مدلی جهت بهینه‌سازی عملکرد پردازش اطلاعات در زنجیرۀ تأمین مجازی، مبتنی بر اینترنت اشیا

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مدیریت صنعتی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، ایران

2 گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهران، ایران

3 گروه مهندسی کامپیوتر، دانشکده برق و مهندسی کامپیوتر دانشگاه سمنان، سمنان، ایران

4 دانشکده بازرگانی رابرت فوزی موسسه پلی تکنیک وورستر، آمریکا

چکیده

امروزه، صنعت تولید با گسترش محدودیت‌های فیزیکی تجارت در سطح جهان، فناوری‌های مدرن اطلاعاتی را به‌منظور بهینه‌سازی روند تجارت و دستیابی به ادغام با شرکای زنجیرۀ تأمین در پیش گرفته است که ازنظر جغرافیایی پراکنده‌اند. مدل‌های سنتی زنجیرۀ تأمین، توجه اصلی را به بهینه‌سازی جریان‌های فیزیکی می‌دهد؛ با وجود این، اطمینان از اینکه واحدهای فیزیکی قابلیت پردازش اطلاعات مناسب را دارد نیز به همان اندازه مهم است. به این منظور در این پژوهش، بهینه‌سازی عملکرد پردازش اطلاعات در زنجیرۀ تأمین مجازی حلقۀ بسته، با هدف حداکثرسازی سود و سرعت پردازش اطلاعات، با در نظر گرفتن هزینه‌های مجازی، امنیت اطلاعات و مصرف انرژی بررسی شده است. مدل برنامه‌ریزی خطی نهایی با استفاده از الگوریتم‌های فراابتکاری نسخۀ دوم الگوریتم ژنتیک، با مرتب‌سازی نامغلوب (NSGA-II) و نسخۀ دوم، مبتنی بر قوت پارتو (SPEA-II) بهینه‌سازی شده است. نتایج حل مدل با استفاده از الگوریتم‌های  NSGA-II و SPEA-II، سود زنجیرۀ تأمین مجازی را به‌ترتیب 106×93/9 و 106×23/4 و سرعت پردازش اطلاعات را به‌ترتیب 48/337 و 07/94 واحد نشان داد. به این ترتیب، الگوریتم NSGA-II در سودسازی زنجیرۀ تأمین عملکرد بهتری دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A model for the optimization of information process performance in the IoT-based virtual supply chain

نویسندگان [English]

  • Hanieh Shambayati 1
  • Mohsen Shafiei nikabadi 1
  • Seyed Mohammad Ali Khatami Firouzabadi 2
  • Mohammad Rahmanimanesh 3
  • Sara Saberi 4
1 Dept. of Industrial Management, Faculty of Economic, Management and Administrative Sciences, Semnan University, Iran
2 Dept. of Industrial Management, Faculty of Management and Accounting ,Allameh Tabataba'i University, Tehran, Iran
3 Dept. of Computer Engineering, Electrical & Computer Engineering Faculty, Semnan University, Iran
4 Foisie School of Business, Worcester Polytechnic Institute, Worcester, USA
چکیده [English]

Purpose: Today, the manufacturing industry, with the expansion of the physical constraints of trade worldwide, has adopted modern information technologies to optimize the business process and achieve integration with geographically dispersed supply chain partners. Traditional supply chain models focus on optimizing physical flows. However, it is equally important to ensure that physical units can process appropriate information. This paper aims to propose a model for the optimization of information process performance in the IoT-based virtual supply chain.
 
Design/methodology/approach: In this study, information processing performance in the closed-loop virtual supply chain has been optimized to maximize profit and information processing speed by considering costs of virtual, information security, and energy consumption. The final programming model has been optimized using meta-heuristic algorithms, the Non-Dominated Sorting Genetic Algorithm II (NSGA-II), and the Strength Pareto Evolutionary Algorithm (SPEA-II).
Findings – The results indicated that there is an inverse relationship between virtual supply chain profit and information processing speed (delay). The results of model solving using NSGA-II and SPEA-II algorithms underlined the virtual supply chain profit of 9.93×106 and 4.23×106, and the data processing speed of 337.48 and 94.07, respectively. Thus, the NSGA-II algorithm contributes more to the supply chain profitability.
Research limitations/implications - The proposed model can be used in manufacturing industries equipped with IoT. Unavailability of practical examples and insufficient data are the two main limitations of the study.
 
Practical implications:- The proposed model improves the production process and helps managers to plan better for their supply chain management and make timely decisions by sharing information across the supply chain and being aware of the flows of products and associated parts.
Social implications - The Internet of Things in the virtual supply chain provides an opportunity to manage logistics systems and results in efficient online delivery with minimal cost. The information flow integrates all links and participants in the virtual supply chain. It enables each member to obtain the accurate information needed for logistics capability, reduces resource wastage, and improves customer satisfaction.
 
Originality/value: One of the innovative aspects of this research is the use of IoT in the virtual supply chain for the integration and transparency of information in the supply chain, considering the importance of information in the virtual supply chain and examining the impact of IoT usage on closed-loop virtual supply costs and target functions. In addition to considering the physical flow costs of the closed-loop, including production costs, separation costs, repair, disposal, recycling, etc., in the cost objective function, virtual flow costs included IoT usage costs and information security costs. Energy consumption was also included in the objective function. Also, due to the virtualization of the supply chain and the significant role of information, optimization of information processing speed was considered in modeling the supply chain performance, which is another innovative aspect of research.

کلیدواژه‌ها [English]

  • Virtual supply chain
  • Optimization
  • Information process performance
  • Security
  • Energy consumption
  • Process speed

اصل مقاله

1- مقدمه

افزایش رقابت جهانی، سازمان‌ها را به درک این موضوع مجبور کرده است که برای بقا، باید زنجیرۀ تأمین[i] خود را بهتر مدیریت کنند (اسمیت و دیلون[ii]، 2019). مدیریت زنجیرۀ تأمین، اسکلت اساسی هر صنعت است (دوتا[iii] و همکاران، 2020) و به صنایع تولیدی برای ایجاد یک برنامۀ کم‌هزینه خدمت می‌کند که بهره‌وری و موفقیت شرکت‌ها را تضمین می‌کند (بهونیا[iv] و همکاران، 2021). سیستم‌های زنجیرۀ تأمین سنتی، توانایی برآورده‌کردن نیازها و تقاضاهای رو به رشد آینده را ندارد (دوتا و همکاران، 2020). جاری‌سازی روزافزون و استقرار فناوری جدید، مبتنی بر فناوری اطلاعات در صنایع مختلف و به‌ویژه تجارت الکترونیک، مجازی‌سازی زنجیره‌های تأمین را به دنبال دارد و خواستار ذهنیت جدیدی در مدیریت زمینه‌های متنوع تجاری جدید است (اسمیت و دیلون، 2019). در عصر ارتباطات پیشرفته و فناوری اطلاعات، همکاری مجازی و موقت در زنجیره‌های تأمین برای دریافت مزایای متقابل، مانند چابکی با به‌اشتراک‌گذاری منابع و اطلاعات، یک استراتژی مهم برای سازمان‌هایی است که به‌دنبال افزایش رقابت و بهینه‌سازی فرآیندها و استفاده از منابع‌اند (سامدانسودول[v] و همکاران، 2017). زنجیرۀ تأمین مجازی، شرکای تجاری را با تکنولوژی اطلاعات به همدیگر مرتبط می‌کند و تبادل داده‌های الکترونیکی اعم از فروش، خرید، جابه‌جایی محصولات، خدمات و پول را امکان‌پذیر می‌کند (پورحمیدی و مهاجرانی، 1386). زنجیره‌های تأمین مجازی به دو زیرساخت مجزای فیزیکی (برخورد با جریان و ذخیرۀ کالا) و اطلاعات (رسیدگی به اطلاعات مرتبط با آن کالاها) تقسیم می‌شود. اشتراک به‌موقع اطلاعات در بین اعضای زنجیرۀ تأمین، باعث کاهش اتلاف و افزایش کارایی در کل زنجیره می‌شود. اتوماسیون سرویس‌های اطلاعاتی، اعضای زنجیرۀ تأمین را به درک، پیش‌بینی و واکنش به‌موقع نسبت‌به تغییر وضعیت بازار و تسریع در انتقال اطلاعات مهم بین اعضا تجهیز می‌کند که برای بهبود قابلیت کنترل، انعطاف‌پذیری، عملکرد و قابلیت‌های وقایع غیرعادی تأمین ضروری است (لیو و سان[vi]، 2011). فناوری اطلاعات، مؤثرترین حامل اطلاعات در دنیای مدرن است و تبادل سریع اطلاعات، به توسعۀ زنجیرۀ تأمین مجازی منجر شده است (کولینسکا[vii] و کولینسکا، 2019).

 این پژوهش، زنجیرۀ تأمین مجازی، ضرورت و مزایای اجرای آن را معرفی می‌کند و مجازی‌سازی را ازنظر اشیای مجازی بررسی می‌کند که مربوط‌به مفهوم اینترنت اشیا[viii] است، . IoT به‌عنوان الگویی جدید ساخته شده است که از اشیای مختلف فیزیکی تشکیل می‌شود و اشیا را به‌منظور ایجاد سرویس‌های هوشمند جدید، خدمات با ارزش‌افزوده و برنامه‌های زمان واقعی به هم متصل می‌کند. اینترنت اشیا اجازه می‌دهد تا چندین فناوری با توانایی‌های مختلف، مانند سنجش، محاسبه، نظارت، مدیریت، ذخیره‌سازی و اتصال با هم ادغام شوند (پراسانت و جایاچیترا[ix]، 2020) IoT .از بسیاری جهات، بر کل SC اثر می‌گذارد. در مرحلۀ اول،  قابلیت اطمینان SC را با فعال‌کردن دید شی و تبادل اطلاعات در زمان واقعی توسعه می‌دهد. در مرحلۀ دوم، پاسخگویی SC را افزایش و هزینه‌های آن را کاهش می‌دهد و بهینه‌سازی زمان واقعی را برای عملکردها و فعالیت‌های فرآیند تجاری تسهیل می‌کند و  با ردیابی منابع در زمان واقعی، مدیریت دارایی‌های SC را بهبود می‌بخشد و در آخر اینکه، چابکی SC را با سرعت‌بخشیدن به فرآیندهای جریان اطلاعات افزایش می‌دهد (دوکات و پارک[x]، 2016).

 با توجه به اینکه یکی از نگرانی‌های تولیدکنندگان، توسعه‌دهندگان، ارائه‌دهندگان خدمات و کاربران نهایی، امنیت و حفظ حریم خصوصی است و نظر به اینکه IoT نه‌تنها با مقادیر عظیمی از داده‌های حساس سروکار دارد، این قدرت را دارد که با توانایی‌های کنترل خود بر محیط فیزیکی و مجازی نیز اثر بگذارد و باید امنیت شبکه و سیستم و محافظت از حریم شخصی کاربران، اولویت اصلی در نظر گرفته شود (پارک و شین[xi]، 2016). با استفادۀ گسترده از اینترنت اشیا، وضعیت انرژی بیشتر اهمیت می‌یابد که سیستم برنامه‌ریزی اینترنت اشیا با آن روبه‌رو می‌شود. در برنامه‌ریزی تجهیزات تحت محیط اینترنت اشیا، نحوۀ ایجاد یک مدل بهینه‌سازی برنامه‌ریزی دقیق تجهیزات، با توجه به از دست دادن انرژی، یک کانون تحقیقاتی در صنعت است (دینگ و وو[xii]، 2019). در کارخانه‌های هوشمند در حال ظهور، IoT به‌طور گسترده‌ای برای احساس اطلاعات مختلف محیطی استفاده می‌شود و اطلاعات سنجیده‌شده برای تصمیم‌گیری به کنترل‌کننده ارسال می‌شود، سپس تصمیم براساسِ اطلاعات جمع‌آوری‌شده برای محرک‌ها ارسال می‌شود. برای بسیاری از این برنامه‌ها، کاهش تأخیر، از مهم‌ترین الزامات فنی است. واضح است که سنجش و کنترل زمان، برای کارایی و ایمنی بسیار مهم است و باید به‌موقع و به‌طور مطمئن، پردازش انجام شود. برای پشتیبانی از انتقال انرژی دوطرفه در شبکه‌های هوشمند ناهمگن، سیستم‌های ارتباطی اساسی باید ازنظر تأخیر، عملکرد بالایی داشته باشد (ما[xiii] و همکاران، 2019).

 

1- 1- پیشینۀ تحقیق

نیشی[xiv] و همکاران (2020)، یک روش پیکربندی کلی برای سیستم چندعاملی زنجیرۀ تأمین مجازی با استفاده از کاتالوگ‌های الکترونیکی سازمانی پیشنهاد کردند. وانگ[xv] و همکاران (2020) یک سیستم لجستیک هوشمند، مبتنی بر اینترنت اشیا ارائه کردند که هماهنگی پویا بین مشتریان، ربات‌های سفارش‌دهنده، فناوری ابری و افزایش رضایت مشتری را فراهم می‌کند. مدل بهینه‌سازی ریاضی وانگ و همکاران، زمان انتظار مشتری و هزینۀ حمل‌ونقل را در فرآیند ارسال به حداقل می‌رساند. ماتسودا[xvi] و همکاران (2020)، روش جدیدی را برای ساخت یک زنجیرۀ تأمین مجازی، به‌عنوان یک سیستم چندعاملی ارائه کردند که با اتصال عوامل نرم‌افزاری ایجاد می‌شود که به‌طور خودکار، از هر مدل سازمانی مؤلفۀ انتخابی در کاتالوگ الکترونیکی تولید می‌شود.

هه[xvii] و همکاران (2020) چالش‌ها و فرصت‌های نظری و عملی ناشی از اینترنت اشیا را در زنجیرۀ تأمین مطالعه کردند. آنها با استفاده از داده‌های کلان به‌دست‌آمده از محصولات متصل هوشمند[xviii] (SCP)، اصل عملکرد اینترنت اشیا و پیامدهای آن را برای تجزیه‌و‌تحلیل داده‌های بزرگ بر عملکرد عملیاتی زنجیرۀ تأمین، به‌ویژه با توجه به پویایی هماهنگی عملیاتی و بهینه‌سازی برای زنجیره‌های تأمین بررسی کردند. جنیفر[xix] (2020)، توسعۀ یک سیستم جدید پردازش اطلاعات را در بستر اینترنت اشیا، ازطریق یک سیستم نظارت بر مراقبت‌های بهداشتی بررسی کرد. او استفادۀ مؤثر از داده‌های بزرگ در محیط اینترنت اشیا را ازطریق معماری پیشنهادی، برای دستیابی به حداقل تأخیر در یک محیط زمان واقعی، تجزیه‌و‌تحلیل کرد.

یاداو و میسرا[xx] (2019) چگونگی اثر بلاکچین را در هنگامی بررسی کردند ‌که با زنجیرۀ تأمین مجازی یکپارچه شده است و اثر آن را بر کارایی‌های مختلف عملیاتی، ازجمله کاهش هزینه و مبارزه با محصولات تقلبی در زنجیرۀ تأمین مواد غذایی  بررسی کردند. ماتسودا[xxi] و همکاران (2019)، مجازی‌سازی زنجیرۀ تأمین را با ساختن یک سیستم فیزیکی سایبر، برای یک زنجیرۀ تأمین هوشمند بررسی کردند. در این مقاله، پیشنهاد می‌شود یک مدل سازمانی به‌عنوان یک مدل اطلاعاتی، مدل‌سازی شود که یکپارچه‌سازی یک مدل داده و یک مدل ریاضی برای توصیف رفتار خود است. اسمیت و دیلون (2019) دربارۀ استفاده از فناوری بلاکچین، به‌عنوان مکانیسمی برای تسهیل اعتماد بین عوامل مختلف زنجیرۀ تأمین، با بررسی سه موضوع مهم اعتبار، قابلیت ردیابی، شفافیت، در مدیریت ریسک زنجیرۀ تأمین مجازی بحث کردند.

یان[xxii] (2017)، بهینه‌سازی افزایش درآمد زنجیرۀ تأمین کالاهای فاسدشدنی را با به‌کارگیری اینترنت اشیا بررسی کرد. یان، دو مدل درآمد را برای محاسبۀ درآمد زنجیرۀ تأمین کالاهای فاسدشدنی، قبل و بعد از استفاده از IoT در نظر گرفت تا آثارIoT را در این زنجیرۀ تأمین بررسی کند. ونکاوسکاس[xxiii] و همکاران (2016)، چارچوبی را برای مدل‌سازی مسائل امنیت-انرژی-محیط، به‌عنوان ویژگی‌های اصلی برای تعیین کیفیت خدمات، برای برنامه‌های مبتنی بر اینترنت اشیا معرفی کردند. وردو[xxiv] و همکاران (2016)، نقش مجازی‌سازی را در چارچوب مدیریت زنجیرۀ تأمین مواد غذایی، ازنظر اینترنت اشیا بررسی کردند و یک معماری سیستم اطلاعاتی برای اجرای این طرح به‌صورت تئوری پیشنهاد کردند. فنگ[xxv] و همکاران (2015)، یک مدل سه‌مرحله‌ای یکپارچه براساسِ فناوری IoT، برای بهینه‌سازی تهیۀ مواد اولیه، تولید و بازیافت محصول، قیمت‌گذاری و استراتژی کسب سود برای تأمین تقاضای محصول در هر مرحله از چرخۀ عمر محصول ارائه کردند. لی[xxvi] و همکاران (2014)، کیفیت خدمات اینترنت اشیا را یک مدل برنامه‌ریزی چندهدفه، با در نظر گرفتن سه ویژگی کیفیت خدمات وب (زمان اجرا، قابلیت اطمینان، هزینۀ اجرا) به‌عنوان معیارهای ارزیابی کیفیت خدمات وب، با توجه به کاربرد دامنۀ IoT بررسی کردند. لانگ[xxvii] (2014)، شبکه‌های زنجیرۀ تأمین مجازی را با ترکیبی از تست محاسباتی و فناوری عملیاتی بررسی کرد. لانگ ازنظر روش‌شناختی، به‌جای جنبۀ کاربردی، چارچوب تست محاسباتی توزیع‌شدۀ مبتنی بر عامل را براساسِ سه جنبۀ مواد، اطلاعات و زمان با راهکارهای اجرایی، برای گسترش شبکه‌های زنجیرۀ تأمین مجازی ارائه کرد.

شفیعی نیک‌آبادی و همکاران (1393)، اثر مدیریت امنیت اطلاعات را بر یکپارچگی زنجیرۀ تأمین شرکت‌های کوچک و متوسط بررسی کردند. تقوا و همکاران (1389)، نقش نظام‌های مدیریت امنیت اطلاعات را در بهبود عملکرد زنجیرۀ تأمین در صنعت خودرو بررسی کردند. آنها از فن کارت امتیازی متوازن در سه سطح راهبردی، فنی و عملیاتی برای بررسی عملکرد استفاده کردند. رحمان‌سرشت و افسر (1387)، اثر تسهیم اطلاعات را بر استراتژی‌های رقابتی و عملکرد زنجیرۀ تأمین فولاد، با استفاده از مدل‌یابی معادلات ساختاری تجزیه‌و‌تحلیل کردند. برای نشان‌دادن تفاوت این تحقیق با دیگر مقالات، طبقه‌بندی مهم‌ترین پژوهش‌های مرتبط در جدول 1 بیان شده است.

بیشتر مطالعات انجام‌شده در این حوزه توصیفی بوده و مزایا و ویژگی‌های مهم و مؤثر در زنجیرۀ تأمین مجازی را به‌صورت توصیفی شرح داده‌اند. درواقع در هیچ‌یک از مطالعات بررسی‌شده، بهینه‌سازی زنجیرۀ تأمین مجازی با تمرکز بر بهینه‌سازی عملکرد پردازش اطلاعاتی مشاهده نشده است. با توجه به نقش مهم اطلاعات در زنجیره‌های تأمین مجازی، یکی از نوآوری‌های این پژوهش، بهینه‌سازی زنجیرۀ تأمین مجازی با تمرکز بر عملکرد پردازش اطلاعات است. در نظر گرفتن هزینۀ تجهیزات اینترنت اشیا، هزینۀ مصرف انرژی، هزینۀ امنیت اطلاعات و سرعت پردازش اطلاعات در محیط اینترنت اشیا، نوآوری دیگر این پژوهش است. همچنین مدل بهینه‌سازی عملکرد پردازش اطلاعات، با در نظر گرفتن توابع سود و سرعت پردازش، با استفاده از الگوریتم‌های فراابتکاری نسخۀ دوم، مبتنی بر قوت پارتو[xxviii] و نسخۀ دوم الگوریتم ژنتیک، با مرتب‌سازی نامغلوب[xxix] حل و نتایج این دو الگوریتم با یکدیگر مقایسه می‌شوند.

جدول 1- خلاصۀ تحقیقات زنجیرۀ تأمین مجازی

 

فرضیات

 

رفرنس

زنجیرۀ تأمین ساده

زنجیرۀ تأمین مجازی

زنجیرۀ تامین حلقۀ بسته

اینترنت اشیا

چندمحصولی

چنددوره‌ای

تسهیلات تکنولوژی

امنیت اطلاعات

روش

مانتو[xxx] و همکاران (2004)

√

√

 

 

 

 

 

 

توصیفی

گوناسکران و نگایی (2007)

√

√

 

 

 

 

 

 

توصیفی

وردو و همکاران (2013)

√

√

 

 

 

 

 

 

توصیفی

لانگ[xxxi] (2014)

√

√

 

 

 

 

 

 

توصیفی

فنگ و همکاران (2015)

√

 

√

√

 

√

 

 

بهینه‌سازی- PSO

یان (2017)

√

 

 

√

√

 

√

 

بهینه‌سازی- CCA

شمسوزوها و هلو (2017)

√

√

 

 

 

 

 

 

توصیفی

کولینسکا و کولینسکا (2019)

√

√

 

 

 

 

 

 

توصیفی

یاداو و میسرا (2019)

√

 

 

 

 

 

 

 

توصیفی

برونو[xxxii] (2020)

√

√

 

 

 

 

 

 

توصیفی

نیشی و همکاران (2020)

√

√

 

 

 

 

√

 

توصیفی

ماتسودا و همکاران (2020)

√

√

 

 

 

 

 

 

توصیفی

پژوهش حاضر

 

√

√

√

√

√

√

√

بهینه‌سازی- NSGAII

SPEA-II

 

2- مبانی نظری

1-2- زنجیرۀ تأمین مجازی

زنجیرۀ تأمین مجازی، همکاری در یک زنجیرۀ تأمین ازطریق اینترنت، توسط یک شبکۀ پویا از سازمان‌های همکار است که فعالیت‌های عادی آنها در درجۀ اول مبتنی بر اینترنت است. هدف این سازمان‌های همکار این است که از فرصت تجاری برای ارائۀ کالای منحصر‌به‌فرد، به‌موقع بهره‌برداری کنند (اسکات و مولا[xxxiii]، 2009). حالات تجاری امروز، ازجمله تنوع بیشتر محصول، چرخۀ عمر کوتاه‌تر محصول و سطح تقاضای پیش‌بینی‌نشده، فشار مضاعفی را بر شرکت‌های تولیدی در سطح جهان وارد می‌کنند. برای کنارآمدن با چنین وضعیتی، شرکت‌های توزیع‌شدۀ جغرافیایی، برای کار مشترک در یک فضای تجاری مجازی مورد نیازند (شمسوزوها و هلو[xxxiv]، 2017).

 زنجیرۀ تأمین مجازی، شامل ابزاری برای مدیریت جریان اطلاعات مربوط‌به برنامه‌ریزی، تأمین منابع، ساخت و تحویل فعالیت‌هاست که با فعالیت‌های جمع‌آوری اطلاعات، پردازش اطلاعات و اشتراک اطلاعات برای شبکه‌ای از شرکت‌ها پشتیبانی می‌شود (هلو، شمسوزوها و ساندو[xxxv]، 2016). به‌اشتراک‌گذاری اطلاعات در یک زنجیرۀ تأمین مجازی، اطلاعات کلی را غنی می‌کند تا نتایج حاصل از کلیۀ فعالیت‌های برنامه‌ریزی را بهبود بخشد. ادغام سیستم‌های اطلاعاتی و فناوری اینترنت، به ایجاد زنجیرۀ تأمین مجازی کمک می‌کند (اسکات و مولا، 2009). ویژگی‌های زنجیرۀ تأمین مجازی عبارتند از: موقتی‌بودن، مشتری‌مداری، پراکندگی جغرافیایی، استفادۀ فشرده از فناوری‌های اطلاعات، ساختار سازمانی شبکه، استفاده از شایستگی‌های اصلی مشارکت‌کنندگان (کولیسکا و کولیسکا[xxxvi]، 2019). امروزه با پیشرفت در فناوری اطلاعات و ارتباطات، به‌اشتراک‌گذاری اطلاعات بیشتر تصورشدنی است. به‌علاوه، اشتراک اطلاعات در زنجیره‌های تأمین، با معرفی همکاری جهانی و هماهنگی طولانی‌مدت کارآمدتر شده است که به بهبود مزیت‌های رقابتی شرکت‌ها منجر می‌شود (لطفی[xxxvii] و همکاران، 2013).

شرکای موجود در زنجیره‌های تأمین مجازی ممکن است از فرصتی به بازار دیگر متفاوت باشند و نهایت انعطاف را در انتخاب و استقرار پیوندها فراهم کنند. هیچ عضوی دائمی، در زنجیره‌های تأمین مجازی وجود ندارد. زنجیرۀ تأمین مجازی ساختار سازمانی است که جریان کارآمد و مؤثر کالاهای فیزیکی و اطلاعات را به‌صورت یکپارچه تسهیل می‌کند و به‌دلیل انعطاف‌پذیری آن در اتخاذ سریع و انطباق با تغییرات محیط کسب‌و‌کار، از زنجیرۀ تأمین سنتی متمایز است (دا کروز کاریا[xxxviii] و همکاران، 2016). سیستم ردیابی سنتی تا حد زیادی به سیستم‌های مبتنی بر کاغذ یا رایانه‌ای داخلی متکی است. ثبت کاغذی، زمان‌بر و با خطا همراه است (رضایی و بابازاده، 1399). مجازی‌سازی، امکان ردیابی و نظارت محصولات و تاریخچۀ محصولات را فراهم می‌کند. شرکت‌ها با مجازی‌سازی فرآیند خود، به کارآیی عملیاتی دست می‌یابند (یاداو و میسرا، 2019). یکی از کلیدهای موفقیت‌آمیز زنجیرۀ تأمین مجازی، تبادل به‌موقع و دقیق اطلاعات با برنامه‌های نرم‌افزاری است و با توجه به اینکه زنجیرۀ تأمین مجازی به یک سیستم ارتباطی مؤثر متکی است، به توسعۀ یک سیستم اطلاعاتی مناسب با استفاده از فناوری‌های مختلف اطلاعاتی نیاز است (گوناسکران و نگایی[xxxix]، 2007). اینترنت اشیا، یکی از جدیدترین تحولات و انقلاب جدید فناوری اطلاعات است که تغییر پارادایمی را در چندین زمینه، ازجمله مدیریت زنجیرۀ تأمین فراهم می‌کند (بن دایا، حاسینی و بهرون[xl]، 2017).

 

2-2- اینترنت اشیا

اصطلاحIoT را کوین اشتون در سال 1999 ابداع کرده است. IoT مجموعه‌ای از اشیای فیزیکی و مجازی است که ازطریق شبکه‌ای برای ارتباط و سنجش یا تعامل با محیط داخلی و خارجی به یکدیگر متصل می‌شوند و به‌صورت دیجیتالی برای سنجش، نظارت و تعامل در داخل یک شرکت و در میان دیگر شرکت‌ها به هم متصل شده‌اند (عبدالباسط، منوگران و محمد[xli]، 2018). اینترنت اشیا، به امکان برقراری ارتباط تمام اشیا با یکدیگر و با انسان‌ها، به‌همراه شناسایی و کشف آنها در یک شبکۀ یکپارچه با شناسۀ مشخص اطلاق می‌شود و امکان برقراری ارتباط هرکسی، در هر زمان و مکان را به هر چیزی در هر زمان و مکان فراهم می‌آورد (هاشمی و ستوده، 1399).

فناوری اینترنت اشیا، محیطی را کاملاً تغییر می‌دهند که زنجیره‌های تأمین در آن کار می‌کنند. داده‌ها و اطلاعات بسیار در زمان واقعی، سریع‌تر در زنجیرۀ تأمین گسترش می‌یابد و همچنین، کارایی کشف و استفاده از منابع نیز بسیار بهبود می‌یابد (او، ژو و گو[xlii] ، 2020). جریان محصولات در هر سطح زنجیرۀ تأمین ردیابی می‌شود و کلیۀ اطلاعات مربوط‌به قطعات و محصولات وارد سیستم و برای مدیران، بارگذاری می‌شود (عبدالباسط و همکاران، 2018). اینترنت اشیا، زمان‌بندی فرآیند تولید را بهینه می‌کند و ادغام عمیق فرآیند فیزیکی تولید و سیستم اطلاعات را فراهم می‌کند و باعث تسریع در تحول و به‌روزرسانی، کاهش هزینه‌های تولید، کاهش مصرف انرژی و ارتقای صنعت تولید برای جهانی‌شدن و معتبرشدن می‌شود (هوانگ، 2020). به‌کارگیری IoT بر زنجیرۀ تأمین مجازی، مدیریت موجودی را تقویت می‌کند و فناوری‌های جدید برچسب‌های شناسایی فرکانس رادیویی[xliii]، فرایند ضبط انواع اطلاعات ازقبیل تاریخ تولید و انقضا و مدت ضمانت را امکان‌پذیر می‌‌کند، به مدیریت مؤثر زنجیرۀ تأمین مجازی می‌انجامد و باعث به حداکثر رساندن شفافیت تدارکات (لجستیک) می‌‌شود. تمام اطلاعات حمل‌ونقل با استفاده از اشیای هوشمند، در دسترس کل زنجیرۀ تأمین خواهد بود. این امر احتمال نظارت و صرفه‌جویی در کالاها را افزایش می‌دهد، همچنین هزینۀ بازگشت را به حداقل می‌رساند و اثر زیادی در رضایت مشتری دارد (عبدالباسط و همکاران، 2018). با به‌کارگیری IoT، محصولات معیوب در فرآیند تولید، ذخیره‌سازی و حمل‌و‌نقل شناسایی می‌شود. علاوه بر این، RFID به شرکت‌ها اجازه می‌دهد تا محصولات را ردیابی کند و به‌راحتی فراخوانی محصولات را انجام می‌دهد، بنابراین هزینه‌های فراخوان را نیز کاهش می‌دهد (یان، 2017).

 

3-2- عملکرد پردازش اطلاعات

در حالی که اطلاعات در سراسر زنجیرۀ تأمین جمع‌آوری، پخش و به اشتراک گذاشته می‌شود، کیفیت اطلاعات نیز باید محفوظ باشد. اشتراک اطلاعات به معنای توزیع اطلاعات مهم و اختصاصی برای شرکای زنجیرۀ تأمین است (مارنگی، تریولاس و رکلیت[xliv]، 2015). با بهبود کارایی پردازش اطلاعات، رقابت افزایش و هزینه‌ها کاهش می‌یابد. اگرچه نقش اصلی زنجیره‌های تأمین به‌عنوان سیستم‌های پردازش مواد و حرکت محصولات است، پردازش اطلاعات برای موفقیت آنها حیاتی است. واقعیت این است که ده‌ها‌هزار محصول/رکورد دیجیتالی در اینترنت اشیا، به‌طور مداوم به‌روز می‌شوند و هر روز رکوردهای جدیدی تولید می‌کنند. نحوۀ مدیریت این داده‌ها، نحوۀ طبقه‌بندی صحیح اطلاعات ثبت‌شده، صنعت IoT را با چالش‌های جدیدی روبه‌رو خواهد کرد (شین[xlv] و همکاران، 2014). فاکتورهای مختلفی مانند انرژی، پهنای باند و در دسترس بودن وجود دارد که در ارزیابی خدمات اینترنت اشیا استفاده می‌شود (شاوشوای[xlvi] و همکاران، 2011). کیفیت خدمات سرویس‌های وب، ویژگی‌های عملکردی و غیرعملکردی را تشکیل می‌دهد. خواص عملکردی را ازنظر توان عملیاتی، تأخیر و زمان پاسخ می‌‌سنجند. خواص غیرعملکردی موضوعات مختلفی، ازجمله یکپارچگی، قابلیت اطمینان، در دسترس بودن و امنیت سرویس‌های وب را بررسی می‌کند (وانگ[xlvii]، 2009).

 با مدیریت هزینه‌های زنجیرۀ تأمین، اهداف عملکردی در بسیاری از سازمان‌ها تأمین می‌شود. علاوه بر هزینه‌ها، مسائل دیگری نیز باید در نظر گرفته شود. از موانع اصلی که سازمان‌ها در ارتقای قابلیت‌های اشتراک اطلاعات با آن روبه‌رواند، حریم خصوصی اطلاعات، قابلیت اطمینان، هزینه و پیچیدگی فناوری، دقت و استفادۀ مؤثر از اطلاعات است (مارنگی و همکاران، 2015). از دیدگاه ونکاوسکاس و همکاران (2016)، امنیت و انرژی ویژگی‌های جامعی‌اند که در جنبه‌های کلی کیفیت خدمات در سطح ارتباطات و کاربرد بسیار اثرگذارند. از دیدگاه لی و همکاران (2014) زمان اجرا، هزینۀ اجرا و قابلیت اطمینان معیارهای ارزیابی کیفیت سرویس IoT تعریف می‌شود. مینگ و یانگ[xlviii] (2012) پنج معیار عملکرد، قیمت، در دسترس بودن و قابلیت اطمینان را در تهیۀ سرویس کیفیت خدمات در نظر گرفته بودند. سیستم‌های اینترنت اشیا حجم گسترده‌ای از داده‌ها را تولید می‌کند که برای تبدیل این داده‌ها به اطلاعات یا خدمات معنادار به اتصال و انرژی شبکه، پردازش و ذخیرۀ منابع نیاز دارد (لوکشینا[xlix] و همکاران، 2019). نظر به اینکه دستگاه‌های حسگر ازنظر انرژی، حافظه، قابلیت پردازش و میزان داده محدودیت‌های مختلفی دارد، استفادۀ کارآمد و بهینه از این منابع کمیاب، اجباری است.

 با گسترش استفاده از IoT در این زنجیره‌های تأمین، خطر افشای اطلاعات افزایش می‌یابد. اگر IoT نتواند راه‌حل مناسبی برای موضوعات امنیتی داشته باشد، توسعۀ آن را محدود خواهد کرد. بنابراین، بیش از همۀ مسائل IoT، مسئلۀ امنیت اهمیت ویژه‌ای دارد (جینگ[l] و همکاران، 2014). با گسترش سریع اتصالات شبکه، سیستم‌های بیشتری توسط حملات نفوذی تهدید می‌شود. داده‌های بزرگ، حجم وسیعی از اطلاعات با دارایی با سرعت زیاد است که برای غنی‌سازی فرایند تصمیم‌گیری به‌صورت خودکار به یک سیستم پردازش اطلاعات کارآمد نیاز دارد (جنیفر، 2020). با پیشرفت‌های عمده در فن‌آوری‌های اطلاعات و ارتباطات، به‌اشتراک‌گذاری اطلاعات در زمان واقعی، به یک چالش مهم تبدیل می‌شود و اثر درخور توجهی بر عملکرد کلی زنجیره‌های تأمین دارد. در محیط اینترنت اشیا تأخیر، باعث ایجاد مشکلات در برنامه‌های حیاتی در سطوح مختلف می‌شود.

 

3- شرح مدل و مسئلۀ تحقیق

شبکۀ زنجیرۀ تأمین مجازی حلقۀ بسته که در این مقاله بحث می‌شود، یک شبکۀ پویا و چندمحصولی شامل تأمین‌کننده، تولیدکننده، توزیع‌کننده و مشتری در جریان مسقیم و مرکز جمع‌آوری، بازیافت و انهدام در جریان معکوس است. ساختار کلی این شبکه در شکل 1 نشان داده شده است. در این شبکه در جریان مستقیم، محصولات جدید تولیدشده ازطریق جریان مستقیم از مراکز توزیع به مشتریان می‌رسد و چنانچه محصولی در این مسیر آسیب ببیند، ازطریق جریان بازتولید مجدد تعمیر و در مرکز تولید برای ارسال در دورۀ بعد ذخیره می‌شود.

 

شکل1- زنجیره تأمین مجازی مورد مطالعه

 

در شبکۀ معکوس، محصولات قابل استفادۀ مجدد به مرکز بازیافت ارسال می‌شود تا به‌عنوان محصولات بازیافتی و با دمونتاژ و جداسازی مواد اولیۀ قابل استفاده به مرکز تولید ارسال شود. در این زنجیره از سیستم IoT برای شناسایی و فراخوانی محصولات معیوب در مرکز تولید و ردیابی محصولات تا زمان برگشت محصولات به مرکز جمع‌آوری استفاده می‌شود. یک افق تصمیم‌گیری شامل دوره‌های متعدد در مدل پیشنهادی در نظر گرفته شده است.

1-3- مفروضات و ابعاد مدل در زنجیرۀ تأمین

این مسئله با توجه به مفروضات زیر بررسی می‌شود.

هیچ تفاوتی بین محصولات جدید و یا بازیافت‌شده وجود ندارد و قیمت آنها یکسان است.

محصولات جدید را پس از دوره‌های معینی بعد از ورود به بازار برمی‌گردانند.

فقط هزینه‌های مجازی در این زنجیره در نظر گرفته شده است.

 

شاخص‌ها

محصول

P

تولیدکننده

m

تأمین‌کننده

S

مرکز انهدام

Z

مرکز جمع‌آوری

X

مشتری

n

 

 

مرکز بازیافت

B

دورۀ زمانی

t
                   

 

2-3- هزینه‌های مجازی زنجیرۀ تأمین

با توجه به کاربرد IoT برای مجازی‌سازی زنجیرۀ تأمین، در این قسمت هزینه‌های مجازی‌سازی زنجیرۀ تأمین بررسی می‌شود. ابتدا پارامترها و متغیرهای تصمیم استفاده‌شده در مدل مجازی، معرفی و سپس هزینه‌های مجازی فرموله می‌شود.

پارامترها

 

هزینۀ ثابت تسهیلات Iot در مرکز i

 

درصد محصولات p معیوب

 

هزینۀ خرید تگ‌های RFID در دورۀ t

 

هزینۀ فراخوانی محصول p بخش تولید

 

میزان بازیافت برچسب‌های RFID

 

هزینۀ‌ بازیافت برچسب‌های RFID

 

تقاضای محصول P در دورۀ t

 

میزان محصولات برگشتی از مشتریان در دورۀ t

 

قیمت فروش محصول p در دورۀ t

 

درصد محصولات باز تولید شده

 

 

متغیرهای تصمیم

 

مقدار محصول بازگشتی p

 

مقدار محصول p تولیدشده در دورۀ t

 

مقدار محصول p حمل‌شده از مرکز i به مرکز j در دورۀ t

 

متغیر باینری برابر 1 اگر در مرکز i تسهیلات IoT به‌ کار گرفته شود، در غیر این صورت برابر صفر

 

1-2-3- هزینۀ فراخوانی بخش تولید (Rec)

تولیدکننده باید محصولات معیوب را در مرکز تولید فراخوانی کند. در همین حال، با فراخوانی محصولات معیوب، هزینه‌های فرصت خاصی از دست می‌رود. RFID ردیابی محصولات و افزایش شفافیت زنجیرۀ تأمین را ممکن و درنتیجه روند فراخوان را تسهیل می‌کند و هزینۀ فراخوان را نیز کاهش می‌دهد.

 

(1)

    

 

(2)

 

 

 

محدودیت 2 تضمین می‌کند میزان محصول تولیدشده، کمتر مساوی تقاضای مشتریان باشد.

2-2-3- هزینۀ ثابت تسهیلات Iot (FCI)

با به‌کارگیری IoT، تولیدکنندگان و توزیع‌کنندگان، مراکز جمع‌آوری مسئولیت هزینه‌های ثابت تسهیلات IoT را بر عهده دارند.

 

(3)

    

 

 

محدودیت (4) تضمین ماهیت دودویی متغیرهای تصمیم‌گیری است.

 

 

 

(4)

 

3-2-3- هزینۀ برچسب‌های RFID (TC)

تولیدکننده وظیفه دارد برچسب‌های RFID را بر بسته‌های محصولات قرار دهد تا بتوان محصولات را در جریان زنجیرۀ تأمین مجازی ردیابی کرد. این برچسب‌ها بازیافت‌شدنی‌ است. هزینه‌های خرید و نگهداری این برچسب‌ها باید با توجه به میزان محصول تولیدی و محصول برگشتی در هزینه‌های زنجیرۀ تأمین مجازی در نظر گرفته شود. با توجه به محصولات برگشتی به مرکز جمع‌آوری و با در نظر گرفتن  به‌عنوان میزان بازیافت برچسب‌هایRFID ، هزینۀ بازیافت این تگ‌ها نیز محاسبه می‌شود.

(5)

 

 

(6)

 

 

(7)

 

 

 

معادلۀ (6) میزان محصولات برگشتی از مشتریان را با توجه به میزان محصولات برگشتی بیان می‌کند و معادلۀ (7) میزان محصول فروخته‌شده را به مشتریان در هر دوره نشان می‌دهد.

 

3-3- مصرف انرژی (EC)

منظور از مصرف انرژی، مصرف انرژی در هر مورد تولید شده است، به‌طوری که این مورد، یک محصول فیزیکی یا یک واحد پولی تعریف می‌شود.

پارامترها

  هزینۀ هر واحد مصرف انرژی برای ثبت، پردازش و ارسال داده‌ها به‌وسیلۀ IoT در زمان t

 هزینۀ ثابت مصرف انرژی در سطح i

   درصد محصولات بازیافت‌شدنی در دورۀ t

  درصد انهدام محصول p در مرکز بازیافت

  حداکثر میزان مجاز مصرف انرژی در زمان t

 تعداد قطعات r مورد نیاز محصول p

 

متغیرهای تصمیم

 داده‌های پردازش‌شده به‌وسیلۀ IoT در زمان t

 مقدار مواد خام r سفارش داده‌شده از تأمین‌کننده s در دورۀ t

 مقدار مواد خام بازیافت‌شده از محصولات بازگشتی p در مرکز B در دورۀ t

به‌دلیل اتلاف غیرضروری انرژی الکتریکی در زنجیرۀ تأمین مجازی، نیاز بهینه‌سازی انرژی، اهمیت حیاتی پیدا کرده است. در این مدل دو هزینۀ ثابت و متغیر برای مصرف انرژی در نظر گرفته شده است. هزینۀ متغیر وابسته به میزان مصرف انرژی ثبت و پردازش داده‌های مربوط‌به قطعات و محصولات در جریان زنجیرۀ تأمین مجازی است و هزینۀ ثابت مصرف انرژی در طول زنجیرۀ تأمین مجازی، با توجه به به‌کارگیری اینترنت اشیا در هر سطح زنجیرۀ تأمین مجازی است.

 

(8)

 

 

معادلۀ (9) اطلاعات مربوط‌به مواد و محصولات در هر سطح و هر دوره را نشان می‌دهد که با سیستم IoT ثبت و پردازش می‌شود.

 

(9)

 

 

معادلات 10، 11 و 12 میزان محصولات در سطوح مختلف زنجیرۀ تأمین مجازی حلقۀ بسته را نشان می‌دهد. معادلۀ 13 و 14 میزان قطعات و مواد خام خریداری‌شده و بازیافت‌شده را در جریان معکوس نشان می‌دهد. محدودیت 15 تضمین می‌کند طول عمر دستگاه‌های باتری، کل مصرف انرژی در ثبت و پردازش اطلاعات باید از حداکثر میزان مجاز مصرف انرژی کمتر باشد.

 

(10)

 

 

(11)

 

 

(12)

 

 

(13)

 

 

(14)

 

 

(15)

 

 

 

4-3- امنیت اطلاعاتIoT (CS)

سیاست امنیت اطلاعات، سندی برای اطمینان از دارایی اطلاعات و ایمن‌سازی اطلاعات فناوری با روشی خاص برای حمایت از اهداف سازمان است. در این راستا، هزینۀ امنیتIoT در زنجیره‌های تأمین مجازی بسیار مهم و حیاتی است.

پارامترها

  حداکثر بودجۀ امنیت کل زنجیرۀ تأمین

 هزینۀ خسارت ایجادشده در دورۀ t

 

متغیرهای تصمیم

  احتمال تهدید در دورۀ t

   سرمایه‌گذاری امنیت در دورۀ t

فرض می‌شود ظرف مدت یک سال، تهدیدهای احتمالی و احتمال خسارت برای یک شرکت وجود دارد. نصب سیستم امنیتی دارای ارزش کل سرمایه‌گذاری  برای انواع تهدیدات در زمان t باشد.  هزینۀ خسارت ایجادشده توسط تهدیدات، در زمان معینی باشد. هزینۀ کل امنیت در زمان t، با استفاده از معادلۀ 16 محاسبه می‌شود.

(16)

 

 

 

محدودیت 17 بیان می‌کند کل هزینۀ امنیت نباید از بودجۀ امنیت زنجیرۀ تأمین بیشتر باشد. محدودیت‌های (18) تا (20) سناریوهای مختلف سرمایه‌گذاری را برای مقابله با تهدیدات نشان می‌دهد که بر این اساس با افزایش میزان سرمایه‌گذاری، احتمال وقوع تهدید کاهش می‌یابد.

(17)

 

 

(18)

 

           

(19)

 

           

(20)

 

           

 

مدل بهینه‌سازی عملکرد پردازش اطلاعات با توجه به هزینه، سطح امنیتی، میزان مصرف انرژی و سرعت پردازش تحلیل می‌شود. به این‌ منظور، مدل بهینه‌سازی عملکرد پردازش اطلاعات ارائه‌شده با توجه به هزینه‌های ذکرشده، به‌دنبال حداکثرسازی سود زنجیرۀ تأمین مجازی حلقۀ بسته و حداقل‌سازی تأخیر پردازش اطلاعات در این زنجیره است.

 

5-3- سود زنجیرۀ تأمین مجازی

هدف نهایی زنجیرۀ تأمین مجازی حلقۀ بسته، حداکثرسازی سود است. به این منظور، درآمد کل از حاصل ضرب تعداد محصولات ارسال‌شده به مشتریان در قیمت واحد هر محصول محاسبه و از هزینه‌های زنجیرۀ تأمین مجازی کم می‌شود.

(21)

 

 

 

6-3- زمان تأخیر (سرعت پردازش)

مجازی‌سازی باعث تولید حجم عظیمی از داده می‌شود که برای ذخیره‌سازی و دسترسی، به زمان پردازش زیادی نیاز دارد. همان‌طور که دستگاه‌های متصل به‌تدریج و به‌طور مداوم افزایش می‌یابد، به ایجاد داده‌های بزرگ در اینترنت اشیا منجر می‌شود که تأخیر شبکه را افزایش می‌دهد. هدف این تابع، هدف حداقل‌سازی تأخیر حاصل از پردازش اطلاعات است که به این‌ ترتیب، سرعت پردازش اطلاعات افزایش می‌یابد.

پارامترها

 میانگین تأخیر پردازش داده‌ها در زمان t

 حداکثر تأخیر مجاز در زمان t

تابع هدف

(22)

 

 

(23)

 

 

 

محدودیت 23 تضمین می‌کند، تأخیر حاصل از پردازش داده‌ها نباید از حداکثر میزان مجاز تأخیر در زنجیرۀ تأمین مجازی بیشتر باشد.

 

4- روش‌شناسی پژوهش

1-4- نسخۀ دوم الگوریتم ژنتیک با مرتب‌سازی نامغلوب (NSGA-II)

الگوریتم NSGA-II ارائه‌شدۀ دب و همکاران، الگوریتمی شناخته‌شده برای حل مسائل بهینه‌سازی چندهدفه با استفاده از یک رویکرد نامغلوب است (آصفی و همکاران، 2014). این الگوریتم در تلاش برای رفع نواقص نسخۀ اولیه این الگوریتم معرفی شد که در آن نه‌تنها کیفیت راه‌حل‌ها، تطبیق‌پذیری راه‌حل‌های بهینۀ پارتو نیز درخور توجه قرار گرفت (میرقادری و مدیری[li]، 2021). ابتدا با تولید برخی از جمعیت‌های تصادفی مقدماتی آغاز می‌شود سپس جبهه‌های پارتو درحین جست‌وجو شکل می‌گیرد، اصلاح راه‌حل‌ها انجام می‌شود و راه‌حل‌ها به‌تدریج بهتر می‌شود. در هر نسل، تشکیل جبهه‌های متوالی پارتو از راه‌حل‌های همسو در جمعیت تولیدشده ادامه می‌یابد تا جایی که هیچ راه‌حل باقی‌مانده‌ای وجود نداشته باشد و هر جبهه در جمعیت، کاملاً به یک مجموعۀ نامغلوب تبدیل شود. پس از مرتب‌سازی جواب‌ها بر اساس غلبه، به‌منظور ایجاد نظم در مجموعۀ جواب‌های بهینه، باید آنها را براساس فاصلۀ ازدحامی مرتب کرد. فاصلۀ ازدحامی نشان می‌دهد یک عضو جبهه به اعضای دیگر در همسایگی خود چقدر نزدیک است (آصفی و همکاران، 2014). مزیت روش NSGA-IIدر استفاده از فاصلۀ ازدحام برای حفظ تنوع پاسخ‌های واقع بر جبهۀ پارتوست. هرچه این فاصله بزرگ‌تر باشد، نشان‌دهندۀ گستردگی بیشتر فضای جواب است (جنتیان و همکاران، 1398).

 

2-4- الگوریتم‌ فراابتکاری نسخۀ دوم مبتنی بر قوت پارتو (SPEA-II)

نسخۀ دوم الگوریتم SPEA-II، از یک آرشیو خارجی برای ذخیرۀ پاسخ‌های نامغلوبی استفاده می‌کند که درطی جست‌وجوی الگوریتم یافت می‌شود. الگوریتم SPEA-IIنیز همانند الگوریتم NSGA-II از عملگرهای جهش و ترکیب برای جست‌وجو در بین پاسخ‌ها استفاده می‌کند. در الگوریتم SPEA-II از معیار برازندگی برای مقایسۀ بین پاسخ‌های نامغلوب استفاده می‌شود. در این الگوریتم مقدار قوت پاسخ i که به‌صورت s(i) نشان داده می‌شود برابر با تعداد پاسخ‌هایی است که با پاسخ i مغلوب می‌شود، سپس برای هر پاسخ مقدار برازندگی خام تعیین می‌شود (زیتلر و همکاران، 2001).

اینکه پاسخی برازندگی خام صفر داشته باشد، معادل این است که در الگوریتم NSGA-II رتبۀ اول را داشته باشد. در ضمن به‌جای معیار فاصلۀ ازدحامی در الگوریتم NSGA-II، از معیار فاصلۀ هر پاسخ نسبت‌به پاسخ‌های کناری استفاده می‌شود.

5- مثال عددی و یافته‌های پژوهش

در این بخش، یک مثال عددی برای نشان‌دادن عملکرد مدل خطی ارائه‌شده و اثبات اعتبار و کاربرد آن ارائه شده است. به‌دلیل کمبود داده در این مدل‌ها، مدل بر اساس دانش متخصصان و داده‌های موجود در مقالات با ارائۀ یک مثال عددی حل شده است. نظر به اینکه مسائل بهینه‌سازی زنجیرۀ تأمین حلقۀ بسته از دسته مسائل Hard-NP است (میرقادری و مدیری، 2021؛ امین‌پور و همکاران، 1399؛ صاحب‌جام‌نیا[lii] و همکاران، 2018 ؛ سلیمانی[liii] و همکاران، 2013 ؛ فنگ و همکاران، 2015) و به‌دلیل پیچیده‌بودن مدل، زمان محاسباتی روش‌های حل دقیق به‌شدت بالاست و در اغلب موارد، ناتوان در حل این نوع مسائل است. از فاکتورهایی که باعث پیچیدگی مدل می‌شود، تعداد زیاد محدودیت‌ها و متغیرهای تصمیم و همچنین صفر و یک‌بودن بعضی از متغیرهاست. همچنین در مسائل بهینه‌سازی تک‌هدفه، با بهینه‌کردن تابع هدف، الگوریتم به پایان می‌رسد؛ اما در مسائل چندهدفه، بهینه‌سازی هم‌زمان چند تابع هدف کار سخت و زمان‌بری است و چند هدفه بودن مدل و تضاد بین جنس اهداف، بر پیچیدگی مسئله می‌افزاید. به این منظور، یکی از پرکاربردترین ابزارهای حل این مدل‌ها، یعنی الگوریتم‌های فراابتکاری چندهدفه NSGA-II و SPEA-II برای حل مدل ارائه‌شده در این پژوهش استفاده شده است. فرض می‌شود تولیدکننده پنج محصول را که هریک، از قطعات متفاوت تشکیل می‌شود برای 12 دورۀ زمانی تولید می‌کند. تقاضا برای محصولات مطابق جدول 2 است. تولیدکننده علاقه‌مند است بداند چه میزان از محصولات و قطعات در هر سطح از شبکۀ زنجیرۀ تأمین مجازی حلقۀ بسته در هر دوره وجود دارد.

 

جدول 2- تقاضای محصولات در دوره‌های زمانی بررسی‌شده

 

1

2

3

4

5

6

7

8

9

10

11

12

P1

83

121

181

315

340

373

366

401

374

414

329

129

P2

38

93

167

345

369

407

373

395

395

413

280

361

P3

68

151

304

299

409

387

402

386

383

404

384

67

P4

95

92

307

254

322

400

366

391

376

394

297

127

P5

86

199

278

214

364

393

373

405

414

390

300

197

 

لیست تعداد قطعات مورد نیاز هر محصول در جدول 3 نمایش داده شده است . میزان برگشت محصولات، هزینۀ خسارت ایجادشده در صورت حمله و درصد محصولات بازیافت‌شدنی مطابق جدول4 است.

 

جدول 3- لیست قطعات مورد نیاز هر محصول ( )

 

محصول 1

محصول 2

محصول 3

محصول 4

محصول 5

قطعه 1

2

3

2

3

0

قطعه 2

1

2

0

3

1

قطعه 3

3

0

1

2

0

قطعه 4

0

4

3

4

3

قطعه 5

1

5

0

2

1

 

جدول 4- پارامترهای وابسته به دوره

12

11

10

9

8

7

6

5

4

3

2

1

دوره

6/0

7/0

75/0

8/0

85/0

9/0

85/0

8/0

7/0

6/0

0

0

 

2000

2000

2000

2000

3000

3000

3000

3000

1300

1300

1300

1300

 

90/0

90/0

90/0

95/0

95/0

95/0

90/0

90/0

90/0

95/0

95/0

95/0

 

 

جدول 5، قیمت فروش محصولت مختلف را در دوره‌های مختلف نمایش می‌دهد و در جدول 6، هزینۀ فراخوانی محصولات در بخش تولید، درصد انهدام محصولات و درصد تولید محصول معیوب نشان داده شده است.

جدول 5- قیمت فروش محصولات

12

11

10

9

8

7

6

5

4

3

2

1

دوره

700

800

1050

1050

1050

1100

1100

1100

1150

1150

1200

1200

P1

Prt

960

960

1260

1260

1260

1320

1320

1320

1380

1380

1440

1440

P2

1200

1200

1570

1570

1570

1650

1650

1650

1720

1720

1800

1800

P3

800

920

1200

1200

1200

1260

1260

1260

1320

1320

1380

1380

P4

1120

1280

1680

1680

1680

1760

1760

1760

1840

1840

1920

1920

P5

 

جدول 6- پارامترهای وابسته به محصولات مختلف

محصول

1

2

3

4

5

 

6

5

5/6

5/6

5

 

10%

20%

15%

10%

20%

 

1%

2%

5/1%

75/1%

2/%1

 

1-5- یافته‌ها

برای بررسی امکان‌ پذیر بودن مدل، ابتدا مدل در اندازۀ کوچک و در نرم‌افزار گمز، با حل‌کنندۀ بارون حل شد. با بزرگ‌ترشدن ابعاد مدل در سه حالت بررسی‌شده، زمان حل با استفاده از نرم‌افزار گمز افزایش یافت. نتایج محاسبات در جدول 7 نمایش داده شده است.

 

جدول 7- نتایج محاسباتی حل مدل با نرم‌افزار گمز

شمارۀ مسئله

سود کل (ریال)

سرعت پردازش (ثانیه)

زمان حل

1

106×89/1

6/59

96

2

106×95/4

5/120

152

3

106×70/8

299

231

 

در ادامه مدل ارائه‌شده در ابعاد اصلی با استفاده از الگوریتم‌های NSGA-II و SPEA-II بر کامپیوتر شخصی با پردازندۀ intel CORE i7 7/2 گیگاهرتز با حافظۀ 12 گیگ در نرم‌افزار متلب، کدنویسی و اجرا شد. همچنین با توجه به نیاز به ارزیابی روش پیشنهادی، نتایج دو الگوریتم مقایسه شدند. مقادیر محصولات تولیدشده در مرکز تولید برای 12 دورۀ زمانی بررسی‌شده مطابق شکل‏های 2 و 3 است.

 

 

شکل 2- نمودار میزان هر محصول تولیده‌شدۀ  SPEA-II

شکل 3- نمودار میزان هر محصول تولیده‌شدۀ NSGA-II

 

نتایج دو الگوریتم تقریباً یکسان و روند تولید منطبق با تقاضاست. هر دو الگوریتم تولید محصولات 3 و 5 بیشتر از دیگر محصولات تعیین شده است که این موضوع به‌دلیل قیمت بالای این دو محصول نسبت‌به دیگر محصولات است؛ همچنین محصول 1 به‌دلیل قیمت کمتر نسبت‌به دیگر محصولات تولید، کمتر پیشنهاد شده است. میزان سود کل زنجیرۀ تأمین مجازی حلقۀ بسته، هزینه‌های انرژی و امنیت و میزان تأخیر پردازش اطلاعات حاصل از هر دو الگوریتم، در جدول 8 بیان شده است.

 

جدول 8- نتایج حل مدل

 

سود کل (ریال)

سرعت پردازش

(ثانیه)

انرژی

(ریال)

امنیت

(ریال)

هزینه‌های مجازی

(ریال)

NSGA-II

106×93/9

48/337

717

69587

150355

SPEA-II

106×23/4

07/94

669

67334

150454

 

نمودار پارتو الگوریتم‌ها در شکل‌های 4 و 5 نشان داده شده است. فاصلۀ بین دو جواب پارتوی متوالی در NSGA-II کمتر است. با توجه به شکل 5، NSGA-II قادر به یافتن تعداد جواب‌های پارتوی بیشتری است و دامنۀ مرز پارتوی تشکیل‌شده توسط این الگوریتم بیشتر و نظم و کیفیت این الگوریتم بهتر است.

 

 

 

شکل 4- نمودار پارتو SPEA-II

شکل 5- نمودار پارتو NSGA-II

6- بحث

نتایج نمودار پارتو نشان می‌دهد دو تابع سود و سرعت پردازش، ارتباط مستقیم با یکدیگر دارند و با افزایش سود، زمان تأخیر پردازش افزایش می‌یابد. دلیل این افزایش، وابستگی هر دو تابع هدف به میزان تولید محصولات و همچنین صرفه‌جویی ناشی از بازیافت مواد اولیه است. به این ترتیب با افزایش فروش محصولات، سود زنجیرۀ تأمین مجازی نیز افزایش می‌یابد و ازطرفی به‌دلیل افزایش تولید محصولات، زمان پردازش داده‌ها در سیستم IoT نیز افزایش می‌یابد که این به معنی افزایش تأخیر در پردازش اطلاعات است. الگوریتم SPEA-II عملکرد بهتری نسبت‌به عملکرد الگوریتم NSGA-II دارد و سود بیشتری برای زنجیرۀ تأمین مجازی ایجاد می‌کند که این به‌دلیل میزان تولید بیشتر محصولات است. همچنین الگوریتم NSGA-II میزان تأخیر پردازش اطلاعات بیشتری را نشان می‌دهد که به‌دلیل وابستگی سرعت پردازش به میزان تولید است. با افزایش میزان تولید، زمان پردازش اطلاعات نیز افزایش می‌یابد. در دیگر مقالات توضیح و تشریح زنجیره‌های تأمین مجازی (ماتسودا و همکاران، 2019؛ دا کروز کاریا و همکاران، 2016 و گوناسکران و نگایی، 2007) بیان شده است. در حالی که در این پژوهش، علاوه بر کاربردی‌کردن زنجیرۀ تأمین مجازی با به‌کارگیری IoT، مدل‌سازی و بهینه‌سازی زنجیره در چند دوره بررسی شده است. با توجه به پیشرفت تکنولوژی در دنیای رقابتی امروز و همچنین لزوم واکنش سریع به تغییرات تقاضا و بازار و برای باقی‌ماندن در فضای رقابتی، به مدیران صنایع مختلف پیشنهاد می‌شود فعالیت تولیدی خود را به‌سمت مجازی‌سازی و بهره‌مندی از مزایای آن سوق دهند و از این مدل در نمونه‌های دنیای واقعی استفاده کنند. درواقع استفاده از تجهیزات اینترنت اشیا در زنجیرۀ تأمین و به‌اشتراک‌گذاری اطلاعات برای همۀ اعضا، کارایی عملکرد سازمان‌ها را افزایش می‌دهد.

درادامه، رفتار مدل ریاضی در تعیین پاسخ بهینه دربارۀ تغییرات پارامترهای مسئله بررسی می‌شود.

 

1-6- تحلیل حساسیت

با توجه به تغییرات مداوم در قیمت محصولات و تقاضای مشتریان و به‌منظور تعیین اثر تغییرات این پارامترها در مدل ریاضی ارائه‌شده و بررسی اعتبار خارجی مدل، تجزیه‌وتحلیل حساسیت در این بخش انجام می‌شود. هدف اصلی، ارزیابی آثار تغییرات پارامترهای قیمت محصولات و تقاضای مشتریان بر دو تابع سود کل زنجیرۀ تأمین مجازی و سرعت پردازش اطلاعات است. به این منظور، افزایش و کاهش10، 20 و 40درصدی قیمت و تقاضا بررسی شده است.

 

 

شکل 6- نمودار اثر تغییرات تقاضا بر سود زنجیرۀ تأمین مجازی حلقۀ بسته

شکل 7- نمودار اثر تغییرات تقاضا بر سرعت پردازش اطلاعات زنجیرۀ تأمین مجازی حلقۀ بسته

 

مطابق شکل 6 در هر دو الگوریتم با افزایش میزان تقاضا، سود زنجیرۀ تأمین مجازی حلقۀ بسته افزایش می‌یابد. درواقع تقاضای بیشتر به تولید بیشتر محصولات و افزایش تولید به افزایش سود کل زنجیرۀ تأمین مجازی منجر می‌شود. همچنین زمان پردازش اطلاعات نیز با افزایش میزان تولید افزایش می‌یابد که نشان‌دهندۀ سرعت کمتر پردازش اطلاعات است.

 

 

 

شکل 8- نمودار اثر تغییرات قیمت محصولات بر سود

شکل 9- نمودار اثر تغییرات قیمت محصولات بر سرعت پردازش اطلاعات

 

تغییرات قیمت محصولات نیز اثر مستقیم بر سود زنجیرۀ تأمین مجازی حلقۀ بسته دارد و با افزایش قیمت فروش محصولات، میزان تولید محصولات و سود زنجیره افزایش می‌یابد. همچنین با افزایش تولید، سرعت پردازش اطلاعات نیز بزرگ‌تر می‌شود و این به معنی افزایش زمان تأخیر در زنجیرۀ تأمین مجازی، به‌علت ثبت داده‌ها در سیستم IoT است. در تمامی حالات، الگوریتم NSGA-II سود بیشتری را شناسایی می‌کند که تأییدکنندۀ عملکرد بهتر این الگوریتم است.

7- نتیجه‌گیری

جهانی‌شدن رو به رشد بازار، افزایش رقابت جهانی و ویژگی‌های محصولات پیچیده، همگی به کاربرد فناوری‌ها، روش‌ها و فلسفه‌های جدید تولید منجر می‌شود. با توجه به تغییرات تکنولوژی و پیشرفت دنیای مجازی و گسترش کاربرد اینترنت، توجه به زنجیرۀ تأمین مجازی بسیار ضرورت دارد. هدف اصلی این پژوهش، ارائۀ یک مدل مؤثر از سیستم زنجیرۀ تأمین مجازی حلقۀ بسته، مبتنی بر خدمات IoT چندمحصولی برای چند دوره است و بهینه‌سازی عملکرد پردازش زنجیرۀ تأمین مجازی حلقۀ بسته ارائه شده است. به این ‌منظور دو تابع سود و سرعت پردازش، با توجه به هزینه‌های مجازی‌سازی در نظر گرفته شده است. یک مثال عددی برای اثبات کاربرد و اعتبار مدل ارائه شده و با استفاده از الگوریتم‌های NSGA-II و SPEA-II بررسی و تحلیل شده است. نتایج نشان می‌دهد مدل پیشنهادی، استراتژی‌های مؤثری برای دستیابی به برنامه‌ریزی تولید، بازتولید و توزیع محصول و بازیافت قطعات ارائه می‌دهد و همچنین در این مدل، با شناسایی محصولات بازیافت‌شدنی به کمک IoT، به کاهش هزینه‌های خرید مواد اولیه و قطعات، صرفه‌جویی در هزینه‌ها و افزایش سود زنجیرۀ تأمین مجازی منجر می‌شود. دو تابع سود و سرعت پردازش با میزان تولید رابطه مستقیم دارند و با افزایش میزان تولید هر دو افزایش می‌یابند. درواقع با افزایش تولید، زمان تأخیر افزایش می‌یابد که این به ‌معنی کاهش سرعت پردازش است. به‌کارگیری فناوری‌های اطلاعات پیشرفته IoT در صنعت تولید در دنیای واقعی، داده‌های محصولات مختلف و زمان پایان عمر محصولات را در دسترس مدیران صنایع قرار می‌دهد. مجازی‌سازی زنجیره‌های تأمین با استفاده از IoT نه‌تنها برای مدیریت بهتر اطلاعات تولید، برای دیگر جنبه‌های سیستم تولید مانند بهبود کارایی نیز بسیار اهمیت دارد.

در زنجیرۀ تأمین مجازی، در صورت استفادۀ کارآمد از اشتراک اطلاعات، تولیدکنندگان هزینه‌های زنجیرۀ تأمین را کاهش می‌دهند. اشتراک یکپارچۀ داده‌ها به تصمیم‌گیرندگان این امکان را می‌دهد تا استراتژی‌های مناسبی را به کار گیرند و به این ‌ترتیب، سودآوری زنجیرۀ تأمین مجازی افزایش یابد. استفاده از اینترنت اشیا به ارتباطات و ردیابی مواد و محصولات با دقت بالا و بدون مشکل، ازجمله خطای انسانی، کمبود نیروی کار، بودجۀ محدود، آب‌وهوای نامساعد و دیگر عوامل محیطی کمک می‌کند. سازمان‌ها، حجم زیادی از داده‌ها را در سیستم اطلاعاتی خود جمع‌آوری می‌کنند، داده‌های خام بدون تجزیه‌وتحلیل مناسب معنی چندانی نخواهد داشت. به‌روزرسانی و تجزیه‌وتحلیل صحیح داده‌ها در زمان واقعی، به مدیران کمک می‌کند تا عملیات را در یک زنجیرۀ تأمین مجازی ردیابی و کنترل کنند و به آنها کمک می‌کند کنترل بهتری بر کل زنجیرۀ تأمین داشته باشند. به دیگر پژوهشگران پیشنهاد می‌شود بهینه‌سازی را با در نظر گرفتن دیگر ابعاد مجازی‌سازی انجام دهند و نبود ‌قطعیت را در پژوهش خود در نظر بگیرند. همچنین بررسی دیگر تکنولوژی‌های فناوری اطلاعات، برای مجازی‌‌سازی زنجیرۀ تأمین به دیگر محققان پیشنهاد می‌شود.

محدودیت این پژوهش، تأیید روش و مدل ارائه‌شده با استفاده از داده‌های فرضی (مثال عددی) به‌جای داده‌های موردی واقعی است. با این حال، این امر بر ارزش نظری و عملی این پژوهش اثر نمی‌گذارد. علاوه بر این، در فرآیند تحقق زنجیرۀ تأمین مجازی، مجازی‌سازی همچنان با چالش‌های زیادی مانند آماده‌سازی زیرساخت‌های فناوری اطلاعات شرکت‌ها مواجه است. علاوه بر چالش‌های اجرایی فنی، پیاده‌سازی سازمانی موضوعی مهم است. مجازی‌سازی اثر زیادی بر سازمان زنجیرۀ تأمین دارد و انتظار می‌رود که به مدل‌های کسب‌وکار جدید مانند سازمان‌دهندگان مجازی تخصصی و تجارت محلی به جهانی توسط شرکت‌های کوچک و متوسط، بدون معامله‌گران به‌عنوان واسطه‌های آفلاین منجر شود.

 

[i] Supply Chain (SC)

[ii] Smith & Dhillon

[iii] Dutta

[iv] Bhuniya

[v] Samdantsoodol

[vi] Liu & Sun

[vii] Kulińska

[viii] Internet of Things (IoT)

[ix] Prasanth & Jayachitra

[x] Dweekat & Park

[xi] Park & Shin

[xii] Ding & Wu

[xiii] Ma

[xiv] Nishi

[xv] Wang

[xvi] Matsuda

[xvii] He

[xviii] Smart connected products

[xix] Jennifer

[xx] Yadav & Misra

[xxi] Matsuda

[xxii] Yan

[xxiii] Venckauskas

[xxiv] Verdouw

[xxv] Fang

[xxvi] Li

[xxvii] Long

[xxviii] Strength Pareto Evolutionary Algorithm (SPEA-II)

[xxix] Non-dominated Sorting Genetic Algorithm II (NSGA-II)

[xxx] Manthou

[xxxi] Long

[xxxii] Bruno

[xxxiii] Scott & Mula

[xxxiv] Shamsuzzoha & Helo

[xxxv] Helo, Shamsuzzoha, & Sandhu

[xxxvi] Kulińska

[xxxvii] Lotfi

[xxxviii] da Cruz Caria

[xxxix] Gunasekaran & Ngai

[xl] Ben-Daya, Hassini, & Bahroun

[xli] Abdel-Basset, Manogaran, & Mohamed

[xlii] He, Xue, & Gu

[xliii] Radio Frequency Identification (RFID)

[xliv] Marinagi, Trivellas, & Reklitis

[xlv] Xin

[xlvi] Shaoshuai

[xlvii] Wang

[xlviii] Ming & Yan

[xlix] Lokshinas

[l] Jing

[li] Mirghaderi & Modiri

[lii] Sahebjamnia

[liii] Soleimani

مراجع

Abdel-Basset, M., Manogaran, G., & Mohamed, M. (2018). Internet of Things (IoT) and its impact on supply chain: A framework for building smart, secure and efficient systems. Future Generation Computer Systems, 86, 614-628.
Aminpour, S., Irajpour, A., Yazdani, M., & Mohtashami, A. (2020). The Design of a Multi-directional Network Chain Model Offering a Closed Loop in the Automotive Industry by Providing Energy and Time Efficiency Programs. Industrial Management Journal, 12(2), 319-343. (in Persian)
Asefi, H., Jolai, F., Rabiee, M., & Araghi, M. T. (2014). A hybrid NSGA-II and VNS for solving a bi-objective no-wait flexible flowshop scheduling problem. The International Journal of Advanced Manufacturing Technology, 75(5-8), 1017-1033.
Ben-Daya, M., Hassini, E., & Bahroun, Z. (2017). Internet of things and supply chain management: a literature review. International Journal of Production Research, 57(15-16), 4719-4742.
Bhuniya, S., Pareek, S. and Sarkar, B. (2021), A supply chain model with service level constraints and strategies under uncertainty, Alexandria Engineering Journal, 60(6), 6035-6052.
Bruno, G., (2020). A Virtual Supply Chain Architecture to Grant Product Transparency in Agribusiness, in: Supply Chain and Logistics Management: Concepts, Methodologies, Tools, and Applications. IGI Global, 89–107.
Da Cruz Caria, P., Hermans, M., Degen, D., Janssen, S., & Sweerts, L. (2016). Virtual Supply Chain Management at Cisco: advantages and future developments.
Ding, X., & Wu, J. (2019). Study on Energy Consumption Optimization Scheduling for Internet of Things. IEEE Access, 7, 70574-70583. doi:10.1109/access.2019.2919769
Dutta, P., Choi, T.-M., Somani, S. and Butala, R. (2020). Blockchain technology in supply chain operations: Applications, challenges and research opportunities, Transportation Research Part E: Logistics and Transportation Review, 142, 1-33.
Dweekat, A. J., & Park, J. (2016). Internet of Things-enabled supply chain performance measurement model. Paper presented at the 2016 International Conference on Industrial Engineering, Management Science and Application (ICIMSA).
Fang, C., Liu, X., Pardalos, P. M., & Pei, J. (2015). Optimization for a three-stage production system in the Internet of Things: procurement, production and product recovery, and acquisition. The International Journal of Advanced Manufacturing Technology, 83(5-8), 689-710.
Gunasekaran, A., & Ngai, E. W. T. (2007). Virtual supply-chain management. Production Planning & Control, 15(6), 584-595.
Hashemi, S., & sotoudeh, s. (2020). Provide a framework for enhancing the security of IoT-based smart homes using the IoT-A reference architecture. Journal of Information and Communication Technology, 35(10), 27-42. (in Persian)
He, L., Xue, M., & Gu, B. (2020). Internet-of-things enabled supply chain planning and coordination with big data services: Certain theoretic implications. Journal of Management Science and Engineering, 5(1), 1-22.
Helo, P., Shamsuzzoha, A., & Sandhu, M. (2016). Cloud-based Virtual Supply Chain. Paper presented at the International Conference on Industrial Engineering and Operations Management, Detroit, USA.
Huang, X. (2020). Quality of service optimization in wireless transmission of industrial Internet of Things for intelligent manufacturing. The International Journal of Advanced Manufacturing Technology, 107(3), 1007-1016. doi:10.1007/s00170-019-04288-8
Janatyan, N., Zandieh, M., Alem Tabriz, A., & Rabieh, M. (2019). Optimizing Sustainable Pharmaceutical Distribution Network Model with Evolutionary Multi-objective Algorithms (Case Study: Darupakhsh Company). Journal of Production and Operations Management,10(1), 133-153. (in Persian)
Jennifer, S. R. (2020). A Novel Information Processing in IoT Based Real Time Health Care Monitoring System. Journal of Electronics and Informatics, 2(3), 188-196.
Jing, Q., Vasilakos, A. V., Wan, J., Lu, J., & Qiu, D. (2014). Security of the Internet of Things: perspectives and challenges. Wireless Networks, 20(8), 2481-2501.
Kulińska, E., & Kulińska, K. (2019). General data protection regulation and virtual supply chains. Studia Ekonomiczne, 383, 31-40.
Li, Q., Dou, R., Chen, F., & Nan, G. (2014). QoS-oriented Web service composition approach based on multi-population genetic algorithm for Internet of things. International Journal of Computational Intelligence Systems, 7(sup2), 26-34.
Liu, X., & Sun, Y. (2011). Information Flow Management of Vendor-Managed Inventory System in Automobile Parts Inbound Logistics Based on Internet of Things. JSW, 6(7), 1374-1380.
Lokshina, I. V., Greguš, M., & Thomas, W. L. (2019). Application of Integrated Building Information Modeling, IoT and Blockchain Technologies in System Design of a Smart Building. Procedia Computer Science, 160, 497-502.
Lotfi, Z., Mukhtar, M., Sahran, S., & Taei Zadeh, A. (2013). Information sharing in supply chain management. Paper presented at the The 4th International Conference on Electrical Engineering and Informatics.
Long, Q.,) 2014). An agent-based distributed computational experiment framework for virtual supply chain network development. Expert Syst. Appl. 41, 4094–4112.
Ma, Z., Xiao, M., Xiao, Y., Pang, Z., Poor, H. V., & Vucetic, B. (2019). High-Reliability and Low-Latency Wireless Communication for Internet of Things: Challenges, Fundamentals, and Enabling Technologies. IEEE Internet of Things Journal, 6(5), 7946-7970.
Manthou, V., Vlachopoulou, M., Folinas, D., )2004(. Virtual e-Chain (VeC) model for supply chain collaboration. Int. J. Prod. Econ. 87, 241–250.
Matsuda, M., Nishi, T., Hasegawa, M., & Matsumoto, S. (2019). Virtualization of a supply chain from the manufacturing enterprise view using e-catalogues. Procedia CIRP, 81, 932-937.
Matsuda, M., Nishi, T., Hasegawa, M., & Terunuma, T. (2020). Construction of a virtual supply chain using enterprise e-catalogues. Procedia CIRP, 93, 688-693.
Ming, Z., & Yan, M. (2012). A modeling and computational method for QoS in IOT. Paper presented at the 2012 IEEE International Conference on Computer Science and Automation Engineering.
Mirghaderi, S. D., & Modiri, M. (2021). Application of meta-heuristic algorithm for multi-objective optimization of sustainable supply chain uncertainty. Sādhanā, 46(1), 1-23.
Marinagi, C., Trivellas, P., & Reklitis, P. (2015). Information Quality and Supply Chain Performance: The Mediating Role of Information Sharing. Procedia - Social and Behavioral Sciences, 175, 473-479.
Nishi، T.، Matsuda، M.، Hasegawa، M.، Alizadeh، R.، Liu، Z.، و Terunuma، T. (2020). Automatic Construction of Virtual Supply Chain as Multi-Agent System Using Enterprise E-Catalogues. International Journal of Automation Technology، 14(5)، 713-722.
Park, K. C., & Shin, D.-H. (2016). Security assessment framework for IoT service. Telecommunication Systems, 64(1), 193-209.
Pourhamidi, M., & Mohajerani, P. (2007). A comprehensive review of the integrated virtual supply chain model with an analysis of several case studies. Paper presented at the First International Conference on Supply Chain Management and Information Systems, Tehran. (in Persian)
Prasanth, A., & Jayachitra, S. (2020). A novel multi-objective optimization strategy for enhancing quality of service in IoT-enabled WSN applications. Peer-to-Peer Networking and Applications, 1-16.
Rezaee, L., & Babazadeh, R. (2020). Investigating the relationships between the influencing indicators of blockchain in the food industry. Journal of Production and Operations Management, 11(3), 95-116. (in Persian)
Sahebjamnia, N., Fathollahi-Fard, A. M., & Hajiaghaei-Keshteli, M. (2018). Sustainable tire closed-loop supply chain network design: Hybrid metaheuristic algorithms for large-scale networks. Journal of Cleaner Production, 196, 273-296.
Samdantsoodol, A., Cang, S., Yu, H., Eardley, A., & Buyantsogt, A. (2017). Predicting the relationships between virtual enterprises and agility in supply chains. Expert Systems with Applications,84, 58-73.
sarsht, R. H., & Fsar, A. (2009). The Impact of Information Sharing on Competitive Strategies and the Performance of Supply Chain. Journal of Information Technology Management, 1(1), 37-48. (in Persian)
Scott, A. H. S., & Mula, J. M. (2009). Contextual Factors Associated with Information Systems in a Virtual Supply Chain. Paper presented at the 2009 Fourth International Conference on Cooperation and Promotion of Information Resources in Science and Technology.
Shafiei Nikabadi, M., Mirshahi, N., & Ataei, N. (2015). The effect of information security management on the integration of organizational processes in the supply chain of small and medium enterprises. Paper presented at the The Second National Conference on Applied Research in Management and Accounting, Tehran. (in Persian)
Shamsuzzoha, A., & Helo, P. (2017). Virtual supply chain for networked business: perspective of collaborative bill-of-materials, scheduling and process monitoring for developing innovative product. International Journal of Computer Integrated Manufacturing, 31(6), 595-610.
Shaoshuai, F., Wenxiao, S., Nan, W., & Yan, L. (2011). MODM-Based Evaluation Model of Service Quality in the Internet of Things. Procedia Environmental Sciences, 11, 63-69.
Smith, K. J., & Dhillon, G. (2019). Supply Chain Virtualization: Facilitating Agent Trust Utilizing Blockchain Technology. In Revisiting Supply Chain Risk (pp. 299-311).
Soleimani، H.، Seyyed-Esfahani، M.، و Shirazi، M. A. (2013). Designing and planning a multi-echelon multi-period multi-product closed-loop supply chain utilizing genetic algorithm. The International Journal of Advanced Manufacturing Technology، 68(1-4)، 917-931.
Taghva, M. R., Jafarian, A., & Shafiei Nikabadi, M. (2012). The Role of Information Security Management Systems in Supply Chain Performance Improvement. IranDoc, 27(1), 463-482. (in Persian)
Venckauskas, A., Stuikys, V., Damasevicius, R., & Jusas, N. (2016). Modelling of Internet of Things units for estimating security-energy-performance relationships for quality of service and environment awareness. Security and Communication Networks, 9(16), 3324-3339.
Verdouw, C. N., Beulens, A. J. M., & van der Vorst, J. G. A. J. (2013). Virtualisation of floricultural supply chains: A review from an Internet of Things perspective. Computers and Electronics in Agriculture, 99, 160-175.
Verdouw, C. N., Wolfert, J., Beulens, A. J. M., & Rialland, A. (2016). Virtualization of food supply chains with the internet of things. Journal of Food Engineering, 176, 128-136.
Wang, P. (2009). QoS-aware web services selection with intuitionistic fuzzy set under consumer’s vague perception. Expert Systems with Applications, 36(3, Part 1), 4460-4466.
Wang، W. Y. C.، و Chan، H. K. (2010). Virtual organization for supply chain integration: Two cases in the textile and fashion retailing industry. International Journal of Production Economics، 127(2)، 333-342.
Xin, J., Cui, Z., Zhang, S., He, T., Li, C., & Huang, H. (2014). Constructing Topic Models of Internet of Things for Information Processing. The Scientific World Journal, 2014, 1-11.
Yadav, J., & Misra, M. (2019). An overview of food supply chain virtualization and granular traceability using blockchain technology.
Yan, R. (2017). Optimization approach for increasing revenue of perishable product supply chain with the Internet of Things. Industrial Management & Data Systems, 117(4), 729-741.
Zitzler, E., Laumanns, M., & Thiele, L. (2001). SPEA2: Improving the strength Pareto evolutionary algorithm. TIK-report, 103.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار