طراحی مدل ریاضی برای بهینه سازی فرآیند برنامه ریزی تولید و کنترل موجودی در زنجیره تامین معکوس
محورهای موضوعی : مدیریتعباس طلوعی اشلقی 1 , رضا احتشام راثی 2 , ، جمشید ناظمی 3 , محمود البرزی 4
1 - استاد دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران.
2 - دانش آموخته دکترای مدیریت صنعتی، دانشگاه¬آزاداسلامی، واحدعلوم ¬و تحقیقات تهران، تهران، ایران. (عهده¬دار مکاتبات)
3 - دانشیار دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران.
4 - استادیار دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران.
کلید واژه: الگوریتم ژنتیک, زنجیره تامین معکوس, برنامه ریزی تولید, کنترل موجودی, برنامه ریزی آرمانی,
چکیده مقاله :
در این پژوهش، برنامه ریزی تولید و کنترل میزان موجودی به عنوان عوامل موثر در فرآیند زنجیره تامین معکوس در جریان برگشت محصول از مصرف کنندگان به تولیدکنندگان ابتدایی در جریان بوده و از آنجاکه عامل مقدار اقلام قابل بازیافت و انهدامی محصولات برگشتی، پیوسته در شرایط عدم قطعیت و احتمالی قرار دارند، بنابراین می بایست مدلی طراحی شود که قادر به تامین سفارشات رسیده مشتریان با حداقل زمان تاخیر و با انعطاف پذیری بالا و حداقل هزینه های زنجیره تامین باشد. پژوهش حاضر در صدد است با طراحی مدل ریاضی چند هدفه و بهینه سازی آن به گونه ای عمل نماید که هزینه موجودی و تولید، میزان ضایعات و مدت زمان فرآیند بر روی محصولات برگشتی حداقل گردد و در نهایت رضایت مشتریان و سودآوری سازمان را به حداکثر برساند. مساله برنامه ریزی تولید و کنترل موجودی پژوهش به دلیل قرارگیری در گروه مسائلNP-Hard، با روش های گرادیان مبنا به راحتی قابل حل نبوده و از این رو الگوریتم ژنتیک برای حل مدل ریاضی آرمانی – فازی پژوهش استفاده شده است.
In this research, production planning and the amount controlling of inventory have been as effective factors in the process of reverse supply chain in flow returned products from customers to producers. Also, as the amount of recoverable as well as recycling returned products factors are in uncertainty and probability condition; therefore, a model which is enable to meet customers ‘needs in terms of least delay time, high flexibility and low cost of supply chain is necessary. The results of multi objective mathematic model is to meet and optimize different objectives as increasing profitability, decreasing cost, decreasing the environment pollution, scrap and processing time. Considering that the reverse supply chain problem is categorized in NP-Hard problems which are not easily solvable by Gradient methods thus other methods like Genetic Algorithm for optimizing production planning and inventory control in reverse supply chain was used.