رامین صادقیان

هدف مقاله حاضر، شناسایی و رتبه بندی عوامل موثر بر حضور بازیگران نوظهور در بازارهای مالی ایران است. در بحران مالی ایجاد شده از سال 1396، افراد عام در کناربازیگران سه گانه ( دولت،بانک مرکزی ودلالان)به عنوان چهارمین بازیگر، به بازار های مالی وارد شده و بیشترین تأثیر را در ایجاد التهاب و گسترش محیطی آن داشته اند.در این مقاله با استفاده از نظرات تعداد 85 نفر از خبرگان اقتصادی و پیاده سازی تحلیل عاملی اکتشافی، پارامترهای موثر بر حضور بازیگران نوظهور در چهار معیار"قوانین و مقررات"،"عوامل روانی"، " عملکرد و واکنش بازار"و "آگاهی های مالی" دسته بندی گردیده است. در این مطالعه با استفاده از طیف مقایسات زوجی با بهره مندی از نظرات 15 نفر از خبرگان و با پیاده سازی فرایند هایDANP و VIKOR،مشخص شده است که معیارهای «عوامل روانی»، «عملکرد و واکنش بازار»، «قوانین و مقررات» و«آگاهی های مالی» به ترتیب در حضور بازیگران نوظهور بازارهای مالی تاثیرگذار می باشند. به عبارت دیگر، عوامل روانی ناشی از اطلاعات غیر واقعی برای رشد تقاضای کاذب و همچنین شوک های انقباضی و انبساطی بازار، بیش از هر پارامتری در ورود لجام گسیخته بازیگران چهارم به بازار های مالی اثرگذار بوده است.

در این مقاله مسئلۀ زمان بندی تک ماشین با تولید دسته ای و خرابی تصادفی ماشین بررسی می شود. در این مسئله هر کار متعلق به یک خانوادۀ کار است و هر خانوادۀ کار زمان آماده سازی معلوم و مستقل از توالی دارد. همچنین فرض می شود یک خرابی ماشین در طول افق برنامه ریزی اتفاق می افتد و زمان شروع و طول تصادفی با توزیع احتمال دلخواه و از قبل مشخص دارد. تابع هدف مسئله حداقل سازی مجموع حداکثر زودکرد و حداکثر دیرکرد موردانتظار کارهاست. تاکنون در پژوهش های گذشته مطالعه ای بر این مسئله مشاهده نشده است. برای این مسئله یک مدل جدید برنامه ریزی عدد صحیح خطی مختلط توسعه داده شده است. با توجه به NP-hard بودن مسئله برای حل بهینۀ آن، یک الگوریتم شاخه و کران جدید با اصول غلبه و یک حد پایین کارا ارائه شده است که از یک الگوریتم ابتکاری جدید برای به دست آوردن حد بالا استفاده می کند. به منظور ارزیابی عملکرد الگوریتم های معرفی شده، تعداد 2520 عدد مسئلۀ نمونه طراحی و با الگوریتم های ارائه شده، حل شده است. نتایج محاسباتی نشان می دهد 98% مسائل نمونه در محدودۀ زمانی مشخص شده با الگوریتم شاخه و کران به صورت بهینه حل شده اند و میانگین درصد انحراف از جواب بهینه در الگوریتم ابتکاری ارا ئه شده کمتر از 30% است. این موارد کارایی الگوریتم های ارائه شده را تأیید می کند.

مسئله جهت یابی گونه ای از مسائل کلاسیک حوزه حمل و نقل قلمداد می شود که هدف آن، یافتن بهترین مسیر جهت بازدید مجموعه ای از رئوس مفروض می باشد، مشروط بر آن که طول مسیر از یک افق زمانی مشخص بیشتر نشود. از زمان پیدایش این مسئله، پژوهشگران متعددی با بهره گیری از ساختار خاص آن، اقدام به مدل سازی و حل مسائل متنوعی در حوزه های مختلف از جمله موضوعات و مشکلات حوزه حمل و نقل شهری کرده اند. به دلیل ماهیت NP-Hard مسئله، در این مقاله الگوریتم ژنتیک با درجه تصادفی بسیار بالا برای حل گونه ای جدید از این مسئله با عنوان مسئله جهت یابی با افق زمانی وابسته ارائه شده است. الگوریتم ژنتیک پیشنهادی از دو عملگر ترکیب و تلفیق و دو عملگر جهش استفاده کرده است که در این مقاله جهت نشان دادن همگرایی آن، بهترین جواب های موجود در ادبیات برای ۴۰ مثال استاندارد مسئله جهت یابی، ملاک عمل قرار گرفته است؛ بدین صورت که جواب های حاصل از حل این مثال ها با استفاده از الگوریتم پیشنهادی با آن ها مقایسه شده است و به دلیل عملکرد مطلوب الگوریتم، الگوریتم مذکور برای حل مسئله جهت یابی با افق زمانی وابسته به کار گرفته شده است.

امروزه رقابت بر تمامی فرآیند ها تولید و عرضه محصولات تاثیر گذار است به طوریکه تقریبا اکثر تولید کننده ها و تامین کنندگان مواد اگر به فکر افزایش کیفیت و کاهش قیمت نباشند نمی توانند در بازار سهمی برای خود داشته باشند از این رو دراین مقاله تاثیر رقابت تامین کنندگان مواد اولیه بر هزینه تامین و تدارک مواد برای سازندگان در یک زنجیره تامین چند محصولی حلقه بسته سبز مورد بررسی قرار گرفته است در ابتدا مدل سازی رقابتی در فرآیند تامین مواد بین تامین کنندگان مواد اولیه در گروه های مختلف انجام می پذیرد و از طریق تخمین تقاضا برای هر کدام از محصولات زنجیره و قرار دادن پارامتر های مقدار تقاضای هر محصول و میزان جریان برگشتی در مدل رقابتی با استفاده از اصول تئوری بازی ها به یافتن نقطه تعادل رقابت در میان هر گروه از تامین کنندگان زنجیره می پردازیم در ادامه نیز با حل مدل میزان تغییرات هزینه های تامین و تدارکات کالا برای سازندگان محصولات و تامین کنندگان مواد اولیه زنجیره در دو حالت وجود رقابت و عدم وجود آن با هم مقایسه و تصمیم گیری انجام می شود

امروزه بیشتر صنایع تولیدی، با موجودی های درخور توجهی از مواد خام، محصولات نیم ساخته و کالاهای نهایی و همچنین تجهیزات، ماشین آلات، قطعات یدکی و نیروی انسانی مواجه اند که به علت عدم تعادل بین تأمین یک کالا در یک محل با فروش یا مصرف آن ایجاد شده است. در برخی صنایع، تولید یک محصول به دلایل فیزیکی یا شیمیایی به تولید محصولات دیگر نیز منجر می شود که باید این همبستگی، در مدیریت موجودی ها لحاظ شود. همچنین با توجه به ویژگی هایی همچون زمان تحویل کوتاه، فشار هزینه ها و تغییرات متناوب در تقاضاها، صنایع بیش از گذشته به انعطاف پذیری در تولید نیاز دارند. با رشد سیستم های اتوماسیون صنعتی در کارخانه های تولیدی با محصولات همبسته، همچون پالایشگاه های نفت، نیاز به مدل سازی و ارائه راه حل برای این گونه مسائل، بیش ازپیش احساس می شود. در این مقاله، مسئله تعیین اندازه انباشته در سیستم های تولیدی انعطاف پذیر با محصولات همبسته، مدل سازی و سپس با استفاده از برخی روابط بین متغیرها، این مدل ساده سازی شده است. یکی از روش های رایج حل مسائل اندازه انباشته، الگوریتم ثابت سازی– بهینه سازی است که بیشتر به صورت تک بعدی به کار گرفته می شود. در این پژوهش، یک الگوریتم دوبعدی برای حل این مسئله، پیاده سازی و با دو الگوریتم رایج تک بعدی، به کمک ۶۳ سری داده شبیه سازی شده مقایسه شد؛ نتایج نشان می دهد زمان رسیدن به جواب های این الگوریتم، از سایر الگوریتم های رایج بهتر است.

اثر شلاق چرمی که در زنجیره اتفاق می افتد، منجر به ناکارآمدی هایی همچون موجودی اضافی و سفارشات عقب افتاده در طول زنجیره می گردد. انجام پیش بینی مناسب می تواند تا حدود زیادی این مشکلات را مرتفع سازد. با توجه به اینکه زنجیره تأمین دارای سطوح مختلفی می باشد، لازم است پیش بینی در هر سطحی از زنجیره انجام شود. این مقاله به بررسی مسأله ترکیب بهینه پیش بینی جهت کاهش اثر شلاق چرمی در زنجیره تأمین چهار سطحی می پردازد. برای این منظور یک زنجیره تأمین چهار سطحی در نظر گرفته شده است که در هر یک از سطوح آن، یکی از روش-های میانگین متحرک، هموارسازی نمایی، رگرسیون خطی و شبکه عصبی مصنوعی پرسپترون چند لایه را برای پیش بینی مورد استفاده قرار می-دهد. برای این منظور نخست نسبت به شبیه سازی زنجیره تأمین مورد نظر اقدام و سپس نتایج با استفاده از روش تحلیل واریانس مورد آزمون قرار گرفته اند. از بین ترکیبات، دو ترکیب روش های پیش بینی با کمترین اثر شلاق چرمی بدست آمده است. میانگین متحرک، شبکه عصبی، هموارسازی نمایی و رگرسیون خطی به ترتیب برای سطح های خرده فروش، عمده فروش، تولید کننده و تامین کننده به عنوان یک جواب و دیگری به شکل میانگین متحرک، هموار سازی نمایی، شبکه عصبی و رگرسیون خطی با همان ترتیب سطوح یاد شده در زنجیره تامین می باشند و ترکیبات دیگر از مطلوبیت کمتری برخوردارند.

این مقاله مسئله قیمت گذاری محصول در زنجیره تامین حلقه بسته چند دوره ای چند محصولی با تقاضای وابسته به قیمت را بررسی می کند. هدف، اختصاص مکان برای مرکز جمع آوری و دمونتاژ، مسیریابی وسایل نقلیه و سفارش دهی مواد به منظور به حداکثر رساندن سود است. در این مقاله یک مدل ریاضی غیرخطی برای حل مسائل در ابعاد کوچک ارائه شده است. از آنجا که مسئله حاضر دارای پیچیدگی سخت است، دو روش فراابتکاری الگوریتم ژنتیک و بهینه سازی تجمع ذرات برای حل مسائل با ابعاد متوسط و بزرگ استفاده شده است. برای اعتبارسنجی این دو الگوریتم، نتایج آنها با نتایج به دست آمده از مدل ریاضی مورد مقایسه قرار گرفته است. نهایتاً، مقایسه عملکرد دو الگوریتم فراابتکاری از طریق تحلیل های آماری  نشان داده است که الگوریتم بهینه سازی تجمع ذرات عملکرد بهتری نسبت به الگوریتم ژنتیک دارد.

بررسی زنجیره تأمین معمولاً دو مشکل اساسی دارد. مشکل اول زمانی ظاهر می شود که تعداد تأمین کنندگان، محصولات و اقلام بسیار زیاد باشند. امروزه به خاطر پیچیدگی سیستم های تولیدی، تأمین کنندگان با محدودیت هایی مواجه هستند. این همان مشکل دوم است. یکی از محدودیت ها این است که تقاضاها باید توسط تأمین کنندگان به طور کامل ارضا شوند. در این مقاله، این مشکل از طریق خوشه بندی اقلام و تأمین کنندگان و نیز استفاده از روش TOPSIS حل می شود. روش پیشنهادی در شرکتی تولیدی به عنوان مطالعه موردی پیاده سازی می شود. در انتها نتایج به دست آمده از روش پیشنهادی با روش DEA که نتایج شان مشابه است، مقایسه می شود.