بهينه‌سازي يك سيستم يكپارچه توليد-توزيع با پارامترهاي احتمالي در شبكه زنجيره‌تامين چندسطحي با در نظر گرفتن كمبود

Optimizing of an Integrated Production-Distribution System with Probabilistic Parameters in a Multi-Level Supply Chain Network Considering the Backorder

يكي از مهم‌ترين مباحث مطرح شده در زنجيره‌تامين، برنامه‌ريزي يكپارچه توليد-توزيع است. توليد و توزيع يكپارچه محصولات در يك زنجيره‌تامين نقش مهمي را در كاهش هزينه‌هاي زنجيره بر عهده دارد. در اين مقاله، يك مدل رياضي براي مساله توليد-توزيع يكپارچه در يك زنجيره‌تامين سه سطحي شامل كارخانه‌هاي توليدي، مراكز توزيع و مشتريان براي چند نوع محصول و در طي چندين دوره زماني ارايه شده است. هدف مدل شامل كمينه‌كردن كل هزينه‌هاي زنجيره‌تامين با توجه به ظرفيت‌هاي موجود، در نظر گرفته شده است. براي در نظر گرفتن عدم قطعيت‌هاي موجود در مسايل واقعي، در مساله مورد بررسي در اين تحقيق نيز برخي پارامترها را، از جمله هزينه‌هاي موجود در مدل با استفاده از مدل ماركويتز به صورت غيرقطعي تبديل خواهيم كرد و در انتها مدل با پارامترهاي احتمالي با استفاده از الگوريتم‌ ژنتيك حل خواهد شد. مدل اوليه به صورت خطي است؛ ولي پس از تبديل شدن پارامترهاي قطعي به پارامترهاي احتمالي مدل به صورت غيرخطي در مي‌آيد. دراين تحقيق براي احتمالي كردن پارامترهاي مدل، ابتدا با در نظر گرفتن يك توزيع نرمال با ميانگين و واريانس معلوم، هر يك از هزينه‌هاي موجود به صورت يك تابع تصادفي در آمدند و در انتها با استفاده از مدل ماركويتز، مدل قطعي با پارامترهاي قطعي به مدل با رويكرد احتمالي تبديل خواهد شد

One of the main arguments in the supply chain is integrated production-distribution planning. Integrated production and distribution of products in a supply chain plays an important role in reducing the costs of the chain. In this paper, a mathematical model for the integrated production-distribution problem in a three-level supply chain, including manufacturing plants, distribution centers and customers with the several product types and over several time periods is provided. The model objective is to minimize the total costs of the supply chain according to the exiting capacities. To consider the uncertainties involved in real problems, in the investigated problem in this study, some parameters such as costs using the Markowitz model is assumed non-deterministic. Finally the model with probabilistic parameters using the genetic algorithm will be solved. The initial model is linear, but after becoming deterministic parameters to the stochastic parameters, the model will be nonlinear. In this study, to randomize the model parameters, first by considering a normal distribution with certain mean and variance, each of the existing costs became a stochastic function. Finally, using the Markowitz model, the deterministic model with definite parameters will become a stochastic model.