طراحی شبکه زنجیره تأمین چنددوره ای و چندمحصولی با استفاده از رویکرد ترکیبی برنامه ریزی ریاضی چندهدفه و تحلیل پوششی داده ها(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله، برای افزایش کارایی شبکه زنجیره تأمین پیشنهادی، مدل چنددوره ای و چندمحصولی را با اهداف چندگانه به طور هم زمان درنظر گرفته ایم. برای طراحی شبکه، از مدل برنامه ریزی ریاضی چندهدفه عدد صحیح مختلط استفاده کردیم و اهداف مسئله شامل حداقل کردن هزینه تولید، کاهش زمان ارسال محصولات و افزایش قابلیت اطمینان زنجیره تأمین است. برای حل مدل و ارائه جواب های نامغلوب، از روش اپسیلون محدودیت استفاده کردیم و برای این کار، کد مدل را در نرم افزار لینگو نوشتیم. با توجه به تعدد جواب های پار تو، برای جلوگیری از سردرگمی تصمیم گیرنده، از تحلیل پوششی داده ها برای ارزیابی جواب های نامغلوب استفاده کردیم. برای حل مدل تحلیل پوششی داده ها، نرم افزار گمز را به کار بردیم. خروجی های این مسئله شامل تعداد بهینه تسهیلات در هریک از سطوح زنجیره تأمین و مقدار بهینه ارسال کالا از هر سطح به سطح دیگر است. Abstract In this paper, in order to increase the performance of the proposed supply chain network, the multi-period, multi-product model with multiple simultaneous objectives has been considered. To design the network, use has been made of the multi-objective mixed integer mathematical programming model, where the objectives of the problem include minimization of production costs, reduction of products delivery time, and increase in the reliability of the supply chain. To solve the model and present non-dominated solutions, the Epsilon Constraint Method has been used; to this end, the model’s code has been written in the LINGO software. Considering the multiplicity of Pareto solutions, to prevent the decision maker from confusion, use has been made of Data Envelopment Analysis for evaluation of non-dominated solutions. To solve the Data Envelopment Analysis model, GAMS software has been used. The outputs of this problem include the optimal number of facilities at each level of the supply chain and the optimal amount of goods delivery from each level to another. Keywords: Epsilon-Constraint; Data Envelopment Analysis (DEA); Supply Chain Network; Reliability.