علمی : تخصیص سفارش به تأمین کنندگان به کمک الگوریتم های متاهیوریستیک در شرکت صنایع …

برای حل مسأله‌‌ی انتخاب تأمین‌کنند‌گان از روش‌های تلفیقی هم استفاده شده است از جمله در [۳] که با تلفیق نتایج حاصل از روش AHP در یک برنامه‌ریزی خطی به انتخاب تأمین‌کنند‌گان و تخصیص سفارش می‌پردازد و مزیت آن استفاده‌ی همزمان از فاکتورهای کیفی و کمی است.
در[۴۳] از برنامه‌ریزی پویا[۱۳] برای حل مسأله‌ استفاده شده است.
در [۴۴] ، با در نظر گرفتن اندازه‌ی دسته‌ی سفارش[۱۴] برای موجودی‌ها به بهینه کردن موجودی در زنجیره‌ی تأمین پرداخته می شود. آن‌ها در این مدل مسأله‌‌ی تعیین اندازه‌ی انباشته در شرایط چند دوره‌ای و مسأله‌‌ی انتخاب تأمین‌کنند‌ه را یکپارچه کرده و مسأله‌‌ی جدیدی را با عنوان «MLSSP[15]» مطرح کرده‌اند و به دو روش شمارشی و ابتکاری آن را حل کردهاند.
در این تحقیق، تقاضای کالاها در افق برنامه‌ریزی مشخص است و هر کدام از کالاها را می‌توان از مجموعه‌هایی از تأمین‌کنند‌گان مورد تأیید خریداری کرد. این مدل به تصمیم‌گیرنده کمک می‌کند که چه کالاهایی را به چه میزان و در چه دورهای و از کدام تأمین‌کنند‌ه تأمین نماید.
در [۴۵] جنبه‌ی دیگری را با عنوان انتخاب وسیله‌ی حمل‌و‌نقل به مسأله‌‌ی «تعیین اندازه‌ی انباشته‌ی چند دوره‌ای همراه با مسأله‌‌ی انتخاب تأمین‌کنند‌ه» افزودند. آن‌ها برای یکپارچه‌سازی این سه هدف از یک مدل تصمیم‌گیری چند هدفه استفاده کرده و با استفاده از الگوریتم ژنتیک مدل را حل کردند.
۲-۳-۱-۵-۲- سیستم‌های بر پایه‌ی استدلال[۱۶]
سیستم‌های مذکور در دسته‌ی رویکردهای مشهور به هوش مصنوعی قرار می‌گیرند. اساساً این سیستم‌ها این قابلیت را دارند که به مرور زمان توسط یک متخصص و یا با استفاده از داده‌های تاریخی حالت یادگیری داشته باشند. افراد غیر متخصصی که با موارد مشابه در تصمیم‌گیری‌ها مواجه می‌شوند می‌توانند از آن مشاوره بگیرند.
اخیراً از روش CBR نیز در انتخاب تأمین‌کنند‌ه استفاده شده است. یکی از نخستین تحقیقات در این خصوص در [۴۶] صورت گرفته و در آن روش CBR به عنوان سیستم پشتیبانی از تصمیمات مربوط به خرید پیشنهاد شده است. وی توانایی استفاده از اطلاعات قبلی و سادگی یادگیری سیستم را در مسأله‌‌ی انتخاب تأمین‌کنند‌ه مورد توجه قرار داده است.
در [۴۷] به منظور مدیریت برون‌سپاری به تأمین‌کنند‌گان و اتوماسیون تصمیمات مرتبط مدلی بر مبنای روش CBR ارایه شده است که ابزار مناسبی برای مدیریت تأمین‌کنند‌گان است.
در [۴۸] برای پشتیبانی از تصمیم‌های ساخت یا خرید از این روش استفاده کرده‌اند.
در [۴۹] در مقالهای ویژگیهای خاص زنجیره تأمین در شرکتهای چینی توزیع بنزین را بررسی نموده و محدودیتهای روشهای سنتی انتخاب تأمینکننده را عنوان میکند و سیستمی بر اساس CBR برای این شرکتها ارائه میکند.
۲-۳-۱-۵-۳- مدل‌های غیر قطعی
مسألهی انتخاب تأمینکننده در کل پیچیدگیهایی دارد مثلاً دادههای ورودی، متغیرهای تصمیم، توابع هدف، محدودیتها و غیره همواره با عدم قطعیت و ابهام توأم هستند، بسیاری از محققان سعی در پوشش دادن این ابهامات برای نزدیک شدن شرایط به شرایط دنیای واقعی داشتهاند و برای این منظور از تئوری مجموعههای فازی[۱۷] و توابع احتمالی بهره گرفتهاند. در [۵۰] شرایطی را که متغیرهای قیمت و مصرف تصادفی هستند مطرح شد، در [۵۱] هم از یک روش برنامه‌ریزی پویا برای تحلیل استراتژی‌های مختلف خرید هنگامی‌که قیمت‌ها تصادفی هستند استفاده کرد.
[۵۲]، فعالیت‌های [۵۱] را با بررسی فرضیات مختلف در مورد توزیع قیمت، افق برنامه‌ریزی و تابع هزینه‌ی نگهداری گسترش داده است.
در [۶] تقاضا را معین فرض کرده است و از یک روش برنامه‌ریزی پویا برای یافتن بهترین سیاست خرید در شرایط تصادفی بودن قیمت استفاده کرده است که احتمالات از توزیع‌های احتمال متفاوتی ناشی شده‌اند. اخیراً در [۵۳] یک استراتژی خرید چند دوره‌ای را هنگامی‌که تقاضا در هر دوره تصادفی است و توزیع احتمال به قیمت دوره وابسته است بررسی کرده‌اند.
در [۵۴] مدل چند هدفهای را ارایه شده است و ابهام شرایط مسأله با استفاده ار تئوری مجموعههای فازی مدلسازی شده است.
در [۵۵] مدل [۵۴] اصلاح شده و اهمیت نسبی معیارها در آن لحاظ شده است.
در [۵۶] نواقص [۵۵]، مانند لحاظ کردن قیمت خالص واحد محصول به عنوان هزینه خرید و ارایهی وزن قطعی برای نشان دادن معیارها برطرف شده و تابع هزینهی مناسبی را لحاظ نمودهاند همچنین از چند روش وزن معیارها را بهصورت فازی لحاظ شدهاند.
در [۵۷] در حالت چند تأمینکنندهای و چند محصولی مدل جامعی ارایه شده است که در آن کلیهی توابع هدف، متغیرها و محدودیتها فازی هستند. ولی وجه اشتراک این تحقیق با بسیاری از مدلهای این حوزه این است که موجودی بدون لحاظ کردن رفتار سفارشها از زمانیکه دریافت میشوند تا زمانیکه مصرف میشوند لحاظ شده است.
عمید همچنین در مقاله [۵۸] یک مدل چند هدفه فازی برای انتخاب تأمینکننده در شرایط تخفیف ارایه میدهد. و در[۵۹] یک مدل Max- Min چند هدفه فازی برای انتخاب تأمینکننده در یک زنجیره تأمین ارایه میدهد.
از دیگر تحقیق‌هایی که عدم قطعیت داده‌ها را در محیط‌های فازی یا احتمالی بررسی کرده‌اند می‌توان به موارد زیر اشاره کرد: [۴۵]، [۴۵ و ۶۶-۶۰]
معرفی برخی از تکنیکهای حل مسائل انتخاب تأمینکننده
پس از مدلسازی مسائل انتخاب تأمینکننده باید اقدام به حل آنها نمود. چنانچه مدل بهصورتی باشد که تنها معیارهای انتخاب در آن حائز اهمیت باشند و محدودیتی تعریف نشده باشد از روشهایی مانند [۱۸]AHP استفاده میشود.
روش AHP یکی از روش‌های پرکاربرد در خصوص وزندهی معیارها است و توسط محققان زیادی استفاده شده و جایگاه ویژهای را به خود اختصاص داده است.
محققانی که از روش AHP (فرایند تحلیل سلسله‌مراتبی) برای این منظور استفاده کرده‌اند عبارتند از:[۳ و ۱۶ و ۴۲ و ۷۷-۶۷].
حالت پیشرفته‌تر AHP استفاده از روش ANP[19] (روش تحلیل شبکهای) است که با وجود اینکه روش پیچیدهای است ولی چون اثرات معیارها بر هم را هم لحاظ می‌کند، نتایج دقیقی ارایه میدهد.
در [۷۸] روش جدیدی به‌نام VAHP[20] (فرایند تحلیل سلسله‌مراتبی رأی‌گیری) را ارایه شده است که روش ساده‌تری نسبت به AHP است.
یکی از جدیدترین مقالات ارایه شده مقاله [۷۹] است که در آن از VAHP برای طبقهبندی استفاده شده است.
حل مدلهای انتخاب تأمینکننده
در خصوص مدلهای برنامهریزی ریاضی استفاده از بستههای نرمافزاری مانند Lingo، Gams، Excel Solver برای حل گسترش یافته است. این بستهها تنها قادر به حل مسائلی هستند که همهی متغیرهای آنها پیوسته باشند و اگر مسأله از نوع برنامهریزی غیر خطی مختلط باشد باید با شاخه کردن متغیرهای صحیح (مثلاً متغیر صفر و یک) و جایگزینی مقادیر آنها در مدل، مسأله را به مسألهی برنامهریزی غیرخطی خالص تبدیل کرده و آنگاه از بستههای نرمافزاری برای حل آن استفاده کرد. اگر ابعاد مسأله بزرگ بود و امکان جایگذاری متغیرهای صفر و یک وجود نداشت باید از روشهای ابتکاری و فرا ابتکاری استفاده کرد.
علاوه بر روشهای ابتکاری موجود که استفاده از آنها در حوزهی مسائل انتخاب تأمینکننده گسترش یافته و روشهای فرا ابتکاری مانند الگوریتم ژنتیک[۲۱]، الگوریتم مورچگان[۲۲]، آنیلینگ[۲۳] وغیره، روشهای دیگری هم توسط محققان مختلف ارایه شده است مانند الگوریتم ابتکاری ارایه شده در ]۶۰[. در این تحقیق برای حل مدل از الگوریتم ژنتیک استفاده شده است.
مقالات مرتبط به حوزه هماهنگی خریدار و تأمین کننده
همانطور که اشاره شد، شرکا در یک زنجیره تأمین نمیتوانند بدون در نظر گرفتن منافع یکدیگر، فقط در پی حداکثر کردن سود و منافع خود باشند و موضوع هماهنگی فرایندهای کسب و کار بین اعضای یک شبکه برای بهبود عملکرد و کارایی شبکه یکی از مباحث مهم زنجیره تأمین است.
در تعریف زنجیره تأمین دو نوع بهینهسازی متصور است:
بهینهسازی محلی (Local Optimization).
بهینهسازی کلی (Global Optimization).
در بهینهسازی محلی هریک از اجزای زنجیره بهصورت مجزا سعی میکنند عملکرد خود را بهینه نمایند، در حالیکه در بهینهسازی کلی بهینه کردن عملکرد کل زنجیره تأمین مورد توجه است. واضح است که در بهینهسازی محلی تضمینی وجود ندارد که عملکرد کل زنجیره تأمین بهینه شود. به عبارت دیگر در این حالت هر یک از اجزای زنجیره سعی میکنند، سود (هزینه) خود را به حداکثر (حداقل) برسانند و رسیدن به این وضعیت جز با متضرر شدن اجزای دیگر بهدست نخواهد آمد. در این وضعیت جزئی که دارای قدرت بیشتری باشد، میتواند کالاهای خود را ارزانتر بخرد و یا دیگر اجزا را مجبور کنند تا بدون افزایش قیمت و تغییر در مشخصات محصول خدمات بیشتری را ارائه نمایند. در این حالت سود زنجیره تأمین ثابت در نظر گرفته میشود و هر یک از اجزای زنجیره سعی میکنند تا سهم بیشتری از این سود را نصیب خود نمایند و بالطبع افزایش سهم یک جزء باعث کاهش سهم اجزایی دیگر خواهد شد.

دانلود متن کامل این پایان نامه در سایت abisho.ir