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
| فهرست جداول | صفحه |
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.
فرم در حال بارگذاری ...
