کامیار چالاکی

کامیار چالاکی

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

مدلسازی استوار مبتنی بر سناریو برای زنجیره تأمین سبز- تاب آور با در نظر گرفتن تأمین کننده پشتیبان و مکان یابی و تخصیص هاب (مطالعه موردی: صنعت خودرو)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: زنجیره تأمین سبز زنجیره تأمین تاب آور تأمین کننده پشتیبان مکان یابی و تخصیص هاب بهینه سازی چندهدفه بهینه سازی استوار مبتنی بر سناریو

حوزه‌های تخصصی:
تعداد بازدید : ۹ تعداد دانلود : ۱۰
مقدمه و اهداف: اجرای الزامات زیست محیطی به همراه کاهش هزینه های لجستیکی، انتخاب تأمین کنندگان پایدار و مدیریت مناسب اختلالات، از جمله مسائل حیاتی و چالش برانگیز در مدیریت بهینه زنجیره تأمین به شمار می روند. این موضوعات به ویژه در صنایع حساس و با ماهیت پیچیده مانند صنعت خودرو اهمیت دوچندانی پیدا می کنند، چرا که این صنایع برای حفظ تداوم حیات، رقابت در بازارهای جهانی و رشد پایدار، ملزم به برنامه ریزی های دقیق، منسجم و کاربردی در سراسر زنجیره تأمین خود هستند. هدف اصلی این مطالعه ارائه یک مدل بهینه سازی چندهدفه و استوار، مبتنی بر سناریو است که قادر باشد شبکه ای سبز، تاب آور و انعطاف پذیر را با ویژگی های چند محصولی، چند دوره ای، چند مواد اولیه و چند سطحی طراحی کند و در عین حال، عدم قطعیت های موجود در عرضه و تقاضا را به طور مؤثری مدیریت نماید. روش ها: مسائل مکان یابی و تخصیص هاب و سبز بودن تأمین کنندگان اصلی و پشتیبان در طراحی شبکه در نظر گرفته شدند. همچنین کاهش هزینه ها، برآوردن معیارهای محیط زیست و افزایش تاب آوری در اهداف و محدودیت های شبکه گنجانده شده است. برای مقابله با عدم قطعیت های عرضه و تقاضا، از رویکرد بهینه سازی استوار مبتنی بر سناریو استفاده شد. به منظور حل مسئله چندهدفه 10 مسئله کوچک و متوسط از طریق روش محدودیت اپسیلون تقویت شده و 10 مسأله بزرگ توسط الگوریتم های NSGAII و MOPSO حل گردید و نتایج حاصله از دیدگاه های مختلف ارزیابی و تحلیل شدند. پارامترهای الگوریتم های فراابتکاری بر اساس روش تاگوچی تعیین شدند. همچنین الگوریتم های فراابتکاری مورد استفاده بر اساس 5 معیار خطا، زمان، Diversity ، Spacing و MID با یکدیگر مقایسه شدند. یافته ها: نتایج نشان می دهد که NSGAII الگوریتمی است که با توجه به معیارهای ارزیابی بهترین نتیجه را به دست می آورد. نتایج محاسباتی نشان می دهد که پیکربندی شبکه پیشنهادی می تواند به تقاضای مشتریان خود به شیوه ای سبز و تاب آور پاسخ دهد. یک مطالعه موردی در صنعت خودرو ارائه گردید تا مشخص شود چگونه مدل پیشنهادی می تواند نیازهای واقعی را پاسخ دهد. محل استقرار هاب ها، میزان تخصیص و مراکز توزیع مرتبط با آنها برای شرکت ایران خودرو در نظر گرفته شدند. در نهایت، تحلیل حساسیت بر اساس چندین پارامتر با اهمیت انجام شد و پیش بینی نتایج تشریح گردید. نتیجه گیری: نتایج نشان داد که مدل پیشنهادی آلودگی انتشاریافته توسط اعضای زنجیره و هزینه های ثابت و متغیر مرتبط با اعضا که شامل هزینه قرارداد با تأمین کنندگان اصلی و پشتیبان، هزینه تأسیس هاب، هزینه تولید محصول و هزینه های انتقال بین اعضای زنجیره می باشد را به حداقل می رساند. همچنین به کارگیری تأمین کننده پشتیبان تا حد زیادی توانسته است تاب آوری زنجیره را در مقابله با اختلالات ارتقا دهد. شبکه طراحی شده تاب آوری شرکت ایران خودرو را در مقابل این اختلالات افزایش داده است و می تواند مدیران ارشد شرکت را به منظور ارتقای عملکرد زنجیره صنعت خودرو کمک نماید. بر اساس یافته های ما، اهمیت ظرفیت تأمین کنندگان و هاب ها بسیار برجسته است و اختلال در آنها سبب تغییر در راهبردهای شبکه می شود. مدل پیشنهادی ما می تواند شرکت ایران خودرو را در جهت دستیابی به برخی اهداف از قبیل عرضه به موقع محصولات منطبق با نیاز مشتری، استفاده بهینه از منابع، کاهش هزینه ها و افزایش تاب آوری کمک نماید.
۲.

Designing Cell Production Arrangement Scenarios with the Approach of Artificial Neural Networks(مقاله علمی وزارت علوم)

کلیدواژه‌ها: Artificial Neural Networks cell production production line arrangement Scenario Analysis

حوزه‌های تخصصی:
تعداد بازدید : ۴۶۳ تعداد دانلود : ۲۴۵
The arrangement of machines and how to move them is one of the most important issues in factories and production units, which always imposes a lot of costs on the collections. Although the arrangement of machines is done once over a long period of time, its effects are very widespread. Accordingly, it is necessary to pay more attention to the matter of arrangement. Today, cellular production is also one of the widespread production methods at the industrial level, which requires this precision. The current research aims to produce new arrangements by using artificial neural networks. The way of working is that by using the data related to the number of production parts, the production time of each part, and the group of parts under investigation, as well as the costs of the devices, this clustering is done in 3 modes of 4, 6, and 9. Performing this type of clustering has higher accuracy and speed than other methods, and the results may be somewhat different in each scenario and with each clustering time, which increases flexibility in selection.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان