طراحی شبکه زنجیره تأمین با تقاضای چند حالته مبتنی بر درجه پذیرش نقض محدودیت های فازی
الموضوعات :
علی محمودی راد
1
(گروه ریاضی دانشگاه ازاد اسلامی واحد مسجد سلیمان)
الکلمات المفتاحية: Acceptance degree, Supply chain network design problem, Interval expectation, Trapezoidal fuzzy number, Global criterion method,
ملخص المقالة :
این مقاله به طراحی یک مدل ریاضی در شرایط فازی برای مسأله طراحی شبکه زنجیره تأمین که شامل تولیدکنندگان، توزیع کنندگان و مشتری است، می پردازد. هرکدام از تولیدکنندگان و توزیع کنندگان به ترتیب دارای چندین سطح ظرفیت برای تولید و توزیع هستند. همچنین برای تقاضای هر مشتری چند حالت برای تأمین تقاضای مشتریان پیشنهاد می گردد و تنها یکی از این حالت های تقاضای مشتریان باید برآورده شود. با در نظر گرفتن درجه پذیرش نقض محدودیت های فازی، این مقاله روشی برای حل مسأله طراحی شبکه زنجیره تأمین با تقاضای چند حالته با پارامترهای فازی ذوزنقه ای پیشنهاد می دهد. برای این منظور یک رابطه ترتیبی برای اعداد فازی ذوزنقه ای با استفاده از مقدار انتظار بازه ای پیشنهاد می شود. بر طبق این رابطه ترتیب، مسأله زنجیره تأمین فازی به یک مسأله زنجیره تأمین بازه ای تبدیل شده و سپس با ترکیب رابطه ترتیب بین بازه‌ها و درجه پذیرش نقض محدودیت های فازی، به یک مسأله دو هدفه تبدیل می شود و این مسأله دو هدفه با روش معیار جامع حل می شود. سرانجام به منظور کارایی مدل و روش حل پیشنهادی چندین مسأله در ابعاد مختلف حل شده است.
[1] Ardalan, Z., Karimi, S., Naderi, B., Arshadi-Khamseh, A. (2016). Supply chain networks design with multi-mode demand satisfaction policy. Computers & Industrial Engineering, 96, 108-117.
[2] Hatefi, S.M., Jolai, F. (2014). Robust and reliable forward–reverse logistics network design under demand uncertainty and facility disruptions. Applied mathematical modelling, 38 (9-10), 2630-2647.
[3] Jayaraman,V., Pirkul, H. (2001). Planning and coordination of production and distribution facilities for multiple commodities. European Journal of Operational Research, 133, 394-408.
[4] Syam, S.S. (2002). A model and methodologies for the location problem with logistical components. Computers & Operations Research, 29, 1173-1193.
[5] Altiparmak, F., Gen, M., Lin, L., Karaoglan, I. (2009). A steady-state genetic algorithm for multi-product supply chain network design. Computers & Industrial Engineering, 56 (2), 521-537.
[6] Mohammadi-Bidhandi, H., Mohd, R., Megat, Y., Mega, M. H., AbuBakar, M. R. (2009). Development of a new approach for deterministic supply chain network design. European Journal of Operational Research, 198 (1), 121-128.
[7] Costa, A., Celano, G., Fichera, S., Trovato, E. (2010). A new efficient encoding/decoding procedure for the design of a supply chain network with genetic algorithms. Computers & Industrial Engineering, 59 (4), 986-999.
[8] Lin, Ch-Ch., Wang, T-H. (2011). Build-to-order supply chain network design under supply and demand uncertainties. Transportation Research Part B: Methodological, 45 (8), 1162-1176.
[9] Georgiadis, C., Tsiakis, M., Longinidis, P., Sofioglou, K. (2011). Optimal design of supply chain networks under uncertain transient demand variations. Omega, 39 (3) 254-272.
[10] Taleizadeh, A. A., Akhavan-Niaki, S. T., Barzinpour, F. (2011). Multiple-buyer multiple-vendor multi-product multi-constraint supply chain problem with stochastic demand and variable lead-time: A harmony search algorithm. Applied Mathematics and Computation, 217 (22), 9234-9253.
[11] Pishvaee, M. S., Razmi, J. (2012). Environmental supply chain network design using multi-objective fuzzy mathematical programming. Applied Mathematical Modeling, 36 (8), 3433-3446.
[12] Funaki, K., (2012). Strategic safety stock placement in supply chain design with due-date based demand. International Journal of Production Economics, 135 (1), 4-13.
[13] Sadjady, H., Davoudpour, H. (2012). Two-echelon,-commodity supply chain network design with mode selection, lead-times and inventory costs. Computers & Operations Research, 39 (7), 1345-1354.
