بهروز افشار نجفی

مقدمه و اهداف: درنظرگرفتن خاصیت فسادپذیری و همچنین قابلیت جایگزینی، یکی از مهم ترین چالش های طراحی و بهینه سازی تصمیمات سیستم های مدیریت موجودی توسط فروشنده (VMI) است. این چالش زمانی بیشتر موردتوجه قرار می گیرد که در تقاضا محصول عدم قطعیت وجود داشته باشد. بر این اساس، هدف اصلی این پژوهش، ارائه رویکرد برنامه ریزی پویا تصادفی برای کنترل بهینه تصمیمات در این سیستم های VMI با عدم قطعیت پویا تقاضا است که توسط آن سطح سفارش دهی و موجودی محصولات فسادپذیر در شبکه دوسطحی شامل فروشنده و خریداران بهینه می شود.روش ها: پس از تعریف مسئله موردنظر این پژوهش در توسعه سیستم های VMI، با توجه به عدم قطعیت و خاصیت فسادپذیری، مسئله در یک چارچوب چنددوره ای مدل سازی شده و از رویکرد برنامه ریزی پویا تصادفی(SDP) برای فرمولاسیون آن استفاده می شود. در مدل پیشنهادی، تابع هدف، بیشینه کردن سود انتظاری است که در آن هزینه های مختلف ازجمله سفارش دهی و نگهداری به حساب می آید که هزینه نگهداری وابسته به عمر باقی مانده محصول است؛ به این معنا که هرچه محصول به پایان عمر خود نزدیک شود، هزینه نگهداری آن افزایش می یابد. مدل SDP پیشنهادی این پژوهش به شیوه بازگشتی اجرا می شود و از نرم افزار متلب برای پیاده سازی آن استفاده می شود. هر مرحله از مدل SDP به صورت یک مدل بهینه سازی ساده تر خطی است که با حل کننده CPLEX به صورت کارا حل می شود. یافته ها: نتایج عددی نشان دهنده کارایی روش SDP برای حل این مسئله است و با استفاده از آن می توان با کنترل هزینه های مختلف در یک سیستم VMI و تصمیمات بهینه در مراحل مختلف تحت هر وضعیت، سود در پایان دوره های زمانی را بهبود داد. جایگزینی کالا در صورت مواجهه با کمبود موجب می شود که نخست در صورت کمبود در یک مرکز و ناتوانایی تأمین کننده برای تأمین آن، مرکز، موجودی مازاد خود را عرضه کند تا از کمبود جلوگیری شود. دوم، درصورتی که موجودی انبار یک مرکز توزیع به تاریخ انقضا نزدیک شود، از فساد آن جلوگیری می شود. به طورکلی این امکان موجب کاهش هزینه های کمبود و هزینه فسادپذیری می شود. نتایج مرتبط با طول عمر محصول نشان می دهد که در صورت لحاظ کردن طول عمر باقی مانده محصول در سیستم کنترل موجودی مبتنی بر سیستم VMI می توان از اطلاعات بین لایه توزیع و تأمین برای کاهش قیمت، جابه جایی موجودی آن به یک مرکز دیگر و حتی تغییر سیاست کنترل موجودی استفاده کرد تا نه تنها از فسادپذیری محصول جلوگیری شود، بلکه از هزینه های کمبود و سفارش دهی مجدد نیز کاسته شود. برای مدل کردن این ویژگی، ابتدا یک طول عمر کامل برای هر محصول تازه تأمین شده و سپس یک مجموعه دوره تعریف می شود. به ازای هر دوره برنامه ریزی، درصورتی که محصول به مشتری نهایی تحویل داده نشود (موجودی انبار باشد)، عمر باقی مانده آن یک دوره/ روز از عمر اولیه تعریف شده کسر می شود و به مرور از حالت تازه خارج و در دسته محصولات کهنه قرار می گیرد که مشمول کاهش قیمت می شود؛ همچنین درنتیجه مقایسه مدل پیشنهادی با لحاظ کردن قابلیت جایگزینی، نسبت به حالتی که کمبود در نظر گرفته نمی شود، ملاحظه می شود که بهبود 5/10 درصدی در سود ایجاد می شود.نتیجه گیری: در مدیریت سیستم های VMI مدرن، در نظر گرفتن پویایی در رفتار تقاضا و عدم قطعیت مرتبط با آن بسیار حائز اهمیت است و می تواند بر سود بنگاه ها بسیار تأثیرگذار باشد. رویکرد SDP با در نظر گرفتن سناریوهای محتمل عدم قطعیت تقاضا، امکان ایجاد جایگزینی و نهایتاً توجه به طول عمر محصول، تصمیمات بهینه در وضعیت های مختلف را فراهم می آورد و نه تنها ریسک تصمیم گیری را کاهش می دهد که موجب می شود سود نهایی نسبت به مدل های مقدار اسمی و مدل های کلاسیک در مبانی نظری بهبود قابل ملاحظه ای داشته باشد.

در شهر قم شبکه دوگانه آب رسانی با کنتور جداگانه در داخل منازل شهروندان وجود ندارد. از طرفی منابع آب با کیفیت بالا جوابگوی تمام نیازهای شرب و غیر شرب مناطق مصرف نیست؛ بنابراین «شرکت آب و فاضلاب» باید با مدیریت بهینه توزیع منابع آبی متنوع موجود، پاسخگوی نیازهای شرب و غیرشرب شهروندان باشد.در این پژوهش، مسئله در قالب دو مدل ریاضی بهینه سازی بررسی شده است. در مدل اول تخصیص آب به شهروندان با رویکرد موجود مدل سازی و به صورت بهینه حل شده است که در آن منابع آبی باید با کمترین هزینه به شهروندان تخصیص یابد؛ به شرط آنکه تمام نیازهای شهروندان پوشش داده شود. در مدل دوم پیشنهاد شده است که با زمان بندی تخصیص منابع آبی، شهروندان به آب با کیفیت برای شرب در ساعت خاص از پیش معین شده دسترسی داشته باشند و در باقی ساعات شبانه روز، سایر نیازهای مصرفی شهروندان با آب کم کیفیت پاسخ داده شود. در مدل پیشنهادی، هم تخصیص منابع آبی برای مصارف شرب و غیر شرب شهروندان به شرط پوشش تمامی نیازهای شهروندان و هم تخصیص منابع آبی با کمترین هزینه جهبرایت نیازهای شهروندان لحاظ شده است. درنهایت کاربرد مدل پیشنهادی با تحلیل عددی ارائه شده است.

هدف: بهره وری در صنعت خرده فروشی، به افزایش سود ناشی از خریدوفروش کالا و کنترل موجودی وابسته است. ارائه و حل یک مدل ریاضی به منظور کنترل موجودی متناسب با فضای صنعت، در راستای کمینه کردن هزینه های موجودی و به دست آوردن مقدار بهینه سفارش ضروری است. توجه به فضای قفسه برای کنترل موجودی کالاهای فسادپذیر، بدون در نظر گرفتن فضای انبار، در این صنعت امر مرسومی است که در مطالعات قبلی کمتر به آن پرداخته شده است. اهمیت این موضوع، در کنار توجه به فروش کالای پُرسودتر و عقد قرارداد حداقل تعهد خرید کالا با تأمین کنندگان، به نحوی که هزینه کل دوره سفارش گذاری بهینه شود، هدف این پژوهش است. روش: در این پژوهش با مطالعه جامع ادبیات موضوع، پارامترهای مؤثر مدل از طریق روش کتابخانه ای تعیین و با توجه به کمبود های شناسایی شده، مدلی برای کنترل موجودی با محدودیت های جدید ارائه شده است. در فرایند حل مسئله، برای به دست آوردن جواب بهینه، از الگوریتم بهینه سازی ازدحام ذرات به کمک نرم افزار متلب و برای پیش بینی تقاضا، از سری زمانی در نرم افزار مینی تب استفاده شده است. یافته ها: مدل ارائه شده به لحاظ نزدیکی به فضای صنعت، اهمیت کاربردی دارد. نتایج عددی حاصل از حل و تحلیل مدل، بیانگر این موضوع است که تغییر مناسب در نمای کالا و عقد قرارداد حداقل تعهد خرید کالا با تأمین کنندگان، باعث کاهش هزینه دوره برنامه ریزی می شود؛ اما استفاده از هر دو با یکدیگر، همواره نتیجه مطلوبی ایجاد نمی کند، در صورت داشتن قرارداد حداقل تعهد خرید کالا با تأمین کننده و ایجاد تغییرات در تعداد نمای کالا، نیاز است که روی مقدار تعهد بازنگری شود. نتیجه گیری: در این پژوهش به بررسی مطلوبیت حاصل از تأثیر تغییر در نمای کالا بر میزان تقاضا و اثر آن بر میزان سفارش همراه با تعهد حداقل خرید کالا پرداخته شده است. به منظور کاهش هزینه، مقدار سفارش متناسب با محدودیت های فضای قفسه در نظر گرفته شده است. یافته های به دست آمده نشان می دهد که روش های به کار رفته در جهت بهبود فروش و کاهش هزینه، می تواند مطلوبیت لازم را در مقادیر سود و هزینه برای خرده فروشان ایجاد کند.

یکی از مهمترین رویکردها که منجر به ایجاد مزیت های متنوعی برای بنگاه های اقتصادی می باشد، ناحیه بندی مناطق به مکان های سرویس دهی و واحد های متقاضی می باشد که باعث افزایش سطح دسترسی مشتریان جهت دریافت خدمت می باشد. به طوری که می تواند در طراحی مجدد و ناحیه بندی مجدد شرکتها نیز مورد استفاده قرار گیرد. از طرف دیگر مسیریابی وسایل حمل و نقل جهت ارائه محصولات به مشتریان در صورتی که در مناطق ناحیه بندی شده انجام پذیر می تواند منجر به برنامه ریزی هر چه بهتر در سرویس دهی به مشتریان گردد. با این حال در هیچ یک از تحقیقات انجام گرفته شده در حوزه طراحی شبکه زنجیره تامین، مسیریابی وسایل حمل و نقل در نواحی طبقه بندی شده مورد بررسی قرار گرفته نشده است. از اینرو در این تحقیق یک مدل ریاضی دو هدفه ارائه شده است تا بصورت همزمان ناحیه بندی مناطق، مکانیابی-تخصیص تسهیلات، اشتراک گذاری خدمت و انتقال خدمت درون منطقه ای و مسیریابی وسایل حمل و نقل به صورت توامان انجام پذیرد. تابع هدف اول به دنبال کمینه نموده مجموع هزینه های شبکه زنجیره تامین می باشد. تابع هدف دوم به دنبال حداقل نمودن حداکثر حجم تقاضای مازاد سرویس دهنده ها می باشد.همچنین رویکرد بهینه سازی استوار به منظور لحاظ نمودن عدم قطعیت در برخی از پارامترهای مدل ارائه شده بکار گرفته شده است. به علاوه یک مطالعه موردی در صنعت نفت و گاز مورد بررسی قرار گرفته شده است.

در این پژوهش مسائل مکان یابی انبارهای متقاطع، مسیریابی و زمان بندی وسایل نقلیه را به طور هم زمان در یک زنجیره تأمین سه سطحی با امکان برداشت و تحویل گسسته، با هدف کمینه سازی مجموع هزینه ها (هزینه احداث انبارهای متقاطع، هزینه های ثابت و متغیر حمل ونقل و جریمه تأخیر و تعجیل)، موردمطالعه قرار گرفته و یک مدل برنامه ریزی ترکیبی عدد صحیح غیرخطی برای آن ارائه شده است. در این مدل تصمیم گیری در خصوص تخصیص وسایل نقلیه ناهمگن به فرآیند برداشت و تحویل و انتخاب مکان و تعداد انبارهای متقاطع برای احداث از میان مکان های بالقوه موجود پس از حل مدل صورت می گیرد. فرض چندمحصولی بودن شامل تک تک تأمین کنندگان، انبارهای متقاطع و مشتریان می شود. برای تحویل هر نوع از کالاها در محل هر یک از مشتریان یک پنجره زمانی نرم در نظر گرفته شده است و علاوه بر جریمه تأخیر، جریمه تعجیل در تحویل کالاها متناسب با مدت زمان و مقدار کالای مواجه شده با تأخیر/ تعجیل محاسبه می شود. سه دسته مسئله در ابعاد کوچک، متوسط و بزرگ به صورت تصادفی تولید و با استفاده از الگوریتم شبیه سازی تبرید حل شده اند. برای مسائل کوچک، جواب حاصل از روش های حل دقیق با نتایج الگوریتم شبیه سازی تبرید مقایسه شده است.

این پژوهش به بررسی مسأله زمانبندی چند حالته پروژه با در نظر گرفتن برنامه ریزی پرداخت و منابع محدود پرداخته می شود، بطوریکه در مسأله پیشنهادی جهت هر چه بیشتر در نظر گرفتن شرایط حاکم در دنیای واقعی، منابع تجدیدپذیر (از جمله نیروی انسانی، ماشین آلات و تجهیزات) و همچنین منابع تجدیدناپذیر (از جمله مصرفی و پول) همزمان در نظر گرفته می شوند. در ادامه پژوهش نیز مبحث زمانبندی و برنامه ریزی پرداخت پروژه با اهداف افزایش NPV پروژه و کاهش زمان اتمام پروژه در مساله مورد بررسی قرار می گیرد. به همین دلیل ابتدا بر اساس فرضیات مطرح شده در فضای مسأله، مدل برنامه ریزی غیرخطی ریاضی جهت فرموله سازی مسأله ارائه می شود. سپس جهت اعتبارسنجی مدل، چندین مسأله نمونه در ابعاد مختلف طراحی می شود و سپس توسط نرم افزار GAMS و روش محدودیت اپسیلون حل می شود. جهت حل مسأله در ابعاد بزرگ نیز از روش الگوریتم NSGA-II بهره می بریم و کارایی آن از طریق مقایسه با روش محدودیت اپسیلون سنجیده می شود.

در این مقاله، یک مدل بهینه سازی جهت انتخاب بهترین سبد پروژه از بین پروژههای موجود، بهترین سطح استخدام منابع، سپس زمانبندی پروژههای انتخاب شده جهت بیشینه کردن ارزش خالص فعلی با رعایت محدودیتها ارائه شده است. چون مدل توسعه یافته در زمره مسایل سخت از نظر محاسباتی قرار دارد، لذا برای حل این مساله یک الگوریتم فراابتکاری بر مبنای الگوریتم ژنتیک پیشنهاد شده است. در الگوریتم حل پیشنهادی علاوه بر کاربرد عملگرهای معمول ژنتیک مانند تقاطع و جهش از عملگرهایی هوشمند جهت جستجوی محلی در حوزه منابع و جابجایی فعالیتهای با جریان مالی منفی استفاده شده است. پارامترهای کلیدی الگوریتم در راستای تسریع همگرایی آن با استفاده از روش تاگوچی تنظیم شده است. سپس تعداد 90 مساله آزمایشی، شامل 30 مساله در ابعاد کوچک، 30 مساله در ابعاد متوسط و 30 مساله در ابعاد بزرگ با استفاده از روش پیشنهادی حل شده وکارایی آن گزارش شده است. همچنین در مسائل سایز کوچک جوابهای حاصل از الگوریتم ژنتیک با جوابهای بهینه موضعی مدل ریاضی بدست آمده با نرمافزار لینگو مقایسه شده، که میانگین جوابهای حاصل از الگوریتم ژنتیک بهتر از جوابهای بهینه موضعی حاصل از لینگو بوده است. در مسائل سایز متوسط و بزرگ که هیچ جوابی با استفاده از لینگو در زمان محدود شده بدست نیامده بود، نتایج نشان میدهد که جوابهای حاصل از الگوریتن پیشنهادی دارای پایداری مناسب میباشند.

هدف از ارائه این مقاله ارائه یک رویکرد سازشی به منطور حل مسائل برنامه ریزی چندهدفه مقیاس بزرگ با ساختار بلوکی زاویه دار تحت شرایط عدم قطعیت می باشد.با بهره گیری از این روش، یک مساله با ابعاد بزرگ به چندین مساله با ابعاد کوچکتر تجزیه می گردد. سپس با به کار بردن روش تاپسیس و و تشکیل توابعی که نشان دهنده میزان دوری از ایده آل های منفی و میزان نزدیکی به ایده ال های مثبت می باشند، هریک از مسائل تجزیه شده را به طور مستقل از دیگر توابع حل می کنیم. به منظور بدست آوردن ایده آل های مثبت و منفی ابتدا توابع هدف و محدودیت ها را از حالت فازی به قطعی تبدیل نموده و سپس مقدار بهینه هر یک از توابع هدف را بدون در نظر گرفتن سایر توابه به طور کاملل مجزا حل میکنیم تا ایده آل های مثبت برای هر از توابع هدف محاسبه گردد. به همین ترتیب برای محاسبه ایده آل های منفی بدترین جواب ها را برای هر یک از توابع هدف محاسبه می کنیم. طبق الگوی بهینه سازی ماکس- مین(زیمرمن) بر اساس منطق فازی توابع ساخته شده برای دوری و نزدیکی به ایده آل های مثبت و منفی را در قالب یک تابع هدف بهینه می کنیم تا جواب بهینه نهایی بدست آید. برای روشن شدن روش ارائه شده یک مثال در پایان آورده شده است. همچنین نتایج بررسی در مثال ارائه شده نیز مورد بررسی قرار گرفته است.