlacaktr. Çal mada, bu problemin çözümü için iki a amal
bir çözüm yöntemi önerilmi tir. lk a amada, olu turulan sezgisel algoritma aracl ile her parça ve alternatif hammadde boyu için göz önünde bulundurulan durumlar altnda en az kesim kaybn veren kesim ekilleri elde edilecektir. kinci a amada, bu algoritma ile elde edilen kesim ekilleri, alternatif kesim ekilleri olarak, olu turulan tam sayl do rusal programlama modeline aktarlacaktr. Bu model ile tüm ürünlerin dönemsel taleplerinin minimum kesim kayb ile kar lanmas için hangi hammadde tipinin hangi boyundan kaç adet tedarik edilmesi gerekti i ve bu hammaddelerin hangi kesim ekilleri ile kaç kez kesilmesi gerekti i bulunacaktr. Bir sonraki bölümde, ele alnan problem ayrntl bir ekilde açklanacaktr. Sonraki bölümlerde sezgisel algoritma ve do rusal programlama modelinden bahsedilecek ve elde edilen sonuçlar sunulacaktr.
2. PROBLEM
Bu çal mada çelik so uk ekillendirme sektöründe faaliyet gösteren bir i letmenin MSSCSP {1}- boyutlu problemi, i letmenin gerçek verileri kullanlarak ele alnm tr. Bu i letme, çe itli uzunluklarda çubuk, profil ve boru tedarik etmektedir. Tablo.1 de hammadde tip ve boylar gösterilmi tir.
Tablo 1. Hammadde Tip ve Boylar
Hammadde Tipi 10 x 1,20 mm boru
10 x 20 x 1,20 mm profil Alternatif Hammadde Boylar
12 x 1,20 mm boru 3000 mm
14 x 1,20 mm boru 4000 mm
22 x 1,20 mm boru 6000 mm
34 x 1,00 mm boru ÇAP 12 mm çubuk ÇAP 7 mm çubuk ÇAP 8 mm çubuk
Tedarik edilen bu hammaddeler, 50 den fazla üründe kullanlmaktadr. Ürünler sistemin gereksinimlerine göre indirgendi inde toplamda 46 ürün elde edilmektedir. Ürünlerin talepleri yllk olarak alnmaktadr. letme, belirli uzunluklarda tedarik etti i hammaddeleri pres ve testerelerde kesmektedir.
letme, bir boy çubuk veya borudan birden fazla ürün için kesim yapabilmektedir, ancak bir ürün sadece bir tip hammaddeden kesilebilmektedir.
Kesim sürecindeki önemli maliyet unsurlarndan biri, hammaddelerden birden fazla ürün için kesim yapld nda ortaya çkmaktadr. Ürünler için kesim yaplrken, ürünlerin özelliklerine ba l olarak farkl
kalplar kullanlmaktadr. Bir boy hammaddeden birden çok ürün için kesim yaplmak istendi inde, ürün tipine ba l olarak kalp de i imi ve çe itli ayarlar yaplmas gerekmektedir. Bu, i letme için ciddi bir maliyet unsurudur. Bunun yan sra bir boy hammaddeden ikiden fazla ürün kesildi inde bu kalan parçalarn stoklanmas ve hangi ürün kesilece ini belirtecek ekilde stoklamak da sistemde sorunlara yol açacaktr. Bu nedenle i letme, bir boy hammaddeden mümkün oldu u kadar tek tip ürün için parça kesimi yapmaktadr. Bu kesim sonras hammaddeden kalan parça ba ka bir ya da birkaç ürün için kullanlabilecek boyda ise kullanlmakta, kullanlamayacak boyda ise hurdaya ayrlmaktadr. Bu da i letme için ciddi bir maliyet unsurudur.
Bu çal mada i letmenin hammadde kesim sürecinde en ciddi maliyet payn olu turan bu iki unsur göz önünde bulundurularak, bu sürecin minimum maliyetle gerçekle mesini sa layacak, i letmenin amacna uygun kesim planlarnn çok ksa sürede olu turulmas hedeflenmektedir.
Bu amaçla, kesim srasndaki parça tiplerindeki geçi lerde ya anan skntlar ve ortaya çkan maliyetleri en aza indirgemek amac ile öncelikle bir boy hammaddeden en fazla iki tip parça kesimine izin veren bir sezgisel algoritma olu turulmu tur. Bu sezgisel algoritma ile elde edilen kesim ekilleri, ikinci a amadaki do rusal programlama modeline aktarlm tr. Geli tirilen sezgisel algoritma bir sonraki bölümde ayrntl
olarak açklanmaktadr.
3. SEZG SEL ALGOR TMA
Kombinatoryal problemlerden biri olan kesme problemlerinde, problemin boyutu arttkça makul sürelerde en iyi çözümlerin elde edilmesi oldukça zorla maktadr. Bu çal mada ele alnan problemde, 9 tip ve 3 farkl boyda hammaddeden 46 farkl ürün için parça kesimi yaplmaktadr. Problemin boyutu dü ünüldü ünde, tüm alternatif kesim ekillerinin belirlenmesi ve en dü ük fire miktar ve ayar süresini veren optimum kesim planlarnn olu turulmasnn makul sürelerde gerçekle tirilemeyece i görülmektedir. Bu nedenle, tüm olurlu kesim ekillerini bulmak yerine, i letmenin amaçlarna uygun alternatif kesim ekillerini elde etmek istenmi tir. Bu amaçla olu turulan sezgisel algoritmann i leyi yaps ve admlar a a da açklanm tr:
Parametreler:
i parça indisi; i=1,,..,,I m parça seti elemanlar indisi
j kesim ekli indisi; j=1, ,J k hammadde indisi; k=1,..,K
Lk k hammaddesinin boyu li i parçasnn boyu
nmaxi k hammaddesinden i parçasnn kesilebilece i maksimum say (Lk-nmaxi*li < li) kalanki1 k hammaddesinden i parçasnn nmaxi kere kesimi sonucu kalan miktar
kalanki2 k hammaddesinden i parçasnn nmaxi -1 kere kesimi sonucu kalan miktar
kalankim1 k hammaddesinden i parçasnn nmaxi kere kesimi sonras m parçasnn nmaxm defa kesimi sonucu kalan miktar
kalankim2 k hammaddesinden i parçasnn nmaxi -1 kere kesimi sonras m parçasnn nmaxm defa kesimi sonucu kalan miktar
Algoritma:
Yukarda açklanan algoritma C# dilinde kodlanm tr. Bu algoritma ile her parça ve o parçann kesiminin yaplaca hammaddenin 3 boyu için, kesime o parça ile ba lanan en az birer tane kesim ekli elde edilmi tir. Her kesim eklinde en fazla iki tip parça yer almaktadr. Bu, kesim srasndaki parça tiplerindeki geçi lerde ya anan skntlar azaltacaktr. Algoritma 1 saniyenin altnda bir sürede çözüm vermektedir. 9 hammaddenin 3000 mm lik boyu için 47, 4000 mm için 49 ve 6000 mm için 48 kesim ekli elde edilmi tir.
A a da, algoritmann çözümü sonucu elde edilen kesim ekillerinden örnekler verilmi tir.
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 5
8. hammadde 3000 mm 1. parça kesim says: 28, 5. parça kesim says:1, fire miktar: 3.8 mm 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 16
9. hammadde 4000 mm 15. parça kesim says: 21, 16. parça:1, fire miktar: 2.4 mm
43 43 43 43 43 43 43 43 43 43 43 35
6. hammadde 6000 mm 43. parça kesim says:11, 35. parça kesim says: 1, fire miktar: 18 mm ekil 1. Örnek Kesim ekilleri
I. k hammaddesinin ilk alternatif boyundan ba layarak tüm alternatif boylar için a a daki admlar uygula ( lk olarak 3000, daha sonra 4000 ve son olarak 6000 mm)
II. k hammaddesinden kesilebilen parça setini, parça numarasna göre küçükten büyü e srala ( kiçin)
III. parça setinin ilk elemanndan son elemanna kadar sras ile a a daki admlar
uygula
IV. kalanki1 ve kalanki2 de erlerini hesapla
V. parça listesindeki di er parçalar için (m i) sras ile
VI. kalanki1> lm ise
- kalankim1 de erini hesapla VII. kalanki2> lm ise
- kalankim2 de erini hesapla
VIII. kalanki1< lm ise kalanki1 de erini kaydet IX. kalanki2< lm ise kalanki2 de erini kaydet
ekil 1 de, sezgisel algoritmann çözümü ile elde edilen kesim ekillerinden üç tanesi verilmi tir.
Krmz ile boyanm bölüm, hammadde fire miktarn göstermektedir. Verilen ilk örnekte 8. hammaddenin 3000 mm lik boyundan 1. parça 28 kez, 5. parça 1 kez kesilmi tir. Hammaddenin sonunda kalan 3.8 mm lik bölüm fire miktardr.
Bu algoritma ile elde edilen kesim ekilleri, tüm olurlu kesim ekilleri içinde en az fireyi veren optimum kesim ekilleri de ildir. Burada amaç, kesim i lemi srasndaki parça tipi de i imlerinden ve hammadde fire miktarlarndan do an maliyetleri ayn anda en aza indirgemeye çal an, amaca uygun kesim ekillerine ksa sürede ula abilmektir. Bu a amada elde edilen alternatif kesim ekilleri, bir sonraki bölümde açklanacak olan tam sayl do rusal programlama modeline girdi olarak sunulmu tur.
4. MATEMAT KSEL MODEL
Sezgisel algoritma ile kesim planna alnabilecek alternatif kesim ekillerinin olu turulmasndan sonra, tüm ürünlerin dönemsel taleplerinin minimum fire miktar ile kar lanmas için bu alternatiflerden hangilerinin kaç kez kullanlaca nn ve hangi hammadde tipinin hangi boyundan kaç adet tedarik edilmesi gerekti inin belirlenmesi gerekmektedir. Bu amaç ile a a da belirtilen tam sayl do rusal programlama modeli olu turulmu tur. Matematiksel modelde, sezgisel algoritmada kullanlan parça ve hammadde indisleri kullanlm tr. Bunlar d nda kullanlan parametre ve karar de i kenleri a a da belirtilmi tir.
Parametreler
talepi i. parçann talebi
ksji j. kesim eklinde i parçasnn kesim says
firekj k. hammaddenin j kesim ekli ile kesilmesi sonucu ortaya çkan fire miktar
Mkj k. hammadde j. kesim ekliyle kesilebiliyorsa 1, di er türlü 0 Ck k hammaddesinden mevcut olan miktar
Karar De i keni
X
j j. kesim eklinin kesim planndaki kullanm saysMin Z=
J K
j k
,
1 , 1
firekj . Xj (1) s.t.
ksji . Xj . M kj talep i i için (2) ksji . Xj . M kj 1.1 . talep i i için (3)
J
j 1
Xj * M kj Ck k için (4)
Xj 0 ve tam say j için (5)
Amaç fonksiyonu (1) tüm hammadde tip ve boylar için, toplam fire miktarn minimize etmeyi amaçlamaktadr. Modeldeki ilk kst (2), tüm parçalarn talep miktarlarnn kar lanmasn garanti eder.
Burada her parçann talebi, parçann kesilebilece i hammaddenin tüm boylar için, sezgisel yöntem ile elde edilen kesim ekillerinden seçilenlerin X adet kullanlmas ile kar lanmaktadr. (3) numaral kst ise her parçann yllk olarak kesilecek miktarnn parçann yllk talebini, talebinin %10 undan daha fazla a mamas
için yazlm olan ksttr. letme, mü terileri ile yapm oldu u anla malara göre her ürün için yllk talep miktarnn %10 alt ya da üstündeki talep de i imlerini kar layabilmelidir. Bu nedenle matematiksel modelde böyle bir ksta yer verilmi tir. Bir sonraki kst (4), her hammadde tipi için kesim planna alnacak olan miktarn, stokta bulunan hammadde miktarn a amayaca n ifade etmektedir. Bu çal mada ele alnan problemde tüm hammadde tip ve boylar için stoklarda snrl fakat tüm ürünler için gerekli olan parçalar
kesmeye yetecek düzeyde stok bulunmaktadr. (5) numaral kst ise her kesim eklinin kesim planna kaç kez alnd n gösteren X karar de i keninin 0 ya da pozitif bir tamsay olmas gerekti ini ifade etmektedir.
Tablo 2. Parça Tiplerinin Yllk Kesim Miktar - Hammadde Tipi ve Boyu çin Yllk Gerekli Miktarlar
Parça Tipi
Kesilecek Parça Miktar
Talep Fark
Hammadd e Tipi
3000 mm 4000 mm 6000 mm
1 6506 6500 6 1 1 177 2884
2 11509 11500 9 2 2151 602 329
3 135267 135200 67 3 1541 2459 0
4 3205 3200 5 4 0 4393 7000
5 7507 7500 7 5 1139 265 0
6 76330 76330 0 6 242 858 119
7 2109 2100 9 7 295 2150 870
8 2112 2100 12 8 626 837 5854
9 2184 2180 4 9 240 2962 1126
10 17878 17877 1
11 8633 8422 211
12 4500 4500 0
13 40018 40000 18
14 6528 6500 28
15 4016 4000 16
16 16010 16000 10
17 12504 12500 4
18 47270 43000 4270
19 4200 4200 0
20 3952 3600 352
21 19006 19000 6
22 1001 1000 1
23 1602 1600 2
24 6594 6000 594
25 4501 4500 1
26 48006 48000 6
27 22601 22600 1
28 35738 32500 3238
29 44262 44250 12
30 92253 92250 3
31 175000 175000 0
32 15946 14500 1446
33 1655 1650 5
34 3609 3600 9
35 549 500 49
36 513 500 13
37 550 500 50
38 1113 1100 13
39 507 500 7
40 500 500 0
41 12502 12500 2
42 550 500 50
43 502 500 2
44 15050 15048 2
45 36567 36564 3
46 14268 14256 12
Bu matematiksel modelin çözümüyle i letme, tüm parçalarn yllk taleplerini en az toplam kesim kaybyla kar lamak için 9 tip hammaddenin üç farkl boyundan kaçar adet kullanmas gerekti ini bulacaktr.
Model Lingo 9 program ile 9 saniyede global optimum sonuç vermi tir. Modelin sonuçlarna göre her hammadde tipi ve boyu için yllk gerekli miktarlar, her parça tipinin yllk kesim miktar ve yllk talep ile kesim miktar arasndaki farklar Tablo 2 de verilmi tir.
Matematiksel modelin sonuçlarna göre, i letme tüm ürünlerin yllk talebini kar lamak için toplam olarak 51262 adet hammadde tedarik etmelidir. Bu hammaddelerin 13114 tanesinden sadece tek tip parça kesilmelidir. Geriye kalan 38148 adet hammaddeden ise iki tip parça kesimi yaplmaldr. Mevcut durumda i letme, kesim i lemini bütünsel bir süreç olarak ele almamaktadr. Bir hammadde boyundan kesim yaparken mümkün oldu unca tek tip parça kesmekte, kesim sonras kalan parça kullanlabilir uzunlukta ise bu parçadan bir ya da birkaç ürün için kesim yapmaktadr. Kesilecek tüm hammaddeler için bu i lemi ayr ayr
gerçekle tirmektedir. Bu çal mada önerilen iki a amal yöntem ile i letme, tüm kesim sürecini, ayar sürelerini de göz önünde bulundurarak en az fire ile gerçekle tirmi olacaktr. Önerilen yöntem tüm süreci göz önünde bulundurdu u ve bir hammaddeden en fazla iki tip parça kesimine izin verdi i için i letme ayar sürelerinde ciddi azalma ya ayacaktr. Ayn zamanda önerilen yöntem ile i letme, mü terileri ile yapm
oldu u anla malarda belirtilmi olan maksimum talep de i ikli i orann göz önünde bulundurarak kesim yapm olacaktr. Bu yöntemin alternatif algoritmalardan çözüm süresi d ndaki fark olarak, i letmenin kesim sürecini uzun dönemli olarak ele almas ve talep de i kenli i üst limitini göz önünde bulundurmas
söylenebilir.
5. SONUÇ VE DE ERLEND RME
Bu çal mada çelik so uk ekillendirme sektöründe faaliyet gösteren bir i letmenin MSSCSP {1}- boyutlu problemi, i letmenin gerçek verileri kullanlarak ele alnm tr. letme 9 tipte ve 3 farkl boyda hammadde tedarik etmekte ve bu hammaddelerden 46 tipte parça kesilmektedir. Kombinatoryal problemlerden biri olan kesme problemlerinde, bu boyuttaki bir problem için makul bir sürede optimal çözüm elde etmek oldukça zordur. Bu nedenle, i letmenin kesim sürecindeki en önemli iki maliyet unsuru olan toplam fire miktar ve kesim srasnda parça de i imleri srasndaki ayar sürelerini göz önünde bulunduran bir sezgisel algoritma geli tirilmi tir. Bu algoritma ile 1 saniyenin altnda bir sürede her parça ve hammadde boyu için alternatif kesim ekilleri olu turulmu tur. Olu turulan bu kesim ekilleri, tam sayl
do rusal programlama modeline aktarlm tr. Bu modelde, tüm ürünlerin dönemsel taleplerinin minimum kesim kayb ile kar lanmas için hangi hammadde tipinin hangi boyundan kaç adet tedarik edilmesi gerekti i ve bu hammaddelerin hangi kesim ekilleri ile kaç kez kesilmesi gerekti i belirlenmi tir. Modelde ayn
zamanda, i letmenin her parça için yllk parça kesiminin, talebin %10 undan daha fazla yaplmamas
sa lanm tr. Çal mada önerilen iki a amal yöntem, çok ksa sürede i letmenin problemine çözüm bulabilmekte, kesim srasndaki parça de i imlerindeki ayar sürelerini de göz önünde bulundurarak toplam fire miktarn minimize etmektedir.
KAYNAKÇA
Aktin, T. ve Ozdemir, R.G. (2009), An integrated approach to the one-dimensional cutting stock problem in coronary stent manufacturing, European Journal of Operational Research, 196: 737743.
Alves, C., Carvalho, J. M. V. (2008), A stabilized branch-and-price-and-cut algorithm for the multiple length cutting stock problem, Computers and Operations Research, 35: 1315- 1328.
Araujo, S.A., Constatntino, A.A. ve Poldi, K.C.(2011), An evolutionary algorithm for the one- dimensional cutting stock problem, International Transactions in Operational Research, 18 (1): 115127.
Belov, G. ve Scheithauer, G. (2002), A cutting plane algorithm for the one-dimensional cutting stock problem with multiple stock lengths, European Journal of Operational Research, 141:274294.
Chiong, R. (2007), A Comparison between Genetic Algorithms and Evolutionary Programming based on Cutting Stock Problem, Engineering Letters, 14:1.
Garey, M.R. ve Johnson, D.S. (1979), Computers and intractability:a guide to the Theory of NP- Completeness, W.H. Freeman and Company, San Francisco, CA, USA.
Gilmore, P.C. ve Gomory, R.E. (1961), A linear programming approach to the cutting stock problem, Operations Research, 9: 849859.
Gilmore, P.C., Gomory, R.E. (1963), A linear programming approach to the cutting stock problem part II, Operations Research, 11:863888.
Hinxman, A. (1980), The trim-loss and assortment problems: A survey, European Journal of Operational Research, 5: 818.
Jahromi, M.H.M.A, Tavakkoli-Moghaddam R., Givaki E. ve Rezapour-Ziba A. (2011), A Simulated Annealing Approach for a Standard One-Dimensional Cutting Stock Problem, International Journal of Academic Research, 3(1): 353-358.
Lu, Q., Wang, Z. ve Chen M. (2008), An Ant Colony Optimization Algorith for the One-Dimensional Cutting Stock Problem with Multiple Stock Lengths, Proceeding ICNC '08 Proceedings of the 2008 Fourth International Conference on Natural Computation , Vol: 07.
Poldi, K. C., Arenales, M. N. (2009), Heuristics for the one dimensional cutting stock problem with limited multiple stock lengths,Computers and Operations Research, 36:2074-2081.
Reinertsen, H. ve Vossen, T.W.M. (2010),The one-dimensional cutting stock problem with due dates, European Journal of Operational Research, 201:701711.
Wascher, G., Haubner, H. ve Schumann, H. (2007), An improved typology of cutting and packing problems, European Journal of Operational Research, 183: 11091130.
Wongprakornkul, S. ve Charnsethikul, P. (2010), Solving One-Dimensional Cutting Stock Problem with Discrete Demands and Capacitated Planning Objective,Journal of Mathematics and Statistics, 6(2):
79-83.
Yanasse, H. H. ve Lamosa, M.J.P. (2006), An integrated cutting stock and sequencing problem, European Journal of Operational Research, 183(3):1353-1370.