عنوان پایان‌نامه
طراحی شبکه زنجیره تامین چابک با در نظر گرفتن عدم قطعییت
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 2203;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 55395
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۱
- دانشجو
- رضا بابازاده
- استاد راهنما
- جعفر رزمی
- چکیده
- امروزه عواملی چون ناپایداری و بی ثباتی بازارارهای رقابتی، تغییرات نیازهای مشتریان و تغییرات سریع فناوری باعث شده که سازمانها و بنگاههای اقتصادی به طراحی زنجیره تامین چابک بپردازند تا بتوانند با سرعت بیشتری پاسخگوی نیازهای متنوع مشتریان باشند. زنجیره تامین چابک بر چهار پایه پاسخگویی، شبکه محوری، فرآیندهای یکپارچه و مجازی بودن استوار است. در ادبیات موضوع، بیشتر مدلهای مفهومی برای شناسایی مولفه های چابکی زنجیره تامین چابک و به منظور اندازه گیری چابکی سازمانها توسعه داده شدهاند و از مزایای مدلسازی ریاضی در طراحی شبکه زنجیره تامین چابک بهره برداری نشده است. لازم به ذکر است که طراحی شبکه زنجیره تامین به عنوان یک تصمیم استراتژیک میتواند نقش موثری در چابکی کل زنجیره تامین ایفا نماید. در این تحقیق جهت پر کردن خلا تحقیقاتی، سعی بر آن است که مدل ریاضی برای طراحی شبکه زنجیره تامین چابک با در نظر گرفتن مولفه های اصلی چابکی در شرایط عدم قطعیت توسعه داده شود. در این تحقیق ابتدا زنجیره های تامین ناب، چابک و ترکیب آنها یعنی ناب-چابک بصورت خلاصه معرفی و مقایسه می شوند. در مرحله بعد، مدل ریاضی پیشنهادی اول که طراحی شبکه زنجیره تامین را با هدف توسعه ظرفیت در شرایط دینامیک و در شرایط عدم قطعیت در نظر میگیرد با استفاده از برنامهریزی تصادفی توسعه داده میشود. همچنین در این مدل نحوه محاسبه متوسط ارزش در معرض ریسک تحت شرایط عدم قطعیت بررسی میشود. در ادامه، مدل پیشنهادی دوم برای طراحی شبکه زنجیره تامین چابک تحت شرایط عدم قطعیت مبتنی بر سناریو با استفاده از برنامهریزی تصادفی استوار و عدم قطعیت بازهای و بصورت پیوسته با رویکرد برنامهریزی استوار ارایه میشود. نتایج محاسباتی ارایه شده برای مدلهای پیشنهادی در حالت قطعی و غیر قطعی، کارایی و برتری مدلهای غیر قطعی را در کنترل عدم قطعیت پارامترها نسبت به مدلهای قطعی نشان میدهند. همچنین جوابهای حاصل از مدلهای غیر قطعی از درجه استواری بالاتری برخوردار هستند.
- Abstract
- In the last decade, high fluctuations and uncertainties of the competitive markets, variation in customer needs, and growing technologies have actuated organization toward designing of agile supply chain network to respond customer expectations, rapidly. Agile supply chain focuses on responsiveness, network-based activities, process integration, and virtual integration. Still now, many researchers have developed efficient works to specify the most important components of agility which is compatible with nowadays environments and also some researchers have tried to measure the agility level of an organization by introducing conceptual models. Supply chain network design problem is a strategic level decision making problem that affects on the all performance of the supply chain. Motivated from shortcoming in the literature, the present work attempts to design supply chain network under uncertainty considering the most important agility components introduced by the field researchers. Firstly, the lean, agile and leagile supply chains are concisely describes and compared. Then, the first proposed model that considers capacity expansion in supply chain network design under scenario-based uncertainty is presented and multi-stage stochastic programming approach is applied to handle this type of uncertainty. Additionally, conditional value at risk (CVaR) criterion is incorporated in the objective function of the first model to measure risk levels resulted from uncertain nature of parameters. The second proposed model is developed to design agile supply chain network under scenario-based uncertainty by the robust stochastic programming and then it is extended under uncertainty of parameters which are varied in a bounded box by the robust optimization method. Illustrated numerical examples show the efficiency and superiority of the stochastic programming and robust optimization method in handling data uncertainty compared to deterministic method. In addition, the acquired supply chain network by using stochastic and robust approaches have high degree of robustness respect to that achieved by the deterministic method under scenario realization.
