مدل ریاضی یکپارچه برای بهینه‌سازی سیستم تولید- توزیع زنجیره تأمین کالاهای فاسدشدنی با انبارهای میانی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران

2 استادیار، گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران

10.22108/jpom.2019.115071.1180

چکیده

در این پژوهش، نخستین‌بار مدل ریاضی یکپارچۀ‌ تولید - توزیع‌ با انبارهای میانی و سیستم‌های حمل‌ونقل متنوع در زنجیره تأمین چند‌دوره‌ای‌ برای کالاهای فسادپذیر ارائه شده است. نرخ فسادپذیری کالاها در انبارها، یا در زمان حمل‌ونقل یا ازطریق خبرگان به دست می‌آید. تابع هدف مدل پیشنهادی تک‌هدفه است و هزینه‌های زنجیره تأمین به‌صورت یکپارچه حداقل می‌شوند. مدل پیشنهادی، غیرخطی و از نوع سخت است. این مدل با حل چند مسئله در ابعاد کوچک، تأیید و باتوجه‌به قدرت الگوریتم‌ ژنتیک رتبه‌ای در این مسائل برای حل استفاده شده است. موردکاوی با داده‌های واقعی یک زنجیره تأمین مواد غذایی فاسدشدنی، انجام و با حالت بدون فسادپذیریِ کالاها مقایسه شده است. نتایج حاصل از حل مدل پیشنهادی، ضمن تعیین میزان فاسدشدن کالاها در هر مرحله نشان می‌دهد میزان هزینۀ زنجیره در حالت فسادپذیربودن افزایش می‌یابد. مدل پیشنهادی به تصمیم‌گیرندگان در شناسایی نقاط و تعیین میزان فساد کالاها در سطوح زنجیره و بهره‌مندی از سیستم‌های نگهداری و حمل نوین با کارایی زیاد در آن برای کاهش هزینه‌های کل کمک می‌کند. 

کلیدواژه‌ها


عنوان مقاله [English]

A model for the integration of production-distribution levels in the supply chain of non-perishable materials by considering intermediate warehouses

نویسندگان [English]

  • Kayvan Ahmadi 1
  • Sohrab Abdollahzadeh 2
1 M A student, Department of Industrial Engineering, Faculty of Industrial Technology Dept., Urmia University of Technology, Urmia, Iran
2 Assistant Professor, Department of Industrial Engineering, Faculty of Industrial Technology Dept., Urmia University of Technology, Urmia, Iran
چکیده [English]

This research presents a mathematical model for information integrating manufacturers, distributors, and intermediate warehouses and transportation systems in the supply chain over multi period. Goods are spoilable and Capacity, production costs, warehousing costs and transportation of each transportation systems costs are limited. Rate of corruption of goods in the warehouse and transportation systems is known or predictable by experts. The amount of demand for goods is constant. The objective function of the proposed model is single-objective and the costs of production, transportation, warehousing, corruption, shortage and unpackaged goods are integrated minimally. The proposed model is non-linear and of a strict type and has been confirmed by solving a few small-scale problems. For validation, a case study was performed and genetic Meta heuristic algorithms were used for solving the problem. The results of the solved model showed that Decision making integrated is better than the case that sections are decided separately.
Introduction: One of the most important issues in supply chain is integrated production-distribution planning. Integration of two production-distribution and three-supply, production and distribution loops are important optimization issues in the supply chain. Research in this area involves locating new or special facilities and a combination of allocation locating. The current research is a type of allocation and examines the impact of supply chain integration with several manufacturers, warehouses and distributors and the transportation system. The goods in this chain are perishable and with a lifetime limitation. Production capacity, warehouses, and transportation systems are limited. The mathematical model developed is single-purpose and minimizes the cost of the whole chain. For the first time in the current study, distributor middle warehouses have been modeled taking into account corruption in the warehouse and during shipping. The proposed model is solved once considering the cost of corruption and once without it and the results are compared.
 
Methodology/Approach: In this study, a single-objective model is presented for the integrated production-distribution problem considering the lifetime limitation of the goods. The supply chain in question consists of three levels of manufacturers, distribution centers, and end customers. The model is offered for several product types over multiple time periods. The integrated problem-solving model minimizes the entire cost of the chain, including: warehousing, distribution, commodity rotation, and shipment, which maximizes product quality when the product reaches the consumer. In order to evaluate the performance of the proposed model and to validate it, several different sample problems have been solved in various dimensions. A Proposed Genetic Algorithm for Solving Models Genetic Algorithm and CPLEX10.2 software have been solved, the results of which show the accuracy of the models. The proposed genetic algorithm is coded in the MATLAB R2015a programming environment and its functions are used within the algorithm.
 
Findings and Discussion: The main purpose of this research is to manage and make the right decisions on the amount of transport, production, inventory and distribution in a supply chain network. In order to make better and more practical decisions in the field of inventory and transportation for distribution of perishable products at supply chain levels, taking into account the real world conditions. Determining the optimum amount of production for each manufacturer, the amount of shipment carried out by each warehouse transport system, and the optimum inventory availability with respect to demand and the perishability factor of the warehouse are the objectives of the study. To simplify the real-world problem with the model in question, some simplifying assumptions have been used. In general, the optimal storage conditions vary depending on the type of goods and depend on many parameters. Generally, oranges can be stored at 7-2°C for 12 to 8 weeks. The distances are straight lines. The planning horizon is intended for three periods. There are 60 middle warehouses (30 traditional warehouses and 30 cold storage warehouses). The results showed that in the integration of production-distribution departments without limiting the product life span, the most important criterion in terms of cost is distance. Volumes account for up to 35% of corrupt products due to the lack of a cold supply chain. But in view of the factor of corruption in the model, the integration of the chain leads to the use of new technologies in the maintenance and transport of goods and reduces the cost of corruption. Although maintenance and shipping costs increase slightly, the overall cost of the chain eventually declines. In a model that does not include the costs of corruption.
 
Conclusion:  As a result of the decision to use traditional supply chains, in addition to the negative environmental consequences, high costs of corruption on the chains are imposed. Integrated decision making is better than the case of each sector being decided individually. This research as a back-up model can help managers make better decisions with regard to real-world conditions and constraints and make use of the potential of the food and agriculture industry. There are still many areas for the development of future research. Consider real-world assumptions in problem modeling, such as: Demand for the product as a possible rate of decay based on the quality of raw material demand dependent on the price of the product and considering the problem in an uncertain environment.
 
References
Alavidoost, M., Zarandi M. H., F., Tarimoradi, M., & Nemati, Y. (2017).  "Modified genetic algorithm for simple straight and U-shaped assembly line balancing with fuzzy processing times". Journal of Intelligent Manufacturing, 28(2), 313-336.
Fahimnia, B., Luong, L., & Marian, L. (2012). "Genetic algorithm optimization of an integrated aggregate production–distribution plan in supply chains". International Journal of Production Research, 50(1), 81-96.

کلیدواژه‌ها [English]

  • Supply Chain
  • Integration of production-distribution sectors
  • Perishable materials
  • Optimization

مقدمه

در دنیای رقابتی امروز با‌توجه‌به ویژگی‌های محیط‌های جدید تولیدی و طبیعت مشتریان، شیوه‌های مدیریت تولید گذشته (که یکپارچگی کمتری در فعالیت‌هایشان دنبال می‌کنند) کارایی کمتری دارند (لیدر و رشید[i]، 2016)؛ بنابراین شرکت‌ها نیاز دارند یکپارچگی منظمی را در تمام فعالیت‌های تولیدی خود از مواد خام تا مصرف‌کنندۀ نهایی ایجاد کنند. همچنین مهم‌ترین عنصر در تجارت امروزی، شناسایی نیازها و خواسته‌های مشتریان است. این امر باعث افزایش رضایت مشتری می‌شود. کیفیت طبق تعریف بسیاری از پژوهشگران، به‌معنای انتظارات و نیارهای مشتری از محصول است؛ درواقع کیفیت انطباق محصول با انتظارات مشتری تعریف می‌شود (هازن[ii] و همکاران، 2018).

زنجیره تأمین مفهوم بسیار گسترده‌ای است و بخش‌ها و حلقه‌های زیادی را شامل می‌شود؛ بنابراین ارائۀ مدلی کلی با پوشش‌دادن همۀ جوانب امری بسیار دشوار است؛ به همین دلیل پژوهشگران بخش محدودی را مطالعه، مدل‌سازی و توسعه یا بهبود داده‌اند؛ البته طبق مدل SCOR که یک مدل فرآیندی است، در هر زنجیره پنج فرآیند اصلی شامل برنامه‌ریزی، تأمین، تولید، توزیع و برگشت وجود دارد (نتاب[iii] و همکاران، 2015).

مدیریت زنجیره تأمین نه‌تنها شامل سازندگان و تأمین‌کنندگان می‌شود، بخش‌های حمل‌ونقل، انبارها، خرده‌‌فروشان و مشتریان را نیز شامل می‌شود. فرآیند سیستم‌های برنامه‌ریزی زنجیره تأمین بر پایۀ چهار بخش مرتبط با یکدیگر (شامل مدیریت تقاضا، برنامه‌ریزی مواد و تولید، زمان‌بندی تولید و برنامه‌ریزی حمل‌ونقل) شکل ‌گرفته‌اند (مونزکا و همکاران[iv]، 2015).

یکی از مهم‌ترین مباحث مطرح‌شده در زنجیره‌ تأمین، برنامه‌ریزی یکپارچۀ تولید - توزیع است. تولید و توزیع یکپارچۀ محصولات در یک زنجیره تأمین نقش مهمی در کاهش هزینه‌های‌ زنجیره دارد. اهمیت یکپارچه‌سازی زنجیره تأمین به‌اندازه‌ای است که بخش گسترده‌ای از تصمیمات عملکردی متأثر از اطلاعات ارائه‌شده به‌وسیلۀ مدیریت ارتباط با مشتری و برپایۀ‌ خواسته‌های خود مشتریان است. از طرف دیگر اجرای آن بیانگر ایجاد یک زنجیره تأمین مشتری‌مدار و به‌طبع آن بهبود کیفیت و برخورداری از جایگاهی شایسته در میان سایر رقبا است (وانگ[v] و همکاران، 2015).

نخستین ابتکار و پیشگامی درزمینۀ یکپارچه‌سازی زنجیره تأمین در سال ١٩۹۲ بوده است؛ هنگامی‌که ۱۴ انجمن تجاری، گروهی را به‌نام جنبش پاسخ‌گویی مؤثر به مشتری به وجود آوردند (هوگوس[vi]، 2018).

مدل‌هایی که باید مقدار تولید مراکز تولید را به مراکز توزیع برای ارضای تقاضای مشتریان ارسال کند با عنوان مدل‌های تولید - توزیع در ادبیات مطرح می‌شوند (رمضانی و همکاران، 2013). مدل‌های یکپارچگی تولید - توزیع در جدول 1 آورده شده است.

باتوجه‌به مطالعات انجام‌شده در جدول 1، پژوهش فهیم‌نیا و همکاران (2012) تکمیل‌ترین پژوهش در این حوزه به شمار می‌آید؛ بنابراین مقالۀ پایۀ پژوهش حاضر در نظر گرفته شده است. در این پژوهش عمر کالاها بی‌نهایت در نظر گرفته شده است. برای افزایش کارایی مدل در دنیایی واقعی، فرض فسادپذیری کالاها به آن افزوده شده است.

اقلام فاسدشدنی و یا اقلام خراب‌شدنی در ادبیات زنجیره تأمنی به اقلامی گفته می‌شود که ارزش آنها در طول مدت نگهداری در انبار کاهش می‌یابد. این میزان کاهش ارزش به‌صورت یکی از هزینه‌های موجودی در نظر گرفته می‌شود (وو[vii] و همکاران، 2016).

جدول 1- مدل‌های یکپارچگی تولید- توزیع

نوع مدل

شرح پژوهش‌ها

پژوهشگران

تک‌محصولی

هق و همکاران (1991) در پژوهشی یکپارچه‌سازی را در صنعت پتروشیمی هند بررسی کردند. در این پژوهش بسیاری از شرایط واقعی مانند زمان، هزینۀ راه‌اندازی، زمان تدارک، ضایعات خط تولید، میزان بازیافت و هزینه‌های انباشت موجودی بررسی شده است.

(هق[viii] و همکاران، 1991)

یک مدل پیچیدۀ تک‌کالا ارائه شده است که مدل‌های قبلی را توسعه داده است. در این مدل برنامه‌ریزی عدد صحیح به‌دلیل محدودبودن ظرفیت انبارها و انباشت کالا در خط تولید و برگشت کالا در نظر گرفته نشده و به‌طور درخور توجهی مانع از عملکرد مدل در دنیای واقعی شده است.

(یلماز[ix]، 2006)

چندمحصولی، تک‌کارگاهی

ویژگی‌های عملکرد یک سیستم تولید - توزیع یکپارچۀ ساده متشکل از یک واحد تولیدی با محصولات متنوع، یک انبار کالاهای محصولات و یک‌خرده فروش بررسی شده است. یکی از عمومی‌ترین مدل‌های تولید - توزیع موجود در ادبیات موضوع توسعه و پیشنهاد یک روش حل خاص است.

(لی و کیم[x]، 2014)

چندمحصولی، چندکارگاهی، تک‌انباری/ بدون انبار

برنامه‌ریزی تولید - توزیع برای شرکت‌های بین‌المللی مطالعه شده است. با در نظر گرفتن چند نرخ تورم و ارز، مدل‌های چندمحصولی کارخانه‌های بین‌المللی و توزیع به‌طور مستقیم به بازار هدف مطالعه شده است.

(منتزر[xi] و همکاران، 2001)

چندمحصولی، چندکارگاهی، چندانباری، یک/ بدون مشتری نهایی

یک مدل برنامه‌ریزی خطی برای یکپارچه‌سازی بخش‌های تولید - توزیع برای محیطی ارائه شده است که چند سایت تولید دارد. هم‌چنین یک مدل بهینه‌سازی قوی برای ترکیب عدم قطعیت تقاضا برای برنامه‌ریزی یکپارچه تدارکات، تولید و توزیع برای چند سایت تولیدی ارائه شده است.

(وانگ[xii]و همکاران، 2016)

چندمحصولی، چندکارگاهی، چندانباری، چندمشتری، یک سیستم حمل‌ونقل

یک روش شبیه‌سازی برای برنامه‌ریزی تولید - توزیع ارائه شده است. برای تعیین ظرفیت تجهیزات از شبکۀ تولید - توزیع استفاده شده است که شامل سیاست‌های دوباره‌کاری در زنجیره تأمین است. در این مدل دو هدف افزایش رضایت مشتری و کاهش هزینۀ کل سیستم در نظر گرفته‌ شده بود.

(کیم[xiii] و همکاران، 2008)

چندمحصولی، چندکارگاهی، چندانباری، چندمشتری نهایی، چند سیستم حمل‌ونقل، بدون دورۀ زمانی

یک مدل یکپارچه برای همکاری میان چند جایگاه و پالایشگاه تولید سوخت با انواع سوخت ارائه شده است. برای حل مسئله از یک مدل برنامه‌ریزی عدد صحیح مختلط استفاده ‌شده است که هدف آن حداکثرکردن سود برای زنجیره تأمین یکپارچه است. منافع بالقوۀ ناشی از یکپارچگی برنامه‌ریزی مشترک تولید - توزیع در این مطالعه زیاد است.

چندمحصولی، چندکارگاهی، چندانباری، چندمشتری نهایی، چند سیستم حمل‌ونقل، چند دورۀ زمانی

این دسته از مطالعات شامل پیچید‌ه‌ترین مدل‌ها در یکپارچه‌سازی بخش‌های تولید - توزیع است. برای مدل‌سازی از برنامه‌ریزی عدد صحیح مختلط و برای حل آن از الگوریتم ژنتیک استفاده شده است.

(فهیم‌نیا و همکاران، 2012)

 

گری و گویال (2001) مروری بر مقالات مختلفی انجام دادند که توابع گوناگون فاسدشدن کالا را بررسی کرده‌اند. نخستین‌بار بحث فاسد‌شدن کالا را واگنر و ویتن (2015) مطرح کردند (گیری و شاما[xiv]، 2015).

یانگ و وی (2003) مدلی برای برنامه‌ریزی یکپارچه تولید - موجودی کالاهای فاسدشدنی ارائه دادند. راو و همکاران (2003) یک مدل چندسطحی بین تأمین‌کننده، تولید‌کننده و خریدار برای کالاهای فساد‌پذیر توسعه داده‌اند و نشان دادند رویکرد یکپارچه در تصمیم‌گیری باعث کاهش هزینۀ کل می‌شود (سرکار[xv] و همکاران، 2017). آموریم و همکاران (2012) یک برنامه‌ریزی چندهدفۀ تولید - توزیع را برای محصولات فسادپذیر ارائه کردند. آنها در تابع هدف مدل خود، هزینۀ کل و میزان تازگی محصولات را هنگام تحویل در نظر گرفته‌اند (مارتینز[xvi] و همکاران، 2018).

در سال 2015 چکربارتی و همکاران پژوهشی دربارۀ یکپارچه‌سازی زنجیره تأمین مواد فاسدشدنی انجام داده‌اند. آنها مدلی برای یکپارچه‌سازی بخش‌های تولید - موجودی بررسی کرده‌اند. در این مدل پارامترهایی مانند تأمین‌کننده، خرده‌فروش و نرخ فسادپذیری ثابت و تقاضا به‌صورت احتمالی وجود دارد. در این مدل محدودیت‌های فضای انبار، سرمایه و بودجۀ موجود نیز در نظر گرفته ‌شده است (چاکرابورتی[xvii]، 2015).

در بسیاری از مسائل، هزینه‌های مرتبط با کاهش ارزش کالا در حدی است که می‌تواند به یکی از مهم‌ترین متغیرهای مؤثر بر هزینه‌های موجودی و درنهایت تعیین سیاست بهینه تبدیل شود. در پژوهش‌های پیشین، مدل‌سازی ریاضی برای سیستم‌های تولید - توزیع با انبارهای میانی ولی بدون در نظر گرفتن فرض فسادپذیری کالاها انجام شده است. درنتیجه، در پژوهش حاضر جریان مواد در طول زنجیره تأمین در بخش‌های تولید - توزیع و با وجود انبارهای میانی با فرض فسادپذیری کالا مدل‌سازی ‌شده است؛ بنابراین با تعریف متغییرها و پارامترهای جدیدی، مدل پایه فهیم‌نیا و همکاران (2012) برای حالت فسادپذیری کالاها در انبار و حین حمل‌ونقل توسعه داده شده است.

این پژوهش از نوع تخصیص است و زنجیره تأمینی با چندین تولیدکننده، انبارهای میانی توزیع‌کننده و انواع سیستم حمل‌ونقل را بررسی و یکپارچه‌سازی می‌کند. کالاها در این زنجیره، از نوع فسادپذیر و با محدودیت طول عمرند. ظرفیت تولید، انبارها و سیستم‌های حمل‌ونقل محدود و معلوم است. مدل ریاضی ساخته‌شده از نوع تک‌هدفه و کمینه‌سازی هزینه‌های کل زنجیره است. مدل پیشنهادی یک‌بار با در نظر گرفتن هزینۀ فساد کالاها و یک‌بار بدون آن حل و نتایج حاصله مقایسه شده است.

 

روش پژوهش

در این پژوهش، مدل ریاضی تک‌هدفه برای مسئلۀ تولید - توزیع یکپارچه با انبارهای میانی و با در نظر گرفتن محدودیت طول عمر کالاها ارائه می‌شود. زنجیره تأمین درحال بررسی شامل سه سطحِ تولیدکنندگان، مراکز توزیع و مشتریان نهایی است. مدل برای چند نوع محصول و در طی چندین دورۀ زمانی ارائه می‌شود. مدل یکپارچه برای حل مسئله به حداقل رساندن هزینه‌های کل زنجیره شامل انبارداری، توزیع، فاسدشدن کالا در انبار و حین حمل است که باعث‌ به حداکثر رساندن سطح کیفیت محصول هنگام رسیدن محصول به مصرف‌کننده می‌شود.

هدف اصلی پژوهش جاری، مدیریت و اخذ تصمیمات درست در میزان حمل، تولید، موجودی و توزیع در یک شبکۀ زنجیره تأمین است؛ به‌گونه‌ای که با لحاظ‌کردن شرایط موجود در دنیای واقعی بتوان تصمیمات بهتر و کاربردی‌تری در حوزۀ موجودی و حمل‌ونقل برای توزیع محصولات فاسدشدنی در سطوح زنجیره تأمین اتخاذ کرد.

تعیین مقدار بهینۀ‌ تولید برای هر تولیدکننده‌، میزان حمل با هریک از سیستم‌های حمل‌ونقل به انبارها و یا به‌صورت مستقیم به خرده‌فروش‌ها و میزان بهینۀ موجودی انبارها با‌توجه‌به تقاضا و ضریب فسادپذیری کالا در انبار از اهداف فرعی پژوهش جاری هستند.

با‌توجه‌به پژو‌هش‌های قبلی، مدل‌های تولید - توزیع در سه موضوع محوری شامل یکپارچگی، تابع هدف و روش‌های حل دسته‌بندی شده‌اند. موقعیت مدل پیشنهادی پژوهش در این حوزه‌ها در جدول 2 آمده است.

 

جدول 2- تبیین موقعیت مدل پیشنهادی پژوهش

1. یکپارچگی زنجیره تأمین

2. تابع هدف

1-1.               تنوع محصول

2-1.              مدل ساده

 

1-1-1

تک‌محصولی

2-2.              پوشش مجموعه‌ها و پوشش جزئی

1-1-2

چند‌محصولی

2-3.              میانه p-تسهیلاتی

1-2.               تولیدکننده

2-4.              کمینه‌سازی حداکثر فاصله

 

1-2-1

یک تولیدکننده

2-5.              کمینه‌سازی بدترین حالت

1-2-2

چند تولیدکننده

2-6.              مکان‌یابی- تخصیص سلسله مراتبی

1-3.               مرکز مونتاژ

2-7.              مکان‌یابی- تخصیص جذب جریان

 

1-3-1

بک مرکز مونتاژ

2-8.              حداکثر‌سازی حداقل فاصله

1-3-2

چند مرکز مونتاژ

2-9.              تعداد توابع هدف

1-4.               دورۀ برنامه‌ریزی

 

2-9-1.

تک‌هدفه

 

1-4-1

یک‌دوره‌ای

 

2-9-2.

چندهدفه

1-4-2

چنددوره‌ای

3. روش‌های حل

1-5.               سیستم حمل‌ونقل

3-1.

جواب بهینه

 

1-5-1

یک وسیلۀ حمل‌ونقل

3-2.

ابتکاری

1-5-2.

چند سیستم حمل‌ونقل

3-3.

فراابتکاری

1-6.               موجودی

 

3-3-1.

الگوریتم ژنتیک

1-7.               تدارکات

 

3-3-2.

کوچ پرندگان

1-8.               تولید

 

3-3-3.

دیگر

1-9.               مسیریابی

 

 

 

1-10.            نوع حمل

 

 

 

 

مدل پیشنهادی

مفروضات:

  • زنجیره تأمین در سه سطح تولید، توزیع و مشتری نهایی است.
  • فاصلۀ بین اجزاءِ زنجیره مشخص و ثابت است و به‌صورت خط مستقیم محاسبه می‌شود.
  • برنامه‌ریزی به‌صورت چندمحصولی و چنددوره‌ای است.
  • ظرفیت تمامی تولیدکنندگان، انبارها، توزیع‌کنندگان و سامانه‌های حمل‌ونقل محدود و معلوم است.
  • تولید در زنجیره تأمین فقط یک‌بار و در ابتدای دورۀ نخست انجام می‌شود.
  • ارسال کالاهای تولیدی به‌صورت مستقیم به توزیع‌کننده یا به انبارهای میانی برای ذخیره برای دوره‌های بعدی انجام می‌شود.
  • هزینۀ تولید هر محصول برای هر تولیدکننده متفاوت از تولیدکننده‌های دیگر است.
  • تقاضای هر محصول در افق برنامه‌ریزی، مشخص و قطعی است.
  • حداکثر ظرفیت تولید هریک از تولیدکنندگان در افق برنامه‌ریزی مشخص و قطعی است.
  • در حمل‌ونقل کالا که نرخ فسادپذیری معلوم نیست، نرخ فسادپذیری با نظر خبرگان تعیین می‌‌شود.
  • سفارش‌های معوق وجود ندارد؛ ولی امکان برآورده‌نشدن تقاضا و کمبود به‌صورت فروش ازدست‌رفته وجود دارد.
  • موجودی فروش‌نرفته در انتهای دورۀ آخر، در بازار ثانویه و به نرخ کمتری فروش می‌رود.
  • مسئله از دیدگاه سطح دوم زنجیره (مراکز توزیع) مطرح می‌شود.
  • ظرفیت انبارها برحسب تن و به حجم کالا بستگی ندارد.
  • هزینۀ حمل‌ونقل در کل دوره ثابت و باتوجه‌به فصل‌های سال تغیر نمی‌کند.

 

اندیس‌ها:

 i: اندیس محصولات

i = 1, 2, …, I

j : اندیس تولیدکنندگان

j = 1, 2, …, J

 h: اندیس انبارهای توزیع‌کننده‌ها

h= 1, 2, …, H

 e: اندیس مشتری‌های نهایی

e= 1, 2, …, E

 r: اندیس سیستم‌های حمل‌ونقل

r = 1, 2, …, R

 t: اندیس دوره‌های زمانی

t = 1, 2, …, T

 

پارامترها:

 مجموعۀ محصولات.

 مجموعۀ تولیدکنندگان.

 مجموعۀ انبارها.

 مجموعۀ خرده‌فروشان یا مشتری نهایی.

 مجموعۀ سیستم‌های حمل‌ونقل.

 مجموعۀ دوره‌های زمانی.

 هزینۀ‌ تولید هر واحد محصول i به‌ازاءِ هر تولیدکنندۀ j.

 هزینۀ ثابت تولید محصول i برای تولیدکنندۀ j.

  هزینۀ‌ متغیر برای اجارۀ انبار h.

 هزینۀ ثابت برای اجارۀ انبار h.

 هزینۀ‌ حمل‌ونقل محصول i از تولیدکنندۀ j به انبار توزیع‌کنندۀ h با سیستم حمل r.

 هزینۀ‌ حمل‌ونقل محصول i از تولیدکنندۀ j به مشتری نهایی e با سیستم حمل r.

 هزینۀ حمل‌ونقل محصول i از انبار توزیع‌کنندۀ h به مشتری نهایی e با سیستم حمل r در دورۀ t.

 مقدار تقاضای مشتری e برای محصول i در دورۀ t.

 مقدار تقاضا برای محصول i برای خرده‌فروش e وقتی‌که ارسال کالا به‌صورت مستقیم است.

 

اگر محصول i به‌وسیلۀ تولیدکنندۀ j تولید شود.

در غیر این صورت.

 

 

 

 

اگر از انبار h استفاده شود.

در غیر این صورت.

 

 

 

 

 مدت ‌زمان صدور تقاضا برای دورۀ t (برحسب هفته).

 ظرفیت تولیدکنندۀ j برای محصول i.

 ظرفیت انبار h.

Yr: واحد ظرفیت سیستم حمل‌ونقل r.

:E میزان محصول فاسد‌شده در هر انبار که نیازی به حمل وجود ندارد.

 : درصد ضایعات کالای i که به‌وسیلۀ تولیدکنندۀ j تولید می‌شوند.

 :  درصد ضایعات یک هفتۀ کالای i که در انبار h نگهداری می‌شوند.

 : درصد ضایعات کالای i که به‌وسیلۀ سیستم حمل‌ونقل r از تولیدکنندۀ j به انبار توزیع‌کنندۀ h حمل می‌شوند.

: درصد ضایعات کالای i که به‌وسیلۀ سیستم حمل‌ونقل r از تولیدکنندۀ j به خرده‌فروش e حمل می‌شوند.

:  درصد ضایعات کالای i که به‌وسیلۀ سیستم حمل‌ونقل r از انبار توزیع‌کنندۀ h به خرده‌فروش e حمل می‌شوند.

 مقدار هزینه به‌ازاءِ هر واحد کمبود کالای i.

 مقدار هزینه به‌ازاءِ هر واحد اضافه از کالای i که در انبار می‌ماند.

 

متغیرهای تصمیم

 مقدار تولید کالای i برای تولیدکنندۀ j.

 مقدار کالای i حمل‌شده به‌وسیلۀ rاز تولیدکنندۀ j به خرده‌فروش e.

 مقدار کالای i حمل‌شده از تولیدکنندۀ j به انبارh به‌وسیلۀ r.

 مقدار کالای i حمل‌شده از انبارh به توزیع‌کنندۀ j در دورۀ‌ t به‌وسیلۀ r.

حداکثر موجودی انبارh از کالای i.

 مقدار کالای i در انبار h در دورۀ t.

 مقدار تولید کالای i برای تولیدکنندۀ j که ‌استفاده‌شدنی نیست.

مقدار کالای i حمل‌شده به‌وسیلۀ سیستم rاز تولیدکنندۀ j به خرده‌فروش e که فاسد می‌شود.

مقدار کالای i حمل‌شده از تولیدکنندۀ j به انبار h که به‌وسیلۀ سیستم r فاسد می‌شود.

مقدار کالایi حمل‌شده از انبارh به توزیع‌کنندۀ e با سیستم r در دورۀ t که فاسد می‌شود.

 مقدار کالای i در انبار h که در دورۀ t فاسد می‌شود.

مقدار موجودی اضافه کالای i برای انبار h.

مقدار کمبود کالای i برای مشتری e در دورۀ t.

 مقدار کمبود کالای i برای مشتری e وقتی‌که ارسال کالا به‌صورت مستقیم از تولیدکننده به خرده‌فروش است.

 

تابع هدف

(1)

 

محدودیت‌ها:

(2)

 

(3)

 

(4)

 

(5)

 

(6)

 

(7)

 

(8)

 

(9)

 

10)

 

(11)

 

(12)

 

(13)

 

(14)

 

(15)

 
     

تشریح تابع هدف: مدل ریاضی ذکر‌شده، یک مسئلۀ‌ عدد صحیح مختلط غیرخطی است. تابع هدف مطابق رابطۀ (1) کمینه‌کردن هزینه‌های تولید، حمل‌ونقل، انبارداری، فسادپذیری، کمبود و موجودیِ توزیع‌نشده است. شرح عبارات آن به این شرح است؛عبارت نخست: هزینه‌های ثابت و متغیر تولید که شامل هزینه‌های راه‌اندازی تولید نیز است. عبارت دوم: هزینه‌های حمل‌ونقل بین تولیدکننده و انبارهای میانی توزیع‌کننده براساس تعداد وسایل نقلیه. عبارت سوم: هزینه‌های حمل به‌صورت مستقیم از تولیدکننده به مشتری نهایی یا خرده‌فروش براساس تعداد وسایل نقلیه. عبارت چهارم: هزینه‌های حمل‌ونقل در تمام دوره‌ها از انبارها به خرده‌فروش‌ها براساس تعداد وسایل نقلیه. عبارت پنجم: هزینه‌های انبارداری کالا براساس بیشترین سطح موجودی یا موجودی ابتدای دورۀ نخست. عبارت ششم مربوط به هزینه‌های فسادپذیری (‌استفاده‌نشدنی یا فساد زودتر از موعد) کالا برای هر تولیدکننده. عبارت‌های هفتم، هشتم و نهم: فسادپذیری در موقع حمل‌ونقل ناصحیح یا وسیلۀ نامناسب. عبارت دهم: هزینه‌های فسادپذیری در انبار برای تمامی دوره‌ها ثابت و برحسب مدت نگهداری کالا در انبار تعیین می‌شود. عبارت یازدهم: هزینه‌های کمبود به‌ازاءِ هر واحد فروش ازدست‌رفته در هر دوره.

تشریح محدودیت‌ها: رابطۀ (2): کالاهای تولیدشده به‌وسیلۀ هر تولیدکنندۀ ارسالی مستقیم برای خرده‌فروش، انبارها و درصد فاسد‌شده قبل از حمل. رابطۀ (3): موجودی هر انبار در ابتدای دورۀ نخست که برابر با مجموع کالاهای ارسالی از هر تولیدکننده به‌جز مقدار تباه‌شده. رابطۀ (4): مقدار موجودی هر انبار با‌توجه‌به مقدار کالای ارسالی در هر دوره برای هر خرده‌فروش و مقداری از کالا که در انتهای هر دوره فاسد می‌شود. همچنین مقدار کالاهای مانده در انبار در انتهای دورۀ آخر. رابطۀ (5): مقدار تقاضا برای هر خرده‌فروش برابر با مقدار کالای ارسال‌شده برای هر خرده‌فروش در هر دوره با کسر مقدار فاسدشده و تقاضای برآوردنشده (فروش ازدست‌رفته). رابطۀ (6): حداکثر ظرفیت هر تولیدکننده برای کالاها. رابطۀ (7): حداکثر ظرفیت هرکدام از انبارها. رابطۀ (8): سطح موجودی برای هرکدام از کالاها در طول دوره برای هرکدام از انبارها که برابر است با حداکثر موجودی انبار با کسرکردن مجموع مقادیر ارسال‌شده برای خرده‌فروش‌ها در دوره‌های قبل و مقدار فاسدشده در دوره‌های قبل. روابط (9) تا (13): مقدار کالای فاسدشده در هریک از مراحل تولید، حمل و انبارداری کالا در هر دوره‌. رابطۀ (14): تابع شرطی است که تعین می‌کند اگر مقدار موجودی هر انبار بزرگ‌تر از صفر باشد، تابع باینری متناظر مقدار 1 بگیرد و در غیر این صورت مقدار 0 بگیرد. رابطۀ (15): تابع شرطی است که تعیین می‌کند اگر مقدار تولید هر کالا برای هر تولیدکننده بزرگ‌تر از 0 باشد، تابع باینری متناظر مقدار 1 و در غیر این صورت، مقدار 0 بگیرد.

بحث

با‌توجه‌به اینکه مدل پایۀ پژوهش جاری مدل تولید - توزیع با انبارهای میانی فهیم‌نیا و همکاران (2012) بوده و جزءِ مدل‌های پیچیده است، با به‌کارگیری روش‌های حل دقیق در زمان مطلوب جواب بهینه به دست نمی‌آید (پارک[xviii] و همکاران، 2007)؛ بنابراین برای رسیدن به جواب نزدیک به بهینه از روش‌های ابتکاری یا فراابتکاری استفاده شده است. این الگوریتم‌ها هم‌زمان نقاط وسیعی از جواب‌های ممکن را بررسی و اغلب جواب‌هایی خوب و نزدیک به بهینه را تولید می‌کنند. با‌توجه‌به پژوهش‌های پیشین و استفاده از تجارب پژوهشگران، در پژوهش جاری از الگوریتم ژنتیک برای حل مسائل بزرگ استفاده ‌شده است.

الگوریتم ژنتیک از الگوریتم‌های فراابتکاری معروف و پرکاربرد و از خانواده ابزارهای محاسباتی برمبنای روش الگوریتم ارزیابی است که نخستین‌بار هلند (1975) آن را ارائه داده است. پوشش‌دادن متغیرهای گسسته و پیوسته از مزیت‌های این الگوریتم به‌شمار می‌آید. الگوریتم ژنتیک ساده به‌وسیلۀ پژوهشگران مختلف توسعه ‌یافته و الگوریتم‌های کاراتری ازجمله ژنتیک رتبه‌ای به وجود آمده است (دب[xix]، 2002).

در الگوریتم‌های ژنتیک، ژن‌هایی وجود دارند که نشان‌دهندۀ یک مقدار برای یک متغیر تصمیم هستند. مجموعه‌ای از ژن‌ها یک کروموزوم نامیده می‌شوند که نشانگر یک جواب برای مسئله است. طراحی ساختار کروموزوم برای ایجاد جواب‌های موجه متعدد و جلوگیری از تولید جواب‌های ناموجه بسیار حیاتی است (هوپت[xx]، 2004).

در الگوریتم‌های ژنتیک جمعیت اولیه وجود دارد که سه فرایند اساسی جهش ژنتیکی، بازتولید و گزینش روی متغیرهای ژنتیکی اعمال می‌شود. در گزینش، یک راهبرد نخبه‌گرایی وجود دارد که ازطریق آن تعدادی از جواب‌های خیلی خوب به جمعیت جدید انتقال می‌یابند. با مکانیسم بازتولید، کروموزوم‌ها به‌صورت تک‌نقطه‌ای یا چندنقطه‌ای با هم ترکیب‌ می‌شوند و بخش دیگری از جمعیت جدید را به وجود می‌آورند. برای افزایش کیفیت جواب‌های جدید از مکانیسم چرخۀ رولت[xxi] استفاده می‌شود تا احتمال گزینش جواب‌های با کیفیت بیشتر در بازتولید افزایش یابد. بخش سوم از جمعیت جدید با فرایند جهش ژنتیکی تولید می‌شوند. در الگوریتم ژنتیک رتبه‌ای جواب‌های غیرموجه به جمعیت جدید انتقال نمی‌یابند (علوی دوست و همکاران، 2017).

برای بررسی میزان عملکرد مدل پیشنهادی و تأیید آن، چند مسئلۀ نمونۀ مختلف در ابعاد متعدد حل‌ شده‌اند. الگوریتم ژنتیک پیشنهادی در محیط برنامه‌نویسی MATLAB R2015a کد و از توابع آن در داخل الگوریتم استفاده ‌شده است. از آنجا که مدل پیشنهادی پژوهش با در نظر گرفتن همۀ پارامترهای ذکر‌شده در ادبیات موضوع مشاهده نشده است، مسائل نمونه به‌صورت تصادفی و با استفاده از پارامترهای جدول 3 تولید شده است.

پارامترهای الگوریتم ژنتیک که در این مسائل استفاده ‌شده‌اند ازطریق [xxii]RSM به ‌دست‌ آمده است و عبارت‌اند از اندازۀ جامعه: 10؛ تعداد نسل: 5؛ احتمال تقاطع: 8/0؛ احتمال جهش: 25/0؛ زمان اجرا: زمان حاصل از اجرای نرم‌افزار برای تولید و اجرای روش برحسب ثانیه؛ بهترین مقدار مدل: بهترین مقدار تابع هدف که جواب کلی مدل است. با‌توجه‌به ابعاد کوچک، مسائل در نرم‌افزار لینگو حل و بهترین جواب مدل معرفی ‌شده است. همچنین برای هر مسئلۀ نمونه، الگوریتم ژنتیک در نرم‌افزار متلب نسخۀ 2015 کدنویسی و اجرا شده است. مقایسۀ مقادیر دو نرم‌افزار در جدول 4 آورده شده است.

جدول 3- ابعاد مختلف مسائل

شمارۀ مسئله

کارخانۀ j

کالای i

حمل‌ونقل r

انبار توزیع‌کنندۀ h

مشتری نهایی e

دورۀ t

1

2

2

2

3

5

2

2

2

3

4

4

5

3

3

3

4

6

6

6

4

4

3

4

6

6

6

5

5

4

6

6

8

6

6

6

6

6

8

8

7

8

7

8

6

10

10

8

8

8

10

8

10

12

8

8

9

10

8

11

12

10

10

10

11

8

12

12

12

10

 

جدول 4- بهترین مقادیر به‌دست‌آمده برای حل مدل با نرم‌افزار لینگو و متلب

درصد خطا

زمان اجرا

بهترین مقدار با متلب

زمان اجرا

بهترین مقدار مدل

مسئله

36/4

2/7

65712

03/0

65712

1

17/1

9/18

76154

08/0

76154

2

63/3

8/95

98129

12/0

138129

3

67/7

6/120

125630

21/0

165630

4

64/3

8/112

210345

27/0

120345

5

09/4

9/118

251049

49/0

191049

6

67/0

7/211

267450

05/1

287450

7

70/8

9/257

342561

06/2

312561

8

36/1

7/976

451024

25/3

431024

9

82/6

9/1735

546720

34/8

546720

10

 

باتوجه‌به خطای کم هریک از مسائل و نیز متوسط خطای قابل‌قبول 6/4 برای کل مسائل، صحت مدل‌سازی تأیید شده است.

 

موردکاوی

مدل‌سازیِ تخصیص یکپارچۀ کالا در زنجیره تأمین با ملاحظات مربوط به فسادپذیری کالا و یکپارچه‌سازی بخش‌های تولید- توزیع با وجود انبارهای میانی، نوآوری شاخص پژوهش جاری است که قبلاً با ارائۀ مثال‌هایی صحت مدل‌سازی آن بررسی و تأیید شد. در این قسمت مدل مدنظر برای یک مطالعۀ موردی دربارۀ ذخیره‌سازی میوۀ شب عید حل و اعتبارسنجی می‌شود.

 

 

تشریح مسئله

ایدۀ اصلی مدل از فاسدشدن قریب به 10 هزار تن پرتقال در انبارها و سردخانه‌ها است که در سال 95 برای تنظیم بازار، انبار شده بودند. مطالعۀ موردی مربوط به انبار میوه شب عید است که از اطلاعات واقعی وزارتخانه‌های صنعت، معدن و تجارت، و جهاد کشاورزی استفاده ‌شده است. هم‌چنین برای تطبیق مسئلۀ دنیای واقعی با مدل مدنظر، از برخی فرضیات ساده‌کننده استفاده ‌شده است.

به‌طورکلی شرایط بهینۀ انبارداری با‌توجه‌‌به نوع کالا متفاوت بوده است و به میزان مقاومت آن به درجۀ حرارت‌های کم، رطوبت زیاد، اکسیژن کم و دی‌اکسیدکربن زیاد، میزان اتیلن و درنهایت میزان صدمات مکانیکی واردشده به میوه بستگی دارد. در اینجا به مهم‌ترین این شرایط در برخی از مرکبات اشاره می‌شود؛ بیشتر پرتقال‌ها بعد از برداشت بلافاصله و مستقیم به بازار عرضه یا فرآوری می‌شوند. معمولاً از انبار فقط برای ارقام تجاری استفاده می‌شود. برای سبززدایی پوست میوه از شرایط 5- 1پیپ یام اتیلن، 29 - 20 درجۀ سانتی‌گراد و 96 - 90 درصد رطوبت استفاده می‌شود. به ‌طور کلی پرتقال‌ها در دمای 2-7 درجۀ سانتی‌گراد به‌مدت 8-12 هفته با‌توجه‌به رقم و محل تولید قابل نگهداری هستند. از عوامل مشکل‌ساز در طول انبارداری پرتقال، کپک‌های سبز و آبی است که در دمای زیاد رخ می‌دهد.

فرضیاتی که برای حل مسئله در نظر گرفته‌ شده است عبارتند از 1- براساس نظر خبرگان تولیدکنندگان عمدۀ پرتقال، شهرهای ساری و کرمان هستند؛ 2- فاصله‌ها در برخی از موارد به‌صورت خط مستقیم استفاده‌ شده است؛ 3- افق برنامه‌ریزی برای سه دوره در نظر گرفته ‌شده است؛ 4-  تعداد 60 انبار میانی که 30 انبار به‌صورت سنتی و 30 انبار سردخانه است. اطلاعات مربوط به پارامترهای مسئله در جدول 5 آمده است.

 

جدول 5- مشخصات تولیدکننده

 

ساری (تن)

کرمان (تن)

ظرفیت

450000

320000

ضریب فسادپذیری

49/0

12/0

هزینۀ متغیر

1900000

2300000

هزینۀ ثابت

0

0

 

همچنین ظرفیت کامیون معمولی و یخچال‌دار به‌ترتیب 5/10 و 6 تن در نظر گرفته ‌شده است.

 

حل عددی مدل

مدل در دو حالت با در نظر گرفتن فرض فسادپذیری کالا در انبار و حین حمل و بدون در نظر گرفتن فسادپذیری حل‌ شده است. برای حل مدل‌ از نسخۀ 2015 نرم‌افزار متلب استفاده ‌شده است. تنظیم پارامترهای مدل به‌روش RSM انجام‌ شده است. کیفیت جواب مدل با‌توجه‌به تعداد کروموزوم‌ها در جدول 6 آمده است.

برخی نتایج حاصل از حل مدل در حالت نخست و با در نظر گرفتن فرض فسادپذیری کالا به‌شرح جدول 7 و 8 است.

جدول 6- جواب‌های به‌دست‌آمده از الگوریتم برحسب تعداد کروموزوم

ردیف

تعداد کروموزوم

بهترین مقدار مدل با الگوریتم ژنتیک (میلیون)

ردیف

تعداد کروموزوم

بهترین مقدار مدل با الگوریتم ژنتیک (میلیون)

1

1

1/42

13

1500

4/43

2

50

5/42

14

1700

1/43

3

100

24/42

15

1900

3/43

4

200

23/42

16

2000

4/43

5

300

8/42

17

2100

7/43

6

400

26/42

18

2200

7/43

7

500

5/42

19

2300

5/43

8

700

7/42

20

2400

6/43

9

900

1/43

21

2500

5/43

10

1000

9/42

22

2700

5/43

11

1200

3/43

23

2900

6/43

12

1400

4/43

24

3000

7/43

 

جدول 7- مقدار کالای ارسالی از تولیدکننده‌ها به انبارهای میانی

تولیدکننده

انبارهای میانی

A

C

D

E

F

B

H

K

L

M

N

O

P

Q

R

ساری

0

0

1115

4462

2206

510

0

11140

819

0

0

794

4144

929

578

کرمان

3406

2817

0

0

0

0

945

0

0

606

5481

0

0

0

0

تولیدکننده

T

S

A

C

D

E

F

B

H

K

L

M

N

O

P

ساری

0

4203

1099

1053

1366

0

1779

0

1625

0

0

0

1293

1443

1608

کرمان

2317

0

0

0

0

2687

0

602

0

2269

1604

2811

0

0

0

 

جدول 8- مقدار کالای فاسد‌شده در هر دوره

دوره

انبارهای میانی

A

C

D

E

F

B

H

K

L

M

N

O

P

Q

R

نخست

124

127

233

187

18

106

425

85

40

421

101

209

82

65

142

دوم

22

13

40

28

5

7

75

12

7

73

6

40

9

5

21

سوم

5

4

10

7

1

3

19

2

2

18

2

10

2

1

6

دوره

T

S

A

C

D

E

F

B

H

K

L

M

N

O

P

نخست

330

85

101

61

130

140

37

112

194

60

154

67

71

112

74

دوم

52

17

7

14

19

21

6

14

30

13

25

11

12

13

10

سوم

13

4

3

3

5

6

1

4

7

3

7

3

3

4

2

 

هزینۀ کل سیستم در مرحلۀ نخست و با فرض فسادپذیری کالاها16000 میلیارد ریال است. نتایج حاصل از حل مدل در حالت دوم و بدون در نظر گرفتن فرض فسادپذیری کالاها به‌شرح جدول 9 است.

 

جدول 9- مقدار کالای ارسالی از تولیدکنندگان به توزیع‌کنندگان در مدل دوم

شهر

انبارهای میانی

A

C

D

E

F

B

H

K

L

M

N

O

P

Q

R

ساری

3406

2817

1142

4462

2206

5099

945

11140

819

606

5481

793

4144

929

578

کرمان

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

شهر

T

S

A

C

D

E

F

B

H

K

L

M

N

O

P

ساری

2317

4203

1099

1053

1366

2687

1779

602

1625

2269

1604

2811

1293

1443

1608

کرمان

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

 

هزینۀ کل سیستم در حالت دوم 10000 میلیارد ریال است. خلاصۀ مقایسۀ نتایج حل مدل در دو حالت نخست (کالاها فسادپذیر هستند) و در حالت دوم (بدون در نظر گرفتن فرض فسادپذیری کالاها) در جدول 10 آورده شده است.

 

جدول 10- مقایسه نتایج حل عددی مدل در دو حالت فسادپذیری کالا و بدون آن

عامل مقایسه‌شده

حالت نخست (کالاها فسادپذیر)

حالت دوم (کالاها فسادپذیر نیستند)

تحلیل

هزینۀ کل سیستم

16000 میلیارد ریال

10000 میلیارد ریال

افزایش هزینه‌های سیستم در حالت فسادپذیری کالاها

تأکید کاهش هزینه مدل بر

کاهش هم‌زمان مسافت و فسادپذیری کالاها

کاهش هزینۀ حمل‌ونقل

توجه به فسادپذیری کالاها و استفاده از فناوری‌های نوین نگهداری کالاها

استفاده از انبارهای میانی

استفاده از انبارهای هر تولیدکننده

تنها از انبارهای یک تولیدکننده

استفادۀ بهینه از انبارهای میانی

تعیین میزان فاسدشدن کالاها در انبار و حین حمل‌ونقل هر دوره

قابل تعیین و تشخیص

تشخیص‌ناپذیر

افزایش دقت مدل و کاربرد بیشتر آن در عمل

امکان بررسی سیستم‌های حمل‌ونقل و نگهداری مختلف زنجیره

وجود دارد

وجود ندارد

یافتن بهترین ترکیب سیستم نگهداری و حمل‌ونقل زنجیره

 

نتیجه‌گیری

یکپارچگی اطلاعاتی از روش‌های کارای بهبود عملکرد زنجیره‌های تأمین است. مهم‌ترین مزیت‌های استفاده از یکپارچگی در زنجیره تأمین در بخش‌های تولید - توزیع، افزایش عملکرد زنجیره در سطح مدیریتی و حداکثر سطح کیفیت کالای تحویلی به مشتری نهایی و کمینه‌کردن هزینه‌های کلی زنجیره است. در پژوهش جاری مدل ریاضی یکپارچۀ سیستم تولید - توزیع در زنجیره با وجود انبارهای میانی در توزیع و در نظر گرفتن عامل فساد کالاها در انبار یا حین حمل‌ونقل ارائه شد.

با‌توجه‌به غیرخطی‌بودن مدل پیشنهادی، نمی‌توان از روش‌های دقیق پژوهش در عملیات برای حل و یافتن جواب بهینه در مسائل با ابعاد بزرگ در زمان مناسب استفاده کرد. برای رسیدن به جواب مناسب و نزدیک به بهینه باید از روش‌های ابتکاری یا فراابتکاری استفاده کرد. در پژوهش جاری از الگوریتم ژنتیک رتبه‌ای به‌دلیل تناسب بیشتر با مسئله استفاده ‌شده است. مدل پیشنهادی با مثال عددی برای چند مسئله با ابعاد کوچک با روش‌های دقیق و الگوریتم پیشنهادی حل‌ و از مقایسۀ جواب‌های به‌دست‌آمده، دقت محاسباتی و صحت مدل تأیید شد.

برای اعتبارسنجی مدل در دنیای واقع، موردکاوی روی یکی از زنجیره‌های تأمین مواد غذایی فسادپذیر انجام شد. از اطلاعات واقعی 10 سال گذشتۀ این زنجیره استفاده و مدل در دو حالت با در نظر گرفتن عامل فساد کالا در انبار و حین حمل و بدون لحاظ آن عامل، حل شد. برای هر دو حالت، میزان تولید هرکدام از تولیدکنندگان، تخصیص بهینۀ کالاها به انبارهای میانی توزیع‌کنندگان، میزان ارسال و تخصیص مراکز توزیع به خرده‌فروش‌ها و تعیین سیستم توزیع به دست آمد.

نتایج به‌دست‌آمده حاکی از این است که در یکپارچگی بخش‌های تولید - توزیع بدون محدودیت طول عمر کالاها، مهم‌ترین معیار از دیدگاه هزینه‌ای، فاصله است؛ بنابراین مدل‌های رایج پس از یکپارچگی مدل سعی در کاهش هزینه‌های حمل‌ونقل بین‌شهری و تأکید بر حمل از انبارهای موجود در درون شهری را دارند؛ ولی در حالت دوم و با نظر گرفتن عامل فساد کالاها در مدل، یکپارچگی زنجیره ضمن توجه به کاهش هزینۀ حمل‌ونقل، موجب سوق‌دادن زنجیره تأمین به استفاده از فناوری‌های نو در سیستم نگهداری و حمل دارد. نتیجۀ این کار کاهش هزینۀ فسادپذیری کالاها است. اگرچه در این حالت هزینه‌های نگهداری و حمل اندکی افزایش می‌یابند، درنهایت هزینۀ کل زنجیره کاهش می‌یابد.

در مدلی که هزینه‌های فسادپذیری لحاظ نمی‌‌شود، حجمی بالغ‌بر 35% درصد از کالاها فاسد می‌شوند. این فاسدشدن ناشی از استفاده‌نکردن از سیستم‌های حمل‌ونقل و انبارداری مجهز به سردخانه و فناوری‌های جدید است. هزینۀ اضافی که براثر فسادپذیری کالا متحمل می‌شود حدود 6000 میلیارد ریال است. این هزینه به‌‌دلیل استفاده‌نکردن از زنجیره تأمین سرد است؛ بنابراین در اثر تصمیم‌گیری مبنی‌بر استفاده از زنجیره تأمین سنتی، علاوه بر پیامدها و عوارض زیست‌محیطی، هزینه‌های زیاد فسادپذیری کالا بر زنجیره تحمیل می‌شود.

این پژوهش یک مدل پشتیبان است که به مدیران در اتخاذ تصمیمات بهتر با‌توجه‌به شرایط و محدودیت‌های موجود در دنیای واقعی کمک می‌کند و باعث استفاده از ظرفیت‌های نهفته در صنعت مواد غذایی و کشاورزی شود. زمینه‌های متعددی برای توسعۀ این پژوهش در آینده وجود دارد؛ ازجمله، انجام تحلیل حساسیت روی پارامترهای ورودی مسئله و تنظیم پارامترهای روش حل برای تحلیل میزان تغییرات حاصله در جواب نهایی مدل. هم‌چنین در نظر گرفتن فرضیات دنیای واقعی در مدل‌سازی مسئله ازجمله تقاضا برای کالاها به‌صورت احتمالی، نرخ فسادپذیری براساس کیفیت مواد اولیه، تقاضای وابسته به قیمت محصول و در نظر گرفتن مسئله در فضای عدم‌قطعیت برای پژوهش‌های آتی پیشنهاد می‌شود. ساخت مدل ریاضی برای تعیین بهترین ترکیب نگهداری و سیستم حمل‌ونقل زنجیره تأمین یکی دیگر از پیشنهادات برای پژوهش‌های آتی است.



[i]- Lieder and Rashid

[ii]- Hazen

[iii]- Ntabe

[iv]- Monczka

[v]- Wong

[vi]- Hugos

[vii]- Wu

[viii]- Haq

[ix]- Yılmaz

[x]- Lee and Kim

[xi]- Mentzer

[xii]- Wang

[xiii]- Kim

[xiv]- Giri and Sharma

[xv]- Sarkar

[xvi]- Martins

[xvii]- Chakraborty

[xviii]- Park

[xix]- eb

[xx]- Haupt

 

 

Alavidoost, M., Zarandi M. H., F., Tarimoradi, M., & Nemati, Y. (2017). "Modified genetic algorithm for simple straight and U-shaped assembly line balancing with fuzzy processing times". Journal of Intelligent Manufacturing, 28(2), 313-336.

Chakraborty, D., D.K. Jana, and T.K. Roy, (2015). “Multi-item integrated supply chain model for deteriorating items with stock dependent demand under fuzzy random and bifuzzy environments”. Computers & Industrial Engineering, 88,166-180.

Deb, K., Pratap, A., & Meyarivan T. (2002). "A fast and elitist multi objective genetic algorithm: NSGA-II". IEEE transactions on evolutionary computation, 6(2), 182-197.

Fahimnia, B., L. Luong, and R. Marian, (2012). “Genetic algorithm optimisation of an integrated aggregate production–distribution plan in supply chains”. International Journal of Production Research, 50(1), 81-96.

Giri, B. and S. Sharma, (2015). “An integrated inventory model for a deteriorating item with allowable shortages and credit linked wholesale price”. Optimization Letters, 9(6), 1149-1175.

Haq, A.N., P. Vrat, and A. Kanda, (1991). “An integrated production-inventory-distribution model for manufacture of urea: a case”. International Journal of production economics, 25(1-3), 39-49.

Haupt, R. L., & Haupt, S. E. (2004). "Practical genetic algorithms". John Wiley & Sons.

Hazen, B.T., J. B., SkipperC. A., BooneR. R., Hill, (2018). “Back in business: Operations research in support of big data analytics for operations and supply chain management”. Annals of Operations Research, 270(1-2), 201-211.

Hugos, M. H. (2018). “Essentials of supply chain management”. John Wiley & Sons.

Kim, Y., C. Yun, S. B., Park, S. Park, L. T. Fan, (2008). “An integrated model of supply network and production planning for multiple fuel products of multi-site refineries”. Computers & Chemical Engineering, 32(11), 2529-2535.

Lee, S., and D. Kim, (2014). “An optimal policy for a single-vendor single-buyer integrated production–distribution model with both deteriorating and defective items”. International journal of production economics, 147, 161-170.

Lieder, M., and A. Rashid, (2016). "Towards circular economy implementation: a comprehensive review in context of manufacturing industry". Journal of cleaner production, 115, 36-51.

Martins, S., Amorim, P., and Almada-Lobo, B. (2018). Delivery mode planning for distribution to brick-and-mortar retail stores: discussion and literature review". Flexible Services and Manufacturing Journal, 30(4), 785-812.

Mentzer, J.T., William, DeWitt, James, S., KeeblerSoonhong, MinNancy, W., NixCarlo, D. Smith, and Zach G. Zacharia (2001). "Defining supply chain management". Journal of Business logistics, 22(2), 1-25.

Monczka, R. M., R. B., Handfield, L. C. Giunipero, (2015). "Purchasing and supply chain management". Cengage Learning.

Ntabe, E. N., LeBel, L., Munson, A. D., Santa-Eulalia, L. A. (2015). "A systematic literature review of the supply chain operations reference (SCOR) model application with special attention to environmental issues". International Journal of Production Economics, 169, 310-332.

Park, B. J., Choi, H. R., & Kang, M. H. (2007). "Integration of production and distribution planning using a genetic algorithm in supply chain management, in Analysis and design of intelligent systems using soft computing techniques". Springer, 416-426.

Ramezani, M., M. Bashiri, and R. Tavakkoli-Moghaddam, (2013). "A new multi-objective stochastic model for a forward/reverse logistic network design with responsiveness and quality level". Applied Mathematical Modelling, 37(1-2), 328-344.

Sarkar, B., Majumder, A., Sarkar, M., Dey, B. K. (2017). "Two-echelon supply chain model with manufacturing quality improvement and setup cost reduction". Journal of Industrial & Management Optimization, 13(2), 1085-1104.

Wang, G., Angappa, Gunasekaran, Ngai, Eric, W. T.,Thanos, Papadopoulos, (2016). "Big data analytics in logistics and supply chain management: Certain investigations for research and applications". International Journal of Production Economics, 176, 98-110.

Wong, C.W.,  Lai, K.,  Cheng, T. C. E., Lun, Y. H. V. (2015). "The role of IT-enabled collaborative decision making in inter-organizational information integration to improve customer service performance". International Journal of Production Economics, 159, 56-65.

Wu, J.,  Al-khateeb, F. B.,  Teng, J. T., Leopoldo, EduardoCárdenas-Barrón, (2016). "Inventory models for deteriorating items with maximum lifetime under downstream partial trade credits to credit-risk customers by discounted cash-flow analysis". International Journal of Production Economics, 171, 105-115.

Yılmaz, P. and B. Çatay, (2006). "Strategic level three-stage production distribution planning with capacity expansion". Computers & Industrial Engineering, 51(4), 609-620.