چکیده
این مقاله پیشنهادی را به منظور استفاده ترکیبی از منطق مختلط و الگوریتم های ژنتیک جهت کنترل فرآیند تهیه در شرکت ارائه می کند. روش ارائه شده در این مقاله به صورت ویژه اثر عوامل تصادفی خارجی را به شکل تقاضا و هدایت عدم قطعیت زمانی در نظر گرفته است. مدل از پارامترهای تابع عضو متغییر زمانی به صورت دینامیک استفاده می کند تا مقادیر (مجموعه های) مختلط (درهم) خروجی های مدل شده را توصیف نماید. روش ارائه شده در این مقاله بر اساس 4 معیار تایید شده که بر پایه اطلاعات واقعی یک شرکت هستند.
1. بررسی مسائل مدیریت موجودی
در نتیجه جهانی شدن و مصرف انبوه، تقاضای کالاها در بازار، به ویژه در مناطق شلوغ و مناطق شهری به وسیله پویایی شدید و سطح مشخصی از عدم اطمینان طبقه بندی شده اند. فرایندهای منطقی که رخ می دهند به عنوان بخشی از شبکه عرضه، در درجه اول بر روی جریان مواد کالاها تمرکز دارند، و در عین حال جریان اطلاعات ضروری و منابع مالی را نیز در نظر می گیرند. نوسانات این فرایندها و سطح مشخصی از عدم اطمینان منجر می شود که انواع موجودی ها در سطوح مختلف شبکه منطقی جمع شده تا از تداوم تولید و دسترسی بی وقفه خریداران به محصول نهایی اطمینان حاصل کنند. به دلیل تاثیر عوامل تصادفی بر روی عناصر گره ای شبکه عرضه (مراکز تولید، توزیع، انبارها و غیره) از طریق نوسانات تقاضا برای محصولات نیمه تمام و یا تکمیل شده، رهبری تغییرات زمانی، قابلیت های محدود فروشندگان و . . .، سیاست بهینه برای منطق کنترل عرضه و موجودی اغلب برای تاثیر کل شبکه منطقی بسیار حائز اهمیت است. در نتیجه عوامل ذکر شده در بالا و رقابت فزاینده میان نهادها، شرکت های منطقی اغلب به ناچار به منظور ارائه خدمات مطلوب، اغلب سطح بالایی از موجودی را حفظ می کنند. این رفتار منجر می شود که پاسخ پویا به تغییرات ناگهانی در تقاضا و دیگر عوامل خارجی امکان پذیر باشد اما همزمان منجر به افزایش هزینه ها نیز می شود. به طور ویژه، این موارد همراه با حفظ موجودی، استفاده از فضای اضافی برای ذخیره سازی، و انجماد منابع مالی محدود موجودی هستند. از سوی دیگر، سطح موجودی، که در زمینه واحدهای حفظ موجودی مشخص شده به دلیل الگوهای تقاضای غیرمعمول بسیار پایین است، برای شرکت حائز اهمیت بوده و سبب هزینه های اضافی به دلیل از دست دادن منابع می شود. آن ها را می توان به صورت منابع مالی و همچنین به صورت ضرر مشتری مشخص نمود که سبب بدنامی شرکت و یا کاهش رقابت پذیری آن می شوند. این وضعیت همچنین منجر به ایجاد هزینه های اضافی برای حمل و نقلی می شود که ناشی از اجرای برنامه های ناخواسته هستند.
2. بررسی راه حل های کنترل موجودی
با توجه به اثر عوامل فوق، کنترل بهینه موجودی یک فرایند تصمیم گیری پیچیده بوده که نیازمند بررسی چندین معیار و عامل است، که در عمل عموماً ماهیتی نامشخص دارند. نتیجه این است که تصمیمات اساسی درباره چگونگی خرید کالاها و در چه زمانی به منظور به حداقل رساندن هزینه های حفظ و نگهداری و ارائه سطح مناسبی از خدمات به مشتریان در شرایط نامشخص گرفته می شوند. سوابق موضوع، هم در داخل و هم در خارج، منابع ارزشمند متعددی را در زمینه مدیریت موجودی فراهم آورده اند. محبوب ترین روش ها برای تعیین میزان موجودی عبارتند از ابتدا مدل مقدار سفارشات اقتصادی (EOQ)، مدل های دستور مجدد (ROP)، و مدل های چرخه دستور مجدد (ROC) (Krzyżaniak, Cyplik, 2007). با این حال کاربرد این روش ها به شدت محدود هستند به این دلیل که نیازمند اعمال محدودیت هایی در زمینه تقاضا و یا زمان رهبری مشخص و ثابت هستند. با گسترش این روش ها، به وسیله ارائه پارامترهای اضافی به صورت موجودی ایمن، متغیرهای مشخصی را با توجه به تقاضا و زمان رهبری در نظر می گیرند، که هدف از آن ها مقابله با تغییرات ناگهانی در تقاضا است (Grzybowska, 2010), (Niziński, Żurek, 2011), (Krawczyk, 2011). علاوه بر روش های فوق، ممکن است با مدل های کنترل دیگری مواجه شویم مانند: مدل دستور مجدد با استفاده از چرخه های دستور مجدد ثابت و یا ترکیب دستور مجدد و مدل چرخه دستور مجدد ثابت (Wolski, 2010). چندین تحقیق به مسئله کنترل موجودی در شرایط عدم تداوم تقاضا اشاره کردند. در زمان رخ دادن این مشکل، نویسندگان اغلب روش هایی را ارائه می کنند که توسط Wagner-Within و Silver-Mealایجاد شده اند. در مقایسه با پژوهش های داخلی پیشین، نشریات بین المللی بسیاری موارد تعیین کننده و خصوصیات بیشتری را در زمینه مسئله کنترل موجودی در نظر گرفته اند.(Axaster, 2006), (Lang, 2009), (Nahmias 2010). مولفه مهمی که در نشریات خارجی به آن اشاره شده، شامل شدن همزمان چندین محصول در مدل های کنترل بوده که بسیار به واقعیت نزدیک تر است.(Frank, 2009), (Li, Cheng, Wang, 2007), (Maity, 2007), (Maity, 2009). به دلیل دشواری در نظر گرفتن چندین پارامتر در مدل های تحلیلی به صورت همزمان، مقالات بیشتر و بیشتری شناسایی موارد نامشخص را با معرفی محیط مختلط پیشنهاد کردند. برخی مقالات (Mandal, Roy, 2006), (Roy, 2007), (Taleizadeh, 2009), (Hsieh, 2002), (Maiti, 2006), روشی را ارائه کردند که تقاضا، زمان رهبری، هزینه حفظ موجودی، خدمات مشتریان، و غیره را مقادیری مختلط فرض می کنند. به دلیل پیچیدگی زیاد و سختی مسئله، محققان به طور فزاینده ای استفاده از الگوریتم های ژنتیکی را برای یافتن راه حلی بهینه برای این مسئله پیشنهاد نموده اند (Taleizadeh, 2013), (Khanlarpour, 2013), (Gupta K, 2015).با وجود آن، در اکثریت موارد روش های پیشنهادی اثر چندین عامل تصادفی را بر روی سیستم کنترل و به صورت همزمان در نظر نمی گیرند. بنابراین، به نظر منطقی است که مدل ها و روش هایی به منظور حل مسئله منطق موجود و با استفاده از روش های هوش مصنوعی ایجاد گردند. به طور خاص این موارد شامل، مدل های استدلال مختلط هستند که به وسیله استفاده از الگوریتم های ژنتیکی حمایت می شوند که به عنوان مولفه ای هم افزا مورد استفاده قرار می گیرند.
این مقاله در نشریه الزویر منتشر شده و ترجمه آن با عنوان کنترل موجودی در لجستیک در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:
Intelligent Approach to Inventory Control in Logistics under Uncertainty Conditions
