مدل سازی و طراحی شبکه زنجیره تامین دو هدفه با در نظر گرفتن مدیریت ارتباط با مشتری: مطالعه موردی
محورهای موضوعی : مدیریت کسب و کار
محسن اعتماد
1
(
گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
)
نوید نظافتی
2
(
گروه مدیریت صنعتی و فناوری اطلاعات، دانشگاه شهید بهشتی، تهران، ایران
)
محمد رضا فتحی
3
(
گروه مدیریت صنعتی و مالی، پردیس فارابی دانشگاه تهران، قم، ایران.
)
کلید واژه: مدیریت ارتباط با مشتری, عدم قطعیت, زنجیره تامین, طراحی شبکه,
چکیده مقاله :
مسئله طراحی شبکه زنجیره تامین شامل تصمیمات استراتژیکی می شود که به پیکربندی زنجیره تامین اشاره دارد و به عنوان مسئله زیرساختاری در مدیریت زنجیره تامین، اثرات دیر پایی روی سایر تصمیمات تاکتیکی و عملیاتی شرکت دارد. در این مقاله برگرفته از نیازهای تحقیقاتی شناخته شده در ادبیات و فضای خالی موجود در آن، یک مدل برنامه ریزی خطی عدد صحیح آمیخته فازی برای طراحی شبکه زنجیره تامین چند محصولی ارائه شده است. مدل ارائه شده به دنبال حداقل سازی هزینه ها و حداکثر کردن میزان محصول فرسوده جمع آوری شده در زنجیره می باشد. مدل پیشنهادی در شرکت صبا باطری که به تولید انواع باتری می پردازد، پیاده سازی شده است. با توجه به اینکه مدل ارائه شده به دسته NP-hard تعلق دارند، از روش فراابتکاری ازدحام ذرات چندهدفه جهت حل مدل استفاده شده است که نتایج آن نشان دهنده مکان، ظرفیت تسهیلات و میزان تولید محصولات می باشند.
The issue of supply chain network design includes strategic decisions that refer to supply chain configuration and as an infrastructure issue in supply chain management, the effects of late footprint on other tactical and operational decisions of the company. In this paper, based on the research needs known in the literature and the empty space available in it, a linear fuzzy number linear programming model is presented for designing a multi-product supply chain network. This model seeks to minimize costs and maximize the amount of worn-out product collected in supply chain. The proposed model has been implemented in Saba Battery Company, which produces various types of batteries. Due to the fact that the proposed model belongs to the NP-hard category, one of the metaheuristic algorithms include multicomponent particle swarm has been used to solve the model, the results of which indicate the location, facility capacity and production rate of products.
_||_