مدل سازي سيستم هاي پويا براي بررسي رفتار توليد‌كننده در زنجيره تامين صنايع توليدي

System dynamics modeling to analyze behavior of manufacturer in manufacturing supply chain

زنجيره هاي تامين ساختارهاي چند وجهي با تمركز بر ادغام كليه موارد درگير در فرآيند توليد و توزيع محصولات نهايي به مشتريان است. رقابت شديد جهاني و وجود مشترياني كه به طور روز افزون خواستار افزايش سفارشي سازي و پاسخ سريعتر به تقاضاي خود هستند و در عين حال پيشرفت در فناوري اطلاعات و ارتباطات موجب افزايش روز افزون اهميت نقش اعضاي زنجيره تامين در فرآيند توليد و توزيع محصولات در بازارهاي معاصر شده است. توجه روز افزون به سيستم هاي زنجيره تامين، نشان دهنده نياز به اتخاذ رويكردهاي مناسبي است كه بتواند مديريت كارآمد پيچيدگي و وسعت دامنه زنجيره تامين را تضمين نمايد. از آنجا كه هدف اصلي مديريت زنجيره تامين بهينه سازي عملكرد زنجيره تامين است، لذا توجهات به توسعه چارچوب هاي مدل سازي كه بتواند در جهت تجزيه و تحليل و درك رفتار پوياي زنجيره هاي تامين به كار گرفته شود، جلب گرديده است. نياز به ايجاد مدل سازي كل نگر كه بتواند بنگاه زنجيره تامين توسعه يافته را در يك سطح استراتژيك در بر گيرد ابتدا توسط صنعت و اخيرا توسط انجمن هاي علمي تشخيص داده شده است. تصميم گيرندگان در سطح استراتژيك نياز به مدل هاي فراگير و جامع براي راهنمايي آنها در تصميم گيري هاي موثر هستند كه سود بخشي كل زنجيره تامين را افزايش مي دهد. مديريت زنجيره تامين نيازمند تصميمات آينده نگر و طراحي سيستم با تكنولوژي پيشرفته با رويكرد جامع و به هم پيوسته است. يكي از ابزارهاي مديريتي بر اساس اين نگرش، علم پويايي سيستم (SD) مي باشد. اين علم توانايي شبيه سازي زنجيره هاي تامين مختلف را دارد. به كمك اين شبيه سازي پيامدهاي نامشخص تصميم گيري ها آشكار مي‌شود. هدف عمده اين روش شبيه سازي، تسريع و تسهيل يادگيري رفتار سيستم ها در شرايط فعلي و آينده است. در اين مقاله يك چارچوب مدل سازي براي شبيه سازي عملكرد توليد كننده در زنجيره تامين صنايع توليدي ارائه مي‌گردد. مدل ارائه شده در اين مقاله حول يك سازمان توليدي كه عملكرد آن بر مبناي توليد بر اساس سفارش (MTO) است، طراحي گرديده است. مدل ارائه شده برمبناي روش پويايي سيستم ها براي شناخت و ارزيابي روند و همچنين شناخت عوامل اثرگذار بر آن، تهيه و توسعه داده شده است. عملياتي كه در يك واحد توليدي به عنوان بخشي از زنجيره تامين صورت مي گيرند تابع تعداد زيادي از متغيرهاي كليدي مي باشند كه غالبا روابط متقابل قوي مابين آنها برقرار است. توانايي در شناخت جامع يك سيستم، تحليل اثرات متقابل اجزاي مختلف سيستم و بازخوردها، پويايي شناسي سيستم ها را به يك روش ايده آل براي مدل سازي سيستم‌هاي توليدي تبديل مي‌سازد. هدف اين مقاله، مدل سازي عملكرد توليد كننده در زنجيره تامين و بدست آوردن بازتاب صحيح رفتار آن بر پايه پويايي شناسي سيستم ها با استفاده از نرم افزار Vensim مي باشد. چارچوب مدل سازي ارائه شده جهت مطالعه عملكرد سيستم تحت شرايط اوليه و مقايسه آن با نتايج بدست آمده حاصل از اجراي سيستم تحت سناريوهاي مختلف با در نظر گرفتن شرايط عملياتي واقع گرايانه مي باشد. تمركز مدل سازي بر مطالعه و اندازه گيري عملكرد سيستم توليد كننده بر حسب متغيرهاي كليدي از قبيل نرخ سفارشات مشتريان، ميزان كمبود كالاي نهايي كه منجر به ايجاد تاخير در ارضاي سفارشات مشتريان مي‌گردد و نرخ ارضاي سفارشات مشتريان مي باشد. مطالعه با تحليل نتايج حاصل به پايان ميرسد و در انتها نتيجه گيري بر مبناي مقايسه عملكرد سيستم تحت سناريوهاي بررسي شده با مدل اوليه صورت مي‌گيرد.

Supply chains are multifaceted structures focusing on the integration of all the factors involved in the production, distribution and delivery of end products to the customers. Intense competition over customers demanding increasing customization and constantly faster response in addition to advancements in information and communication technology have resulted in making supply chain networks critical contributors in the production and distribution of goods in contemporary markets. The growing interest in supply chain systems has highlighted the need to adopt appropriate approaches that can ensure the efficient management of their complexity, enormity and breadth of scope. Since the main objective of supply chain management is to optimize the performance of supply chains, attentions are mainly drawn to the development of modeling frameworks that can be utilized to analyze and understand the dynamic behavior of supply chains. The need of development holistic models that can comprise the supply chains at a strategic level has been recognized first by the industry and recently by scientific commodities. Decision-makers at the strategic level, requires comprehensive models to guide them making efficient decisions that can affect the whole supply chains profitability. Supply chain management requires prospective decisions and sophisticated technology with comprehensive and integrated approaches. One of the management tools according to this view is supply system dynamics (SD). This technique is capable to simulate various supply chains. By using this simulation approach, the consequences of uncertain decisions will be appeared. The main aim of this simulation technique is to facilitate and accelerate the learning behavior of the system in the present and future circumstances. This paper proposes a modeling framework that is used to simulate the operation of manufacturer in the manufacturing supply chain system. The proposed model is build around a manufacturing company operating as a typical Make-to-Order (MTO) system. The proposed model was built using a system dynamics (SD) approach and as has been developed to identify and assess the trends and factors affecting it. Operations in a manufacturing unit as a part of supply chain are a function of various key variables which often seems to have strong interrelationships. Ability of understanding a system as a whole and analyzing the interactions between the various components of integrated system, make system dynamics an ideal methodology for modeling manufacturing systems. The purpose of this article is to model the operation of manufacturer in supply chain and obtain a true reflection of its behavior using Vensim software. The proposed modeling framework endeavors to study the system performance under initial condition considered and compare with that obtained by running the system under various scenarios concerning commonly addressed real-life operational conditions. The modeling effort has focused on measuring the manufacturer system performance in terms of key metrics such as customer order rate, backlogged orders and order fulfillment rate. The study concludes with the analysis of the obtained results and the conclusions drawn from contrasting the system’s performance under each investigated scenario to that of the initial model.