برنا مه‌ریزی یکپارچه تامین، تولید و توزیع زنجیره تامین با بکارگیری الگوریتم ژنتیک

نویسندگان

دانشکده مدیریت

چکیده

امروزه عرصه تولید وخدمات با تغییر الگوی رقابت از میان شرکت‌های مستقل با رقابت میان زنجیره‌های تامین مواجه است. در این بین اهمیت جریان مواد در زنجیره تامین از میان جریان‌های سه گانه مالی واطلاعاتی و مواد حائز توجه می‌باشد.‌در غالب واحدهای تولیدی ایران هنوز از دیدگاه سنتی برای برنامه ریزی تامین، تولید و توزیع استفاده می‌شود. یعنی هرکدام از این اجزاء به طور مستقل اقدام به برنامه‌ریزی برای فعالیت خود می‌نمایند این امر در اکثریت مواقع باعث افزایش هزینه‌های کل زنجیره تامین می‌گردد. در تحقیق حاضر پس از بررسی مدل‌های گوناگون ارائه شده در خصوص جریان مواد در زنجیره تامین، با رویکردی یکپارچه به مدل‌سازی جریان مواد در طول زنجیره تامین در بخش‌های تامین، تولید وتوزیع در کارخانه کاچیران پرداخته شده است.‌دراین تحقیق پس از حل مدل با الگوریتم ژنتیک بهترین جواب رضایت‌ بخش که کمترین میزان هزینه‌ را دارا می‌باشد انتخاب ‌شده است. سپس جهت اعتبار سنجی، مدل ارائه شده با میزان واقعی متغیرها در بازه زمانی مورد مطالعه مقایسه گردیده که نتایج حاکی از کاهش هزینه در مدل ارائه شده می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Material Flow Modeling in Supply Chain Management with Genetic Algorithm Approach

نویسندگان [English]

  • Mohammad Reza Sadeghi Moghadam
  • Mansour Momeni
  • Soroosh Nalchigar
چکیده [English]

Today the domain of competition in production and operation has been changed to supply chains for independent firms. In this problem material flow is very important among three flows, financial, information and materials. Traditional approach is dominated in supply, production and distribution planning at most Iranian industrial cooperation. It means that each of these unit are planning their activities independently, therefore it causes to increase that total cost of supply chain. In this research, at first the various material flow models in supply chains have been studied, hence material flow in demand, production and distribution sections in kachiran firm was modeled by integrated approach. Because of various decisions and variables, fuzzy environment, chain condition and benefit of fast decision caused to mathematical models have been used as a systematic and quantitative method and it solved by heuristic genetic algorithm method. After solving model by various operators of genetic algorithm in different generation, the best satisfactory result which had the minimum cost has been selected. For model reliability, these results have been compared with factual amounts of variables in that period, and they showed that present model costs have decreased.

کلیدواژه‌ها [English]

  • Genetic algorithm
  • Material Flow Modeling
  • Supply Chain Management