رشته: مدیریت
جهت دانلود رایگان مقاله انگلیسی اینجا را کلیک نمایید
Just-In-Time Production and Delivery in Supply Chains: a Hybrid Evolutionary Approach
چکیده:
تولید به موقع و توزیع کالا با سرعت بالا مخصوصا در مواد فاسد شدنی یکی از عوامل حساس در پشتیبانی زنجیره تامین می باشد. مشکل اساسی در این مسئله برنامه ریزی کاملا متفاوت و مسیریابی مشکلات که هر یک ترکیبی از پیچیدگی ها را دارند می باشد. از دیدگاه های عملی تر مشکل اساسی بین مقدار ریسک و بازده می باشد. با وجود این مشکلات قابل توجه معامله, ما پیشنهاد می کنیم یک روش جدید بر اساس یک الگوریتم تکاملی ترکیبی همراه با فناوری هوشمند را در راستای تولید و عرضه به کار ببندیم تا تولید و عرضه و محدودیت های آن و بررسی تاخیر در عرضه مواد آماده شده را بررسی کند. نمونه مورد مطالعه بر اساس داده های به دست آمده نشان می دهد که این روش پتانسیل خوبی برای بهبود این امر دارد.
کلید واژه ها: الگوریتم ژنتیک – مدیریت تامین زنجیره – فناوری هوشمند تحویل پیوسته
1- مقدمه:
اخیرا صنعت تولید در حال تجربه کردن یک تجربه استراتژیک می باشد که در آن تکامل فرآیند به سمت تمرکز زدایی از بسیاری از فعالیت های تولیدی، افزایش اهمیت زنجیره تولید می باشد این زنجیره تولید می تواند به عنوان شبکه های شبکه های پویایی نیمه مستقل در مراکز تولیدی برای پی گیری اهداف فردی و جمعی مورد استفاده می باشد. به عنوان مثال شرکت های مستقلی که قادر به، ارائه خدمات تکمیلی خوبی را برای تولید خود دارند ممکن است بخشی از بار مالی محصول و هزینه های تولید در راستای این هماهنگ سازی کاهش یابد کنترل و بهینه سازی مواد، اطلاعات وجریان مالی در زنجیره تامین در حال حاضر به منزله یک حوزه پژوهشی مهم قلمداد می شود. از نظر لجستیکی مدیریت تامین زنجیره شامل مجموعه ای از ترکیب پیچیده و به هم وابسته مشکلاتی از قبیل دست یابی به مواد خام، برنامه ریزی در راستای امکانات تولید و مسیر یابی صحیح حمل و نقل حتی زمانی که هریک از پارامترها به صورت مستقل در نظر گرفته می شوند باز هم هریک از مشکلات لجستیکی ذکر شده از پیچیدگی بسیار بالایی برخوردار هستند با این حال یک نیاز قوی برای پیدا کردن راه حل های رضایت بخش برای حل این مشکلات در زمان کوتاه مهم است یک مدل فرا تکنولوژی به نظر می رسد که مناسب برای بررسی این پیچیده گی در زنجیره تامین باشد که به آن الگوریتم ژنتیک ((GAS می باشد. تکنیک های استفاده شده در این روش الهام گرفته از اصول بقا در تکامل ژنتیک طبیعت است این ها به صورت گسترده برای حل مشکلات ترکیبی به کار می رود که می تواند با روش های جامع و دقیق برای حل این پیچیدگی ها به کار گرفته شود. در بررسی دقیق این الگوریتم دیده می شود که (GAS) این کار روشی کار آمد و قوی برای بهینه سازی برای فرآیند است چرا که در آن نیاز به اطلاعات اضافی در مورد تابع هدف مورد بررسی برای بهینه سازی مشکل نیست.