خلاصة:
تعیین سیاست بهینه موجودی همواره یکی از چالش های مدیریت موجودی و تولید بوده و در این زمینه، تاکنون تلاش های گسترده ای انجام و مدل های مختلفی ارائه شده است. بیشتر مدل هایی که مطرح شده اند تا حد امکان سعی در ساده سازی واقعیت ها داشته و پارامترهای مدل را به طور قطعی درنظر گرفته اند. همچنین، در تعیین سیاست بهینه موجودی در زنجیره های تامین چندسطحی، عدم قطعیت های بسیار زیادی تاثیرگذار هستند. در این تحقیق، با استفاده از شبکه های بیزین، یک مدل یکپارچه احتمالی برای مدل سازی عدم قطعیت سیاست بهینه موجودی در زنجیره های تامین چندسطحی توسعه یافته است. کاربرد اصلی شبکه های مذکور در وضعیت هایی است که نیازمند استنتاج آماری باشند. این روش یکی از ابزارهای جدید و پیشرفته هوش مصنوعی و مدل سازی ریسک است که مکانیسمی برای ارزیابی روابط علت و معلولی دربین مجموعه ای از متغیرها فراهم می آورد. در مدل پیشنهادی انواع متغیرهای کمی و کیفی غیرقطعی در سطوح مشتری، خرده فروش، تولیدکننده و تامین کننده فرمول نویسی شده اند. منطق مدل، تسخیر عدم قطعیت عوامل سازمانی و فنی برای استنتاج موجودی بهینه در سطوح مطلوب است و با استفاده از داده های یک مطالعه موردی در نرم افزار Agenarisk پیاده سازی شده است.
ملخص الجهاز:
مدل سازی سیستم کنترل موجودی در زنجیره تأمین چندسطحی، با استفاده از شبکه های بیزین چکیده تعیین سیاست بهینه موجودی همواره یکی از چالش های مدیریت موجودی و تولید بوده و در این زمینه ، تاکنون تلاش های گسترده ای انجام و مدل های مختلفی ارائه شده است .
در این تحقیق ، با استفاده از شبکه های بیزین ، یک مدل یکپارچه احتمالی برای مدل سازی عدم قطعیت سیاست بهینه موجودی در زنجیره های تأمین چندسطحی توسعه یافته است .
منطق مدل ، تسخیر عدم قطعیت عوامل سازمانی و فنی برای استنتاج موجودی بهینه در سطوح مطلوب است و با استفاده از داده های یک مطالعه موردی در نرم افزار Agenarisk پیاده سازی شده است .
در این تحقیق تلاش میشود با استفاده از یک روش جدید مدل سازی ریسک تحت عنوان شبکه های بیزین (BNs)، چارچوبی برای ویژگی یادشده توسعه داده شود.
نتیجه گیری و پیشنهادها در این تحقیق ، با استفاده از شبکه های بیزین ١ ، یک مدل یکپارچه احتمالی برای مدل سازی عدم قطعیت سیاست بهینه موجودی در زنجیره های تأمین چندسطحی توسعه یافت .
International Journal of Operations & Production Management, Vol. 21: 71-87.
Proactive planning for catastrophic events in supply chains, Journal of Operations Management, Vol. 27:141–153.
Risk assessment and management for supply chain networks: A case study, Computers in Industry, Vol. 61: 250-259.
Supply chain risk, simulation, and vendor selection, International Journal of Production Economics, Vol. 114:646-655.