چکیده:
توجه روزافزون به خواسته‌های مشتریان در فرآیند تولید محصولات و همچنین ویژگی‌ها و هزینه‌های اجتناب‌ناپذیر فرآیندهای تولید، پژوهشگران و صنعتگران را به‌سوی مدیریت سفارش‌ها و انتخاب درست سیاست مدیریت موجودی هدایت کرده است. پژوهش پیش رو به‌دنبال یافتن ساختاری برای تعیین مکان بهینه نقطه نفوذ سفارش مشتری و سیاست بهینه مدیریت موجودی، به‌عنوان یکی از مهم‌ترین تصمیم‌های استراتژیک در فرآیند تولید است؛ به این منظور، مدلی مبتنی بر شبیه‌سازی گسسته پیشامد برای محاسبه واقع‌بینانه معیارهای هزینه و زمان در جریان ساخت، تحت سناریوهای مختلف طراحی شد. برای اعتبارسنجی و اجرای مدل، اطلاعات تولید و فروش یک کارخانه تولید مواد شیمیایی مورداستفاده قرار گرفت. نتایج حاکی از آن است که استفاده ترکیبی از سیاست‌های مدیریت موجودی، باعث کاهش هزینه‌ها و زمان تحویل سفارش‌ها میشود.
خلاصه ماشینی:
"پژوهش پیش رو به دنبال یـافتن سـاختاری برای تعیین مکان بهینه نقطه نفوذ سفارش مشتری و سیاست بهینه مدیریت موجودی، به عنوان یکـی از مهم ترین تصمیم های استراتژیک در فرآیند تولید است ؛ به این منظور، مدلی مبتنی بر شبیه سازی گسسته پیشامد برای محاسبه واقع بینانه معیارهای هزینه و زمان در جریـان سـاخت ، تحـت سـناریوهای مختلـف طراحی شد.
«خالص » به این معنا است که یک سیاست برای تمام محصولات اعمال میشود؛ سپس دو سیاست ترکیبی MTS/DD برای محصولاتی با هزینه فساد بالا ایجاد شده و با مقایسه این پنج سیاست ، سیاست بهینه تعیین خواهد شد؛ درنتیجه اهداف این پژوهش عبارت اند از: معرفی و شناخت سیاست های مدیریت موجودی در صنایع فرآیندی؛ طراحی مدل شبیه سازی کارا برای بررسی و انتخاب بهترین سیاست و تعیین سیاست های مدیریت موجودی برای بهبود عملکرد کارخانه هایی با تولید فرآیندی.
پژوهش ون دانک (٢٠٠١)، نخستین پژوهشی که به طور مشخص به یافتن نقطه نفوذ سفارش مشتری در محیط های تولیدی پرداخته و چارچوبی برای تشخیص عوامل مرتبط با سیاست های مدیریت موجودی ارائه کرده است و این پژوهش تعیین میکند که عوامل مختلفی ، مانند امکان ذخیره سازی محصولات میانی و ظرفیت انبارها، در تصمیم گیری اینکه محصولات باید از کدام یک از سیاست های MTO یا MTS پیروی کنند، مؤثر هستند.
Splitting hybrid Make to Order and Make to Stock demand profiles, International Journal of Operations and Production Management, 15, 48-61."
(
, 
, 
)
