الگوریتم حلقه‌نشانه
یک روش کاملاً متفاوت برای رسیدن به انحصار متقابل قطعی در سیستم توزیع شده در شکل ۴-۳ آمده است در اینجا یک شبکه خطی داریم (شکل ۴-۳ الف) مثل اترنت، که فاقد ترتیب فرایندها است. در نرم افزار یک حلقه منطقی ساخته می‌شود که در آن به هر فرایند مکانی در حلقه داده می‌شود (شکل ۴-۳ ب) موقعیت‌های حلقه ممکن است به ترتیب عددی آدرس‌های شبکه یا ابزارهای دیگری تخصیص یابد مهم نیست که ترتیب چه باشد. مهم این است که هر فرایند می‌داند بعد از آن چه کسی قرار دارد]۷۰[.

شکل ‏۴‑۳- الگوریتم حلقه نشانه ]۷۰[
وقتی حلقه آماده شد به فرایند، یک نشانه داده می‌شود این نشانه در حلقه دور می‌زند از فرایند k به k+1 می‌رود و بررسی می‌کند که آیا این فرایند نیاز به دستیابی به منبع مشترک دارد یا خیر. اگر نیاز داشته باشد فرایند به پیش می‌رود تمام کارهای خودش را انجام می‌دهد و منابع را آزاد می‌کند پس از پایان کار نشانه را در امتداد حلقه رها می‌کند اجازه ندارد که فوراً با بهره گرفتن از همان نشانه وارد منبع دیگری شود.
اگر فرایندی نشانه را از همسایه خود بگیرد و به منبعی علاقه‌مند نباشد فقط آن را به فرایند دیگر می‌فرستد در نتیجه وقتی هیچ فرایندی به منبع نیاز ندارد نشانه فقط با سرعت بالایی در حلقه دور می‌زند.
صحت این الگوریتم را می‌توان مشاهده کرد در هر زمان فقط یک فرایند نشانه را در اختیار دارد، لذا فقط یک فرایند می‌تواند به منبع دستیابی داشته باشد چون نشانه بین فرایندها به ترتیب تعریف شده‌ای حرکت می‌کند گرسنگی رخ نمی دهد]۷۰[. وقتی فرایندی تصمیم می‌گیرد که به منبعی دستیابی داشته باشد در بدترین حالت باید منتظر بماند تا هر فرایند دیگری را منبع استفاده نماید.
طبق معمول این الگوریتم نیز مشکلاتی دارد اگر نشانه مفقود شود باید دوباره تولید شود در حقیقت تشخیص مفقود شدن نشانه دشوار است زیرا مدت زمان بین ظهور متوالی نشانه در شبکه، مفید نیست. این حقیقت که نشانه به مدت یک ساعت مشاهده نشده است به معنای این نیست که مفقود شده است؛ ممکن است هنوز کسی در حال استفاده از آن باشد.
اگر فرایندی خراب شود الگوریتم دچار دردسر می‌شود اما ترمیم آن نسبت به موارد دیگر آسان تر است اگر لازم باشد فرایند گیرنده نشانه، دریافت آن را اعلام وصول کند.
اگر فرایند مرده باشد هنگامی که همسایه آن سعی می‌کند نشانه را به آن بدهد ولی با شکست مواجه می‌شود قابل تشخیص است در آن نقطه فرایند مرده می‌تواند از گروه حذف شود و صاحب نشانه را می‌تواند از فرایند مرده عبور دهد و به فرایند بعد از آن تحویل دهد. البته این کار مستلزم این است که هر کسی پیکربندی فعلی حلقه را نگهداری نماید.
شباهت‌های شبکه‌عصبی و سیستم توزیع‌شده
ما به‌خوبی می‌دانیم که شبکه‌های عصبی بدن انسان از هر برخورد و تصادفی بدور بوده است و مدل‌های شبکه عصبی اثبات شده هستند. بنابراین اگر ما یک سیستم توزیع‌شده را با یک شبکه عصبی تطبیق دهیم (مدلسازی نماییم) در نتیجه یک سیستم قابل اطمینان و تحمل‌پذیر خطا را خواهیم داشت [۴۸].
در این شبیه‌سازی، هر گره با یک پیام از یک سلول عصبی (نرون) شبیه‌سازی می‌شود زیرا آنها یکی از اجزایی هستند که برای ساخت سیستم‌های همروند استفاده می‌شود. گره‌ها یک نقش اساسی در شبکه‌های حسگر بازی می‌کنند و به عنوان یک پایه و اساس در ارتباطات بین سایر گره‌ها می‌باشد. یکی از موضوعات مهم برای سیستم‌های توزیع‌شده از جمله شبکه‌های حسگر مهاجرت کد بین ماشین‌های مختلف است که یک نرم افزار عامل و یک نوع خاص از فرآیندها است و بصورت یک واحد مستقل عمل می کند ولی می‌تواند با عوامل دیگر نیز همکاری نماید. ویژگی‌های هر فرایند می‌تواند مشابه با یک نرون باشد زیرا هر نرون دارای هوش مخصوص به خود بوده و می‌تواند به عنوان یک سیستم عمل نماید و به‌صورت مستقل دارای ورودی، پردازش و خروجی است [۴۹, ۵۰, ۵۱]. برخی از سلول‌های عصبی (نرون‌ها) می‌توانند بعنوان واحد تصمیم‌گیرنده عمل کنند و بعضی از آن‌ها تنها انتقال دهنده اطلاعات و داده در سراسر شبکه عصبی هستند. در سیستم‌های توزیع‌شده، برای مثال در الگوریتم متمرکز، هماهنگ‌کننده‌ها یک فرایند انتقال‌دهنده است که تعداد فرآیندهای موجود در صف و فرآیندی که اجازه ورود به بخش بحرانی را گرفته‌ است انتقال داده و به سایرین اطلاع می‌دهد. همچنین، از سوی دیگر در یک سیستم توزیع‌شده هر فرایند می‌تواند درخواستی داشته باشد و با دریافت پاسخ از سیستم کار نماید. بنابراین هر فرایند یک سیستم بوده زیرا دارای ورودی، پردازش و خروجی است. خروجی هر فرایند می‌تواند توسط خود و یا دیگر فرایند‌ها مورد استفاده قرار گیرد [۵۲].
منابع
اولاً، منابع در هر دو سیستم بین فرایند‌ها و نرون‌ها به اشتراک گذاشته می‌شود بنابراین آن‌ها می‌توانند از این منابع استفاده نمایند. دوماً، ناحیه بحرانی در هر سیستمی وجود دارد. در یک مدل رقابتی شبکه عصبی جهت رقابت برروی دسترسی به منابع ایجاد و ساخته می‌شود؛ در یک سیستم توزیع‌شده نیز یک منبع داخل ناحیه بحرانی نشان دهنده نیاز به رقابت برای دسترسی به آن است. نظام یک سیستم توزیع شده بدین‌صورت تعریف می‌شود: مجموعه‌ای از اجزا که برای رسیدن به یک هدف منحصر به فرد و واحد با هم همکاری می‌کنند. همچنین یک فکر یا فرمان در ذهن انسان هدفی است که با همکاری سلول‌های عصبی به آن می‌رسد. بنابراین یک شبکه عصبی یک سیستم است [۵۳].
شفافیت
«یک سیستم توزیع شده از تعدادی سیستم مستقل تشکیل شده است که از دید کاربر یک سیستم واحد و منسجم می‌باشد» [۵۴]. در یک شبکه عصبی نیز هر سلول بصورت جداگانه عمل می کند و مستقل از سایر سلول‌ها می‌باشد. بنابراین رفتار شبکه خروجی رفتارهای محلی سلول‌ها است. این ویژگی سبب می‌شود که خطاهای محلی شبکه عصبی پوشش داده شود و برروی خروجی نهایی تاثیرگذار نباشد. همچنین همکاری سلول‌ها سبب می‌شود خطاهای محلی اصلاح شوند. یک نتیجه از این ویژگی دست‌یابی به تحمل‌پذیری بالاتر و استحکام و مقاوم‌بودن در یک سیستم شبکه عصبی کامل است. از سوی دیگر این ویژگی همان شفافیت است که در سیستم‌های توزیع‌شده ذکر شده است.
عملیات یادگیری
عملیات یادگیری که در شبکه‌های عصبی مورد استفاده قرار می‌گیرد شبیه به الگوریتم‌هایی است که ما در سیستم‌های توزیع‌شده به‌کار می‌بریم. در واقع، ما به سیستم توزیع‌شده با الگوریتم‌ها یاد می‌دهیم که چطور آن‌ها روی یک سیستم کلی اجرا شوند.
مدل مشتری - خدمت‌گذار
همانطور که می‌دانید، یک سیستم توزیع‌شده شامل سرویس‌گیرندگان و سرورهایی می‌شود و هر یک از آنها نیز شامل فرایند‌هایی هستند. سلول‌های عصبی نیز بطور مشابه بوده زیرا بعضی از آنها سلول‌هایی هستند که حس می‌کنند (کلاینت) و مابقی آن‌ها محرک‌ها (سرورها) هستند. دسته دیگر از سلول‌های عصبی، نرون‌های ارتباطی هستند که مشابه تجهیزات شبکه (کابل، روتر و مانند آن‌ها) بوده است. ارتباطات در یک شبکه عصبی مشابه یک شبکه حسگر که نوعی از سیستم توزیع‌شده است، می‌باشد. از آنجا که، فرآیندها می‌توانند داده‌ها را در کل شبکه منتقل نمایند و بدین ترتیب زیرساخت سیستم‌های توزیع‌شده ایجاد شود در شبکه‌های عصبی نیز سیانپس‌ها (محل اتصال دو عصب) و برخی از نرون‌ها این کار را انجام می‌دهند و بنابراین این زیرساخت ایجاد می‌شود [۵۵].
پردازش موازی
موازی بودن نیز در هر دو سیستم اتفاق می‌افتد. در شبکه‌های عصبی همه سلول‌هایی که در یک سطح قرار دارند می‌توانند بصورت موازی عمل نمایند. از سوی دیگر، یک سیستم توزیع شده دارای زیرساخت‌های مناسب برای پردازش موازی است (در هر مکان دارای حافظه‌های محلی و حافظه‌های توزیع شده اشتراکی است).
شبکه‌های عصبی یک سیستم خودسازمان‌ده هستند و بنابراین می‌توانند بعنوان یک سیستم کنترلی با بازخورد در نظر گرفته شود [۵۶,۵۷]. بازخورد سبب می‌شود که سیستم پایدار باشد [۵۸]. همانگونه که مشخص است استمرار اجرای سیستم و مقایسه خروجی و مقدار هدف در یک سیستم سبب می‌شود خطا به حداقل خود ‌رسد. هنگامی که ما یک سیستم توزیع‌شده را بر یک شبکه عصبی تطبیق می‌دهیم باید یک سیستم پایدار داشته باشیم. بنابراین خطا باید کاهش یابد. حداقل نمودن خطا در هرسیستمی به قابلیت اطمینان آن سیستم کمک می کند. از سویی دیگر کاهش خطا سبب می‌شود که سیستم متحمل‌پذیر خطا باشد.
سخت‌افزار و نرم‌افزار
سخت‌افزار سیستم‌‌های توزیع شده دارای ارتباطات غیر محکم (سست) می‌باشند. در یک شبکه عصبی نیز، اگر یک بخش شبکه آسیب ببیند یا پاک شود یا از کار بیفتد بخش یا بخش‌های دیگر کار خواهند کرد. بنابراین سخت‌افزار در یک سیستم‌توزیع شده همانند یک بخش از شبکه عصبی است. همچنین نرم‌افزار سیستم توزیع‌شده دارای ارتباطات محکم هستند. بنابراین هر بخشی از نرم‌افزار مهم است. در یک شبکه عصبی فکر کردن بعنوان نرم‌افزار برروی سیستم است. بنابراین اگر بخشی از نرم‌افزار خراب شود سیستم دقیقا به هدف تعریفی نخواهد رسید. به عبارت دیگر، خروجی سیستم دچار مشکل خواهد بود. در واقع یک شبکه عصبی یک سیستم توزیع‌شده حقیقی و درست نیست ولی یک سیستم توزیع شده است[۵۴].
مدل پیشنهادی
روش ارائه شده در این پایان‌نامه یکی از مدل‌های شبکه عصبی رقابتی، مدل رقابتی همینگ [۱] را بکار برده است. این مدل که از مدل‌های خود سازمانده می‌باشد و دارای سه لایه: لایه بازخورد، لایه رقابت (رقابت بین سلول‌ها و تعیین یک سلول به عنوان سلول برنده بر سایر سلول‌ها) و لایه خروجی که نمونه سازی و مقایسه هر سلول را تعریف می‌کند، است [۱,۵۹].
ورودی‌های شبکه فاصله بردارهای ورودی از بردار مرجع می‌باشد. هر بردار از تعدادی مولفه تشکیل شده است و به شکل V=I₁,I₂, … , I_n نشان داده می‌شود که هر کدام از مولفه‌ها متشکل از نام بردار و مقدار می‌باشد. آیتم‌های تشکیل دهنده بردار‌ها برچسب زمانی، زمان اجرا و اولویت است. رقابت بین فرآیندها برای در اختیار گرفتن ناحیه بحرانی با توجه به این سه مورد انجام خواهد شد. با توجه به عدم نیاز به وجود ساعت زمانی در یک سیستم توزیع شده، برچسب‌های زمانی به فرآیندها با توجه به ساعت لمپورت اختصاص داده می‌شود [۴۷]. در زمینه انحصار متقابل ساعت لمپورت بدین‌صورت عمل می‌کند: هر فرایند یک مقدار عددی نشان‌دهنده ساعت با مقدار اولیه صفر را نگهداری می‌کند؛ با هر بار دسترسی فرایند به ناحیه بحرانی یک واحد به این برچسب زمانی افزوده می‌شود.
حالا ما فرض می‌کنیم که این سه پارامتر مهم سه بعد از مدل همینگ می‌باشد. در گام اول این شبیه‌سازی با توجه به این موضوع، بردار وزن در این محیط را تعریف می‌کنیم. بنابراین برای ایجاد بردار وزن ما خواهیم داشت:
(۱)
که در آن a,b,c مقادیر و x,y,z سه مولفه (برچسب زمانی، زمان اجرا و اولویت) از بردار V می‌باشند. i نیز که از ۱..n بوده تعداد درخواست‌ها می‌باشد. در شکل ۴-۱ سه بعد از بردارهای ورودی برای رقابت را مشاهده می‌نمایید.
شکل ‏۴‑۴- سه بعد شرکت کننده در رقابت
این عمل را برای تمام درخواست‌ها انجام می‌دهیم. شرکت کنندگان در رقابت را به دو روش مشخص می‌نماییم:
تمامی درخواست کنندگان منتظر برای در اختیار گرفتن ناحیه بحرانی
تنها درخواست کنندگان دارای کمترین برچسب زمانی همسان
در روش اول با توجه به بردار مرجعی که در ادامه ساخته می‌شود برنده رقابت مشخص می‌شود و روش دوم با دیدگاه اولویت قرار دادن به درخواست‌هایی که کمتر ناحیه بحرانی را در اختیار گرفتند و برای مبارزه با بن‌بست و گرسنگی این عمل را انجام می‌دهد اما در سیستم‌هایی که درخواست‌های فراوانی و با فواصل زمانی کم ایجاد و به صف درخواست‌ها افزوده می‌شود روش مناسبی نیست. بطور کلی می‌توان به تنهایی روش اول و یا ترکیب دو روش را برگزید و یا لیست درخواست‌های ورودی را در اختیار گرفت و همه آن‌ها را پاسخ داد و بعد از پاسخدهی به همه درخواست‌ها دوباره این عمل را روی لیست درخواست‌های رسیده بعد از در اختیار گرفتن لیست قبلی تکرار نمود. در نهایت علاوه بر ایجاد همه بردارهای وزن مربوط به درخواست‌ها، با توجه به انتخاب یکی از روش‌های مزبور نیاز به ساخت یک بردار مرجع نیز داریم. که برداری با بیشترین شباهت با این بردار در نهایت برنده رقابت خواهد بود. برای ساخت بردار وزن مرجع از فرمول زیر استفاده می‌نماییم:
(۲)
حال برای ایجاد ورودی‌های مناسب برای شبکه‌های عصبی رقابتی بردارهای وزن همه درخواست‌ها به همراه بردار وزن مرجع را به یک عدد با بهره گرفتن از فرمول ۳ نگاشت می‌نماییم. برای این عمل از فاصله اقلیدسی [۶۰] استفاده نموده و بردار وزن مرجع را با مبداء مختصات و سایر بردارها را با بردار مرجع در نظر می‌گیریم.
(۳)
که در آن p و q دو بردار وزن مورد محاسبه بوده و p_i و q_i مولفه‌های این دو بردار می‌باشند.
پس از این مرحله همه بردارهای حاصل از درخواست‌ها و بردار مرجع، ایجاد شده و رقابت شروع می‌شود. یادگیری رقابتی بکاربردن رقابت بین سلول‌های عصبی، یک شبکه عصبی، برای مشخص نمودن اینکه کدام یک فعال باشد. در شبکه عصبی که براساس سایر یادگیری‌ها می‌باشد ممکن است چندین سلول عصبی بطور همزمان فعال باشند ولی در یادگیری رقابتی تنها یک سلول عصبی، به عنوان خروجی فعال در هر دفعه خواهد بود. این ویژگی می‌تواند برای دسته‌بندی مجموعه الگوهای ورودی مورد استفاده قرار گیرد. سه جزء پایه برای یک قاعده یادگیری رقابتی وجود دارد:
مجموعه‌ای از سلول‌های عصبی که در همه اجزا مانند هم هستند به جز وزن سیناپس‌ها بصورت تصادفی توزیع‌شده است که این موضوع سبب می‌شود جواب‌های مختلفی به مجموعه الگوهای ورودی داده شود.
محدودیت‌های اعمال شده برروی هر نرون.
روشی که به سلول‌های عصبی اجازه رقابت دهد تا جوابی درست را برای زیرشبکه ورودی داده شده تولید نماید. در این جواب تنها یک نرون و یا تنها یک نرون در هر گروه بعنوان خروجی در هر بار فعال خواهد بود. نرون برنده رقابت بعنوان برنده بین همه نرون‌ها نامیده می‌شود.
بر این اساس سلول‌های عصبی بطور مجزا از شبکه یاد می‌گیرند و گروه الگوهای مشابه را تشخیص می‌دهند برای انجام این کار آن‌ها، ویژگی‌های تشخیص داده شده، الگوهای ورودی را به دسته‌ه ای مختلف تبدیل می‌کنند.
در ساده‌ترین شکل از یادگیری رقابتی، شبکه عصبی یک لایه بوده و متشکل از سلول‌های عصبی خروجی است که هر کدام بطور کامل به گره‌های ورودی متصل هستند. در معماری شبکه، اتصالات بازخورد مهار جانبی را فراهم می‌آورند بطوریکه هر سلول عصبی، نرون‌هایی که با آن اتصال جانبی دارند را مهار می‌نمایند.
یک سلول عصبی k در صورتی سلول برنده خواهد بود که همه فیلدهای محلی V_k برای الگوی ورودی مشخص شده X، باید بزرگترین مقدار را در میان همه سلول‌های شبکه داشته باشد. طبق رابطه ۴ سیگنال خروجی y_k سلول عصبی برنده k با یک نشان داده می‌شود و سیگنال خروجی همه سلول‌های عصبی دیگر که در رقابت بازنده شده‌اند برابر با صفر قرارداده می‌شود.
y_k=1 if V_k>V_j for all j , j≠k (4)
y_k=0 Otherwise
در اینجا فیلد‌های محلی V_k نشان داده شده، شامل ترکیب همه ورودی‌های بازخوردی و پیش‌رونده سلول‌های عصبی k می‌باشد. اجازه دهید که W_kj مشخص کننده وزن سیناپسی باشد که گره ورودی j را به سلول عصبی k متصل می کند. فرض کنید به هر سلول عصبی یک مقدار ثابت به عنوان وزن سیناپسی اختصاص داده شده است (همه وزن سیناپسی مثبت هستند) که میان گره‌های ورودی خودش توزیع شده است و بدین صورت است که:
(۵)
سلول‌های عصبی با تغییر وزن سیناپس‌ها یاد می‌گیرند که کدام گره ورودی فعال و کدام یک غیرفعال است. اگر یک سلول عصبی پاسخی به الگو ورودی خاصی ندهد، هیچ یادگیری در آن سلول عصبی اتفاق نخواهد افتاد. اگر یک سلول عصبی خاص برنده رقابت شود، به هر سلول از نرون‌های ورودی با نسبتی یک وزن سیناپسی تعلق می‌گیرد که این نسبت بطور مساوی بین همه گره‌های فعال توزیع می‌شود. با توجه به قاعده استاندارد یادگیری رقابتی، تغییرات W_kj∆ اعمال شده به وزن سیناپسی W_kj بصورت زیر تعریف می‌شود:
∆W_kj =(X_j-W_kj)برنده شده باشد kاگر نرون (۶)
∆W_kj =۰ بازنده رقابت باشد k اگر نرون
در اینجا η پارامتر نرخ یادگیری است. این قاعده تاثیر کلی روی حرکت بردار وزن سیناپسی W_k مربوط به نرون برنده k به سمت الگوی ورودر X دارد. فرض بر این است که همه سلول‌های عصبی در شبکه بوسیله طول اقلیدسی مشابه محدود شده‌اند و این موضوع بصورت زیر نشان داده می‌شود:
(۷)
طبق قواعد همینگ هر فرآیندی که شبیه به بردار مرجع خواهد بود آن بر همه چیره خواهد شد و ناحیه بحرانی را در دست خواهد گرفت. در شکل ۴-۲ مثالی از این رقابت را و ترتیب برنده شدن درخواست‌ها را مشاهده می‌نمایید.
شکل ‏۴‑۵- انتخاب یک بردار (درخواست) غالب

غلظت نیز تغییرات خیلی‌کم و ناچیزی از خود در راستای طول نشان می‌دهد. در کف لوله دارای بیشترین میزان غلظت جامد هستیم. در بالا نیز این غلظت را داریم امّا در زمان‌های بعدی مشاهده می‌شود که که این غلظت تحت تأثیر نیروی گرانش در لایه‌های مختلفی به کف لوله انتقال پیدا می‌کند.
شکل ‏۴‑۹ : گرافیک پروفایل غلظت فاز پراکنده درون لوله
هنگامی مخلوط دو سیال درون لوله‌ای جریان می‌یابند به علت تفاوت جرم ویژه و گرانروی، فاز گاز سرعت بیشتری نسبت به فاز دیگر بدست می‌آورد. اصلاح لغزش به علت افتادگی یا کندی فاز مایع نسبت به فاز گاز اطلاق می‌گردد. در شکل ‏۴‑۱۰ نیز مشاهده می‌شود در مناطقی که هسته زدایی وجود دارد، سرعت لغزش بالاتری داریم که این نشان بر تجمع فاز پراکنده است. در نواحی که لایه‌های جامد در حال پایین آمدن می‌باشند در مرز بیرونی خود دارای لغزش بیشتری هستند که می‌تواند به دلیل مقاومت‌هایی که در مورد آن بحث شد باشد.
شکل ‏۴‑۱۰ : گرافیک پروفایل سرعت لغزش مخلوط درون لوله
نتایج شبیه سازی در طول لوله در سه مقطع کف،وسط و سقف لوله و دیگر نتایج در راستای قطر لوله در دو مقطع میانی در زمان ابتدایی شروع جریان استخراج شدند و مقادیر آنها به صورت زیر است.
شکل ‏۴‑۱۱ : مقاطع انتخاب شده برای بررسی پارامترهای مختلف

مقطع بالای لوله (سقف)
مقطع وسط لوله
مقطع پایین لوله (کف)
نمودار ‏۴‑۸ : تغییرات دما در طول لوله در سه مقطع اصلی

مقطع بالای لوله (سقف)
مقطع وسط لوله
مقطع پایین لوله (کف)
نمودار ‏۴‑۹ : تغییرات فشار در طول لوله در سه مقطع اصلی

مقطع بالای لوله (سقف)
مقطع وسط لوله
مقطع پایین لوله (کف)
نمودار ‏۴‑۱۰ : تغییرات کسر حجمی فاز پراکنده در طول لوله در سه مقطع اصلی

مقطع بالای لوله (سقف)
مقطع وسط لوله
مقطع پایین لوله (کف)
نمودار ‏۴‑۱۱ : تغییرات سرعت مخلوط در طول لوله در سه مقطع اصلی
نتایج شبیه سازی در دو مقطع از لوله با مشخصات شکل ‏۴‑۱۱ در لحظه اولیه جریان استخراج شدند که مقادیر آنها به صورت زیر است.

مقطع اول لوله
مقطع دوم لوله
نمودار ‏۴‑۱۲ : تغییرات دما در قطر لوله در دو مقطع میانی

مقطع اول لوله
مقطع دوم لوله
نمودار ‏۴‑۱۳: تغییرات فشار در قطر لوله در دو مقطع میانی

کسر حجمی پراکنده در مقطع اول لوله
کسر حجمی پراکنده در مقطع دوم لوله
کسر حجمی پراکنده در مقطع اول لوله
کسر حجمی پراکنده در مقطع دوم لوله
نمودار ‏۴‑۱۴: تغییرات کسر حجمی فاز پیوسته و پراکنده در قطر لوله در دو مقطع میانی

غلظت پراکنده در مقطع اول لوله
غلظت پراکنده در مقطع دوم لوله
غلظت پراکنده در مقطع دوم لوله
غلظت پراکنده در مقطع اول لوله
نمودار ‏۴‑۱۵ : تغییرات غلظت فاز پیوسته و پراکنده در قطر لوله در دو مقطع میانی
نتایج شبیه سازی شبکه انتقال گاز

۲-۲-۵-۸ زنجیره تأمین هوشمند:
زنجیره تأمین هوشمند به داشتن هوش مصنوعی در راه­حل­هــای نرم­افزاری زنجیره تأمین اشاره دارد. زنجیره تأمین هوشمند توانایی تصمیم ­گیری استراتژیک به وسیله تجزیه و تحلیل داده ­ها طی کل زنجیره تأمین را فراهم می ­آورد(شارپ و دسی، ۱۹۹۹).
۲-۲-۶ ادغام و یکپارچگی سیستم­ها:
سیستم­های مجزا و وظیفه ­ای به بخش­های مختلف اجازه نمی­داد که با یکدیگر به زبان یکسانی ارتباط داشته باشند و کارکنان در بیشتر مواقع اطلاعاتی را که نیاز دارند به سادگی نمی ­توانند به دست آورند(سرایدار و همکاران، ۱۳۸۸). موارد زیر را می­توان ازمنافع محسوس و نامحسوس یکپارچگی(ادغام) سیستم­ها برشمرد:
۲-۲-۶-۱ منافع محسوس:
کاهش موجودی، کاهش پرسنل، بهبود بهره­وری، بهبود مدیریت فروش، بهبود چرخه مالی، کاهش هزینه فناوری اطلاعات، کاهش هزینه تدارکات، بهبود مدیریت صندوق، افزایش سود، کاهش هزینه لجستیک، کاهش هزینه نگه­داری، تحویل به موقع(شفیعی و همکاران، ۱۳۹۰).
۲-۲-۶-۲ منافع نامحسوس:
وضوح اطلاعات، فرایند بهبودیافته، پاسخ­گویی به مشتری، استانداردسازی، انعطاف، جهانی­شدن. مشهودترین نوع ادغام، ادغام بخش­های زنجیره تأمین و یا ادغام اطلاعاتی است که بین بخش­ها در جریان است. اما نوع دیگری از ادغام نیز وجــود دارد که در زنجیره­های ارزشی اتفاق می­افتد. مفهوم زنجیره ارزشی فعالیت­های اولیه یک سازمان (لجستیک، عملیات و غیره)، فعالیت­های پشتیبانی زیرساختار، منابع انسانی، فناوری و غیره و ارزش خالصی که به وسیله هر فعالیت به طور مکرر به خدمات یا محصول اضافه می­ شود را توصیف می­ کند. و هنگامی که این زنجیره تا تأمین­کنندگان و مشتریان گسترش یابد و یکپارچه شود زنجیره ارزشی یکپارچه حاصل می­ شود. لیکن باید توجه داشت که زنجیره ارزش تنها مجموعه ­ای از فعالیت­های مستقل نیست، بلکه سیستمی از فعالیت­هـــای وابسته به یکدیگرند(جولی و هازرخنی، ۲۰۰۶). این فعالیت­ها می­توانند با بهینه­سازی و ایجاد هماهنگی به مزیت رقابتی منتهی گردند. برای مثال یک طرح محصول هزینه­بر ممکن است هزینه­ های خدمت­رسانی بعدی را کاهش دهد. به عبارت دیگر، زنجیره ارزشی یکپارچه عبارتست از فرایند همکاری که همه فعالیت­های داخلی و خارجی درگیر در تحویل کالاهایی با ارزش دریافتی بیشتر برای مشتری نهایی را بهینـــه می­ کند(شارپ و دسی، ۱۹۹۹). مثالی دیگر از یکپارچگی زنجیره تأمین، سیستم­هـــای توسعه محصول است که به تأمین­کنندگان اجازه می­دهد تا ازطریق اینترنت با مشتریان تماس بگیرند، ویژگی­های محصول را بیرون بیاورند و شرح و تصویری از فرایند تولید ببینند(رامش و دیویدسن، ۲۰۰۷).

۲-۲-۷ تجــــارت الکترونیک و مدیریت زنجیره تأمین
تجارت الکترونیک به عنوان یک نگرش عالی برای ارائه راه­حل­هایی برای مشکلات زنجیره تأمین ارائه شده است. خیلی از فعالیت­های زنجیره تأمین از گرفتن سفارش از مشتری تا تدارک اجزاء می تواند به وسیله تجارت الکترونیک صورت پذیرد(شفیعی و همکاران، ۱۳۹۰). انواع فعالیت­هــــای تجارت الکترونیک در زنجیره تأمین:
۲-۲-۷-۱ فعالیت­های بالادست:
چندین مدل ابداعی تجارت الکترونیک می ­تواند فعالیت­های بالادست زنجیـــره تأمین را بهبود دهد. این مدل­ها به طور عمومی به عنوان تدارک الکترونیکی توصیف شده ­اند که با عناوین مناقصه، ارائه کاتالوگ به خریدار و تدارک از طریق خرید گروهی شناخته می­شوند(اشتدلر و همکاران، ۲۰۰۶).
۲-۲-۷-۲ فعالیت­های داخلی:
فعالیت­های داخلی مشتمل بر فعالیت­های فراتجاری تجارت الکترونیک هستند. این فعالیت­ها از ورود سفارش تا جریان محصول، ثبت فــــــروش و حمل و نقل درجه­بندی می­شوند که معمولاً ازطریق اینترانت منسجم اداره می­شوند(سرحدی و گوکاران، ۱۹۹۹).
۲-۲-۷-۳ فعالیت­های پایین دست:
فعالیت­های مذکور با فروش برخط مرتبطند. دو مدل عمومی این فعالیت­ها عبارتند از:
- فروش در سایت وب شرکت: در این روش خریداران کاتالوگ­های الکترونیکی کالاهای موردنیاز را مورد بررسی قرار می­ دهند(سرایدار و همکاران، ۱۳۸۸).
- مزایده: مزایده­های الکترونیکی چرخه و زنجیره تأمین را کوتاه و در هزینه­ های لجستیکی و اداری صرفه جویی می­ کنند. این مراوده ها معمولا ً B2B و B2C نامیده می­شوند(اشتدلر و همکاران، ۱۳۸۵).
۲-۲-۷-۴ مبادله­ها:
مبادلات الکترونیکی موقعیت­های مرکزی مبتنی بر وب هستند که در آن خریداران و فروشندگان به طور پویا با هم درارتباطند(شارپ و دسی، ۱۹۹۹).
۲-۲-۷-۵ تجارت الکترونیک برنامه­ ریزی منابع موسسه
هنگامی که خیلی از شرکت­ها سیستم برنامه­ ریزی منابع موسسه داشتند و درعین حال نیاز به تجارت الکترونیک در مواجهه با برنامه­ ریزی منابع موسسه، این نیاز احساس شد که این دو ادغام شوند. تجارت الکترونیک و برنامه­ ریزی منابع موسسه ادغامی منطقی به معنی توسعه سیستم برنامه­ ریزی منابع موسسه موجود با پشتیبانی تجارت الکترونیک است(گولدمن و ناجل، ۱۹۹۵). مشکل این نگرش این است که نرم­افزار برنامه­ ریزی منابع موسسه خیلی پیچیده و غیرقابل انعطاف است و این موضوع به دست آوردن ادغامی آسان و کارا را مشکل می­کرد. مشکل دیگر این بود که سیستم­های برنامه­ ریزی منابع موسسه تمایل به تمرکز بر کاربردهای اداری داشتند درحالی که تجارت الکترونیک بر کاربردهای مقابل اداری ازقبیل فعالیت­های فروش، گرفتن سفارش، سرویس مشتری و مدیریت ارتباط با مشتریان تمرکز داشت(شفیعی و همکاران، ۱۳۹۰).
۲-۲-۸ فعالیت­های تجارت الکترونیک
محصولات دیجیتالی در ایجاد و حرکت خیلی ارزانتر و سریعتر از محصولات فیزیکی هستند. جایگزینی اسناد الکترونیکی به جای اسناد کاغذی سرعت، صحت و هزینه انتقال اسناد را بهبود می­دهد. جایگزینی ارتباطات سیستم پیغام الکترونیکی به جای فاکس، تلفن، تلگرام و درنتیجه کاهش هزینه ارتباطات(ریچارد، ۱۹۹۶). تبدیل ساختاربندی زنجیره تأمین از خطی به قطبی که باعث همکاری و ارتباط بهتر می­ شود.
تجارت الکترونیک می ­تواند زنجیره تأمین را کوتاه کند و موجودی را به حداقل برساند(شارپ و دسی، ۱۹۹۹). نوآوری و خود مسیریـــــابی حمل و نقل می ­تواند نیاز به جریان اطلاعات را بین شرکت­ها و تهیه­کنندگان کاهش دهد. مرکز خرید و فروش الکترونیکی باعث کارایی در خرید و فروش می­ شود(براون و همکاران، ۲۰۰۶).
۲-۲-۹ متدهای سنجش چابکی
به منظور کمک به مدیران برای دستیابی بهتر به یک زنجیره تأمین چابک، مطالعات بیشماری در زمینه اندازه ­گیری چابکی سازمانی انجام شده است؛ بعضی نویسندگان(یوسف و همکاران^[۲۴]،۲۰۰۱؛ یوسف^[۲۵]،۱۹۹۳) شاخص چابکی را بعنوان ترکیبی از اندازه ­گیری سطوح قدرت “مشخصه های تواناساز “چابکی تعریف کردند، در حالیکه برخی دیگر از روش­های اندازه ­گیری چابکی(رن و همکاران^[۲۶]،۲۰۰۰؛ میدا و روگرس،۱۹۹۷؛ کریمی، ۱۳۸۱) بر پایه مفاهیم منطقی فرایند سلسله مراتبی تجزیه و تحلیل(AHP) بسط داده شده ­اند. بعلاوه، یک سیستم شاخص ارزیابی چابکی تولید انبوه محصول سفارشی بوسیله یانگ و لی^[۲۷] (۲۰۰۲) پیشنهاد شد(شارپ و دسی، ۱۹۹۹).
با اینحال اگر چه این روش­ها برای استفاده آسان هستند و به مسائل کلیدی توجه دارند، بر پایه تحقیقات پیشین(کارووسکی و میتال^[۲۸]،۱۹۸۶)، در موقعیت­هایی که ارزیابان قادر به ایجاد برآورد قابل توجه­ای نیستند، عبارات زبانی برای تخمین رویدادهای مبهم بکار برده می­شوند، که بعلت تعریف “مبهم” یا “نادرست و غیر دقیق” از مشخصه­های تواناساز چابکی، سنجش­های چابکی با بکارگیری واژه­ های زبانی بطور ذهنی شرح داده شده، که بصورت چند امکانی مشخص می­شوند(براون و همکاران، ۲۰۰۶). از اینرو، امتیازبندی روش­های بالا همیشه مورد نقد قرار گرفته است، زیرا مقیاس بکار برده شده برای امتیازبندی مشخصه­های تواناساز چابکی با دو محدودیت روبرو است: ۱) چنین روش­هایی ابهام را که با تبدیل قضاوت فردی به یک عدد حاصل می­ شود، نادیده می­گیرند. ۲) قضاوت ذهنی ارزیابان بطور معنی­داری بر این روش­ها تأثیر می­ گذارد(تسورولودیز و والاوانیز^[۲۹]،۲۰۰۲).
در روش دیگری به منظور غلبه بر ابهام سنجش چابکی، تسورولودیز و والاوانیز(۲۰۰۲) بر پایه منطق فازی، برخی قوانین اگر- آنگاه را برای اندازه ­گیری چابکی سازمان طراحی کردند؛ اگر چه این چهارچوب نیز بعلت عدم انعطاف­پذیری در زمانیکه قوانین اگر- آنگاه باید برای تناسب با موقعیت جدید، بطوریکه سطوح بیشتری از واژه­ های زبانی یا توابع عضویت مختلف بکار برده شوند، طراحی مجدد شوند، دارای اشکال است؛ با اینحال منطق فازی با ایجاد مفروضات نه جهانی راجع به استقلال، جامعیت و استثناء می ­تواند مرز مبهم در تعاریف را هموار کند و در بکارگیری واژه­ های زبانی برای تعیین شاخص­ هایی در متن عبارات زبان طبیعی و با اختصاص هر واژه زبانی به یک تابع عضویت به ارزیابان کمک کند(لین و چن^[۳۰]،۲۰۰۴). سنجش چابکی زنجیره تأمین بر پایه منطق فازی و تصمیم ­گیری چند معیار(هلین و همکاران^[۳۱]، ۲۰۰۵) برای فراهم کردن ابزاری هم برای اندازه ­گیری چابکی زنجیره عرضه و هم برای تشخیص موانع اصلی بهبود سطوح چابکی شرح داده می­ شود(شارپ و دسی، ۱۹۹۹).
۲-۲-۱۰ زنجیره عرضه چابک و خط سیر چابکی
یک زنجیره عرضه چابک باید دارای توانایی برای پاسخ­گویی مناسب به تغییراتی باشد که در محیط تجاریش اتفاق می­افتد؛ لذا، ممکن است چابکی به­عنوان توانایی زنجیره عرضه در پاسخ­گویی سریع به تغییرات بازار و تقاضای مشتریان تعریف شود(شارپ و همکاران،۱۹۹۹). زنجیره عرضه چابک می ­تواند بعنوان ساختاری با اهداف راضی سازی مشتریان و کارکنان در هر سازمانی که استراتژی­ های تجاری، ساختار سازمانی، فرایندها و سیستم­های اطلاعاتیش را می ­تواند طراحی کند، مورد توجه قرار گیرد. این ساختار توسط چهار اصل حمایت می­ شود(گولدمن و ناجل، ۱۹۹۵).
تسلط یافتن بر تغییر و عدم اطمینان؛ ساختارهای مدیریت خلاق و سازمان مجازی؛ ارتباطات همکارانه و هماهنگ؛ و تکنولوژی هوشمند و منعطف. که خود این چهار اصل نیز بوسیله یک متدلوژی که آنها را درون یک سیستم هماهنگ و وابسته منسجم می­سازد و به قابلیت ­های رقابتی استراتژیک تبدیل می­ کند، پیشتیبانی می­شوند. بر پایه مرور ادبیات اصلی نویسندگان(شریفی و زانگ^[۳۲]،۱۹۹۹؛ یوسف و همکاران،۲۰۰۱؛ وبر،۲۰۰۲) یک مدل مفهومی از زنجیره تأمین چابک طراحی کرده ­اند، که در شکل۲-۳ نشان داده شده است.
محرکهای چابکی( تغییرات در محیط های تجاری)
خواسته مشتری
معیار رقابت
بازار
نوآوری تکنولوژیکی
تعیین سطح چابکی مورد نیاز
اهداف زنجیره عرضه چابک: غنی سازی و خشنودی مشتریان
هزینه
زمان
کارکرد
نیرومندی
توانمندی های چابکی
پاسخگویی
توانایی
انعطاف پذیری
سرعت عمل
توانا سازنده های چابکی
روابط مشارکتی(استراتژی)
یکپارچگی فرایند(کارکرد)
یکپارچگی اطلاعاتی(زیرساخت)

(الف)

(ب)

شکل ۲-۷ : شکل‌موج ولتاژ‌های جدا سازی هارمونیکی (VSAFh)، تنظیم ولتاژ بار (VSAFf) و مجموع هر دو (VSAF) در (الف) SPSAF (ب) TPSAF.
با بهره گرفتن از V_pri,max و V_sec,max می توان نسبت دور را برای SPSAF و TPSAF پیدا کرد که به صورت روابط (۲-۱۱) و (۲-۱۲) می‌باشند. در صورتی که منبع تغذیه کمکی از طریق یکسوساز دیودی تغذیه شود، V_DC بین ۵۵۰ و ۷۰۰ ولت می‌باشد و V_S1 برابر می‌باشد، با در نظر گرفتن بدترین شرایط و ( برای V_DC=550V ) بدست می‌آید. مقدار N را برای افزایش قابلیت کنترل اینورتر و دور شدن از حاشیه ولتاژ DC کوچکتر در نظر می‌گیریم. علاوه بر این اختلاف بین اندازه و باعث تفاوت در تعداد دور ترانسفورماتور تزریق سری تکفاز و سه‌فاز می‌شود و راندمان جبران ساز در TPSAF نسبت به SPSAF بالاتر است.

(۲-۹)

(۲-۱۰)

(۲-۱۱)

(۲-۱۲)

۲-۳-۲-۲- شار پیوندی مورد نیاز
شار پیوندی ثانویه در معادله (۲-۱۳) داده شده است. ممکن است که شار پیوندی اولیه و انتگرال ولتاژ فیلتر اکتیو سری در ابتدا یک افست DC در شار پیوندی ایجاد کنند که باعث جریان کشی بیش از حد در اینورتر شود، بنابراین بایستی در طراحی SIT به این موضوع توجه کرد.

(۲-۱۳)

با فرض شار پیوندی بدون افست DC، شکل‌موج‌های شار پیوندی مربوط به V_SAFh، V_SAFf و V_SAF برای موارد تکفاز و سه‌فاز به صورت شکل ۲-۷ می‌باشد. این شکل‌موج‌ها برای بدترین شرایط جبران‌سازی که در بخش قبلی بحث شد، تولید می‌باشند. در این شکل‌موج‌ها پیک شار پیوندی بدون افست DC، و خواهد بود یا به عبارت دیگر می‌باشد. در بدترین حالت افست DC، یا به عبارت دیگر در شار پیوندی دو برابر می‌شود به طوری که و خواهند بود. دو برابر شدن شار پیوندی به معنی دو برابر شدن سایز هسته می‌باشد؛ بنابراین، موضوع افست DC را باید در طراحی ترانسفورماتور و کنترل SAF در نظر گرفت [۲۲].

(الف)

(ب)

شکل ۲-۸ : شکل‌موج شار پیوندی جدا ساز هارمونیکی ، تنظیم ولتاژ بار و فیلتر اکتیو سری برای (الف) SPSAF (ب) TPSAF.
۲-۳-۲-۳- طراحی ترانسفورماتور تزریق سری
به منظور کاهش اشباع مغناطیسی بوجود آمده توسط افست DC شار پیوندی، حداکثر شار پیوندی را بایستی بیشتر از مقدار بدست آمده شار برای موارد تکفاز و سه‌فاز در نظر گرفت. علاوه بر این می‌توان اشباع ناشی از ولتاژ افست DC در VSI را با بهره گرفتن از یک فاصله هوایی کوچک در هسته کاهش داد.
معادلات (۲-۱۴) و(۲-۱۵) معادلات اصلی در طراحی ترانسفورماتور هستند که در آن N₂ تعداد دور ثانویه، I₂ جریان سمت ثانویه، J چگالی جریان عبوری از سیم‌پیچ‌ها، A_W مساحت پنجره هسته ، K_u ضریب بهره برداری پنجره از سیم‌پیچ‌ها و A_c سطح مقطع هسته می‌باشد [۲۰]. با بهره گرفتن از این دو فرمول، مساحت هسته (A_P) به صورت معادله (۶-۲) بدست می‌آید. A_P پارامتر اصلی برای تعیین ابعاد هسته می‌باشد. بعد از پیدا کردن ابعاد خاص هسته از طریق A_P، می‌توان N₂ را تعیین کرد. به منظور به دست آوردن اندوکتانس نشتی کم، N₂ را بایستی کمتر از مقدار بدست آمده انتخاب کرد و این کاهش دور به وسیله پارامتر A_c توسط شار هسته جبران می‌شود. علاوه بر این یک در میان ساختن دورهای اولیه و ثانویه اندوکتانس نشتی را کاهش می‌دهد [۲۰].

شکل ‏۵‌.‌‌۷ خروجی طراحی آزمایشات برای تنظیم پارامتر الگوریتم NSGA (مسائل متوسط). ۸۵

شکل ‏۵‌.‌‌۸ خروجی طراحی آزمایشات برای تنظیم پارامتر الگوریتم NSGA (مسائل بزرگ). ۸۵
شکل ‏۵‌.‌‌۹ خروجی طراحی آزمایشات برای تنظیم پارامتر الگوریتم MOPSO (مسائل کوچک). ۸۶
شکل ‏۵‌.‌‌۱۰ خروجی طراحی آزمایشات برای تنظیم پارامتر الگوریتم MOPSO (مسائل متوسط). ۸۶
شکل ‏۵‌.‌‌۱۱ خروجی طراحی آزمایشات برای تنظیم پارامتر الگوریتم MOPSO (مسائل بزرگ). ۸۶

جدول ‏۲‌.‌۱ خلاصه­ای از مطالعات مربوط به کنترل موجودی در مسئله SWMR. 30
جدول ‏۲‌.‌۲ خلاصه­ای از رویکرد حل مسائل کنترل موجودی در مسئله SWMR. 33
جدول ‏۴‌.‌۱ دسته­بندی مسائل نمونه. ۵۶
جدول ‏۴‌.‌۲ نحوه تولید متغیرهای مسائل نمونه. ۵۷
جدول ‏۴‌.‌۳ نمونه مقادیر تقاضاهای تولیدشده برای یک مسئله با ابعاد کوچک. ۵۸
جدول ‏۴‌.‌۴ نمونه مقادیر هزینه نگهداری تولیدشده برای یک مسئله با ابعاد کوچک. ۵۹
جدول ‏۴‌.‌۵ طرح آزمایشات برای تنظیم پارامترهای الگوریتم NSGAΙΙ. ۶۰
جدول ‏۴‌.‌۶ سطوح مختلف پارامترهای الگوریتم NSGAΙΙ برای مسائل با ابعاد مختلف. ۶۱
جدول ‏۴‌.‌۷ مقادیر انتخاب شده برای پارامترهای الگوریتم NSGAΙΙ برای مسائل با ابعاد مختلف. ۶۱
جدول ‏۴‌.‌۸ طرح آزمایشات برای تنظیم پارامترهای الگوریتمMOPSO . 62
جدول ‏۴‌.‌۹ سطوح مختلف پارامترهای الگوریتم MOPSO برای مسائل با ابعاد مختلف. ۶۳
جدول ‏۴‌.‌۱۰ مقادیر انتخاب شده برای پارامترهای الگوریتم MOPSO برای مسائل کوچک. ۶۳
جدول ‏۴‌.‌۱۱ مقادیر متوسط معیار میانگین فاصله از نقطه ایده­آل. ۶۵
جدول ‏۴‌.‌۱۲ مقادیر متوسط معیار بیشترین گسترش. ۶۶
جدول ‏۴‌.‌۱۳ مقادیر متوسط معیار یکنواختی. ۶۷
جدول ‏۴‌.‌۱۴ مقادیر متوسط معیار تعداد نقاط پارتو. ۶۸
جدول ‏۴‌.‌۱۵ مقادیر متوسط معیار پوشش مجموعه. ۶۹
جدول ‏۴‌.‌۱۶ نتیجه آزمون فرضیه ۱: معیار میانگین فاصله از نقطه ایده­آل. ۷۰
جدول ‏۴‌.‌۱۷ نتیجه آزمون فرضیه ۲: معیار میانگین فاصله از نقطه ایده­آل برای مسائل با ابعاد بزرگ. ۷۱
جدول ‏۴‌.‌۱۸ نتیجه آزمون فرضیه۳: معیار بیشترین گسترش. ۷۲
جدول ‏۴‌.‌۱۹ نتیجه آزمون فرضیه۴: معیار یکنواختی. ۷۳
جدول ‏۴‌.‌۲۰ نتیجه آزمون فرضیه۵: معیار تعداد نقاط پارتو. ۷۴
جدول ‏۴‌.‌۲۱ نتیجه آزمون فرضیه۶: معیار پوشش مجموعه. ۷۵
جدول ‏۵‌.‌۱ نتایج آزمون فرض الگوریتم­های فراابتکاری در معیارهای مختلف. ۸۴

‌
کلیات

مقدمه

مدیریت زنجیره تأمین، تضمین می­ کند که زنجیره تأمین^[۲] شرکت­ها به صورت کارا و با هزینه­ های مناسب عمل کند و به آنها در بهبود موقعیت رقابتی در بازار متلاطم کمک می­ کند. اگر زنجیره تأمین به خوبی مدیریت گردد، می ­تواند منجر به استفاده بهتر از منابع، سودبخشی و به دست­آورن مزیت رقابتی گردد. در مقایسه با زنجیره­های تأمین سنتی که شرکت­ها به طور مستقل عمل می­ کنند، مدیریت زنجیره تأمین شامل ارتباط نزدیک و هماهنگی جریان اطلاعات و مواد است. با کمک اطلاعاتی که راجع به تقاضا، موجودی و تأمین بین اعضا به اشتراک گذاشته می­ شود، شرکت­ها به طور گسترده­ای از سیاست­های هماهنگ برای مدیریت سیستم­های توزیع خود با هدف کاهش هزینه­ های حمل و نقل و انبارداری استفاده می­ کنند. مدیریت موجودی به عنوان موضوعی مهم در مدیریت زنجیره تأمین مورد توجه قرار گرفته است. مدیریت کارای موجودی در طول زنجیره تأمین به طور قابل توجهی سطح خدمت به مشتریان را بهبود می­بخشد. بنابراین، برای رسیدن به حداقل هزینه­ها، تعیین مقدار موجودی که در سطوح مختلف باید نگهداری شود، اجتناب ناپذیر است. حداقل کردن هزینه کل در یک زنجیره تأمین با کاهش هزینه­ های نگهداری و کمبود در کل زنجیره مرتبط است. پیچیدگی این دسته از مسائل با افزایش تعداد محصولات، مراکز توزیع و استفاده از لجستیک شخص ثالث افزایش می­یابد که برای یافتن سیاست بهینه باید از روش­های مناسب بهره جست.

بیان مساله

این پژوهش، درصدد گسترش مدل کنترل موجودی در زنجیره تأمین ارائه شده توسط آقای یانگ و همکاران^[۳] است که به اختصار SWMR^[4] نامیده می­ شود. زنجیره تأمین فوق شامل چند تأمین­کننده^[۵]، یک انبار^[۶] و چند خرده­فروش^[۷] است که در آن ظرفیت وسایل نقلیه محدود و تقاضای پس­افت^[۸] مجاز است. مدل فوق به فرم یک مسئله تک­هدفه برای کمینه­کردن تابع هزینه فرموله شده است که شامل هزینه حمل از تأمین­کننده تا انبار و از انبار تا خرده­فروش، هزینه نگهداری موجودی توسط خرده­فروش و هزینه کمبود می­باشد [۱].
از آنجاییکه مبنای مشخصی برای محاسبه هزینه هر واحد کمبود وجود ندارد و در سایر پژوهش­ها نیز فقط مقدار پیش فرضی برای آن در نظر گرفته شده است؛ لذا می­توان هزینه کمبود را از تابع هدف مجزا نموده و به صورت تابعی از تعداد کمبود به اهداف مسئله اضافه کرد [۲]. در این صورت مسئله تبدیل به یک مسئله چندهدفه می­ شود که طبعاً حل آن نیازمند بکارگیری الگوریتم­های متناسب خواهد بود.
نشان داده شده است که مسائل SWMR از جمله مسائل متعلق به رده پیچیدگی سخت^[۹] طبقه ­بندی می شوند [۱]. به علت اندازه بزرگ بسیاری از مسائل واقعی، حل بهینه آنها غیرممکن بوده و یا با صرف زمان بسیار زیاد امکان­ پذیر است. به همین دلیل، دو الگوریتم فراابتکاری الگوریتم ژنتیک چند هدفه با مرتب­سازی نامغلوب^[۱۰] و الگوریتم بهینه­سازی ازدحام ذرات چندهدفه^[۱۱] برای حل مسئله مورد نظر ارائه می­ شود.
در این مسئله فرضیه خاصی وجود ندارد؛ اما مفروضات آن عبارتند از:
ساختار زنجیره تأمین متشکل از چند تأمین­کننده، یک انبار و چند خرده­فروش است.
انبار به عنوان بارانداز بوده و موجودی در آن نگهداری نمی­ شود.
پیش ­بینی تقاضای خرده­فروش­ها برای T دوره بعدی در دست است.
هزینه نگهداری هر واحد کالا معین است.