بهینه سازی ریاضی

یکی از کارکردهای مهمی که شرکت های تولیدی در حوزه مدیریت زنجیره تأمین با آن سر و کار دارند و تصمیم های مربوط به آن، تأثیر به سزایی روی رقابت پذیری آنها دارد، «مدیریت سفارش های زنجیره تأمین» است. اما در این مسیر، مسائلی پیش روی مدیران است که از جمله آن می توان به الف) انتخاب بهترین ترکیب، از میان سفارش های رسیده به زنجیره تأمین و ب) تعیین دقیق بهای تمام شده انجام یک سفارش اشاره کرد. با توجه به این دو موضوع مهم در این تحقیق، از دو رویکرد بهینه سازی ریاضی و شبیه سازی دینامیکی به منظور طراحی مدل کمّی مدیریت سفارش های زنجیره تأمین برای دو قطعه مورد استفاده در زنجیره تأمین یک شرکت خودروسازی استفاده می شود. در فاز اول با استفاده از رویکرد بهینه سازی ریاضی سعی شد تا ترکیب بهینه سفارش های واصل شده به زنجیره تأمین تعیین شود. در فاز دوم با استفاده از خروجی های فاز اول و با استفاده از رویکرد شبیه سازی دینامیکی، بهای تمام شده سفارش های انجام شده، هر چه دقیق تر مشخص شد. قابل ذکر است که ساختار هزینه ای به کارگرفته شده در این تحقیق، مبتنی بر دو رویکرد هزینه یابی سنتی و هزینه یابی بر مبنای فعالیت است. درنهایت محقق به مقایسه دو رویکرد هزینه یابی سنتی و هزینه یابی بر مبنای فعالیت پرداخت. نتایج نشان می دهد که رویکرد هزینه یابی بر مبنای فعالیت در مدیریت سفارش های زنجیره تأمین از رویکرد هزینه یابی سنتی کارآتر عمل 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.