توسعه یک مدل انتخاب ترکیبی تأمین کنندگان با در نظر گرفتن ریسک عدم تأمین و اثر برند بر تقاضا (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
انتخاب تأمین کنندگان یکی از مسائل مهم در حوزه ی مدیریت و بهینه سازی است که با اهداف مختلفی از قبیل کاهش هزینه، افزایش کیفیت تولید یا خدمات، کاهش ریسک مواجهه با کمبود و غیره مورد توجه پژوهشگران بوده است. در ادبیات موضوع مدلی برای در نظر گرفتن ریسک عدم تأمین در کنار اثر برند توسعه نیافته است. با الهام از همین حقیقت، این تحقیق مدل انتخاب تأمین کنندگان را با هدف بهینه سازی زمان تحویل و سود بصورت یک مدل برنامه ریزی ریاضی عدد صحیح مدلسازی خواهد نمود. برای حل مدل از داده های شرکت لوکاد استفاده شده و یک روش جدید بر مبنای الگوریتم جستجوی همسایگی توسعه یافت که در آن علاوه بر عملگرهای جستجو از یک رویکرد امتیازدهی برای هوشمندسازی انتخاب عملگرهای موجود استفاده شده است. بر اساس آزمون ویلکاکسون و نتایج محاسباتی مشخص گردیده است که جبهه ی پارتوی بدست آمده در مدل پیشنهادی، جواب های بدست آمده از مدل لوآن و همکاران (2019) را مغلوب می کند. تحلیل حساسیت انجام شده بر روی محدودیت بودجه مشخص نمود تغییرات بودجه بر روی سود نهایی تاثیر بیشتری نسبت به زمان تدارک دارد. همچنین شاخص های فاصله از ایده آل و تنوع جواب ها نیز شاخص های کمی بوده اند که در مقایسات بکارگیری شده اند.Developing Combined Supplier Selection Model Based on non-Supply Risk and Effect of Brand on Demand
Supplier selection is one of the most important problems in management and optimization area which aims at optimizing cost of supply, quality of products and services, risk of non-supply etc. In the literature, risk of non-supply and brand effect on demand is not considered in the models. Inspiring of this fact, the current research develops supplier selection integer model to take lead time and risk of non-supply into account. To solve the model, LOKAD benchmark database are employed and a new adaptive variable neighborhood search will be introduced according to a scoring strategy to deal with complexity of the model and achieve optimal or appropriate near optimal solutions. According to Wilcoxon test, the obtained pareto solutions outperforms Luan et al. (2019) results. Sensitivity analysis of the solutions on budget reveals that the final profit is more sensitive comparing to lead time. In addition, distance from ideal and diversity measures used as quantitative measures to compare the results.