توسعه سياست سفارش‌دهي (1,T) براي زنجيره دو سطحي با خرده ‌فروش‌ هاي غير‌يكسان و كالاهاي فاسد شدني

Developing (1, T) Policy for Two-level Inventory Systems with non-Identical Retailers and Perishable Items

در اين مقاله يك زنجيره دو سطحي با يك انبار مركزي و تعدادي خرده فروش غيريكسان در نظر گرفته شده و سياست (1,T) براي آن توسعه داده مي شود. فرض مي شود كه هزينه ثابت سفارش دهي براي خرده فروش ها ناچيز است، اما در انبار مركزي هزينه ثابت سفارش دهي وجود دارد. همچنين فرض شده است كه كالاها فاسد شدني با عمر ثابت هستند و طول عمر اقلام از زمان رسيدن آنها به انبار مركزي شروع مي شود. با اينكه تقاضاي هر خرده فروش به صورت تصادفي و از توزيع پواسون پيروي مي كند، اما به دليل استفاده از سياست (1,T) در خرده فروش ها، تقاضاي انبار مركزي به صورت قطعي قابل تعيين است. بنابراين انبار مركزي از يك سياست دوره اي با طول دوره ثابت استفاده مي كند. در اين مطالعه تابع هزينه تقريبي مدل موجودي دو سطحي ارايه مي شود و سپس به دليل پيچيده بودن تابع هزينه، از الگوريتم متاهيورستيك تكامل تفاضلي براي به دست آوردن بهترين جواب سياست استفاده مي شود. نتايج عددي نشان مي دهند كه تقريب استفاده شده در ارائه تابع هزينه داراي خطاي قابل قبولي است.

This paper deals with a two-level inventory system consisting of a central warehouse and an arbitrary number of non-identical retailers with (1, T) ordering policy. It is assumed that the fixed ordering cost at retailers is negligible; however, it has a positive value at central warehouse. Perishable items with fixed shelf life are considered for which the aging begins immediately on their arrival at central warehouse. Although the demand of retailers is random and follows Poisson distribution, demand of the central warehouse could be determined deterministically due to the (1, T) ordering policy of retailers. Therefore, the central warehouse employs a periodic policy with a fixed time period. In this study, the approximated total cost function of the inventory system is derived. Then due to the complexity of the cost function, a metaheuristic algorithm named Differential Evolutionary algorithm, is utilized to find the optimal or near-optimal solutions. Finally, a numerical experiment is carried out to demonstrate the accuracy of the model, which shows that the used approximation works rather well.