عنوان پایان‌نامه
تعیین نقطه نفوذ سفارش در شبکه های زنجیره تامین با فرض فسادپذیری مواد
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2905;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67564
- تاریخ دفاع
- ۰۱ آذر ۱۳۹۳
- دانشجو
- سیدهومان مدنی ساعتچی
- استاد راهنما
- فریبرز جولای
- چکیده
- چکیده: شبکه های زنجیر تامین از تعاملات پیچیده میان چندین شرکت که هدفشان تولید و تحویل کالا به مشتریان در زمان ها و مکان های مشخص است، شکل می¬گیرد. امروزه در بازارهای جهانی به دلیل افزایش رقابت و کوتاه شدن چرخه عمر محصولات، تصمیم¬گیری و تغییر حالت از سیاست ساخت براساس انبارش به سیاست ساخت برای سفارش باید سریعتر صورت گیرد و در سطح استراتژیک انجام شود. توجه و تمرکز اصلی بر روی مبانی و اساس تغییر سیاست تولید رو به جلو (به سمت MTO) می¬باشد. در حالیکه تغییر سیاست تولید رو به عقب (به سمت MTS) برای کاهش تعداد فعالیت¬هایی که با استفاده از اطلاعات غیرقطعی برنامه¬ریزی شده است مناسب است. مسأله در نظر گرفته شده در این تحقیق عبارت است از تعیین نقطه نفوذ سفارش در زنجیره تأمین مجموعه ای از محصولات با در نظر گرفتن فساد پذیری اجزای تشکیل دهنده محصولات و همچنین محدودیت ظرفیت انبارش در زنجیره تأمین. مدل مورد بررسی، یک مدل دوهدفه با اهداف حداقل کردن هزینه¬های نگهداری و حداقل کردن مدت زمان¬های تأخیر در تحویل محصولات می باشد. همانند مسأله کلی تعیین نقطه نفوذ سفارش، مجموعه ای از ماژول¬های تشکیل دهنده محصولات نهایی درنظر گرفته شده¬اند که در طول بخش¬های مختلف زنجیره تأمین از انبار قطعات و مواد اولیه گرفته تا مونتاژ محصول نهایی منتقل می-شوند. با توجه به اهمیت فراوان درنظر گرفتن فسادپذیری محصولات، در این تحقیق محصولات مورد نظر و اجزای تشکیل دهنده آنها فسادپذیر درنظر گرفته شده اند. ابتدا مدل ریاضی به وسیله روش e-constraint در 3 مسئله با ابعاد کوچک حل شده است که باتوجه به چندهدفه بودن مدل و اینکه این مساله به دلیل پیچیدگی محاسباتی درادبیات موضوع دردسته مسایل سخت دسته¬بندی می¬شود، این روش از کارایی مناسب برای حل در ابعاد بزرگ برخوردار نمی¬باشد. بنابراین دراین مقاله از روش¬های فرا ابتکاری تکاملی دیفرانسیلی چند هدفه و الگوریتم ژنتیک با مرتب سازی غیر مغلوب برای حل مدل در ابعاد کوچک، متوسط و بزرگ استفاده شده است. تعدادجوابهای پارتویافت شده هرچه بیشترباشند نشان ازکارایی بالای الگوریتم می¬باشند. ازاین¬رو الگوریتم تکاملی دیفرانسیلی عملکرد بهتری نسبت به الگوریتم NSGA II دارا می¬باشد. بالاتر بودن عدد معیار تنوع نشان دهنده فضای بیشتری از توابع هدف توسط جواب های یافت شده میباشد. الگوریتم تکاملی دیفرانسیلی عملکرد یکسانی نسبت به الگوریتم NSGA II دارا می باشد. معیار فاصله هرچه کمتر باشند نشان از کارایی بالای الگوریتم می باشند. الگوریتم NSGA II بطور معناداری دارای عملکرد بهتری نسبت به الگوریتم تکاملی دیفرانسیلی دارا می باشد. الگوریتم تکاملی دیفرانسیلی نسبت به الگوریتم NSGA II از سرعت بیشتر برخوردار است و زمان حل پایین تری دارد. همچنین زمان حل الگوریتم NSGA II با افزایش تعداد جواب، افزایش می یابد. نتایج محاسباتی به خوبی نمایانگر این است که روش تکاملی دیفرانسیلی چند هدفه برای مسائل در فضای گسسته به مراتب بهتر از روش بهینه¬سازی الگوریتم ژنتیک با مرتب سازی غیرمغلوب می¬باشد.
- Abstract
- Abstract Today, due to the increased competition in global markets and the reduction in the products lifecycle, it is necessary to rapidly make decisions and shift from the make to order policy to make to stock policy at the strategic level. This research was aimed at determining the Order Penetration Point (OPP) in the supply chain of a product set by considering the spoilage of product constituents and limitations imposed on the storage capacity of the supply chain. The study model was a two-objective model aimed at minimizing maintenance costs and delays in the delivery of products. Similar to the general problem of determining the order penetration point, a set of modules constituting final products were selected. These modules are transferred along the supply chain starting from the storage of components and raw materials and ending to the assembly of the final product. Due to the significance of products spoilage, the products studied in this research were assumed to be spoilable along with their constituents. Considering the complexity of the model and the inability of the existing software (e.g. Lingo) to solve the optimizations problems, a multi-objective differential evolution (MODE) algorithm was used. Finally, the proposed method was examined with a few numerical examples and sensitivity analysis of the algorithm parameters.
