عنوان پایان‌نامه
مسیله مسیر یابی اقلام امدادی ومکان یابی انبارهای موقت با توجه به بازگشایی مسیرهای مسدود
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2426;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59429
- تاریخ دفاع
- ۰۶ شهریور ۱۳۹۲
- دانشجو
- میلاد باقرصاد
- استاد راهنما
- سید علی ترابی
- چکیده
- انتخاب مناسب سبد تامین نقش بسیار مهمی در موفقیت یک زنجیره‌ی تامین به خصوص در یک زنجیره تامین جهانی دارد. مسئله انتخاب تامین‌کنندگان و تعیین اندازه انباشته خرید یک مسئله پیچیده تصمیم‌گیری است که دربرگیرنده معیارهای مختلف کمی (نظیر قیمت و کیفیت تحویل) و کیفی (نظیر سطح خدمات پس از فروش) است. این مسئله به طور سنتی بر معیارهای سه‌گانه عملکرد یعنی کیفیت، هزینه و تحویل متمرکز می‌باشد. اما امروزه با گسترش زنجیره‌های تامین جهانی، کسب و کارها با وقایع و فجایع گوناگون طبیعی و ساخت دست بشر (نظیر سیل، سونامی و حملات تروریستی) که اغلب غیر قابل پیش‌بینی هستند، مواجه می‌باشند. بدین ترتیب، ایجاد سطح قابل اطمینانی از قدرت کشسانی در بخش تامین به منظور ایجاد یک سد محافظتی برای خریدار در مقابل هرگونه کمبود و بروز اختلال در جریان تامین مواد و قطعات، امری ضروری بوده و باید همراه با محدودیت‌های سیستم تولید تامین‌کنندگان در نظر گرفته شود. در این پژوهش به منظور پر نمودن خلأ موجود در ادبیات موضوع، یک مدل ریاضی مبتنی بر سناریو ارائه شده است که در کنار معیارهای سنتی، معیارهای مرتبط با قدرت کشسانی را نیز برای انتخاب تامین‌کنندگان برتر و تعیین سهم خرید آنها مورد نظر قرار می‌دهد. در همین راستا، در مدل طراحی‌شده دو تابع هدف متضاد با یکدیگر (هزینه کل و خاصیت کشسانی) در نظر گرفته شده است. به منظور افزایش خاصیت کشسانی، استراتژی‌های متفاوتی نظیر در نظر گرفتن برنامه تداوم کسب و کار تامین‌کنندگان، مستحکم‌سازی تامین‌کنندگان، نگهداری موجودی پیش‌ذخیره‌سازی شده در تامین‌کنندگان مستحکم‌شده و امکان استفاده از تامین‌کنندگان پشتیبان در مدل ریاضی در نظر گرفته شده است. همچنین به منظور مقابله با ریسک‌های ناشی از نوسانات در مقادیری نظیر تقاضا و هزینه (ریسک‌های عملیاتی)، پارامتر‌های حیاتی مسئله به صورت فازی در نظر گرفته شده‌اند. پس از ارائه روشی برای کاهش تعداد سناریو‌های اختلال و تبدیل مدل امکانی ارائه شده به مدل قطعی معادل، از روش حدی تقویت شده برای تبدیل مدل چند هدفه به مدل تک هدفه استفاده شده است. همچنین به دلیل پیچیدگی بالای مسئله، یک الگوریتم تکامل دیفرانسیلی به منظور حل مدل تک هدفه قطعی معادل توسعه داده شده است. در پایان، به منظور اعتبارسنجی مدل ریاضی و روش حل پیشنهادی، چندین مثال عددی به صورت تصادفی تولید و به بررسی نتایج آنها پرداخته شده است. همچنین، نتایج حاصل از حل یک مثال عددی از ابعاد مختلف مورد تجزیه و تحلیل قرار گرفته است.
- Abstract
- Selecting the best supply base plays a critical role in the success of global supply chains. The Supplier Selection and Order Lot Sizing (SS&OLS) problem is a complex decision problem involving multiple tangible and intangible criteria. Traditionally, the SS&OLS problem accounts for quality, cost and delivery time (i.e., QCD measures). However, today’s global supply chains are increasingly subject to unexpected natural disasters such as earthquakes or man-made disasters like terrorist attacks. This trend emphasizes a serious need to develop a resilient supply base. This paper aims to develop a new decision model to build resilient supply bases for global supply chains in response to the two different types of risk: operational risks and disruption risks. To this end, a novel multi-objective possibilistic mixed integer linear programming is proposed to formulate the problem. The proposed model benefits from several strategies such as suppliers’ business continuity plans, fortification of suppliers and contract with backup suppliers to enhance resilience of the supply network as well as a new resilience objective function. After applying appropriate strategies to reduce number of disruption scenarios and defuzzify the original possibilistic model, the augmented ?-constraint method is applied to solve the equivalent multi-objective crisp model. Due to the problem's complexity, a tailored differential evolution (DE) algorithm is also developed to solve the equivalent single objective problem efficiently. Finally, a numerical example is provided to demonstrate the usefulness of the proposed model and its solution method.
