طراحی شبکه زنجیره تأمین چابک با الگوریتم جستجوی ممنوع
محورهای موضوعی : مديريت تحقيق و توسعهالهه سالاری 1 , محمدرضا شهرکی 2 * , عبداله شریفی 3
1 - دانشگاه سیستان و بلوچستان
2 - سیستان و بلوچستان
3 - سیستان و بلوچستان
کلید واژه:
چکیده مقاله :
طراحی شبکه زنجیره تأمین شامل تصمیمات کلیدی است که تأثیر زیادی بر ساختار عملیاتی زنجیره تأمین دارد. طراحی کارآمد زنجیره تأمین باعث بهبود عملکرد در سازمان‌ها می‌شود. این موضوع باعث به‌وجود آمدن مفاهیم جدیدی در مسأله زنجیره تأمین در دهه گذشته شده است. در این تحقیق مسأله طراحی شبکه زنجیرهی تأمین در سازمانهای چابک دارای چند سطح و چند دوره زمانی مورد توجه قرار گرفته است. این مسأله تحت شرایط داشتن چندین مشتری با حجم تقاضای زیاد در نظر گرفته شده است. تصمیمات شامل انتخاب شرکت‌ها در هر سطح، مقدار تولید، انبار و حمل‌ونقل هر شرکت است. مسأله برای یکپارچهسازی تمامی متغیرهای تصمیمگیری و با هدف حداقل‌کردن هزینههای عملیاتی کل در تمام زنجیرهی تأمین و ارضاء تقاضای کامل مشتری‌ها و کسب رضایت آنها مدل‌سازی شده است. از آنجایی‌که حل مسأله طراحی زنجیره تأمین چند سطحی چند دوره‌ای در شرایط عدم قطعیت از نوع مسائل NP-Hard می‌باشد بهتر است الگوریتم‌های ابتکاری و فراابتکاری به منظور کاهش زمان حل مسأله استفاده شود. به همین منظور برای حل مدل از الگوریتم جستجوی ممنوع که یکی از الگوریتم‌های فراابتکاری است، به کار گرفته شده است. نتایج این تحقیق نشان میدهد که با بالارفتن تعداد تکرارهای حل مسأله، به جوابهایی با کمتر از 3% اختلاف از جواب بهینه دست پیدا کرده است که الگوریتم جستجو ممنوع برای به‌دست آوردن جواب بهینه در مقایسه با الگوریتم لاگرانژ بهتر عمل کرده است.
Supply chain network design includes key decisions that have a major impact on the supply chain operational structure. Efficient supply chain design improves performance in organizations. This has led to the emergence of new concepts in the supply chain issue in the past decade. In this study, the supply chain network design problem in agile organizations has been taken into account with multi-level and multi-period. This problem is considered under conditions of having multiple customers with a high demand volume. The decisions include the selection of companies at each level, the amount of production, storage and transportation of each company. The problem has been modeled to integrate all decision variables with the goal of minimizing overall operating costs across the entire supply chain and Satisfaction of customers' complete demand and Satisfaction with them. Since multi-period multi-level supply chain design problem solving is one of the NP-Hard issues in uncertainty conditions, it is better to use innovative and meta-algorithms to reduce problem solving time. For this reason, the algorithm for banning search algorithms, which is one of the meta-algorithms, has been used to solve the model. The results of this research show that as the number of problem-solving repetitions increases, answers with less than 3% of the difference between the optimal answer are achieved. The search algorithm is forbidden to get the optimal response compared to the Lagrange algorithm.