روش الگوریتم ژنتیکی به منظور بهینه سازی چند منظوره شبکه های زنجیره ای عرضه
خلاصه
طراحی شبکه زنجیره ای عرضه (SCN) به منظور فراهم کردن سکویی بهینه برای مدیریت مفید و موثر زنجیره های عرضه است. در مدیریت زنجیره ای عرضه، مشکل مدیریت مهم و راهبردی عملیاتی است که معمولا اهدافی چندگانه و مناقشه ای را در برمیگیرد مانند هزینه، سطح خدمات، بهره برداری از منابع و غیره. این مقاله راهکاری جدید بر پایه الگوریتم ژنتیکی ارائه می دهد تا رده ای از راه حل های بهینه پارتو را به منظور مشکل طراحی چند منظوره شبکه زنجیره ای عرضه بیابیم. به منظور حل و فصل دیدگاه چند منظوره و همچنین برای قادر ساختن تصمیم گیرندگان برای ارزیابی رقم بالاتری از راه حل های انتخابی، دو دیدگاه وزین متفاوت در فرآیند راه حلهای ارائه شده به اجرا درآمدند. مطالعه ای آزمایشی که از داده های واقعی یک شرکت بهره می برد که در واقع فرآیند تولیدات پلاستیکی در ترکیه بود در دو مرحله به اجرا درامد. در حالی که تاثیر دیدگاه های وزنی در اجرای راه حل های پیشنهادی در مرحله اول بررسی می شوند، پروسه راه حل های انتخابی و بادوام سازی ایجاد شده بر طبق کیقیت راه حل های بهینه پارتو در رحله دوم مقایسه شدند.
1. مقدمه
زنجیره عرضه مجموعه ای از تسهیلات، عرضه ها، مشتریان، محصولات و روش های کنترل مواد اولیه، خرید و توزیع است. پیوندهای زنجیره ای فراهم کنندگان و مشتریان، با تولید مواد خام اولیه توسط یک عرضه کننده آغاز شده و با مصرف محصول توسط مشریان خاتمه می یابد. در زنجیره عرضه، جریان کالاها بین عرضه کنندگان و مشتریان از مراحل متعددی گذر می کند و هر مرحلمه ممکن است تسهیلات خاص خود را دارا باشد (صبری و بیمون، 2000). در سال های اخیر، مشکل طراحی شبکه های زنجبره ای عرضه (SCN) به دلیل افزایش رقابت ناشی از جهانی سازی بازار از اهمیت ویژه ای برخوردار شده است (تامس و گریفین، 1996). شرکت ها مجبور به حفظ سطوح بالای خدمات به مشتریان هستند و این در حالی است که آنها باید هزینه را کاهش داده و سود جانبی را ابقا کنند. به صورت سنتی، سازمان های بازاریابی، توزیع، برنامه ریزی، تولید و خرید به صورت مستقل فعالیت می کردند. این سازمان ها اهداف خودشان را داشتند و این اهداف معمولا متناقض می باشند. اما نیاز به ساز و کاری هست که از طریق آن تمام این کاربردهای متفاوت بتوانند با هم یکپارچه شوند. مدیریت زنجیره ای عرضه (SCM) راهبردی است که از طریق آن چنین یکپارچه سازی ای می تواند به منصه ظهور رسد. تصویر شبکه زنجیره ای عرضه در شکل 1 قابل مشاهده است.
Abstract
Supply chain network (SCN) design is to provide an optimal platform for efficient and effective supply chain management. It is an important and strategic operations management problem in supply chain management, and usually involves multiple and conflicting objectives such as cost, service level, resource utilization, etc. This paper proposes a new solution procedure based on genetic algorithms to find the set of Pareto-optimal solutions for multi-objective SCN design problem. To deal with multi-objective and enable the decision maker for evaluating a greater number of alternative solutions, two different weight approaches are implemented in the proposed solution procedure. An experimental study using actual data from a company, which is a producer of plastic products in Turkey, is carried out into two stages. While the effects of weight approaches on the performance of proposed solution procedure are investigated in the first stage, the proposed solution procedure and simulated annealing are compared according to quality of Pareto-optimal solutions in the second stage.
1. Introduction
A supply chain is a set of facilities, supplies, customers, products and methods of controlling inventory, purchasing, and distribution. The chain links suppliers and customers, beginning with the production of raw material by a supplier, and ending with the consumption of a product by the customer. In a supply chain, the flow of goods between a supplier and customer passes through several stages, and each stage may consist of many facilities (Sabri & Beamon, 2000). In recent years, the supply chain network (SCN) design problem has been gaining importance due to increasing competitiveness introduced by the market globalization (Thomas & Griffin, 1996). Firms are obliged to maintain high customer service levels while at the same time they are forced to reduce cost and maintain profit margins. Traditionally, marketing, distribution, planning, manufacturing, and purchasing organizations along the supply chain operated independently. These organizations have their own objectives and these are often conflicting. But, there is a need for a mechanism through which these different functions can be integrated together. Supply chain management (SCM) is a strategy through which such integration can be achieved. Illustration of a supply chain network is shown in Fig. 1.
خلاصه
مقدمه
بیان مسأله
الگوریتم ژنتیکی پیشنهادی
نمایش
ارزیابی
عملگرهای ژنتیکی
ساز و کار انتخاب
ارزیابی اجرایی الگوریتم
مقایسه بین GA_A1 و MO_SA
نتیجه گیری
پیوست
Abstract
1. Introduction
2. Problem statement
3. Proposed genetic algorithm
4. Performance evaluation of the algorithm
5. Conclusion
Appendix A. Decoding procedure of the chromosome for
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه