تعيين تعداد بهينه گروه هاي اقلام موجود در انبار بر اساس آناليز ABC در چارچوب يك شبكه زنجيره تامين

Determine the optimal number of item groups in the werehouse based on ABC analysis within the framework of a supply chain network

طبقه بندي موجودي يكي از تكنيك‌هاي مهم در حوزه مديريت موجودي است. يك روش شناخته شده، روش طبقه‌بندي بر اساس آناليزABC است كه اقلام موجود در انبار را بر اساس ارزش و اهميت آنها در طبقات مختلفي قرار مي‌دهد. در اين مقاله، يك شبكه زنجيره تامين سه سطحي براي يك مدل بهينه‌سازي دو‌هدفه به منظور بهبود كيفيت گروه‌بندي موجودي بر اساس آناليزABC ارائه شده است. تابع هدف اول سود خالص اقلام موجود در انبار‌مركزي (سطح 2) و تابع هدف دوم نيز سود خالص اقلام موجود در بخش‌هاي مختلف (سطح 3) را در شرايط عدم‌قطعيت بيشينه مي كنند. مدل به طور همزمان تعداد گروه‌هاي موجودي، سطح خدمات مربوط به هر گروه و اقلام اختصاص داده شده به گروه ها را با توجه به محدوديت‌ها، كمبود موجودي، در نظر گرفتن هزينه‌هاي سفارش‌دهي و خريد بهينه مي‌كند. به منظور حل مدل ارائه شده از روش‌هاي ابتكاري و دقيق از جملهLP-metric و ε-constraint اصلاح شده استفاده شده است. سپس به منظور مقايسه روش‌هاي ذكر شده از آزمون فرض آماري استفاده شده و نهايتا با استفاده از روش AHP برترين و كاراترين روش حل انتخاب شده است. نتايج نشان‌دهنده‌ي برتري روش ε-constraint بود؛ در ادامه به منظور اعتبارسنجي مدل از يك مجموعه مثال عددي استفاده شده كه نشان‌دهنده‌ي بهبود و كارايي مدل ارائه شده در كنترل موجودي انبار بوده است.

One of the important techniques in the field of inventory management is inventory classification. The classification method based on ABC analysis is a well-known method which sets the items in a different class, according to their importance and values. In this paper, a three-level supply chain network for a bi-objective optimization model is proposed to improve the quality of inventory grouping based on the ABC technique. The first objective maximizes the net profit of the items in the central stock (level 2) and the second objective function maximizes the net profit of items in different wards (level 3) in uncertain conditions. The proposed model simultaneously optimizes the service level, the number of inventory groups, and the assigned items to each group based on the set of constraints, inventory shortages, ordering cost, and purchasing cost. To solve this model, the heuristic and exact methods such as LP-metric and modified ε-constraint are applied. Then for comparing those methods, the statistical hypothesis test is used. In conjunction with, the AHP technique is exerted to choose the most efficient solving method. The results show that ε-constraint has the best performance. Ultimately, the proposed model has been implemented in one set of numerical examples to show its applicability in practice.