طبقه بندي موجودي با استفاده از بهينه سازي جمعي راه حل هاي چندهدفه

Inventory classification by multiple objective particles swarm optimization

طبق هبندي موجودي يكي از تكني كهاي مهم در حوز هي مديريت موجودي است. ب هدليل تنوع و حجم بالاي اقلام موجودي در يك شركت، مديران ناگزير هستند آنها را طبق هبندي كنند. بنابراين، بخشي از تلاش پژوهشگران ب همنظور يافتن رو شهايي بوده است كه با تعيين تعداد طبقات موجودي، توان كنترل مديريت را افزايش دهند. در اين مقاله، از الگوريتم بهين هسازي جمعي را هح لهاي چن دهدفه در سال 2008 ارايه شده است. 4 « سو ويي » و « چي يانگ » استفاده م يشود. اين الگوريتم از سوي الگوريتم بهين هسازي جمعي را هح لهاي چن دهدفه نوعي الگوريتم تكاملي است كه چن دهدف هبودن تابع آن، به مديريت اين امكان را م يدهد تا ه مزمان ب هدنبال بهين هسازي اهداف متعددي باشد. حداق لكردن هزين ههاي نگهداري و سفار شدهي و حداكث ركردن نرخ گردش موجودي در اين مدل مد نظر هستند. 1تايي مورد آزمون قرار داديم. نتايج پس از نوشتن برنام هي نر مافزاري مدل، آن را روي يك نمون هي 00 نشان م يدهد كه اين الگوريتم، م يتواند هزين ههاي نگهداري و سفار شدهي را ب هطور قابل ملاحظ هاي كاهش داده و نرخ گردش موجودي را افزايش دهد.

Inventory classification is one of important techniques in inventory control context. Managers have to classify inventories because of their variety and high volume. So a stream of research has been to attempt to find methods that increase the management control by determining the number of inventory classes. In this paper the multiple objective particle swarm optimization algorithm has been used. This algorithm has been presented by Chi-Yang Tsai and Szu-Wei Yeh in 2008. Multiple objective particle swarm optimization algorithm is an evolutionary algorithm that enables the management to optimize multiple objectives simultaneously. Minimizing costs of inventory holding and ordering and maximizing inventory turnover ratios are this model’s objectives. We write the software program of this model and then test it on a sample of 100 items. Results show that this algorithm can decrease costs of holding & ordering and also increase the inventory turnover ratios significantly.