طراحی مدل استوار شبکه پویای زنجیره تامین محصولات متنوع جهانی در شرایط عدم قطعیت
محورهای موضوعی : مدیریت کسب و کار
محمد مختاری
1
(گروه مدیریت صنعتی، دانشکده مدیریت، واحد تهران جنوب، دانشگاه آزاداسلامی، تهران، ایران)
ابوتراب علیرضایی
2
(گروه مدیریت صنعتی، دانشکده مدیریت، واحد تهران جنوب، دانشگاه آزاداسلامی، تهران، ایران)
حسن جوانشیر
3
(گروه مهندسی صنایع،دانشکده صنایع،واحد تهران جنوب، دانشگاه آزاد اسلامی تهران،ایران.)
محمود مدیری
4
(گروه مدیریت صنعتی،دانشکده مدیریت، واحد تهران جنوب،دانشگاه آزاد اسلامی، تهران،ایران.)
کلید واژه: عدم قطعیت, استوار, طراحی شبکه زنجیره تامین, پویا, جهانی,
چکیده مقاله :
در این تحقیق به مدل‌سازی جهت طراحی شبکه پویای زنجیره تأمین کالای سیمانی برای کاهش کمبود بعد از بحران پرداخته‌شده است.پارامتر زمان یکی از مهمترین پارامترها بدلیل فسادپذیری محصولات سیمانی و همچنین نیاز به تأمین تقاضا در زمان مشخص است که در این تحقیق به مدل‌سازی این پارامتر در شرایط عادی و بعد از بروز بحران پرداخته شده است. حادثه دیدگان بلایا از اولویت متفاوتی نسبت به هم برای تأمین تقاضا برخوردار هستند که در این مدل علاوه بر مدل‌سازی این موضوع استفاده از اقلام جایگزین یا مشابه نیز در نظر گرفته شده است. از برنامه‌ریزی استوار جهت ایجاد تصمیمات استوار به دلیل حساس بودن تأمین تقاضا استفاده گردیده است. برای حل مدل در ابعاد بزرگ‌تر از الگوریتم‌های فرا ابتکاری ژنتیک، بهینه سازی ازدحام ذرات و تبرید شبیه سازی استفاده شده که بنا بر نتایج حاصله از اجرای الگوریتم‌ها برای ابعاد مختلف، الگوریتم ژنتیک از کیفیت بیشتری برخوردار است. با توجه به اهمیت پیش بینی تقاضا در دوره برنامه ریزی در این تحقیق از روش شبکه عصبی فازی تطبیقی برای پیش بینی تقاضا استفاده شده است که FCM بهترین الگوریتم شناسایی الگو و تطبیق پذیری شناخته شده است.
For this purpose, in this study, modeling is designed to design a dynamic cement supply chain network to reduce post-crisis shortage. The facilities used in the model of this study are of the two types of temporary and permanent ones that are used to meet the severe demand created after the crisis. Time parameter One of the most important parameters is due to the cavitation of cement products and also the need to meet demand at specified time. In this research, this parameter is modeled in normal and post crisis situations. Disaster victims have a different preference for meeting demand. In addition to modeling this issue, alternative or similar items are also considered. Sustainable planning has been used to make sound decisions because of the demand-side sensitivity. Genetic algorithms, particle swarm optimization, and simulation refrigeration have been used to solve larger-scale models of the algorithm. According to the results, the algorithm is of better quality than the algorithms for different dimensions. Due to the importance of demand forecasting during the planning period in this study, the adaptive fuzzy neural network method is used for forecasting demand which FCM is the best known pattern recognition and adaptability algorithm.
_||_
