ر جریان های معکوس محصولات معیوب به کارخانه و متغیرهای منطقی مربوط به باز و بسته بودن مراکز بازیافت و تولید بوده، هدف کمینه کردن هزینه کل شامل هزینه های ثابت و متغیر و حمل و نقل می باشد. از نرم افزار LINGO برای حل مدل استفاده شده می باشد.
کین و جی75 (2009)یک مدل تک دوره ای فازی برای طراحی سیستم لجستیک معکوس از نوع بازیافت طراحی نموده و در آن تصمیمات راجع به انتخاب مکان های قرار گیری مراکز بازیافت و مقدار جریان های بازگشتی را مشخص می نمایند. از تئوری امکاناتی برای رفع و رجوع پارامترهای فازی استفاده شده است و به واسطه پیچیدگی مدل یک الگوریتم ژنتیک ترکیبی بر پایه شبیه سازی فازی برای حل آن ارائه گردیده و نتایج گزارش شده است.
یانگشنگ و شویانگ76(2008) اشاره می نمایند که در ادبیات موضوع کمتر به مساله تعمیر محصولات مرجوعی پرداخته شده و بیشتر به دمونتاژ و کاربرد مجدد قطعات محصولات در صنعت توجه شده است. ایشان یک مدل تک دوره ای و ایستا برای کمینه سازی هزینه های سیستم لجستیک معکوس حلقه بسته در شرایط قطعی ارائه داده و به مشخص کردن مقادیر جریان های مستقیم و معکوس مواد و باز بسته کردن مراکز تولید و توزیع و بازیافت می پردازند.
5-2- مرور ادبیات پیکر بندی زنجیره تامین در شرایط عدم قطعیت
عدم قطعیت را می توان تفاوت بین مقدار اطلاعاتی که لازم است تا یک فعالیت را انجام دهیم و مقدار اطلاعاتی که در واقع در دسترس ما می باشد تعریف نمود (گالبریث،1973).در فرایند تصمیم گیری زنجیره تامین، عدم قطعیت عامل بسیار مهمی است که می تواند اثربخشی پیکربندی زنجیره و هماهنگی نهاد های آن را بشدت تحت تاثیر قراردهد(دیوس77، 1993). تصمیمات طولانی مدت و استراتژیک جایابی تجهیزات همواره در محیطی غیر قطعی گرفته می شوند. تقاضاها و هزینه ها در طول افق برنامه ریزی به احتمال زیاد تغییر خواهند کرد. با وجود این، مدل های کلاسیک جایابی تجهیزات این تغییرات در پارامترها را با وجود اینکه هزینه گزافی برای سیستم بوجود میاورد لحاظ نمی کردند اما باگذر زمان این روش ها جای خود را به رویکردهایی که سعی در بررسی تاثیر عدم قطعیت بر سیستم داشتند دادند. اکثر رویکردهای تصمیم گیری تحت شرایط عدم قطعیت، یک سری توابع توزیع احتمال برای پارامترهای غیرقطعی مدل در نظر می گیرند. (داسکین و همکاران، 2005). در مواردی که داده های آماری غیر معتبر باشند یا نتوان تابع توزیع احتمال مناسب را از آنها استخراج نمود ، تئوری مجموعه های فازی ابزاری برای رفع و رجوع عدم قطعیت مهیا می نماید. (زیمرمن78، 1978).
عواملی که موجب بروز عدم قطعیت در زنجیره تامین می گردند را می توان به موارد زیر تقسیم بندی نمود (دیویس،1993)
1. عدم قطعیت در تامین مواد
2. عدم قطعیت در فرایندها
3. عدم قطعیت در تقاضای بازار
عدم قطعیت تامین مربوط به تغییرپذیری یا عملکرد تامین کنندگان بواسطه تحویل موادهای دیر یا معیوب است. عدم قطعیت فرایند ناشی از بی اعتباری فرایند تولید بدلیل خرابی های ماشین آلات می باشد. نهایتا، عدم قطعیت در تقاضا، که مهمترین مورد از موارد بالا به شمار می آید، ناشی از تقاضاهای ناپایدار ویا پیش بینی های غیردقیق می باشد. همچنین سه نوع مدل برای پیش بینی تقاضا در ادبیات موضوع مشاهده می شود (آرنولد، 1998)
* کیفی79
* حقیقی80
* تصادفی81
دو مورد آخر معمولا تقاضا را بر پایه داده های تاریخی و تکنیک های آماری مدل می کنند. باوجود این، بواسطه محیط رقابتی دنیای امروز که از کوتاه تر شدن هر روزه دوره عمر محصولات می توان به آن پی برد، حتی این داده ها نیز که از آنها برای استنتاج تابع توزیع احتمالی استفاده می شود غیر قابل اعتماد هستند یا گاها اصلا وجود خارجی ندارند . مشکلات مشابهی در تخمین هزینه های زنجیره تامین مانند هزینه نگهداری، حمل و نقل و … وجود دارد. در کشورهای با تورم فزاینده و اقتصاد نا متعادل قیمت هیچ محصول و خدماتی در مدتی طولانی ثابت نمی ماند و از آن جهت که پیکربندی زنجیره تامین یک فرایند هزینه بر بوده و نتایج آن تا سال ها بر عملکر شرکت تاثیر می گذارد، این عدم قطعیت ها می تواند به قیمت گزافی برای شرکای زنجیره تامین تمام شود و معادله های سودآوری تجارت ایشان را بر هم بزند. علاوه بر این، بخش زیادی از هزینه های نگهداری وابسته به از رده خارج شدن محصولات می باشد که به سختی می توان در قالب اعداد حقیقی بیان داشت. نتیجتاً، پیش بینی های کیفی تقاضا و تقریب هزینه ها بر پایه نظر و تجربه مدیریت می تواند گزینه مناسب تری در بسیاری از موارد برای هر شرکتی باشد.
در حالتی که با تقاضای بازار و هزینه های موجودی سر و کار داریم، عوامل عدم قطعیت بیشتر ابهام، بی اعتباری آماره ها، و مشکلات اندازه گیری ای می باشند که در صورت بازه ای ،مجموعه ای و یا به شکل زبان شناختی بودن متغیرها رخ می دهند (زیمرمن، 2000). در این موقعیت ها علم آمار ابزار مناسبی برای سر و کار داشتن با این داده ها در اختیار ما نمی گذارد. مقادیری که این متغیرها می توانند بگیرند بیشتر وابسته به امکان رخدادشان است تا احتمال رخداد آن ( به دلیل بی اعتباری آماره ها). برای مدل کردن این متغیرها تئوری مجموعه های فازی استفاده می گردد که بر مبنای امکان رخداد پیشامدها بوده و اجازه کار با اعداد کیفی را می دهد( برای مثال گزاره های زبان شناختی مانند اینکه نرخ تقاضا تقریبا برابر 50 عدد در واحد زمان بوده ویا نرخ هزینه نگهداری مواد تقریبا حول و حوش 30 واحد می باشد (زاده، 1975)
در یک مرور ادبیات نسبتا قدیمی ارائه شده توسط گایفریدا و ناگی82(1998) مقالاتی که به کاربرد تئوری فازی در حوزه مدیریت تولید پرداخته اند گردآوری و بررسی گردیده اند. اما یک مرور ادبیات جدید و به روز که به بررسی عدم قطعیت در مسائل طراحی زنجیره تامین پرداخته توسط پیدرو و همکاران83 (2009) ارائه گردیده است.ایشان رویکردهای مختلف مدل سازی برای رفع و رجوع عدم قطعیت در زنجیره تامین را به چهار دسته تقسیم بندی می نمایند
* مدل های عددی : شامل بهینه سازی استوار، برنامه ریزی احتمالی، تئوری بازی ها، برنامه ریزی خطی و برنامه ریزی پارامتریک
* مدل های برپایه هوش مصنوعی :شامل سیستم های چند عامله، برنامه ریزی خطی فازی، برنامه ریزی چند هدفه فازی، برنامه ریزی آرمانی فازی، اعداد فازی، یادگیری تقویت مجدد84، برنامه ریزی تکاملی و الگوریتم ژنتیک.
* مدل های شبیه سازی: شامل شبیه سازی گسسته پیشامد و دینامیک سیستم ها.
* مدل های ترکیبی: شامل برنامه ریی خطی و شبیه سازی، کنترل پیش بینی شده مدل85، برنامه ریزی پویای احتمالی، برنامه ریزی مختلط عدد صحیح و شبیه سازی گسسته پیشامد، الگوریتم ژنتیک و شبیه سازی، و برنامه ریزی خطی عدد صحیح و دینامیک سیستم ها.
طبق این تقسیم بندی برنامه ریزی فازی جزو مدل های برپایه هوش مصنوعی قرار می گیرند. ایشان مقالات در حوزه هرکدام از این مدل ها را به تفکیک بررسی نموده و آنها را برحسب منبع ایجاد عدم قطعیت( تقاضا، فرایند و تامین) و همچنین سطح تصمیم گیری (استراتژیک، تاکتیکی و عملیاتی) تقسیم بندی نموده اند. نویسندگان در نظر گرفتن موارد زیر را به آنالیست هایی که قصد مدل سازی پیکربندی زنجیره تامین را دارند پیشنهاد می نمایند
1. توسعه مدل هایی که به تنها یک منبع عدم قطعیت بسنده ننموده و بیش از یک مورد را در ساختار خود لحاظ بنمایند.
2. تحقیق راجع به روش های جدید در نظر گرفتن عدم قطعیت خصوصاً کاربرد تئوری مجموعه های فازی و تئوری امکانی برای مسائل برنامه ریزی فازی بسیار مناسب تشخیص داده شده و پیشنهاد گردیده است. همچنین توسعه مدل هایی که در آن هم از عدم قطعیت از نوع فازی و هم احتمالی استفاده بگردد.
3. توسعه مدل های ترکیبی با ترکیب تئوری مجموعه های فازی و شبیه سازی که می توانند روش های MPC را در نظر بگیرند. این روش ها نیازمند یک مدل پیش بینی و یک مدل بهینه سازی می باشند.
4. کاربرد روش های بهینه سازی در مسائل با داده های واقع گرایانه که تاکید بر مدل های بر مبنای هوش مصنوعی ( که شامل برنامه ریزی فازی هم می شود) می باشد. این دسته مدل ها کمترین مقدار کاربرد با داده های واقعی را شامل می شوند و نیازمند کاربرد بیشتر در کیس های واقعی می باشند.
5. مطالعات تجربی که به مقایسه کاربردی بودن انواع رویکرد های مدلسازی در کیس های واقعی بپردازد. حل کردن یک مساله با چند روش می تواند به مشخص کردن نقاط قوت و ضعف روش ها کمک کند.
6. مرور رویکردهای غیرعددی برای برنامه ریزی زنجیره تامین تحت شرایط عدم قطعیت. این رویکرد ها را می توان در کیس های واقعی به کار برد.
از مقالات مهمی که به کاربرد تئوری مجموعه های فازی در پیکربندی زنجیره تامین پرداخته اند می توان به مقالات ارائه شده توسط چن و لی86(2004a) و (2004b)، کومار و ورت87 (2004) و (2006)، لیو و کاو88(2004)، امید و همکاران89(2006)، زی و همکاران90(2006)، سلیم و همکاران91(2007)، یانگ و همکاران92(2007)، ونگ و شو93(2007)، ترابی و حسنی94 (2008) اشاره نمود. این مقالات با کاربرد تکنیک های مختلف برنامه ریزی فازی به بهینه سازی مدل ارائه شده در طبقات مختلف زنجیره تامین اعم از تامین کنندگان، تولید کنندگان و توزیع کنندگان پرداخته اند. در فصل ششم به تفصیل راجع به دسته بندی های مختلف برنامه ریزی فازی بحث خواهد شد.
6-2- نتیجه گیری
با توجه مرور ادبیات گسترده صورت گرفته در این پایان نامه و لحاظ کردن برخی از پیشنهادهای ارائه شده توسط ملو و همکاران (2009)، فلیشمن و همکاران (2003) ، چانگیتراکول(2009) و پیدرو و همکاران(2009) بر اساس مرور صدها مقاله در حیطه مورد بررسی، به نیاز برای ارائه یک مدل پیکر بندی پویای زنجیره تامین دارای لجستیک معکوس به شکل حلقه بسته به منظور یکپارچه سازی نهاد های تولید و توزیع و شبکه حمل و نقل و همچنین تصمیم گیری راجع به گسترش ظرفیت مراکز تولید و توزیع و نگهداری با توجه به تقاضاهای افزایشی در فضای فازی پی می بریم. در فصل بعد به ارائه یک زنجیره تامین پویا، چند محصوله، با در نظر گرفتن تصمیمات حمل و نقل مواد، گسترش ظرفیت و چند هدفه که تنها روی هزینه ها تمرکز ننموده است در فضایی غیرقطعی می پردازیم.
فصل سوم- مدل زنجیره تامین پیشنهادی
1-3-مقدمه
در این فصل مدل ریاضی زنجیره تامین درنظر گرفته شده در این پایان نامه را ارائه می دهیم. مدل پیشنهاد شده یک زنجیره تامین چند هدفه، چند مرحله ای، چند دوره ای (پویا) ، چند محصوله و دارای تجهیزات حمل و نقل مختلف می باشد که در شرایط غیر قطعی بررسی خواهد شد. تصمیمات مربوط به باز و بسته کردن تجهیزات در هر مرحله و افزایش ظرفیت در طول افق برنامه ریزی با توجه به تقاضاهای مختلف افزایشی مراکز فروش و محصولات مرجوعی و زمان حمل و نقل لازم برای انتقال محصولات بین مراحل مختلف زنجیره مد نظر می باشد. شکل شماتیک زیر نشانگر نمای کلی زنجیره تامین ارائه شده است که از چند کارخانه، مرکز توزیع و مرکز فروش مختلف تشکیل شده است. فلش های رو به جلو نشانگر جریان مستقیم محصولات برای تحویل به مشتری و فلش های نقطه چین رو به عقب نشانگر جریان معکوس محصولات نیاز مند تعمیر می باشد.
2-3- ساختار مدل پیشنهادی
1-2-3- مجموعه ها
T افق برنامه ریزی
M مجموعه کارخانه ها
Mc مجموعه کارخانه هایی که ممکن است بسته شوند (McM)
Mo مجموعه کارخانه هایی که ممکن است باز شوند(MoM)
W مجموعه مراکز توزیع
Wc مجموعه مراکز توزیعی که ممکن است بسته شوند(WcW)
Wo مجموعه

این مطلب رو هم توصیه می کنم بخونین:   منابع تحقیق درموردبازاریابی، توزیع شده، سیستم اطلاعاتی
دسته‌ها: No category

دیدگاهتان را بنویسید