چکیده:
یکپارچه سازی تصمیمات در زنجیره های تامین منجر به کاهش هزینه ها و زمان تحویل سفارشات به مشتریان می شود ولی عدم قطعیت در پارامترهای مختلف از جمله تقاضا، آن را دچار اختلال می کند. عدم قطعیت در تقاضا، منجر به افزایش علاقهمندی در استفاده از مدلهای برنامهریزی احتمالی و شبیه سازی در مدل سازی زنجیره تامین شده است. هدف کلی از این پژوهش، مدلسازی و توسعه مدل شبکه زنجیرهتأمین چند سطحی، چند محصولی، چند دورهای با اهداف متعارض همچون کمینهکردن هزینه، کمینه کردن زمان تحویل و بیشینهکردن قابلیت اطمینان کل سیستم است. شبکه زنجیره تأمین مورد بررسی دارای 4 سطح تأمینکنندگان، تولیدکنندگان، توزیعکنندگان و خردهفروشان است. در این پژوهش، فرض این بود که تقاضا تصادفی و از یک تابع توزیع احتمالی پیروی می کند. بنابراین از تکنیک شبیه سازی برای برآورد هزینه ها شامل هزینههای حمل و نقل و هزینه فروش از دست رفته و سایر هزینهها استفاده شد. پس از تدوین مدل چندهدفه، برای مسئله مورد بررسی سناریوسازی بر اساس دیدگاه های مختلف نسبت به سطوح موجودی (حداقل موجودی، حداکثر موجودی و سطح متوسط موجودی) صورت گرفت و بر اساس هر سناریو مقادیر مرتبط با اهداف مورد بررسی برآورد شد. در انتها نیز بر اساس جواب های پارتوی بدست آمده برای هر حالت از مدل،با روش تصمیم گیری ویکور به رتبه بندی نهایی جواب های و انتخاب بهترین حالت از مدل پیشنهادی اقدام شد.نتایج حاکی از آن بود که سناریوی دوم یعنی در نظر گرفتن سطح متوسط موجودی به عنوان بهترین راهکار برای مدل تشریح شده انتخاب شد.
Integration of supply chain decisions reduces costs and delivery time to customers, but uncertainty in supply chain offending parameters, including demand, disrupts this integration. This demand uncertainty has led to an increase in interest in the use of probabilistic planning and simulation models in supply chain modeling. Therefore, the overall purpose of this study was to model and develop a multi-level, multi-product, multi-period supply chain network model with conflicting objectives such as cost minimization, delivery time minimization, and maximizing system-wide reliability. The supply chain network under study had 4 levels or subsystems of suppliers, manufacturers, distributors and retailers. In this study, it was assumed that demand is random and follows a probabilistic distribution function. Therefore, the simulation technique was used to estimate costs including shipping costs and lost sales costs and other costs. After developing a multi-objective model, for the studied problem, scenario building was done based on different perspectives on inventory levels (minimum inventory, maximum inventory and average inventory level) and based on each scenario, values related to the objectives were estimated. In the end, based on the Parthian answers obtained for each case of the model, based on Vickor decision-making method, the final ranking of the answers and selection of the best case from the proposed model was performed. The results showed that the second scenario, ie considering the average inventory level, was selected as the best solution for the described model
خلاصه ماشینی:
با توجه به موارد پیش گفته ، هدف کلی از این پژوهش ، مدل سازی و توسعه مدل شبکه زنجیره تأمین چند سطحی، چند محصولی، چند دوره ای با اهداف متعارض همچون کمینه کردن هزینه ، کمینه کردن زمان تحویل و بیشینه کردن قابلیت اطمینان کل سیستم ) و فرض تصادفی بودن تقاضا با به کارگیری تکنیک بهینه سازی مبتنی بر شبیه سازی است .
امیرخان و همکاران (١٣٩٤) در پژوهش خود از رویکرد برنامه ریزی تعاملی فازی برای طراحی شبکه زنجیره تأمین چند سطح ، چند کالایی و چند دوره ای تحت شرایط عدم قطعیت با در نظر گرفتن هزینه و زمان استفاده نمودند.
پس از اعتبار سنجی مدل شبیه سازی شده و به منظور برآورد رابطه ریاضی تابع هدف هزینه ، با به کارگیری طراحی آزمایش ها، آزمایش های مختلفی را بر اساس مقادیر مختلف برای مقدار تقاضای مشتریان (که به صورت تصادفی در نظر گرفته شده است ) طراحی می شوند.
"Fuzzy- genetic approach to aggregate production-distribution planning in supply chain management".
Application of fuzzy mathematical programming approach to the production allocation and distribution supply chain network problem.
Multi-objective Optimization for Multi-product Multi-period Four Echelon Supply Chain Problems under Uncertainty.
(2015) "Optimizing a bi-objective multi-product multi-period three echelon supply chain network with warehouse reliability".
A Simulation-Based Multi-Objective Optimization Framework for the Production Planning in Energy Supply Chains.
Three-echelon Supply Chain Management under Uncertainty Using Multi-Objective Fuzzy Programming.