3 نتیجه برای انتخاب تأمینکننده
دکتر فریماه مخاطب رفیعی، مهندس فرانک امتحانی،
جلد 27، شماره 1 - ( 3-1395 )
چکیده
در این مقاله یک مسأله انتخاب تأمینکننده چندمحصولی را در یک زنجیره تأمین سه سطحی شامل چندین تأمینکننده مواد خام، یک تولیدکننده و یک خردهفروش مورد بررسی قرار دادهایم. فرض میشود موادخامی که از تأمینکننده خریداری میشوند بلافاصله به دست تولیدکننده میرسند. این مواد خام برای تولید محصولات مختلف استفاده شده و در هر دوره زمانی مواد خام به محصولات تمام شده در همان دوره تبدیل میشوند و در نهایت به دست خردهفروش میرسند. هدف این مدل علاوه بر انتخاب تأمینکننده مناسب و تعیین مقدار سفارش به هر تأمینکننده، یکپارچهسازی تصمیمات موجودی در کل زنجیره تأمین میباشد. یک مدل ریاضی برای این مسأله ارائه شده و در آن محدودیتهای ظرفیت تأمینکنندگان و محدودیت مقدار سفارش به هر تأمینکننده برای هر ماده خام نیز در نظر گرفته شدهاست. برای حل مدل از الگوریتم ژنتیک استفاده شدهاست. همچنین برای ارزیابی الگوریتم ژنتیک، مدل توسط نرمافزار GAMS نیز حل شدهاست. مقایسه حاصل از دو روش حل بیانگر کاهش چشمگیری در زمان حل مسائل توسط الگوریتم ژنتیک و همچنین ارائه جوابهایی نزدیک به بهینه و با درصد اختلاف کمی نسبت به GAMS میباشد. بنابراین میتوان اظهار داشت که الگوریتم ژنتیک ارائه شده یک روش حل مناسب برای مدل مذکور میباشد.
دکتر حسن خادمی زارع، مهندس محمد خسرو ابادی،
جلد 27، شماره 4 - ( 12-1395 )
چکیده
مسأله خریدار دوره گرد یک حالت خاص از مسأله معروف فروشنده دوره گرد است که بر خلاف مسأله فروشنده دوره گرد که به سطح توزیع محصول مربوط میشود، سطح تامین کالا و مواد اولیه را شامل میشود. در مدل های قبلی برای تعیین اندازه انباشته اقتصادی چند دورهای، مسیریابی وسایل نقلیه در نظر گرفته نمیشود اما در این مقاله با تلفیق مسیریابی وسایل نقلیه با استفاده از توسعه مسأله خریدار دوره گرد و مسأله اندازه انباشته چند دورهای به ارائه یک مدل برنامه ریزی خطی عدد صحیح مختلط جدید برای تعیین بهترین خط مشی سفارشدهی چند دورهای در شرایطی که تامینکنندگان برای قیمت کالا تخفیف پیشنهاد میکنند میپردازیم. در این مدل علاوه بر لحاظ کردن همه هزینه ها مثل هزینه خرید، حمل و نقل و نگهداری به طور همزمان، مسیر بهینه وسایل نقلیه نیز مشخص میشود. همچنین برای نزدیک شدن به دنیای واقعی فرضیاتی چون درصد اقلام معیوب، ظرفیت وسایل نقلیه و انبار خریدار نیز لحاظ میشود. نتایج تایید میکند توجه همزمان به هر سه هدف هزینههای خرید، هزینههای حمل و نقل و نگهداری میتواند موجب کاهش کل هزینه ها بیش از 40درصد شود. همچنین به دلیل پیچیدگی محاسباتی بالای مدل پیشنهادی، یک الگوریتم تکامل تفاضلی پیشنهاد شده است. نتایچ نشان میدهد که الگوریتم حل پیشنهادی، توانایی رسیدن به جوابهای بهینه/نزدیک به بهینه را در زمانهای محاسباتی بسیار کمتر از روشهای دقیق دارد.
دکتر رضا سمیع زاده، مهندس پروانه افشاری،
جلد 28، شماره 3 - ( 9-1396 )
چکیده
جهانی شدن و پیدایش شرکتهای توسعه یافته، منجر به افزایش دائمی برون سپاری قطعات و خدمات شده است. این امر شرکتها را وادار به توجه بیشتر به فرآیند خرید و تصمیمهای مرتبط کرده است؛ یکی از این تصمیمها که بر تمامی حوزههای شرکتها اثر گذار است، مسئله انتخاب تأمینکننده میباشد. با توجه به پیچیدگی این مسئله، این مقاله بر آخرین مرحله انتخاب تأمینکننده که شامل تعیین بهترین ترکیب از تأمینکنندگان و تخصیص سفارش به آنها در جهت برآورده ساختن نیازمندیهای خرید میباشد، متمرکز شده است. مسئله انتخاب تأمینکنندگان برای حالت تک تولید کننده که با تقاضای احتمالی مواجه است، در نظر گرفته شده است؛ بعلاوه، تامینکنندگان برای رقابت و فروش بیشتر کالاهای خود را با ارائه تخفیف عرضه میدارند. تخفیف ارائه شده توسط تأمینکنندگان نموی در نظر گرفته شده است. همچنین احتمالی بودن زمان تقاضا و انعطافپذیر بودن تأمینکنندگان (در حجم تقاضا و زمان تحویل) لحاظ شده است. تأمینکنندگان بالقوه، قیمتهای متفاوتی اظهار کرده و محدودیت حداقل و حداکثر اندازه سفارش را دارند؛ هزینه ثابت انتخاب تأمینکننده از دیگر پارامترهای در نظر گرفته شده در مدل میباشد. با استفاده از مدل پیشنهادی یک خریدار میتواند انعطافپذیری شرکای زنجیره تأمین بالقوه را تخمین زده و به صورت سنجیده عمل نماید. هدف از طرح این مسئله، انتخاب تأمینکنندگان با انعطافپذیری بالاتر و قیمت بهتر، کاهش هزینهها و در نهایت افزایش سود مورد انتظار می باشد. لازم به ذکر است میزان تخفیف پیشنهاد شده توسط تأمینکنندگان در فرآیند انتخاب و تخصیص سفارش به آنها نقش کلیدی دارد.. این مدل به صورت یک مسئله دو هدفه تحت شرایط زمان و حجم تقاضای احتمالی مدلسازی شده است. با توجه به اینکه مسئله مورد نظر جزء مسائل NP-hard به شمار میآید، الگوریتمهای فراابتکاری جهت حل مدل به کار گرفته شده است و در نهایت الگوریتم ژنتیک رتبه بندی غلبه نشده (NSGA-II) و الگوریتم ژنتیک مرتب سازی غلبه نشده (NRGA) با هم مقایسه شدهاند.