ارائه مدل تصمیم گیری یکپارچه در زنجیره تامین در شرایط عدم قطعیت تقاضا: رویکرد تلفیقی تحلیل پوششی داده های شبکه ای و الگوریتم ژنتیک

STUDENT

DEGREE

YEAR

Nowadays many organizations have put great emphasis on supply chain performance. They also have notice the importance of improving coordination and integration among supply, production, inventory and distribution. In current situation, supply chain integration is the inevitable way of gaining competitive advantage. Integration importance becomes very vital when organizations start cooperating with each other as supply and distribution chains. That is because in this situation inefficiencies will have greater effect on the whole chain. In the literature of integrated decision making in supply chains, most models have considered only a subset of decision variable. Inventory, location and routing are interdependent problems and are affected by each other. Integrating all these problems in one optimizing model will lead into considerable improvements in supply chain. In this research an integrated decision making model has been presented to optimize strategic, tactical and operational decision concurrently. A four layer supply chain under demand uncertainty has been considered in this thesis and the objective function has been defined as costs minimization leading to a mixed integer nonlinear programming. Exact solution methods can no solve these models in reasonable time, particularly in big dimensions, because of integer decision variables and nonlinear phrases. For this reason GA has been utilized to find quality solutions in quite shorter time. Generally objective function value will be used to evaluate fitness. In this thesis the idea was to use supply chain’s relational efficiency for more proper fitness evaluation. A new Network Data Envelopment Analysis model has been generated to measure supply chains’ efficiencies. Proposed model, despite all other previously introduced models, could measure relational efficiency and is not limited to a certain network. It has been proved that generated model has been able to solve the main problem associated with all other NDEA models in literature. The proposed new NDEA model has been used as fitness evaluator and select operator in GA. Presented metaheuristic method was able to approach optimal solutions by 95% and create subtle reduction in run time (23% on average). Wilcoxon tests results also proved that the proposed method has an advantage over three other selection methods in finding solutions with desirable quality.

ارائه مدل تصمیم گیری یکپارچه در زنجیره تامین در شرایط عدم قطعیت تقاضا: رویکرد تلفیقی تحلیل پوششی داده های شبکه ای و الگوریتم ژنتیک امروزه سازمان های بسیاری به اهمیت عملکرد زنجیره تامین، بهبود این عملکرد و هماهنگی و یکپارچگی عملیات تامین، تولید، توزیع و موجودی پی برده اند؛ و دریافته اند راه‌حل دستیابی به مزیت رقابتی در شرایط کنونی توجه به یکپارچگی در زنجیره تامین می باشد. زمانی که شرکت ها به صورت شبکه های تامین و توزیع با یکدیگر ترکیب شده و شروع به همکاری می نمایند، ناکارآمدی ها و ناکارایی ها نمود بیشتری یافته و اهمیت مسئله یکپارچگی حیاتی تر می گردد.اغلب مدل هایی که تاکنون برای یکپارچه سازی تصمیم گیری ها در زنجیره تامین ارائه‌شده‌اند، تنها بخشی از زنجیره را هماهنگ نموده و یا زیرمجموعه هایی از شبکه تامین، تولید و توزیع را در نظر گرفته اند. به دلیل این که تصمیمات مکانیابی، مسیریابی و موجودی به یکدیگر وابسته هستند و متاثر از هم می باشند، ترکیب آن ها در یک مدل و بهینه سازی همزمان باهم، موجب بهبودهای چشمگیر در زنجیره تامین خواهد شد. با توجه به ماهیت تصمیم گیری های یکپارچه در زنجیره تامین، در این پژوهش مدلی ارائه شده است که تصمیمات سه سطح راهبردی، تاکتیکی و عملیاتی را همزمان باهم بهینه می کند. در این مدلسازی، یک زنجیره تامین چهارسطحی با تقاضاهای غیرقطعی از طرف مشتریان مدنظر بوده است و تابع هدف به صورت کمینه سازی هزینه ها تعریف گردیده است. مدل نهایی یک مدل برنامه ریزی عددصحیح مختلط و غیرخطی بوده است. باتوجه به پیچیدگی ذاتی این قبیل مدل ها و به دلیل وجود متغیرهای تصمیم عددصحیح و عبارات غیرخطی، روش های حل دقیق قادر به حل آن ها در زمان معقول، علی الخصوص در ابعاد بزرگ، نیستند. به همین دلیل برای حل مسئله در زمان نسبتا کوتاه و یافتن جواب های با کیفیت مناسب از الگوریتم ژنتیک استفاده شد. عموما در الگوریتم ژنتیک جهت ارزیابی برازندگی، مقدار تابع هدف استفاده می شود. در این پژوهش برای ارزیابی مناسب تر برازندگی زنجیره های تامین، استفاده از کارایی آن ها پیشنهاد شد. جهت اندازه گیری کارایی نسبی زنجیره های تامین یک مدل تحلیل پوششی داده های شبکه ای جدید ارائه گردید که علاوه بر قابلیت تعمیم به شبکه های مختلف، قادر است برخلاف سایر مدل هایی که تاکنون ارائه شده اند، کارایی نسبی را محاسبه نماید. در این پژوهش اثبات گردید که مدل NDE به صورت کمینه سازی هزینه ها تعریف گردیده است. مدل نهایی یک مدل برنامه ریزی عددصحیح مختلط و غیرخطی بوده است. باتوجه به پیچیدگی ذاتی این قبیل مدل ها و به دلیل وجود متغیرهای تصمیم عددصحیح و عبارات غیرخطی، روش های حل دقیق قادر به حل آن ها در زمان معقول، علی الخصوص در ابعاد بزرگ، نیستند. به همین دلیل برای حل مسئله در زمان نسبتا کوتاه و یافتن جواب های با کیفیت مناسب از الگوریتم ژنتیک استفاده شد. عموما در الگوریتم ژنتیک جهت ارزیابی برازندگی، مقدار تابع هدف استفاده می شود. در این پژوهش برای ارزیابی مناسب تر برازندگی زنجیره های تامین، استفاده از کارایی آن ها پیشنهاد شد. جهت اندازه گیری کارایی نسبی زنجیره های تامین یک مدل تحلیل پوششی داده های شبکه ای جدید ارائه گردید که علاوه بر قابلیت تعمیم به شبکه های مختلف، قادر است برخلاف سایر مدل هایی که تاکنون ارائه شده اند، کارایی نسبی را محاسبه نماید. در این پژوهش اثبات گردید که مدل NDEA پیشنهادی، می تواند این مهم ترین اشکال مدل های موجود در ادبیات را برطرف نماید. از این مدل جهت ارزیابی برازندگی و عملگر انتخاب در ژنتیک الگوریتم استفاده شده است. الگوریتم پیشنهادی در مقایسه با روش حل دقیق، قادر بود جواب های بسیار نزدیک به بهینه را با کاهش چشمگیری در زمان حل بیابد (به طور متوسط 23% کاهش زمان حل با میانگین بهینگی نسبی 95%). نتایج آزمون ویلکاکسون در مورد مقایسه میانگین جواب نهایی روش پیشنهادی برمبنای انتخاب با تحلیل پوششی داده های شبکه ای با سه روش انتخاب دیگر –چرخ رولت، رتبه بندی و مسابقه ای- نیز حاکی از برتری روش پیشنهادی از نظر یافتن جواب های باکیفیت مطلوب بوده است.