ارايه يك رويكرد تركيبي مبتني بر روش‌هاي تجزيه و الگوريتم‌هاي فرا ابتكاري براي حل مساله طراحي شبكه زنجيره‌ تأمين

Supply Chain Network Design, Benders Decomposition, Complicating Variables, Meta-Heuristics, Hybrid Solution Approach

طراحي شبكه زنجيره‌ تأمين (SCND) از مسايل استراتژيك مديريت زنجيره‌تأمين است كه پيكربندي آن را معين مي‌سازد. اين مساله به طور عمده بر مكان و تعداد تسهيلات، ظرفيت‌ها، انتخاب تكنولوژي، انتخاب تأمين‌كنندگان، تخصيص تسهيلات توليد و توزيع به بازار و ... تمركز دارد. اگرچه حل بهينه مساله SCND موجب كاهش قابل توجه در هزينه‌هاي زنجيره‌تأمين مي‌گردد، اما قرار گرفتن اين مساله در رده NP_Hard باعث مي‌شود كه در برخي از شبكه‌ها (به‌خصوص در ابعاد بزرگ) دستيابي به پاسخ بهينه با استفاده از الگوريتم‌هاي كلاسيك مقدور نباشد. در اين تحقيق، به مدل‌سازي و ارايه رويكرد حل تركيبي دقيق مبتني بر روش تجزيه بندرز و الگوريتم ژنتيك براي مساله SCND چهارسطحي پرداخته مي‌شود. رويكرد پيشنهادي سرعت حل را از الگوريتم‌هاي فراابتكاري و تجزيه مساله، و تضمين همگرايي به جواب بهينه را از روش بندرز به ارث مي‌برد. در مساله SCND مورد نظر تحقيق، عمده تصميمات طراحي و برنامه‌ريزي در نظر گرفته شده است تا مدل و رويكرد حل پيشنهادي فراگيري بيشتري از مسايل واقعي مديريت زنجيره‌تأمين داشته باشد. در بخش پاياني، چندين مساله آزمايشي در ابعاد مختلف به صورت تصادفي توليد شده و كارايي رويكرد حل پيشنهادي مورد ارزيابي قرار مي‌گيرد. نتايج عددي نشان مي‌دهد رويكرد حل پيشنهادي مي‌تواند بر ضعف كندبودن روش كلاسيك تجزيه بندرز و ضعف بهينگي محلي الگوريتم‌هاي فراابتكاري غلبه كند و مساله SCND را در مدت زمان قابل قبول حل نمايد.

Supply Chain Network Design (SCND) is a strategic supply chain management problem that determines its configuration. This mainly focuses on the facilities location, capacity sizing, technology selection, supplier selection, transportation, allocation of production and distribution facilities to the market, and so on. Although the optimal solution of the SCND problem leads to a significant reduction in the supply chain costs, but placing this problem in the NP_Hard order makes it impossible for some networks (especially large scale) to achieve the optimal solution using classical algorithms. In this research, we present a hybrid solution method based on the benders decomposition and genetic algorithm for a four-echelon SCND problem. The proposed approach inherits the run time efficiency from the metaheuristics and decomposition method, and ensures convergence to the optimal solution using Banders method. We consider major design and planning decisions in the SCND problem, to provide a more comprehensive model and solution approach which is compatible with the real supply SCND problem. To evaluate performance and effectiveness of the proposed hybrid benders decomposition and genetic algorithm (HBDGA) approach, some random test problems are generated in various scales. Numerical results show that the proposed HBDGA solution approach can overcome the speed weakness of the classic benders decomposition. In addition, proposed HBDGA, unlike meta-heuristic methods, guarantees global optimization of the SCND problem.