خلاصة:
طبقه بندی موجودی یکی از تکنیک های مهم در حوزه ی مدیریت موجودی است. به دلیل تنوع و حجم بالای اقلام موجودی در یک شرکت، مدیران ناگزیر هستند آنها را طبقه بندی کنند. بنابراین، بخشی از تلاش پژوهشگران به منظور یافتن روش هایی بوده است که با تعیین تعداد طبقات موجودی، توان کنترل مدیریت را افزایش دهند. در این مقاله، از الگوریتم بهینه سازی جمعی راه حل های چند هدفه در سال 2008 ارائه شده است.4 « سو ویی » و « چی یانگ » استفاده می شود. این الگوریتم از سوی الگوریتم بهینه سازی جمعی راه حل های چن دهدفه نوعی الگوریتم تکاملی است که چند هدفه بودن تابع آن، به مدیریت این امکان را می دهد تا همزمان به دنبال بهینه سازی اهداف متعددی باشد. حداقل کردن هزینه های نگهداری و سفار شده ی و حداکثرکردن نرخ گردش موجودی در این مدل مد نظر هستند. 1تایی مورد آزمون قرار دادیم. نتایج پس از نوشتن برنامه ی نرم افزاری مدل، آن را روی یک نمونه ی نشان می دهد که این الگوریتم، می تواند هزینه های نگهداری و سفار شده ی را به طور قابل ملاحظ های کاهش داده و نرخ گردش موجودی را افزایش دهد
Inventory classification is one of important techniques in inventory control context. Managers have to classify inventories because of their variety and high volume. So a stream of research has been to attempt to find methods that increase the management control by determining the number of inventory classes. In this paper the multiple objective particle swarm optimization algorithm has been used. This algorithm has been presented by Chi-Yang Tsai and Szu-Wei Yeh in 2008. Multiple objective particle swarm optimization algorithm is an evolutionary algorithm that enables the management to optimize multiple objectives simultaneously. Minimizing costs of inventory holding and ordering and maximizing inventory turnover ratios are this model’s objectives. We write the software program of this model and then test it on a sample of 100 items. Results show that this algorithm can decrease costs of holding & ordering and also increase the inventory turnover ratios significantly.