• صفحه اصلی
  • ارائه مدل ریاضی انتخاب تامین کننده تولید در زنجیره تامین با رویکرد الگوریتم زنبورعسل

اشتراک گذاری

آدرس مقاله


کد مقاله : JMFR-1901-1696 (R1) بازدید : 160 صفحه: 0 - 0

نوع مقاله: پژوهشی

ارائه مدل ریاضی انتخاب تامین کننده تولید در زنجیره تامین با رویکرد الگوریتم زنبورعسل

محورهای موضوعی : آینده پژوهی

تاج الدین ارم 1 , ناصر فقهی فرهمند 2 , یعقوب علوی متین 3

1 - گروه مدیریت ، واحد تبریز ، دانشگاه آزاد اسلامی ، تبریز ، ایران
2 - گروه مدیریت ، واحد تبریز ، دانشگاه آزاد اسلامی ، تبریز ، ایران.
3 - گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

تاریخ دریافت : 1397/10/22 تاریخ پذیرش : 1398/02/23 تاریخ انتشار : 1399/04/01

کلید واژه: زنجیره تأمین ", "هزینه خرید و هزینه حمل و نقل", "الگوریتم زنبورعسل", "مدل ریاضی", "انتخاب تأمین کننده",

چکیده مقاله :

انتخاب تامین کنندگان مناسب و تخصیص سفارش به آنها یکی از فعالیت های مهم استراتژیکی مدیریت زنجیره تامین می باشد، هدف این پژوهش ارائه یک مدل ریاضی برای انتخاب تامین کننده تولید در زنجیره تامین در چارچوب روش های پژوهش عملیاتی در واحدهای تولیدی صنایع لبنیاتی شهرستان ماکو بود، مدل بصورت برنامه ریزی خطی با مفروضاتی از قبیل تامین یک نوع مواد (شیر)، با شرایط لازم و یکسان کیفیت، تحویل به موقع، تعهدات و الزامات زیست محیطی برای همه تامین کننده ها طرح گردید، در این مدل پارامتر هایی مانند هزینه خرید شیر، هزینه حمل و نقل، میزان خرید شیر، تعداد تامبن کننده های شیر، ظرفیت تولیدی، حداقل شیر موردنیاز در نظر گرفته شده اند. اهداف این تحقیق شامل مینیمم سازی هزینه های تامین شیر، تامین حداقل شیر موردنیاز و انتخاب تامین کننده مناسب شیر می باشد. روش تحقیق توصیفی ریاضی از حیث هدف کاربردی و ابزار گردآوری اطلاعات اسناد و مدارک، مصاحبه از کارشناسان و مدیران تولید استفاده شد. برای تعیین حجم نمونه، از روش نمونه گیری خوشه ای و به شیوه تصادفی انتخاب شد، با توجه به پیچیدگی حل مساله، از رویکرد الگوریتم فراابتکاری زنبورعسل با بهره گیری از نرم افزار متلب استفاده شد. نتایج حاصل از یافته ها نشان داد که با الگوریتم زنبورعسل، تامین کننده های مناسب شیر در زنجیره تامین انتخاب گردیدند بطوری که هزینه تامین شیر مینیمم شد و حداقل مواد موردنیاز (شیر)، توسط تامین کننده ها برآورد شد. نتیجه می گیریم الگوریتم زنبورعسل پیشنهادی عملکرد قابل قبولی در مدت زمان مناسبی می باشد.

چکیده انگلیسی:

Selecting suitable suppliers and assigning orders to them, is one of the most important strategic supply chain management activities. In this research, a mathematical model for choosing the supplier in the supply chain in the framework of the operational research methods in dairy production units in the city of maku was proposed. The model was designed as Linear programming with assumptions such as supplying a variety of milk products with the same requirements, such as quality, timely delivery, obligations and envirmental require mental for all suppliers. This model includes parameters such as milk purchase cost, transportation cost, milk purchase, milk suppliers, production capacity, and minimum required milk. The objectives of this research include minimizing the cost of supplying milk, supplying the minimum required milk and selecting suitable suppliers of milk. the research method, mathematical descriptive, is applied in terms of purpose, Information gathering tools, such as documentation tools, interviews with experts and production managers were used in relation to production, to determine the sample size were selected by cluster sampling method and random sampling method. Due to complexity of the problem solving, the meta-heuristic bee algorithm approach using MATLAB software was solved. The results obtained from the findings showed that with the bee algorithm, the suitable supplier of milk was selected in the supply chain, so that the cost of milk supply minimized and the minimum material required was estimated by the suppliers. It is Conclude that the suggested bee algorithm is an acceptable performance in a suitable time period.

منابع و مأخذ:
_||_
متن کامل:
عنوان:

عنوان:

  ارائه مدل ریاضی انتخاب تامین کننده تولید در زنجیره تامین با رویکرد الگوریتم زنبورعسل

چکيده:

انتخاب تامین کنندگان مناسب و تخصیص سفارش به آنها یکی از فعالیت هاي مهم استراتژیکی مدیریت زنجیره تامین می باشد، لذا در این پژوهش ابتدا یک مدل ریاضی برای انتخاب تامین کننده تولید در زنجیره تامین در چارچوب روش های پژوهش عملیاتی طرح، مدل برنا مه ريزي خطي با در نظر گرفتن هزينه خرید و هزينه حمل و نقل با رویکرد الگوريتم فراابتکاري زنبورعسل با بهره گیری از نرم افزار متلب حل و تحلیل ­گردید، بنابراین، روش تحقيق از حيث هدف کاربردی و از حيث روش از نوع توصيفي رياضي که به صورت کتاب خانه ای و میدانی به اجرا درآمد. ابزار گردآوري اطلاعات اسناد و مدارک، مصاحبه از کارشناسان و مدیران تولید استفاده شد. با توجه به ماهيت اين تحقيق که مدل سازي و حل آن توسط الگوريتم مي باشد، برای تعیین حجم نمونه، از روش نمونه گیری خوشه ای و به شیوه تصادفی انتخاب شد، سپس جهت اعتبار سنجي مدل رياضي، از نرم افزار (lingo) و inQSBW استفاده شد، كه جواب به دست آمده به وسيله هر دو نرم افزار که همان جواب بهينه نهايي و دارای تابع هدف بهينه می باشد، نشان دهنده اعتبار بودن مدل رياضي می باشد.

واژه های كليدی:

زنجيره تأمين، انتخاب تأمین کننده، مدل ریاضی، الگوريتم زنبورعسل، هزينه خرید و هزينه حمل و نقل

1-       مقدمه:

امروزه شرکت ها مجبور هستند براي ارتقاي کیفیت محصول خود، همکاري هاي گسترده و مدیریت تنگاتنگی با دیگر شرکت هاي درگیر در زنجیره تأمین محصول داشته باشند. افزایش تنوع در تقاضاي مشتریان، پیشرفت هاي اخیر فناوري در ارتباطات و سیستم هاي اطلاعاتی، رقابت در عرصه جهانی و افزایش قوانین و مقررات دولتی، سازمان ها را ملزم به تمرکز بر زنجیره تأمین کرده است(آذر، 1395). انتخاب تامین کنندگان مناسب و تخصیص سفارش به آنها یکی از فعالیت هاي مهم استراتژیکی مدیریت زنجیره تامین می باشد و در مرحله توسعه انجام می شود. انتخاب تامین کننده، فرایند تعیین، ارزیابی و بستن قرارداد با تامین کنندگان است و منابع مالی زیادي از زنجیره تامین را به خود اختصاص می دهد. امروزه تقریبا نصف درآمد زنجیره تامین صرف خرید خدمات، مواد خام و اجزا می شود. بنابراین، موفقیت زنجیره تامین بستگی به ارتباط با تامین کنندگان دارد و نقش واحد خرید بسیار اهمیت پیدا می کند. فرایند انتخاب تامین کنندگان شامل چهار گام اساسی تعریف مسئله، فرموله سازي معیارهاي تصمیم، انتخاب پیشین تامین کنندگان بالقوه و انتخاب نهایی می باشد(رزازي و دیگران، 1393). از عوامل مهم بقا در محیط پر رقابت امروزي، کاهش هزینه هاي تولید محصول می باشد. انتخاب تأمین کنندگان مناسب می تواند به شکل قابل ملاحظه اي هزینه هاي خرید را کاهش و قابلیت رقابت پذیري سازمان را افزایش دهد، چرا که در بیشتر صنایع، هزینه مواد خام و اجزاي تشکیل دهنده محصول، قسمت اصلی از بهاي تمام شده محصول را در بر می گیرد. در دهه اخیر چگونگی تعیین مناسب ترین تأمین کننده به عنوان یک عامل استراتژیک در زنجیره تأمین مورد توجه قرار گرفته است. ماهیت این نوع تصمیم ها معمولاً پیچیده و فاقد ساختار مشخصی است و بسیاري از معیارهاي عملکرد کمی و کیفی از قبیل، کیفیت، قیمت، انعطاف پذیري و زمان تحویل باید براي تعیین مناسب ترین تأمین کننده مورد توجه قرار گیرد(خان محمدي، 1392). در عصر کنونی، شرکتها با چالش ها و فشارهای شدید بازار رقابتی، شامل جهانی سازی، رقابت و همکاری، تنوع نیازهای مشتریان، و چرخه کوتاه عمر محصول روبرو هستند. در نتیجه، زنجیره تأمین به عنوان یک اصل مهم مورد توجه مدیران شرکتها قرار گرفته است. به عبارتی، مدیران عالی علاوه بر تمرکز بر فعالیت های داخلی شرکت، به ارتباطات و تعاملات مناسب و به هنگام با تأمین کنندگان و مشتریان خود توجه خاصی مبذول می کنند و در تلاش هستند به نحوی مؤثر و کارا، زنجیره تأمین مربوط به محصولات خود را مدیریت نمایند. به عبارت دیگر، تلاش در جهت بهینه سازی فرآیندهای سازمانی بدون در نظرگرفتن تأمین کنندگان و مشتریان امری بیفایده به نظر می رسد و سازمانهایی که با همکاری یکدیگر در جهت اهداف مشترک گام برمی دارند، دارای عملکرد بهتری هستند(شیخی، 1391).

2- بیان مسأله:     

با جهانی شدن بازار محصولات و رشد اقتصاد جهانی، سازمانها براي بقاي خود نیازمند مکانیزم هاي جدید و به روزي شدند که بتواند الزامات آنها را تأمین کنند. در سال هاي اخیر سازمانها دریافتند که به منظور حفظ مشتریان و توسعه بازار خود ملزم به افزایش کیفیت و کاهش قیمت محصول به صورت همزمان هستند. در گذشته شبکه زنجیره تأمین از بخش هاي مختلفی تشکیل شده بود که هر کدام فعالیت مستقلی داشتند و اهداف جداگانه اي را دنبال می کردند که گاه اوقات این اهداف با یکدیگر در تضاد بودند. از این رو نیاز به مکانیزمی براي یکپارچه سازي این اهداف و کارکردها بود. مدیریت زنجیره تأمین چنین یکپارچگی را براي سازمانها دست یافتنی می کند (Altiparmak, et al, 2006, 195-216). انتخاب تامین کننده موضوع مهمی در زنجیره تامین محسوب می شود، بگونه اي که تولید کنندگان 60 درصد از زمان خود را صرف تامین مواد اولیه، اجزا و قطعات می کنند، بعلاوه اینکه 70 درصد از هزینه هاي تولیدي مربوط به خرید کالا و خدمات می شود(شفیعی، 1390). اخیرا مدیریت زنجیره تأمین و فرایند انتخاب تأمین کنندگان در متون مدیریت موردتوجه خاصی قرارگرفته است و از عوامل مهم بقا در محیط پررقابت امروزی، کاهش هزینه های تولید محصول است. انتخاب تأمین کنندگان مناسب می تواند به شکل عمده ای هزینه های خرید را کاهش و قابلیت رقابت پذیری سازمان را افزایش دهد، چرا که در بیشتر صنایع، هزینه مواد خام و اجزای تشکیل دهنده محصول، قسمت عمده ای از بهای تمام شده محصول را در برمی گیرد(نژادی، ١٣٩٣). یک انتخاب تامین‏کننده موثر به مدل‏های تجزیه و تحلیلی توانمند و ابزارهای پشتیبانی تصمیم­گیری برای توانایی ایجاد توازن بین معیارهای چندگانه ذهنی و عینی نیازمند است (Bhattacharya et al, 2010). بنابراین فرآیند انتخاب تامین‏کننده با اهمیت­ترین متغیر در مدیریت موثر شبکه زنجیره تامین مدرن است چرا که در دستیابی به محصولات با کیفیت بالا و رضایت مشتری کمک شایانی می­کند (Gonzaılez, et al , 2004).

مسأله از این ناشی می شود که در صورت تعدد زیاد تامین کنندگان برای خرید مواد اولیه از یک طرف و محدودیت ظرفیت تولید تامین کننده مواد اولیه، چگونه مدلی را طراحی نمود که هزینه تامین را حداقل نماید البته در غالب واحدهاي توليدي كشور ما هنوز ديدگاه سنتي در برنامه ريزي عمليات واحدهاي مرتبط با تهيه و تدارك يك محصول حاكم بوده بنابراین واحدهاي تولیدی صنايع لبنياتي شهرستان ماكو و به طور موردی در کارخانه نیزار تولید پنیر لیقوان و کارخانه لبنی و شیر پاستوریزه شرکت تعاونی، با تعدد زیاد تامین کنندگان برای خرید مواد اولیه شیر از یک طرف و محدودیت ظرفیت تولید تامین کننده مواد اولیه شیر، چگونه مدلی ریاضي را طراحی نمود، که هم هزينه خرید شیر و هم هزينه حمل و نقل شیر که در مجموع هزینه تامین شیر را حداقل نماید و براساس کاربردهای از ادبیات که مطرح شد، اهمیت انتخاب تامین کننده مشخص می شود، که این پژوهش " مسئله انتخاب تأمین کننده را در چارچوب یک روش تحقیق در عملیات، مدل سازی نموده، و از سوی دیگر این مساله هم مطرح می شود در یک فضای با تعدد بیشتر تامین کنندگان شیر چگونه مدل مطرح شده قابل حل باشد، استفاده از رویکرد فراابتکاری الگوریتم زنبور عسل به منظور حل مدل مطرح شده مسئله انتخاب تأمین کننده می باشد. در دهه 90 میلادی الگوریتم های فراابتکاری با الگوبرداری از طبیعت مطرح و استفاده از این الگوریتم ها برای حل مسایل پیچیده آغاز شد. الگوریتم های فراابتکاری به جواب های تقریبی در همسایگی نقاط بهینه دست می یابند هر چند نمی توان ادعا کرد که جواب بدست آمده، بهینه است، با این حال در همسایگی بهینه خواهد بود و می توان اعتبار و کارایی الگوریتم را مورد سنجش قرار داد. بنابراین سؤالات تحقیق بصورت زیر آورده شده است:

1.       انتخاب تامین کننده مواد اولیه در زنجیره تامین را با استفاده از مدل ریاضی، مي توان فرمول بندي کرد؟

2.       انتخاب تامین کننده مواد اولیه در زنجیره تامین را با استفاده از الگوريتم زنبور عسل، مي توان حل نمود؟

3.       هزینه های واحد تولیدی را با مدل طرح شده انتخاب تامین کننده مواد در زنجیره تامین، مي توان کاهش داد؟

4.       حداقل مواد موردنیاز را با مدل طرح شده انتخاب تامین کننده مناسب مواد، مي توان تامین نمود؟

3- مبانی  نظری 

واژه تامین در اواسط دهه 70 ابداع شد. این واژه برای انتقال الکتریسیته به سمت مصرف کننده نهایی توسط بانبوری استفاده شد. البته تا سال 1980 که عبارت مدیریت زنجیره تامین به عنوان یک مفهوم مطرح شد به کار گرفته نشد. الیور و همکاران  منافع بالقوه یکپارچه سازی فعالیتهای داخلی کسب و کار شامل خرید، تولید، توزیع و فروش در یک چارچوب منسجم را مورد بحث قرار دادند (اعتزازیان و دیگران، 1394). بنابراین واژه مدیریت زنجیره تأمین در اواخر دهه 1980 مطرح شد و در دهه 1990 به طور گسترده مورد استفاده قرار گرفت. تا پیش از این تاریخ، کسب و کارها از واژه هایی نظیر لجستیک و مدیریت عملیات استفاده می کردند. (Hugos, 2003) در دهه هشتاد میلادی، سازمان ها جهت دست یابی به مزیت رقابتی پایدار، بیشتر روی سیستم هایی مانند تولید به هنگام، مدیریت کیفیت جامع و غیره تمرکز داشتند. اما ازآنجایی که این مزایای رقابتی به وسیله رقبا تقلید می شدند، از پایداری لازم برخوردار نبودند. درواقع تلاش برای بهینه سازی فرآیندهای سازمانی بدون در نظر گرفتن شرکت های بیرونی، به خصوص تأمین کنندگان و مشتریان امری بی فایده به نظر می رسید و سازمان هایی که با همکاری یکدیگر در جهت اهداف مشترکی گام برمی داشتند، عملکرد بهتری داشتند. اینجا بود که مفهوم زنجیره تأمین متولد شد. (Srvulaki & Davis, 2010) زنجیره تامین، زنجیره اي است که تمامی فعالیت هاي مرتبط با جریان و تبدیل کالا را از مرحله ي ورود مواد خام، تولید قطعات، مونتاژ قطعات تا تحویل به مصرف کننده ي نهایی را شامل می گردد(Errtugrul Karsak & Dursun., 2015). زنجيرة تأمين، شامل تمام شركت كنندگاني است كه براي برآوردن تقاضاي مشتري نهايي تلاش مي كنند. بنابراين مديريت زنجيرة تأمين، مجموعة وسيعي از كلية فرايندهاي بين تأمين كنندگان مواد اوليه (بالادست) و مصرف كنندگان در پايين (پايين دست) را شامل مي شود. اين فرايندها در سه گروه حمل و نقل كالا (جريان مواد پايين دست)، يافتن منابع جريان اطلاعات بالادست و فعاليت هاي داخلي (براي مثال توليد، مونتاژ، ذخيره سازي و نظارت) دسته بندي مي شوند (Ponte, et al., 2017). از نظر کریستفر1، زنجیره تأمین، شبکه اي از سازمان هاي بالادستی تا پائین دستی است که در فرایندها و فعالیت هاي مختلفی درگیر هستند و در قالب محصولات و خدمات در دست مشتري نهایی ایجاد ارزش می کنند. او معتقد است امروزه راه حل مؤثرِ رسیدن به مزیت هزینه اي، حتماً حجم محصولات و مقیاس اقتصادي نیست، بلکه مدیریت زنجیره تأمین است(احمدي و دیگران، 1395). مدیریت زنجیره تامین هماهنگ سازی تولید، موجودی، محل و موقعیت حمل و نقل در بین اجزای یک زنجیره تامین به منظور رسیدن به بهترین ترکیب پاسخ دهي و کارایي برای بازار مورد نظر ) هوگس، 2008 (. به طوركلي، مديريت زنجيره ي تامين هماهنگي و مديريت شبكه ي پيچيده اي از فعاليت هاست كه شامل تحويل محصول به استفاده كننده نهايي يا مشتري مي باشد. عمليات توليدي نقش عمده اي در تخريب و آلودگي محيط زيست در مراحل مختلف چرخه عمر محصول از استخراج منابع تا توليد، استفاده، استفاده مجدد، بازيافت و از بين رفتن محصول ايفا مي كنند. بنابراين، شركت هاي توليدي مي توانند از طريق بهبود در فرايندها به منظور كاهش آثار محيط زيست محصول به مزيت رقابتي و فراتر از افزايش سهم بازار دست يابند( .(Olugu et al, 2010 در زنجیره تأمین، تأمین کنندگان به عنوان یک مؤلفه کلیدی موفقیت عمل می کنند زیرا انتخاب درست تأمین کننده می تواند باعث پیشرفت در عوامل زیر شود: کاهش هزینه، افزایش سود، بهبود در کیفیت و تضمین در تحویل به موقع (نژادی، 1393). تامين كنندگان، فروشندگاني هستند كه مواد خام، اجزا و خدماتي كه يك سازمان، خود نمي تواند فراهم كند را براي سازمان تامين مي كنند. در محيط توليد فعلي براي زنجيره ي تامين، تامين كننده يك بخش ضروري براي يك سازمان است و يك تامين كننده مناسب مي تواند به شركت محصولات با كيفيت و مقدار مناسب و با قيمت معقول و در زمان مناسب ارايه دهد (Shang, 2010; Lee et al., 2009; Eltayeb et al., 2010). يكي از مشكلاتي كه امروزه زنجيره هاي تأمين را دچار اختلال مي كند، تنوع تقاضا و تغييرات آن از سوي مشتري نهايي است كه تأثير زيادي بر زنجيرة تأمين مي گذارد (پونته، سيرا، فونته و لوزانو، 2017). تغييرات كوچك در تقاضا در پايين جريان(مشتري)، كه به تقويت تقاضا و افزايش بسيار زياد سطح موجودي و تغييرات موجودي در سطح بالايي زنجيره منتج مي شود را اثر شلاقي مي گويند. اثر شلاقي به اين معناست كه تغييرات كوچك در تقاضاي مشتري واقعي، همانند شلاق زدن تأمين كنندگان بالادست براي توليد بيشتر است. اين اثر هنگامي رخ مي دهد كه سطح تغييرپذيري مقدار سفارش، بيش از تغييرپذيري تقاضاي واقعي است (Metters, 1997, 89-100). همانطور که پیش تر تشریح شد اثر شلاق گاوی اشاره دارد به بزرگنمایی تغییرات نیاز مشتری در حرکت رو به عقب از قسمت های پایین دستی زنجیره تامین به سمت شرکت های بالادستی. فارستر معتقد بود علت اصلی اثر شلاق گاوی در زنجیره تامین، مشكلات موجود در به اشتراک گذاری اطلاعات است. مطابق مطالعات انجام شده، لید تایم، حساسیت بازار، نحوه تخصیص منابع و جریان ضعیف مواد در زنجیره تامین، از منابع منشاء اثر شلاق گاوی هستند. حذف آن می تواند میزان سود را از 15 درصد تا 30 درصد افزایش دهد(فرج پور، 1391، 8). بنابراین فرآیند انتخاب تامین‏کننده با اهمیت­ترین متغییر در مدیریت موثر شبکه زنجیره تامین مدرن است چرا که در دستیابی به محصولات با کیفیت بالا و رضایت مشتری کمک شایانی می­کند (Gonzaılez, et al., 2004). گراهام و همکاران (2015) در مقاله ي خود درباره ي اهمیت انتخاب تأمین کنندگان در مدیریت زنجیره تأمین سبز سخن به میان آورده و با استفاده از روش AHPو  TOPSISبررسی معیارها و امتیازدهی تأمین کنندگان با توجه به عوامل اقتصادي و زیست محیطی پرداخته است. اُبراين و قدسي پور براي حل مسأله انتخاب تأمين كنندگان در حالت منبع يابي چندگانه، يك مدل برنامه ريزي غيرخطي عدد صحيح مختلط ارائه كرده اند كه كل هزينه لجستيك را كه شامل قيمت خالص، هزينه نگهداري موجودي، حمل و نقل و هزينه سفارش را در نظر گرفتند. رزازي و بانک توکلی(1393) تحقیق تحت عنوان انتخاب تامین کنندگان و تخصیص سفارش به آنها تحت شرایط پویا در زنجیره هاي تامین انجام که نتایج نشان داده شد که می توان هزینه هاي اضافی را تنها با در نظر گرفتن عناصر تغییر یافته محیط و راه حل پیدا شده در زیر دوره پیشین، بصورت چشمگیري کاهش داد. در پژوهش حاضر، با تکیه بر تکنیک هاي خوشه بندي داده ها یک الگوریتم جدید جهت انتخاب تأمین کنندگان پیشنهاد گردید. این الگوریتم قادر است تا مجموعه بهینه تأمین کنندگان را در هر زیر دوره انتخاب، در کنار کمینه نمودن هزینه هاي انتخاب، پیدا نماید. بیلسل و راویندران (2011) یك مدل منبع یابی چندکالا که تقاضا، ظرفيت تأمين کنندگان، هزینه ي سفارش دهی و هزینه ي حمل و نقل در نظر گرفته و مسأله را با استفاده از برنامه ریزي صفر و یك مختلط خطی چند هدفه با سه تابع هدف حداکثرسازي کيفيت، حداقل سازي زمان تحویل و حداقل سازي هزینه حل نمودند. شاهرودي، طالقانی و طاهري(1392) مدل انتخاب بهترین تأمین کننده براساس معیارهاي چابکی(مطالعه موردي: صنعت کاشی و سرامیک استان یزد) با رویکرد تلفیقیAHP-TOPSIS ارائه شده است، تلفیق این دو سبب گردید که نقاط ضعف هر مدل توسط نقاط قوت مدل دیگر پوشش داده شود. دتلوف (2001) براي مساله مسیریابی وسیله حمل و نقل در لجستیک معکوس مدلی را ارائه و سپس حل آن با یک الگوریتم ابتکاري پرداخت. بر اساس مطالعات و تحقیقات صورت گرفته، هزینه حمل و نقل در مدیریت زنجیره تامین حدود 25 تا 50 درصد از هزینه ها را تشکیل می دهد مدیریت باید توجه ویژه در به حداقل رساندن هزینه هاي زنجیره تامین بنماید و با توجه به آنکه یکی از عوامل موثر در زنجیره تامین عامل حمل و نقل است، مدل هاي برنامه ریزي ریاضی بر اساس حداقل یا حداکثر کردن تابع هدف با توجه به محدودیت ها، پایه گذاري شده اند. نتایج تحقیق لی و زابینسکی (2011) تحت عنوان عدم اطمينان در یك مسأله انتخاب تأمين کننده به موضوع انتخاب تأمين کننده استوار با رویکرد برنامه ریزي احتمالی نشان داد که انتخاب تأمين کننده، یك تصميم استراتژیك مهم در حوزه طراحی زنجيره تأمين می باشد. که هدف آن، تعيين مجموعه هاي حداقلی از تأمين کنندگان و تعيين مقدار سفارش با لحاظ نمودن تخفيف هاي مقداري است و مدل، به صورت برنامه ریزي خطی عدد صحيح مختلط فرمول بندي گرديد. 

4- روش ها و مدلسازي تحقیق :

رویکرد اصلی این پژوهش استفاده از روش های پژوهش عملیاتی و به طور ویژه مدل سازی ریاضی است. بنابراین روش تحقيق از حيث هدف از نوع کاربردی و از حيث روش از نوع توصيفي رياضي است که به صورت کتاب خانه ای و میدانی به اجرا درآمد. از ابزار گردآوري اطلاعاتی مانند ابزار اسناد و مدارک، مصاحبه از کارشناسان و مدیران تولید در رابطه با میزان تولید، حجم کار و میزان تامین کننده ها، استفاده شد. جامعه آماری واحدهاي تولیدی صنايع لبنياتي شهرستان ماكو می باشد اما با توجه به ماهيت اين تحقيق که مدل سازي و حل آن توسط الگوريتم فرابتکاري مي باشد، برای تعیین حجم نمونه، دو شرکت از روش نمونه گیری خوشه ای و به شیوه تصادفی به عنوان نمونه انتخاب شدند که اين دو شرکت، کارخانه نیزار تولید پنیر لیقوان و کارخانه لبنی و شیر پاستوریزه شرکت تعاونی می باشد. بنابراین ابتدا مدلی برای مسئله انتخاب تامین کننده زنجیره تأمین با در نظر گرفتن هزينه خرید و هم هزينه حمل و نقل طرح و در یک فضای با تعدد بیشتر تامین کنندگان برای مسئله انتخاب تامین کننده زنجیره تأمین نیاز به تجزيه و تحليل اطلاعات و حل مدل بود و سپس رویکردی نیز برای تجزيه و تحليل اطلاعات از طریق الگوريتم فراابتکاري به نام زنبورعسل استفاده گردید که روند اجرای فرآيند استفاده از الگوريتم زنبورعسل در ادامه شرح داده می شود که فرآیند ذکر شده با بهره گیری از نرم افزار متلب جهت تجزیه و تحلیل و پیاده سازی الگوریتم مورد استفاده قرار گرفت. همچنین براي اعتبار سنجي مدل سازي رياضي جهت انتحاب تامین کننده تولید در زنجيره تامين، از دو نرم افزار لینگو (lingo) و نرم افزار inQSBW استفاده شد.

مدلسازی ریاضی انتخاب تامین کننده مناسب تولید:

مفروضات مدل پيشنهادي:

مدل ارایه شده فقط برای تامین یک نوع مواد موردنیاز می باشد

تمام تامین کننده ها از نطر کیفیت، تحویل به موقع شرایط لازم و یکسان را دارند

تمام تامین کننده ها نسبت به تعهدات خود پایبند و از نظر زیست محیطی الزامات را رعایت می کنند

شرکت تولیدی به تولیدn  واحد نیاز دارد و تامین این میزان از تولید، به تنهایی از عهده یک تامین کننده خارج است. افق برنامه ریزي در مدل فصلی مي باشد. در شرکت هایی که تعداد تامین کننده بیش از چهار تامین کننده باشد از رویکرد الگوریتم فراابتکاری استفاده شود پارامترهای عمومی مدل مسئله در جدول شماره (1) آورده شده است. 

جدول شماره (1): پارامترهای عمومی مدل مسئله 

میزان خرید محصول یا قطعه مورد نظر توسط تامین کننده i

Xi

تعداد تامبن کننده

i

هزینه تولید قطعه یا مواد توسط تامین کننده i یا هزینه خرید از تامین کننده

ci

هزینه حمل قطعه یا مواد از تامین کننده i

img0 

مجموع مینیمم هزینه

Z

ظرفیت تولید قطعه یا مواد از تامین کننده i

bi

حداقل قطعه موردنیاز

D

متغیرهای تصمیم تحقیق

                                               اگر از تامین کننده i تامین شود   0< Xi                

      n0000 , 3 و 2 و 1 = i                                                                                        

                                               اگر از تامین کننده i تامین نشود       0= Xi                    

تابع هدف: تابع هدف تلاش بر حداقل رسانيدن مجموع هزينه تامین قطعات و مواد مورد نیاز (هزينه خرید و هم هزينه حمل و نقل)در کل برنامه

Minimize z = img0img0

محدودیت های مدل ریاضی

اولين مجموعه از محدوديت ها این است که حداقل قطعه یا مواد موردنیاز توسط تامین کننده ها تامین شود اين محدوديت تضمين مي نمايد که تعداد کافي قطعه یا مواد موردنیاز به منظور ارضاي الزامات تولیده نهایی محصول براي تقاضای مصرف کننده نهایی.

Subject to: img0    i = 1… N (1)

مجموعه دوم از محدوديت ها تضمين مي نمايد که هر تامین کننده از محدودیت ظرفیت تولید برخوردار می باشد و نمی توانند کل نیازهای مشتری را برآورد نماید.

Subject to:   img0                (2)

بنابراین مدل عمومی این تحقیق با مفروضات بیان شده و مدل مناسب براي انتخاب تامین کننده بصورت زیر طرح و ارائه می شود:

مدل ریاضی

Minimize z = img0img0

 

Subject to: img0    i = 1… N           (1)

                         

                                img0                (2)

 

                              img0               img0)            

5- الگوریتم فراابتکاری زنبور عسل2(ABC):

الگوریتم زنبور عسل توسط کارابوگا3 درسال 2005 مبتنی بر رفتار کاوشی زنبور عسل در یافتن منابع غذایی مناسب برای حل مسائل بهینه سازی، یک هدفه، چند حالته و چند بعدی به کار می رود، الگوریتم زنبورها الهام گرفته از زنبورها در طبیعت است. در برخی از تحقیقات صورت گرفته، کارایی  ABCنسبت به الگوریتم های تکاملی دیگر همچون ژنتیک، مورچگان و تکامل تفاضلی بیشتر است. این الگوریتم از شبیه سازی رفتار جستجوی غذای گروه های زنبور عسل ایجاد شده است(Karaboga, 2005). در الگوریتم کلونی هاي زنبورعسل زنبورها شامل سه گروه می شوند:  

زنبورها ي کارگر، تماشاچیان و پیشرو(طلایه دار). زنبور عسلی که در منطقه رقص براي ایجاد تصمیم به انتخاب یک منبع غذایی باقی می ماند زنبور عسل جستجوگر نامیده می شود، و زنبور عسلی که به طرف منابع غذایی از پیش مشخص شده می رود زنبور عسل کارگر نام دارد. زنبور عسلی که جستجوي تصادفی انجام می دهد زنبور عسل پیشرو یا طلایه دار نام دارد. در الگوریتم براي اولین بار نیمی از جمعیت زنبورها، زنبور کارگر و نیمی دیگر زنبور جستجوگر هستند. پس در یک جمعی بندی این الگوریتم بصورت زیر انجام می گیرد:

1- فاز مقداردهی اولیه به منابع غذایی: این الگوریتم، با یک جمعیت اولیه از جوابهای تصادفی، جستجو را آغاز می کند، جمعیت اولیه مطابق فرمول(1) ایجاد می شود(خیرمند و راحتی، 1393).

Xij =Xj (min) + rand(0, 1) (Xj (max) - Xj (min))                 فرمول(1)                        

2- فاز زنبور کارگر

در فاز زنبور کارگر، هر زنبور کارگر به جستجوی راه حلی در همسایگی راه حل موجود در حافظه می پردازد؛ به این معنا که در این فاز برای هر Xi (راه حل در حافظه) یک همسایگی جدید  Viطبق فرمول 2 تولید می شود(همان منبع). هر زنبور کارگر، به طور تصادفی یک همسایه انتخاب می کند و از طریق معادله 2، به سمت آن حرکت می کند. جزئیات فرمول در اجرا الگوریتم توضیح داده شده است

vi, j = xi, j + Φi, j × (xi, j − xk, j)                              فرمول(2)

3- فاز زنبور ناظر

زنبورهای کارگر اطلاعات مربوط به راه حل ها را از طریق رقص در مرکز تجمع کندو، با زنبورهای ناظر در میان می گذارند؛ که این، معادل نبست دادن احتمال به هر راه حل موجود در حافظه است. شایستگی هر راه حل و احتمال هر راه حل مطابق فرمول(3) و فرمول 4 محاسبه می شود(همان منبع).

img0                                       فرمول(3)

img0                                                       فرمول(4)

زنبور ناظر با انتخاب تصادفی مبتنی بر احتمال راه حلها، راه حلی را انتخاب کرده و مطابق با فرمول (2)، به جستجوی یک همسایگی  Viبرای این راه حل انتخاب شده می پردازد. سپس با انتخاب حریصانه مبتنی بر شایستگی، از بین ،Vi و Xi آن یکی که شایسته تر است در جمعیت در مکان ام i جایگزین می شود. حرکت زنبورهای ناظر به منابع غذایی با احتمال محاسبه شده از طریق چرخ رولت با استفاده از معادلات فرمول(3) و (4) و محله های جدید تعیین می گردد.

4- فاز زنبور پیشاهنگ یا پیشرو

برای جلوگیری از به دام افتادن در بهینه محلی، در فاز زنبور پیش آهنگ، راه حلی که مقدار شمارنده آن از یک مقدار  limitبیشتر باشد، رها شده و زنبور کارگر مسئول این راه حل به زنبور پیشاهنگ تبدیل می شود (همان منبع). زنبورهای پیشاهنگ آن ناحیه هایی که از نظر شهد نامطلوب شناسایی شدند، ترک و به تصادف ناحیه های دیگری را انتخاب می کنند. درصورتی که یک منبع غذایی بهتر پس از رسیدن شاخص محاکمه به حد تعیین شده یافت نشود، منبع غذایی جدیدی توسط زنبورهای پیشاهنگ به صورت تصادفی با استفاده از فرمول(1) مقداردهی می گردد. 

5- مراحل الگوریتم زنبورعسل

1-مقداردهی اولیه جمعیت 2- ارزیابی برازندگی جمعیت. 3- While (هنگامی که به شرط توقف نرسیده ایم) 4- شکل دهی جمعیت جدید. 5- انتخاب مکان هایی جهت جستجوی همسایگی. 6- فرستادن زنبورها به سمت مکان های انتخاب شده و ارزیابی برازندگی. 7-  انتخاب شایسته ترین زنبور هر گلزار. 8-  فرستادن زنبورهای باقیمانده جهت جستجوی تصادفی وارزیابی برازندگی آنها. 9- Endwhile (يانگ و ديروگو، 2005).

6- بکارگیری الگوریتم زنبور عسل:

مطالعه موردی کارخانه نیزار ماکو تولید کننده پنیر، جدول شماره (2) ظرفیت تامین هر تامین کننده به همراه هزینه خرید هر لیتر شیر و هزینه حمل و نقل هر لیتر شیر توسط هر تامین کننده را نشان می دهد. ضمنا کارخانه تولید کننده پنیر، حداقل به 360000 لیتر شیر در کل برنامه نیاز دارد و تامین این میزان از لیتر شیر، به تنهایی از عهده یک تامین کننده خارج است.

جدول شماره (2) ظرفیت تامین، هزینه خرید و هزینه حمل و نقل هر لیتر شیر توسط هر تامین کننده

نام تامین کننده

هزینه خرید هر لیتر شیر به ریال

هزینه حمل و نقل هر لیتر شیر به ریال

ظرفیت تامین یا تولید به لیتر

دامداران روستای یخلقان

25000

5000

27300

دامداران روستای آغگل

24000

4500

44600

دامداران روستای قم قشلاق

26000

5500

24800

دامداران روستای دیم قشلاق

24000

6000

49600

دامداران روستای سارنج

24000

5500

23560

دامداران روستای قره بلاغ

25000

4500

26000

دامداران روستای مولیک

25000

4250

22320

دامداران روستای اینجه

24000

2750

49600

دامداران روستای عیسی خان

24000

3750

23560

دامداران روستای میرزا خلیل

24000

3250

24800

دامداران روستای حسن شکه

23000

2500

27300

دامداران روستای غله زاغاسی

23000

3750

22320

دامداران روستای تیکمه

23000

4250

23560

دامداران روستای قوریشکاک

24000

4500

49600

دامداران روستای ذلکه 1

24500

6000

49600

دامداران روستای ذلکه 2

24500

5500

44600

دامداران روستای ملا حسن

24000

5000

24800

دامداران روستای حصار

26000

1000

31000

دامداران روستای شورآغل

25000

4500

18600

 

متغیرهای تصمیم تحقیق

                                               اگر از تامین کننده i تامین شود       0< Xi                

     19 0000 , 3 و 2 و 1 = i                                                                                        

                                               اگر از تامین کننده i تامین نشود 0= Xi                    

تابع هدف تلاش بر حداقل رسانيدن مجموع هزينه تامین شیر مورد نیاز(هزینه خرید و حمل ونقل) در کل برنامه

Minimize z = img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0 

محدودیت های مدل:

img0    i = 1… 19           (1)

   img0           img0         img0        img0         img0                

   img0           img0         img0        img0         img0

   img0           img0         img0        img0         img0

   img0           img0         img0        img0        img0

                         img0               img0)

اجرا الگوریتم زنبور عسل:

تعیین پارامتر های الگوریتم

تعداد متعیرها (nvar ): که همان داده های مربوط به ورود های مسأله است.

حد پایین متعیرها(lb): که برابر صفر است.

حد بالای متعیرها(ub): برابر با میزان ستون ظرفیت تامین یا تولید است.

تعداد کل زنبورها(NB). 50 زنبور

تعداد زنبورهای کارگر یا منابع غذایی (SN): 25 زنبور         25=2÷NB

تعداد زنبورهای نگهبان(N_unlooker): 25 زنبور         25= 25- 50= NB-SN

حداکثر تعداد تکرار یا چرخه(MCN): 200

ماتریس محاکمه(Trial): فعلا برابر صفر است.

حداکثر تعداد تکرار با عدم بهبود(Limit): 60

تعداد بعد هایی که قرار است حرکت به سمت آن انجام شود(ndim): 1

که کد های مربوط به آن به صورت زیر است.

%% parameters setting

Data=load ('data.mat'); load data

Nvar=data.nvar;

lb=0*ones (1,nvar); % lower bound

ub=UB.*ones (1,nvar); % upper bound

NB=50; % number of bee

SN=round (NB/2); % source number

N_unlooker=NB-SN; % unlooker number

MCN=200; % max of cycle number

Trial=zeros (SN,1);

Limit=60;

ndim=1

 تابع هدف: کد های مربوط به آن به صورت زیر است. اگر CH=0 باشد یعنی اینکه محدودیت ها رعایت شده است، و جواب در منطقه موجه قرار دارد. ولی اگر مقدار مواد تامین شده (SX) کمتر از مقدار مواد موردنیاز (D) باشد. آنگاه CH برابر CH=D-SX و برابر صفر نیست.

Function sol=fitness (sol, data)

load data

sol.x=CB (sol.x, 0, UB);

x=round (sol.x);

OBJ=sum ((c+cp).*x');

SX=sum(x);

CH=0;

if SX<D

    CH=D-SX;

end

SCH=1000000000*sum (cp)*sum (CH);

sol.fit=OBJ+ (SCH);

sol.SCH=SCH;

sol.info.CH=CH;

sol.info.X=x';

آماده سازی یا شروع زمان گیری: ساخت یک بردار خالی با متغیر  xو مقدار برازندگی  fit، تکرار بردار واحد خالی را با تعداد مورد نیاز که در ماتریس   foodذخیره می شود، به ازای هر واحد یک جواب کاملا تصادفی تولید کنید به ازای هر منطقه از  x، سپس برازندگی  fitnessآن را محاسبه کنید و بهترین منطقه غذایی را شناسایی و اسم آن را global food بگذارید کد های مربوط به آن به صورت زیر است.  

%% initialization

tic

emp.x =[] ;

emp. fit =[] ;

emp. info = []  ;

emp. SCH =[] ;

food=repmat(emp,SN,1);

for i=1:SN

        food(i).x=unifrnd(lb,ub);

        food(i)=fitness(food(i),data);

end

]value,index]=min([food(i).fit]);

 

gfood=food(index); % global food

حلقه اصلی: یک ماتریس best و یک ماتریس  AVRرا به صورت خالی تولید کنید

%% main loop

best=zeros(MCN,1);

AVR=zeros(MCN,1);

بخش زنبورهای کارگر:

 به ازای هر تکرار در بخش زنبورهای کارگر، و به ازای هر زنبورهای کارگر یک زنبور دیگر را به تصادف انتخاب کنید، موقعیت زنبور همسایه (XK): هر زنبور کارگر، به طور تصادفی یک همسایه را انتخاب می کند، تعیین بعد حرکت(j): به طور تصادفی یکی از متغیرها را انتخاب و در آن بعد حرکت انجام می گیرد، موقعیت زنبور قبلی (X):

for cycle=1:MCN    

    % employed bee section   

    for i=1:SN

        k=randsample ([1:i-1 i+1:SN],1);

        XK=food(k).x; % neighbor

        j=randsample(nvar,ndim');

        X=food(i).x;

موقعیت زنبور جدید (NEWX): موقعیت زنبور جدید از طریق معادله زیر به بدست می آید( هر زنبور کارگر، به طور تصادفی یک همسایه انتخاب می کند و از طریق معادله زیر، به سمت آن حرکت می کند).

  NEWX(j)=X(j)+unifrnd(-1,1,size(j)).*(X(j)-XK(j));

 که X(j)  همان موقعیت زنبور قبلی است و unifrnd(-1,1,size(j)) یا ijǾ یک عدد تصادفی بین 1 و 1- است  X(j)-XK(j) همان تفاوت موقعیت زنبور قبلی با موقعیت زنبور همسایه است. که در آن k ∈ {1, 2, . . . , SN }   و  j ∈ {1, 2, . . . ,D} شاخص شان به صورت تصادفی انتخاب شده است. xk, j یک همسایگی  xi, jدر جمعیت است به طوریکه k و  iتصادفی انتخاب می شوند.  

احتمال دارد موقعیت زنبور جدید خارج از ناحیه موجه قرار گیرد با توجه به دو فرمول زیر آن را در ناحیه موجه قرار می دهیم

        NEWX=max(NEWX,lb);

        NEWX=min(NEWX,ub);

مقدار برازندگی  fit ناحیه جدید را به بدست می آوریم: 

sol=food(i);

        sol.x=NEWX;

        sol=fitness(sol,data);

اگر کیفیت آن بهتر از ناحیه قبلی باشد زنبور به ناحیه جدید می رود و شاخص محاکمه (Trial) آن برابر صفر است. شاخص محاکمه یعنی شمارنده تعداد دفعات متوالی حرکت زنبور با عدم بهبود است. اگر زنبوری مقدار شاخص محاکمه آن از حد معین بیشتر بشود به این معنی است که آن ناحیه غذایی دیگر شهدی ندارد و آن ناحیه را باید ترک کرد.

if sol.fit<food(i).fit

            food(i)=sol;

            Trial(i)=0;

  ولی اگر کیفیت آن بهتر از ناحیه قبلی نباشد یعنی بهبودی نداشته، یک واحد به شاخص محاکمه (Trial) آن اصافه می شود

else

            Trial(i)=Trial(i)+1;

بخش زنبورهای نگهبان:

در این بخش به دنبال تغییر مقدار برازندگی  fit ها می باشیم در واقع تمام fit ها را شناسایی می کنیم، یعنی آن هایی که  fitآن بزرگتر از صفر باشد را شناسایی و سپس آن هایی که  fitآن کوچکتر از صفر باشد را شناسایی می کنیم

f=calculated_Pfit([food.fit]);

PF=find(f>0);

NF=find(f<0);

سپس شایستگی هر راه حل از طریق فرمول زیر محاسبه می شود.

1

Fit (i) + 1 

Fit (i)>=0 

Fitness (i) =

img0                                                                       

Fit) (i) abs (+ 1 

Fit (i) < 0 

فرمول(2)

 

و بعد آن ها را با توجه به فرمول زیر نرمالایز یعنی بر مجموع آن تقسیم می کنیم پس احتمال هر راه حل مطابق فرمول زیر محاسبه می شود.

fitness(i)

 

fitness(i)  Σ  

P (i) =

    img0                                                                  فرمول(3)             

بنابراین حرکت زنبورهای ناظر به منابع غذایی با احتمال محاسبه شده از طریق چرخ رولت با استفاده از معادلات بالا و تعیین محله های جدید صورت می گیرد. سپس از طریق چرخ رولت آن ها را صورت تجمعی می آوریم

F =cumsum(f);

یک زنبور یا یک ناحیه را از طریق چرخ رولت انتخاب کنید چرخ رولت یعنی اینکه یک عدد تصادفی را انتخاب و این عدد کوجکتر از کدامیک از  P ها است اولی را از ابتدا انتخاب کنید یک همسایه را به طور تصادفی انتخاب کنید: تکرار بخش بالا

 

 function k=RouletteWheel(P);

P=P./sum(P);

P=cumsum(P);

   k=find(rand<=P,1,'first');

   end

        k=randsample ([1:i-1 i+1:SN],1);

بخش زنبورهای پیشرو:

% scout bee section

در این بخش منابع یا ناحیه هایی غذایی که بیشتر از محدودیت هستند را پیدا یعنی ناحیه هایی که از نظر شهد نامطلوب هستند را شناسایی می کنیم به ازای هر ناحیه نامطلوب یک حرکت تصادفی انجام می گیرد و جواب های تصادفی ایجاد و  fitآن ها تا شاخص محاکمه (Trial) آن برابر صفر شود. 

    Q=find(Trial>Limit);

  for j=1:length(Q)

        i=Q(j);

        food(i).x=unifrnd(lb,ub);

        food(i)=fitness(food(i),data);

        Trial(i)=0;

    end

بهترین منبع یا منطقه غذایی این تکرار را شناسایی کنید

] value,index]=min([food.fit[);

بنابراین زنبورهای پیشرو آن ناحیه هایی که از نظر شهد نامطلوب شناسایی شدند، ترک و به تصادف ناحیه های دیگری را انتخاب می کنند. درصورتی که یک منبع غذایی بهتر پس از رسیدن شاخص محاکمه به حد تعیین شده یافت نشود، منبع غذایی جدیدی توسط زنبورهای پیشرو به صورت تصادفی با استفاده از معادله زیر مقداردهی می گردد:

Xij =Xj (min) + rand(0, 1) (Xj (max) - Xj (min))                  

اگر بهترین منبع یا منطقه غذایی این تکرار از بهترین منبع یا منطقه غذایی الگوریتم بهتر باشد آن وقت بهترین منطقه غذایی الگوریتم آپدیت و نهایی می شود،  بهترین منبع یا منطقه غذایی این تکرار را ذخیره کنید و میانگین عملکرد  منطقه غذایی این تکرار را ذخیره کنید

if value<gfood.fit

       gfood=food(index);

   end

   best(cycle)=gfood.fit;

   AVR(cycle)=mean([food.fit[);

که نتیجه نهایی الگوریتم زنبور عسل در جدول شماره (3) آورده شده است:

                جدول شماره (3): نتایج میزان خرید به لیتر توسط هر تامین کننده با الگوریتم زنبور عسل

نام تامین کننده

متغیر

میزان خرید از هر تامین کننده به لیتر

نام تامین کننده

متغیر

میزان خرید از هر تامین کننده به لیتر

دامداران روستای یخلقان

x1

11603

دامداران روستای حسن شکه

X11

21754

دامداران روستای آغگل

X2

32806

دامداران روستای غله زاغاسی

x12

5765

دامداران روستای قم قشلاق

X3

6412

دامداران روستای تیکمه

x13

8252

دامداران روستای دیم قشلاق

X4

19585

دامداران روستای قوریشکاک

x14

36672

دامداران روستای سارنج

X5

23560

دامداران روستای ذلکه 1

x15

3663

دامداران روستای قره بلاغ

X6

15557

دامداران روستای ذلکه 2

x16

21335

دامداران روستای مولیک

X7

21499

دامداران روستای ملا حسن

x17

10638

دامداران روستای اینجه

X8

49600

دامداران روستای حصار

x18

18713

دامداران روستای عیسی خان

X9

22729

دامداران روستای شورآغل

x19

6585

دامداران روستای میرزا خلیل

X10

23828

 

 

 

جمع

360000

پس تابع هدف تلاش بر حداقل رسانيدن مجموع هزينه تامین مواد مورد نیاز(هزینه خرید و حمل ونقل) در کل برنامه برابر با:

Minimize z = 10200970750

نمودار شماره (1) مربوط به نتایج بدست آمده از میزان خرید و هزینه تامین توسط هر تامین کننده با الگوریتم زنبور عسل را نشان می دهد:

img0 

نمودار شماره (1): نتایج میزان خرید و هزینه تامین توسط هر تامین کننده با الگوریتم زنبور عسل

برای زنبور عسل شعاع حرکتی هم تعیین کردیم یعنی بین یک مینیمم و ماکزیمم حرکت کنند نمودار شماره (2) نمودار بهبود یافته الگوریتم زنبور عسل را نشان می دهد.

img0 

نمودار شماره (2): نتایج بهبود یافته میزان خرید و هزینه تامین توسط هر تامین کننده با الگوریتم زنبور عسل

مسئله 2: اطلاعات مربوط به کارخانه لبنی و شیر پاستوریزه شرکت تعاونی می باشد که در جدول شماره (4) آورده شده است. ضمنا کارخانه، حداقل به 450000 لیتر شیر در کل برنامه نیاز دارد و تامین این میزان از لیتر شیر، به تنهایی از عهده یک تامین کننده خارج است.

جدول شماره (4) ظرفیت تامین، هزینه خرید و هزینه حمل و نقل هر لیتر شیر توسط هر تامین کننده شرکت تعاونی

نام تامین کننده

هزینه خرید هر لیتر شیر به ریال

هزینه حمل و نقل هر لیتر شیر به ریال

ظرفیت تامین یا تولید به لیتر

روستای سدل

15000

3000

55800

روستای عباس کندی

14000

1500

48600

روستای مسجد لو

14500

2500

52200

حاج موسی

13500

3000

54000

حسین ولیزاده

14000

2500

54900

قرخ بلاغ

15000

3500

48600

مزرعه

13000

2500

50400

تازه کند

14000

2750

52200

چوخور

13000

2750

46800

زاویه

15000

3000

48600

حراملو

14500

3500

46800

سایر

13500

3000

63000

مدل مسئله 2:

تابع هدف تلاش بر حدقل رسانيدن مجموع هزينه تامین مواد مورد نیاز(هزینه خرید و حمل ونقل) در کل برنامه

        Minimize z = img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0+img0 

محدودیت های مدل

محدودیت های شماره 1

img0    i = 1… 12           (1)

محدودیت های شماره2

   img0           img0         img0        img0         img0                

   img0           img0         img0        img0         img0

   img0           img0                          

                         img0               img0)

با توجه به اینکه به جزئیات و مراحل حل رویکرد الگوریتم زنبورعسل در مسئله یک پرداخته شد در این مسئله از آن صرفنظر شده و فقط نتاج آن به شرح زیر در جدول شماره (5) آورده شده است:

جدول شماره (5): نتایج میزان خرید توسط هر تامین کننده با الگوریتم زنبور عسل درشرکت تعاونی

نام تامین کننده

متغیر

میزان خرید از هر تامین کننده به لیتر

روستای سدل

x1

31389

روستای عباس کندی

X2

45992

روستای مسجد لو

X3

26403

حاج موسی

X4

50197

حسین ولیزاده

X5

31861

قرخ بلاغ

X6

36960

مزرعه

X7

38210

تازه کند

X8

43676

چوخور

X9

39660

زاویه

X10

42799

حراملو

X11

1562

سایر

x12

61475

جمع

450184

تابع هدف

7525754500

6- 1- جمع بندی و نتایج یافته های حاصل از الگوریتم زنبور عسل 

1- برای حل مسئله انتخاب تامین کننده مناسب تولید، دو کارخانه نیزار تولید کننده پنیر لیقوان و کارخانه لبنی و شیر پاستوریزه شرکت تعاونی مورد بررسی قرار گرفتند. در کارخانه نیزار تولید کننده پنیر لیقوان، تعداد 19 تامین کننده با توجه به هزینه خرید و هزینه حمل و نقل هر لیتر شیر و محدودیت ظرفیت تامین هر یک از تامین کننده ها در مدل ارائه شده با رویکرد الگوریتم زنبور عسل به مورد اجرا گذاشته شد، طوریکه این 19 تامین کننده، مقدار360000 لیتر شیر کارخانه نیزار را تامین نماید، همان طوری که در جدول شماره (3) مشاهده گردید، دامداران روستاهای اینجه، قوریشکاک و آغگل، بترتیب با مقدار 49600، 36672 و 32806 لیتر شیر، بیشترین مقدار تامین شیر و از طرفی تامین کنندگانی مانند دامداران روستاهای ذلکه 1، غله زاغاسی، قم قشلاق و شورآغل بترتیب با مقدار 3663، 5765، 6412  و 6585 لیتر شیر، کمترین مقدار تامین شیر را بخود اختصاص داده اند. بنابراین تابع هدف با حداقل رسانيدن مجموع هزينه تامین شیر مورد نیاز(هزینه خرید و حمل و نقل شیر) در کل برنامه در کارخانه نیزار برای تامین مقدار360000 لیتر شیر برابر با 10200970750 ریال شد. ضمنا الگوریتم زنبورعسل با پارامتر های زیر مورد اجرا گذاشته شد. تعداد متغیرها 19، حد پایین متعیرها برابر صفر، حد بالا برابر با میزان ستون ظرفیت تامین، تعداد کل زنبورها(NB) 50 زنبور، تعداد زنبورهای کارگر و نگهبان هر کدام 25 زنبور، حداکثر تعداد تکرار 200 و حداکثر تعداد تکرار با عدم بهبود60 . که حرکت زنبورهای ناظر به منابع غذایی با احتمال محاسبه شده از طریق چرخ رولت برای تعیین محله های جدید صورت گرفت. اما در کارخانه لبنی و شیر پاستوریزه شرکت تعاونی، تعداد 12 تامین کننده با رویکرد الگوریتم زنبور عسل به مورد اجرا گذاشته شد، طوریکه، مقدار450000 لیتر شیر کارخانه نیزار را تامین نماید، همان طوری که در جدول شماره (5) مشاهده گردید، سایر دامداران، دامداران روستاهای حاج موسی، عباس کندی، تازه کند و روستای زاویه، بترتیب با مقدار 61475، 50197، 45992، 43676 و 42799 لیتر شیر، بیشترین مقدار تامین شیر و از طرفی تامین کنندگانی مانند دامداران روستاهای حراملو، مسجد لو، سدل و دامداران روستای حسین ولیزاده بترتیب با مقدار 1562، 26403، 31389 و 31861 لیتر شیر، کمترین مقدار تامین شیر را بخود اختصاص داده اند. بنابراین تابع هدف با حداقل رسانيدن مجموع هزينه تامین شیر مورد نیاز در کارخانه شیر پاستوریزه تعاونی برای تامین مقدار450184 لیتر شیر برابر با 7525754500 ریال شد.

نتیجه اینکه کارخانه نیزار برای انتخاب تامین کننده مناسب تولید با رویکرد الگوریتم زنبور عسل با هدف حداقل رسانيدن مجموع هزينه تامین شیر باید توجه خود را به تامین کنندگاني مانند دامداران روستاهای اینجه، قوریشکاک و آغگل با توجه به ظرفیت تامین آنها بیشتر معطوف و آنها را انتخاب نماید، و کارخانه شیر پاستوریزه شرکت تعاونی نیز سایر دامداران، دامداران روستاهای حاج موسی، عباس کندی، تازه کند و دامداران روستای زاویه را انتخاب نماید. 

7-  ارزيابي حساسيت الگوريتم زنبورعسل نسبت به پارامترها:

به منظور بررسي حساسيت الگوریتم زنبورعسل نسبت به پارامترها، به صورت زیر تغییراتی نسبت به پارامترها انحام گرفت که این تغییرات نسبت به پارامترها باعث تغییر در میزان تابع هدف شد که نتایج آن به شرح جدول شماره (6) می باشد. ضمنا پارامترها، به صورت زیر تغییر یافتند:

تعداد کل زنبورها(NB). 10 زنبور

تعداد زنبورهای کارگر یا منابع غذایی (SN): 5 زنبور         5=2÷NB

تعداد زنبورهای نگهبان(N_unlooker): 5 زنبور         5= 5- 10= NB-SN

جدول شماره (6): نتایج حساسيت الگوریتم زنبورعسل نسبت به پارامترها در کارخانه نیزار

نام کارخانه

تعداد حالت

تعداد کل زنبورها

تعداد زنبورهای کارگر

تعداد زنبورهای نگهبان

تعداد تکرار

حداقل میزان تامین شیر

 

تابع هدف

زمان محاسباتي

نیزار

حالت اول

50

25

25

200

360000

10200970750

0757/22

نیزار

حالت دوم

10

5

5

200

360009

10281865500

8353/4

همان طوری که در جدول شماره (6) مشاهده می شود، وقتی تعداد زنبورهای کل از 10 زنبور به 50 زنبور افزایش می یابد میزان تابع هدف از 10281865500 به 10200970750 بهبود و کیفیت جواب بهتر می شود. افزايش اندازه جامعه موجب بهبود قابل ملاحظه همزمان کيفيت و پراکندگي جواب هاي نامغلوب مي شود. در عين حال، اين افزايش موجب افزايش زمان محاسبات نيز مي گردد که زمان محاسبات از 8353/4 به 0757/22 افزايش پیدا کرد. بنابراين هر چه قدر تعداد کل زنبورها و تعداد تکرار بیشتر باشد کیفیت جواب بهتر خواهد بود یعنی از تکرار های اول جواب موجه و جواب نهایی بهبود خواهند یافت.

8-  اعتبار سنجي مدل رياضي

براي اعتبار سنجي مدل سازي رياضي جهت انتحاب تامین کننده تولید در زنجيره تامين، تا حد امکان از تمامي راه هاي موجود استفاده شود. ابتدا با مطالعه مطالب مدل سازي رياضي و استفاده از روش های پژوهش عملیاتی از منابع مختلف، با مراجعه به مثال های متعدد مدل سازي رياضي و قواعد و اصول حاکم بر مدل سازي، سپس مدل هاي رياضي معتبر كه در مدل سازي رياضي زنجيره تامين که توسط افراد معتبر و سرشناس ارائه شده است مبناي طراحي مدل قرار گرفت، همچنین از نظرات اساتید صاحب نظر، مشاورین، داوران، خبرگان و اهل فن مدل سازي در خصوص مدل مورد مطالعه استفاده شده است، و نهایتا اینکه برای اعتبار سنجي مدل رياضي، از نرم افزار لینگو (lingo) و نرم افزار inQSBW استفاده شده است که نتایج آن در جداول شماره (7) و شماره (8) آورده شده است:

جداول شماره (7): نتایج نرم افزار لینگو (lingo) با inqsbW در کارخانه نیزار

نام تامین کننده

متغیر

میزان خرید بهینه با لینگوlingo

میزان خرید بهینه با inqsbW

نام تامین کننده

متغیر

میزان خرید بهینه با لینگوlingo

میزان خرید بهینه با inqsbW

دامداران روستای یخلقان

x1

0

0

دامداران روستای حسن شکه

X11

27300

27300

دامداران روستای آغگل

X2

44600

44600

دامداران روستای غله زاغاسی

x12

22320

22320

دامداران روستای قم قشلاق

X3

0

0

دامداران روستای تیکمه

x13

23560

23560

دامداران روستای دیم قشلاق

X4

0

0

دامداران روستای قوریشکاک

x14

49600

49600

دامداران روستای سارنج

X5

0

16540

دامداران روستای ذلکه 1

x15

0

0

دامداران روستای قره بلاغ

X6

0

0

دامداران روستای ذلکه 2

x16

0

0

دامداران روستای مولیک

X7

22320

22320

دامداران روستای ملا حسن

x17

24800

24800

دامداران روستای اینجه

X8

49600

49600

دامداران روستای حصار

x18

31000

31000

دامداران روستای عیسی خان

X9

23560

23560

دامداران روستایشورآغل

x19

16540

0

دامداران روستای میرزا خلیل

X10

24800

24800

جمع

360000

360000

تابع هدف بهينه

9973300000

9973300000

 

جداول شماره (8): نتایج نرم افزار لینگو (lingo) با inqsbW در شرکت تعاونی

نام تامین کننده

متغیر

میزان خرید بهینه با لینگوlingo

میزان خرید بهینه با inqsbW

نام تامین کننده

متغیر

میزان خرید بهینه با لینگوlingo

میزان خرید بهینه با inqsbW

روستای سدل

x1

0

27900

مزرعه

X7

50400

50400

روستای عباس کندی

X2

48600

48600

تازه کند

X8

52200

52200

روستای مسجد لو

X3

52200

52200

چوخور

X9

46800

46800

حاج موسی

X4

54000

54000

زاویه

X10

0

0

حسین ولیزاده

X5

54900

54900

حراملو

X11

27900

0

قرخ بلاغ

X6

0

0

سایر

x12

63000

63000

جمع

450000

450000

تابع هدف بهينه

7371900000

7371900000

از نرم افزار لینگو برای مدل ارائه شده، برای حل مسئله انتخاب تامین کننده مناسب در کارخانه نیزار، همان طوری که در جدول شماره (7) مشاهده گردید، دامداران روستاهای اینجه، قوریشکاک و آغگل، بترتیب با مقدار 49600، 49600 و 44600 لیتر شیر، بیشترین مقدار تامین شیر و تامین کنندگانی مانند دامداران روستاهای حسن شکه، میرزا خلیل، عیسی خان با تیکمه، غله زاغاسی با مولیک بترتیب با مقدار 27300، 24800، 23560  و 22320 لیتر شیر، کمترین مقدار تامین شیر را بخود اختصاص داده اند. و از طرفی تامین کنندگانی مانند دامداران روستای های یخلقان، غله زاغاسی، قم قشلاق، دیم قشلاق، سارنج، قره بلاغ و ذلکه 1 و 2 نباید آنها را انتخاب نمود و شیر خریداری کرد، طوریکه تابع هدف بهينه برابر با9973300000 می باشد. اما در کارخانه لبنی و شیر پاستوریزه شرکت تعاونی، با نرم افزار لینگو، مشاهده گردید، سایر دامداران، دامداران روستاهای حسین ولیزاده، حاج موسی، تازه کند با مسجدلو، مزرعه، عباس کندی، چوخور و حراملو، بترتیب با مقدار 54900، 54000، 52200، 50400، 48600، 46800و 27900 لیتر شیر، بیشترین مقدار تامین شیر و تامین کنندگانی مانند دامداران روستای های سدل، قرخ بلاغ و روستای زاویه نباید آنها را انتخاب نمود و شیر خریداری کرد، طوریکه تابع هدف بهينه برابر با7371900000 می باشد.

در نرم افزار inQSBW نیز نتایج آن مانند نتایج نرم افزار لینگو است در کارخانه نیزار تابع هدف بهينه برابر است با9973300000 می باشد. و تفاوتي ما بين جواب دو نرم افزار مشاهده نمي شود. البته تنها چیزی که می توان به آن اشاره نمود به مقداری که متغیرهای X5 (روستای سارنج) و X19 (روستای شورآغل) را اختیار کردند می باشد. علت این امر این است که میزان هزینه تامین در هر دو متغیرهای X5 و X19 یکسان و برابر با 29500 ریال می باشد یعنی در نرم افزار لینگو مقدار متغیر X5 برابر صفر و مقدار متغیر X19 برابر1560 ولی در نرم افزار inQSBW درست برعکس می باشد. در کارخانه لبنی و شیر پاستوریزه شرکت تعاونی تابع هدف بهينه برابر با7371900000 می باشد و تفاوتي ما بين جواب دو نرم افزار مشاهده نمي شود، در اینجا نیز به مقدار متغیرهای X1 (روستای سدل) و X11 (روستای حراملو) می توان اشاره نمود، علت این امر میزان هزینه تامین در هر دو متغیرهای X1 و X11 یکسان و برابر با 18000 ریال می باشد. یعنی در نرم افزار لینگو مقدار متغیر X1 برابر صفر و مقدار متغیر X11 برابر27900 ولی در نرم افزار inQSBW درست برعکس می باشد.

نتیجه اینکه، با استفاده از نرم افزار (lingo) و inQSBW در کارخانه نیزار حداقل مواد مورد نیاز یعنی 360000 لیتر شیر توسط تامین کنندگان آن تامین شده، و نیز محدودیت ظرفیت توسط هر تامین کننده ارضا شده است، و نهایتا جواب به دست آمده به وسيله هر دو نرم افزار که همان جواب بهينه نهايي هستند و دارای تابع هدف بهينه می باشد، نشان دهنده اعتبار بودن مدل رياضي می باشد که تابع هدف بهينه برای حداقل رسانيدن مجموع هزينه تامین مواد مورد نیاز(هزینه خرید و حمل و نقل) به وسيله هر دو نرم افزار برابر است با9973300000 می باشد. در کارخانه لبنی و شیر پاستوریزه شرکت تعاونی نیز 450000 لیتر شیر توسط تامین کنندگان آن تامین شده ، و محدودیت ظرفیت توسط هر تامین کننده ارضا شده است، و جوابهاي به دست آمده همان جواب بهينه نهايي با تابع هدف بهينه می باشند، نشان دهنده اعتبار بودن مدل رياضي می باشد که تابع هدف بهينه برای حداقل رسانيدن مجموع هزينه تامین به وسيله هر دو نرم افزار برابر است با7371900000 می باشد.

8 – 1- مقایسه بین نتایج نرم افزار لینگو (lingo) با inQSBW

بنابراین به منظور ارزيابي کارآيي نرم افزار ها از سه مقياس کارآيي، کيفيت جواب یا تابع هدف، تعداد تکرار و زمان محاسبات به شرح زير استفاده شده که نتایج آن در جداول شماره (9) آورده شده است:

جدول شماره (9): مقایسه بین نتایج نرم افزار لینگو (lingo) و inQSBW در کارخانه نیزار و شرکت تعاونی

نام

کارخانه

نعداد

متغیر

نعداد

محدودیت

میزان تابع هدف

تعداد نکرار

ميانگين زمان محاسباتي

lingo

inqsbW

درصد بهبود

lingo

inQSBW

درصد بهبود

lingo

inqsbW

درصد بهبود

نیزار

19

20

9973300000

9973300000

0

1

13

92/0%

01/0

031/0

68/0

شرکت

تعاونی

12

13

7371900000

7371900000

0

1

10

9/0%

01/0

016/0

37/0

1- کيفيت جواب یا تابع هدف

میزان تابع هدف بهينه در کارخانه نیزار با نرم افزار (lingo) و نرم افزار inQSBW یکسان و برابر با 9973300000 ریال می باشد، در کارخانه لبنی و شیر پاستوریزه شرکت تعاونی نیز میزان تابع هدف بهينه در هر دو نرم افزار یکسان و برابر با 7371900000 ریال می باشد و تفاوتي ما بين جواب دو نرم افزار مشاهده نمي شود. که نشان دهنده این است که عملکرد نرم افزار (lingo) نسبت به نرم افزار inQSBW از نظر تابع هدف یکسان می باشد و درصد بهبودی را نشان نمي دهد.

2- زمان محاسبات:

به منظور سنجش كارايي نرم افزار لینگو (lingo) نسبت به نرم افزار inQSBW ، همانطوری كه در جدول شماره (9) مشاهده مي شود، در کارخانه نیزار مدت زمان لازم براي رسيدن به جواب در نرم افزار لینگو (lingo) برابر 01/0 بوده و در نرم افزار inQSBW برابر 031/0است. در نتیجه میزان زمان محاسبه شده به وسيله نرم افزار لینگو (lingo) نسبت به نرم افزار inQSBW کم بوده که نشان دهنده این است که عملکرد نرم افزار لینگو (lingo) نسبت به نرم افزار inQSBW بهتر، و 68/0درصد بهبود را نشان مي دهد. اما در شرکت تعاونی مدت زمان لازم براي رسيدن به جواب اوليه در نرم افزار لینگو (lingo) برابر 01/0 بوده و در نرم افزار inQSBW برابر 016/0 است. در نتیجه میزان زمان محاسبه شده به وسيله نرم افزار لینگو (lingo) نسبت به نرم افزار inQSBW کم بوده و 37/0درصد بهبود نشان مي دهد.

2- تعداد تکرار:

همان طور كه در جدول شماره (9) نشان داده شده است در کارخانه نیزار تعداد تکرار براي رسيدن به جواب اوليه در نرم افزار لینگو (lingo) برابر 1 بوده و در نرم افزار inQSBW برابر 13 است. در نتیجه میزان تعداد تکرار نرم افزار (lingo) کم بوده که نشان دهنده این است که عملکرد نرم افزار لینگو (lingo) نسبت به نرم افزار inQSBW بهتر، و 92/0درصد بهبود نشان را مي دهد. اما در شرکت تعاونی تعداد تکرار لازم براي رسيدن به جواب اوليه در نرم افزار لینگو (lingo) برابر 1 بوده و در نرم افزار inQSBW برابر10 است. در نتیجه میزان تعداد تکرار نرم افزار لینگو (lingo) کم بوده و 90/0درصد بهبود نشان مي دهد. به طور خلاصه همانطوری كه دیده می شود، می توان نتیجه گرفت که نرم افزار لینگو (lingo) از نظر تکرار لازم براي رسيدن به جواب نهایی و زمان محاسباتي بهترین كارایی را در مقايسه با نرم افزار inQSBW برای انتخاب بهترین تامین کننده تولید را دارد. ولی از نظر کيفيت جواب یا تابع هدف بهینه تفاوتی را نشان نمی دهد.

9-نتيجه‌گيري‌

این پژوهش با هدف ارائه مدل ریاضی انتخاب تامین کننده تولید در زنجیره تامین با رویکرد الگوریتم زنبورعسل در واحدهاي تولیدی صنايع لبنياتي شهرستان ماکو انجام شد، ابتدا مدل ریاضی انتخاب تامین کننده تولید، با توجه به هزینه حمل و نقل و هزینه خرید با روشهای پژوهش عملیاتی، طرح گردید. سپس نتایج حاصل از یافته های این پژوهش بر اساس مدل ارائه شده، نشان داد که می توان با رویکرد الگوریتم زنبورعسل، تامین کننده مناسب تولید در زنجیره تامین را انتخاب نمود بطوری که هزینه تامین یعنی هزینه حمل و نقل و هزینه خرید، مینیمم شود و از طرفی حداقل مواد موردنیاز (شیر)، توسط تامین کننده ها برآورد شود و همچنین با توجه به یافته های میدانی حاصل از تحقیق، نتیجه مي گيريم که کارخانه نیزار برای انتخاب تامین کننده مناسب تولید با رویکرد الگوریتم زنبور عسل با هدف حداقل رسانيدن مجموع هزينه تامین شیر(هزینه خرید و حمل و نقل شیر) باید توجه خود را به تامین کنندگاني مانند دامداران روستا های اینجه، قوریشکاک و آغگل با توجه به ظرفیت تامین آنها بیشتر معطوف و آنها را انتخاب نماید، و کارخانه شیر پاستوریزه شرکت تعاونی نیز سایر دامداران، دامداران روستاهای حاج موسی، عباس کندی، تازه کند و زاویه را انتخاب نماید. که نتایج حاصل از این تحقیق همسو با یافته های جايارامان و پيركول، مدلي يكپارچه از نوع برنامه ريزي مختلط صفر و يك را ارائه نمودند. تابع هدف در اين مدل به دنبال حداقل كردن هزنيه هاي كل زنجيره مي باشد، كه اين هزينه شامل هزينة ثابت استقرار، عمليات و انبارها، هزينه متغير توليد و توزيع، هزينة حمل ونقل مواد اوليه از فروشندگان به مراكز توليد و نهايتاً حمل و نقل محصولات نهايي به مشتريان از طريق انبارهاست. يک همسویی دیگر، یافته های سليماني شيري (1388) ارائه يك مدل تصميم گيري چند معياره براي انتخاب بهترين تامين كنندگان در زنجيره تامين با تلفيق فرايند تحليل سلسله مراتبي و برنامه ريزي آرماني مطالعه موردي صنايع خودروسازي، با در نظر گرفتن معيارهايي مانند محدوديت ظرفيت، نرخ خرابي، هزينه خريد واحد، تقاضاي كل و عوامل كمي و كيفي در انتخاب تامين كننده استفاده شده است. مدل مرجع عملياتي زنجيره تامين به عنوان معيار تصميم گير ي استفاده شده است، نرم افزار بهينه سازي مورد استفاده  LINDO و در انتها با استفاده از معادلات اثربخشي، اثربخشي كل زنجيره تامين را محاسبه كرده و اختلاف به دست آمده نشان دهنده بالارفتن اثربخشي كل زنجيره تامين بعد از استفاده از مقدار بهينه سفارش توسط مدل برنامه ريزي آرماني مي شود. و یا نتایج مطالعات اعظمی قره تپه، رنجبر و مرادی با ارائه یک روش خوشه بندی فازی با استفاده از الگوریتم بهینه سازی کلونی زنبورعسل نشان می دهد برای ارزیابی كارایی، الگوریتم جدید فازی زنبورعسل را با بهترین الگوریتم های موجود شامل SA،GA ، FCM، K-Means، TS، ACO و  K-NM-PSOمقایسه، که الگوریتم بهینه سازی کلونی زنبورعسل در ميان الگوریتم های موجود بهترین كارایی را دارد، از آن می توان به عنوان گزینه ی خوبی برای پيداكردن بهترین یا نزدیک به بهترین راه حل استفاده کرد. این الگوریتم با تعداد 10 عدد زنبورهای كارگر؛10 عدد زنبور تماشاگر و 900 بار تکرار برای 10 منبع غذایی به اجرا گذاشته شد. فضلی و عیدی (1393) مسأله انتخاب تأمین کنندگان در حالت منبع یابی چندگانه تحت محیط عدم قطعیت: مدل ها و رویکردهای حل، انجام و طبق تحقيقات به عمل آمده یکی از اساسی ترین قدم ها در مدیریت تأمين کنندگان تقليل تأمين کنندگان است و نهایتا نتایج حاصل از این تحقیق همسو با یافته های ربيعه، آذر، مدرس يزدي و فرد حقيقي ( 1393) می باشد که نتایج تحقیق نشان داد منبع‌يابي و تخصیص سفارش به تأمين‌کنندگان مناسب، هزينه‌های تأمين را به شکل قابل ملاحظه‌اي کاهش و قابليت رقابت‌پذيري سازمان را افزايش می‌دهد. در حساسيت الگوريتم زنبورعسل نسبت به تغییر پارامترها يعني وقتی تعداد زنبورهای کل از 10 زنبور به 50 زنبور افزایش می یابد میزان تابع هدف از 10281865500 به 10200970750 بهبود و کیفیت جواب بهتر می شود. بنابراين هر چه قدر تعداد تکرار و تعداد زنبورهای کل بیشتر باشد جواب نهایی بهبود خواهند یافت. در اعتبار سنجي مدل سازي رياضي با از نرم افزار (lingo) و نرم افزار inQSBW استفاده شده است نهایتا اینکه جواب به دست آمده به وسيله هر دو نرم افزار که همان جواب بهينه نهايي هستند و دارای تابع هدف بهينه می باشد، نشان دهنده اعتبار بودن مدل رياضي می باشد از نتايج همسویی دیگر به تحقیق رحیمی و رمضانی خوانساری ( 1393) تحت عنوان توسعه الگوریتم غذایابی کندوی زنبور عسل برای حل مسئله مسیریابی خودرو، مي توان اشاره نمود. که نتايج حاصل حاکي از توانايي الگوريتم کلوني زنبور عسل پيشنهادي براي حل مسئله مسيريابي خودرو در قياس با ساير روش ها است، به منظور اعتبارسنجی و اثبات کارآیی الگوریتم زنبور عسل پیشنهادی به حل چند مسئله معروف پرداخته شده و نتایج حاصل از آن با بهترین نتایج حاصل از روش های متداول دیگر (الگوریتم ژنتیک، الگوریتم کلونی مورچه و.....) مقایسه که برتری الگوریتم زنبور عسل را نشان مي دهد. در مقایسه بین نرم افزار لینگو (lingo) و inQSBW از نظر کيفيت جواب یا تابع هدف، میزان تابع هدف بهينه در هر دو نرم افزار یکسان و برابر و تفاوتي ما بين جواب دو نرم افزار مشاهده نمي شود ولی نرم افزار لینگو (lingo) از نظر تکرار لازم براي رسيدن به جواب نهایی و زمان محاسباتي بهترین كارایی را در مقايسه با نرم افزار inQSBW برای انتخاب بهترین تامین کننده تولید را دارد. بنابراین توانایی الگوریتم های فراابتکاری در حل مسایل پیچیده سبب شد که محققان هنگام مدل سازی ریاضی نگران حل مدل نباشند و از مفروضات غیرواقعی پرهیز کنند. بدین ترتیب، مدل سازی های ریاضی واقعی گشته و مفروضات غیر واقعی کمتری وارد این مدل ها شدند. الگوریتم های فراابتکاری به جواب های تقریبی در همسایگی نقاط بهینه دست می یابند هر چند نمی توان ادعا کرد که جواب بدست آمده، بهینه است، با این حال در همسایگی بهینه خواهد بود.

10- یادداشت ها:

[1]  -cristfer

[2]  Algorithm Bees colony

[3]  Karaboga

11-منابع و مآخذ:

1.       احمدي، مهدي، رکسانا فکري، مرضیه باباییان پور و محمد فتحیان، (1395)، چابک سازي زنجیره تأمین خدمات پس از فروش خودرو سنگین در ایران، نشریه علمی – پژوهشی بهبود مدیریت، سال دهم، شماره 1، پیاپی 31، بهار 95،  صفحات 122-101.

2.       آذر، عادل، لیلا مرتضوي و محمد مهدي عباسی، (1396)، مفهوم شناسی کیفیت در مدیریت زنجیره تأمین با استفاده روش شبکه خزانه، پژوهش هاي مدیریت منابع سازمانی، دوره 7، شماره 2،  تابستان 1396.

3.       اعتزازیان، فراز، مریم اخوان خرازیان و مسعود براتي، (1394)، بررسي موانع تکنولوژیکي در مسیر پیاده سازي مدیریت زنجیره تامین سبز در صنایع پالایش نفت ایران(مطالعه موردي: صنعت پالایش نفت شهر اصفهان)، اولین کنفرانس ملی مدیریت راهبردی خدمات، دانشگاه آزاد اسلامی واحد نجف آباد، 28مهرماه 94. 

4.       خان محمدي، محسن، (1392)، ارزیابی و انتخاب تامین کننده در حوزه مدیریت زنجیره تامین با استفاده از روشهاي تصیم گیري چند معیاره فازي مطالعه موردي(صنعت هوانوردي عمومی)، پایان نامه براي دریافت درجه کارشناسی ارشد، گرایش تحقیق در عملیات دانشکده مدیریت- گروه مدیریت صنعتی، دانشگاه آزاد اسلامی واحد تهران مرکزي.

5.       خیرمند، مهری و امین راحتی، (1393)، مقایسه کارایی الگوریتم کلونی زنبور عسل مصنوعی و الگوریتم قوی و کارامد کلونی زنبورعسل مصنوعی در بهینه سازی عددی، اولین کنفرانس ملی ریاضیات صنعتی تبریز، 7 خرداد 93.

6.       رزازي، محمدرضا و مهسا بانک توکلی، (1393)، انتخاب تامین کنندگان و تخصیص سفارش به آنها تحت شرایط پویا در زنجیر ه هاي تامین، نشریه بین المللی مهندسی صنایع و مدیریت تولید، اسفندماه، جلد25، شماره4.

7.       شفیعی، مرتضی، (1390)، ارزیابی و انتخاب تامین کننده بر اساس مدل Fuzzy DEA & DFA، سومین همایش ملی تحلیل پوششی داده ها، دانشگاه آزاد فیروزکوه، تیرماه 1390.

8.       شیخی، نرگس، (1391)، تبیین نقش راهبردی عملیات مدیریت زنجیره تأمین در بهبود عملکرد شرکت (مطالعه صنعت مواد غذایی ایران)، مطالعات مدیریت راهبردی شماره10،  تابستان 91،  ص ص35-60. 

9.       فرج پور، فرنوش (1391) ، گزارش بررسی نقش فناوری RFID در مدیریت زنجیره تامین، درس تاثیر IT در سازمان و مدیریت، دانشگاه علامه طباطبایی، دانشكده مدیریت و حسابداری. 

10.       نژادی، فرناز، (13٩٣)، مدلسازی و حل مسئله انتخاب تأمین کننده چندهدفه احتمالی در زنجیره تأمین سبز با استفاده از الگوریتم رقابت استعماری چندهدفه، پایاننامه کارشناسی ارشد مهندسی صنایع، دانشگاه یزد، دانشکده فنی و مهندسی.

11.       هوگس، میشائیل، (2008)، اصول و مباني مدیریت زنجیره تامین، مترجمان محسن شیخ سجادی و محمدرضا اکبری جوکار، انتشارات آدینه، تهران، جلد اول، چاپ اول. 

12.       يانگ، گاي و ماركو ديروگو، (2005)، هوش دسته جمعي و بهينه سازي كولوني زنبور عسل، ترجمه كاوه نوذراصل، لطفي زاده.

13.       Altiparmak F., Gen M., Lin L., Paksoy T.; "A genetic algorithm approach for multi-objective optimization of supply chain networks"; Computers and Industrial Engineering, 2006, Vol. 51, pp.197–216.

14.       Bhattacharya, A., Sarkar, B., Mukherjee, S. K., (2005). Integrating AHP with QFD for robot selection under requirement perspective. International Journal of Production Research, 43(17), 1 September, 3671–3685.

15.       Eltayeb, K.; Zailani, T. & Ramayah, S. 2010. Green Supply Chain initiatives among certified companies in Malaysia and environmental sustainability: Investigating the outcomes, Resources, Conservation and Recycling, 55: 495-506.

16.       Errtugrul Karsak, E., Dursun, M., (2015). An integrated fuzzy MCDM approach for supplier evaluation and selection. Journal of Computers and Industrial Engineering, 82, 82-93.

17.       Gonzaılez, M. E., Quesada, G., Monge, C. A. M., (2004). Determining the importance of the supplier selection process in manufacturing33: a case study. International Journal of Physical Distribution & Logistics Management, 34 (6), 492–504.

18.       Gonzaılez, M. E., Quesada, G., Monge, C. A. M., (2004). Supplier selection paradigm: An integrated hierarchical QFD methodology under multiple-criteria environment. Applied Soft Computing. 10(4): 1013-1027.

19.       Hugos, M. (2003). Essentials of supply chain management. John Wiley & Sons Inc., Hoboken, New Jersey.

20.       Karaboga, D., 2005- An idea based on honey bee swarm for numerical optimization- Technical Report TR06, Engineering Faculty, Computer Engineering Department, 10p.

21.       Lee, H.I.; Kang, H-Y.; Hsu, C-F. & Hung, H-C. 2009. A green supplier selection model for high-tech industry, Expert Systems with Application, 36: 7917-7927.

22.       Metters R. (1997). Quantifying the Bullwhip Effect in supply chains. Journal of Operation Management, 15(2), 89–100.

23.       Olugu, E.; Yew Wong, K. & Shaharoun, A.M. 2010. Development of key performance measures for the automobile green supply chain, Resources, Conversation and Recycling, 55: 567-579

24.       Ponte, B., Sierra, E., Fuente, D. D. & Lozano, J. (2017). Exploring the interaction of inventory policies across the supply chain: An agent-based approach. Computers & Operation Research, 78, 335-348.

25.       Shang, K-C.; Lu, C-H. & Li, S.2010. a taxonomy of green supply chain management capability among electronic-related manufacturing firms in Taiwan, Journal of Environmental Management, 91: 1218-1226

26.       Srvulaki, E., & Davis, M. (2010). "Aligning product with supply chain processes and strategy". The international journal of logistic management, 21, 127-151.

27.       www.google.com.

 

Title article:

 

Providing mathematical model to select suppliers of production in the supply chain with the approach bee algorithm and comparison with genetic algorithms

Abstract:

Selecting suitable suppliers and assigning orders to them, is one of the most important strategic supply chain management activities. Therefore, first, in this research, a mathematical model for choosing the supplier in the supply chain in the framework of the operational research methods was proposed. Linear programming model with consideration of purchase costs and transportation costs with the meta-heuristic bee algorithm approach using MATLAB software was solved and analyzed. Therefore, the research method is applied in terms of purpose, and in terms of method is a descriptive mathematical type that was implemented in the form of a library and field studies. Information gathering tools, such as documentation tools, interviews with experts and production managers were used in relation to production. According to the nature of the research, which is modeling and solving by the algorithm, to determine the sample size were selected by cluster sampling method and random sampling method. Then to validate the mathematical model, lingo and Winqsb software was used, the solution obtained by both software, which is the optimal answer and optimal objective function, indicates the validity of the mathematical model.

Keywords:

Supply chain, Select a supplier, Mathematical model, Bee algorithm, Cost of purchase and transportation cost

 


سکوی نشر دانش

سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]