توسعه مدل تعيين ميزان بهينه سفارش با انتخاب تامين كننده مناسب و حل با استفاده روش الگوريتم ژنتيك NSGA-II، مورد مطالعه: شركت مرواريد پنبه ريز بوشهر

The Model for Lot Sizing Problem with Supplier Selection and Solving by NSGA-II (Case Study: Morvarid Panberiz Company)

انتخاب تامين كننده و تعيين ميزان بهينه سفارش يكي از اجزاي مهم توليد و مديريت لجستيك براي بسياري از شركت‌ها مي‌باشد. به همين منظور پس از انتخاب تامين كننده مناسب مي‌بايست ميزان سفارش بهينه هر يك از تامين كنندگان را با توجه به اهداف و تنگناها و محدوديت‌هايي كه مورد نظر تصميم گيرندگان است را بدست آورد. يكي از روش‌هاي كارا در‌اين راستا كه مي‌تواند با هدفگذاري‌هاي مختلف جواب بهينه ارايه دهد، مدلهاي برنامه‌ريزي چندهدفه مي‌باشد. پس مي‌توان بيان كرد كه هدف از‌اين پژوهش طراحي يك مدل چندهدفه كارا بمنظور تعيين ميزان سفارش مطلوب موجودي وتخصيص به هر يك از تامين كنندگان مي‌باشد.‌اين كار با طراحي مدلي چند هدفه، با اهداف حداقل كردن هزينه‌هاي موجود در زنجيره، مانند هزينه خريد، نگهداري، حمل و نقل و. .. و همچنين حداكثر نمودن سطح كيفيت مواد خريداري شده از تامين كنندگان انجام مي‌گيرد. در نهايت نيز مدل با استفاده از روش فرابتكاري چند هدفه الگوريتم ژنتيك مرتب ساز ي نامغلوب (NSGA-II) حل شده و به منظور اعتبار سنجي مدل، مدل با استفاده از روش الگوريتم فراابتكاري بهينه سازي انبوه ذرات (PSO) نيز حل شده و نتايج با روش اول مقايسه مي‌گردد.

Supplier selection and determination of lot sizing is an important component of production and logistics management for many companies. Therefore, after selection of preferred suppliers, at first, we should obtain the optimize order of each of the suppliers with regard to the purposes and constraints of determiners. One of the most effective techniques, which can provide optimal solutions with different targets, is multi-objective programming model. The purpose of this study is to design an efficient multi-objective model to determine the lot sizing to each supplier. This work is done with designation of multi-objective model to achieve minimizing the cost of the chain, such as the cost of purchasing, storage, transportation, etc., and also maximizing the quality of materials purchased from the suppliers. Finally, the model is solved by using the meta-heuristic method, multi-objective non-dominated sorting genetic algorithm II (NSGA-II). Also in order to validate the model, it is solved using meta-heuristic particle swarm optimization algorithm (PSO), and the results are compared with the first method.