يك رويكرد برنامه ريزي تعاملي فازي براي طراحي شبكه زنجيره تأمين چند سطحي، چند كالايي و چند دوره اي تحت شرايط عدم قطعيت با در نظر گرفتن هزينه و زمان

An Interactive Fuzzy Programming Approach for Designing a MultiEchelon, MultiProduct, MultiPeriod Supply Chain Network Under Uncertainty Considering Cost and Time

طراحي شبكه زنجيره تأمين توجه محققان زيادي را در سال هاي اخير به خود جلب كرده است. در اين مقاله، يك مدل برنامه ريزي خطي عدد صحيح مختلط امكاني جديدي براي مسأله طراحي شبكه زنجيره تأمين (شامل سه بخش خريد، توليد و توزيع) چند كالايي، چند دوره اي تحت شرايط عدم قطعيت ارايه مي شود. اين مدل دو هدفه است كه هدف اول با استفاده از مفاهيم هزينه گذاري مبتني بر فعاليت و هزينه مالكيت كل و هدف دوم با استفاده از مفهوم توليد به هنگام (JIT) به ترتيب دو عامل هزينه و زمان را بهينه مي كند. براي حل مدل مذكور از يك رويكرد حل فازي تعاملي استفاده مي شود. خروجي هاي مدل شامل مقدار خريد از هر تأمين كننده، مقدار توليد از هر محصول، ميزان موجودي، مقدار زودكرد و ديركرد كالاها، نوع حمل كالاها، مقدار حمل مواد اوليه و محصولات بين تسهيلات مختلف و نيز انتخاب تأمين كنندگان در دوره هاي متفاوت است. به منظور ارزيابي و اعتبارسنجي مدل و رويكرد حل مذكور، يك مثال عددي ارايه و سپس با روش فوق حل شده و در ادامه، نتايج آن با نتايج يك روش غيرفازي مقايسه مي شود. در خاتمه نتايج تحقيق ارايه مي گردد.

The supply chain network design has attracted the attention of many researchers during recent years. This paper presents a new biobjective mixedinteger linear programming (MILP) model to integrate procurement, production and distribution planning under uncertainty. This model is set up for the network of a multiechelon, multiproduct, multichannel, multiperiod supply chain with regard to two conflicting objectives, which minimize the costs and minimize the sum of backorders and surpluses of products in all periods using amp;ldquo;activitybased costing and the total cost of ownershipamp;rdquo; and amp;ldquo;JITamp;rdquo; concepts, respectively. To solve the presented model, an interactive fuzzy approach is used. The associated results show the amount of purchasing of each supplier, the quantity of producing, the inventory of raw materials and products, backorder or surplus delivery of goods, the mode of transportation, the amount of goods transported between facilities and suppliers used in each period. In addition, a numerical example is presented to demonstrate the applicability of the presented model and exhibit the efficiency of the proposed interactive fuzzy approach. Finally, the results and conclusion are provided.