بهینه سازی انبارهای متقاطع در یک زنجیره تامین سه سطحی با نرخ ورود و خدمت دهی احتمالی و حل آن با استفاده الگوریتم ژنتیک و شبیه سازی تبرید

ارسال مستقیم کالا از تولیدکنندگان به مشتریان در بسیاری از محیط های تولیدی، با مشکلاتی همراه است. بنابراین، استقرار یک سیستم بهینه انتقال مواد و محصولات بین تولیدکنندگان و مصرف کنندگان، در چارچوب مدیریت زنجیره تامین ضروری می نماید. در این مقاله، زنجیره تامین دارای سه سطح است که در سطح اول تامین کننده ها، در سطح دوم، انبارهای متقاطع و در سطح سوم، کارخانه ها قرار دارند. تعدادی تامین کننده، مواد اولیه مختلف را به چندین انبار متقاطع انتقال می دهند.هر کانال به یک انبار متقاطع برای یک محصول خاص اختصاص می یابد. نرخ ورود کالا از تامین کننده به انبارهای متقاطع، احتمالی و دارای توزیع احتمال عمومی است. از طرف دیگر، فرض شده که مدل زمان آماده سازی و ارسال کالا در انبارهای متقاطع نیز احتمالی و دارای توزیع احتمال عمومی است. زمان خدمت دهی در هر انبار به تعداد درب های موجود وابسته است؛ بنابراین می توان هریک از انبارها را به شکل یک سیستم صف GGm مدل کرد که m نشان دهنده تعداد درب است. مدل ریاضی تحقیق با در نظر گرفتن این متغیرها و روابط آن ها توسعه می یابد. با توجه به Np-hard بودن مدل پیشنهادی، دو الگوریتم فراابتکاری ، ژنتیک با مرتب سازی نامغلوب و شبیه ساز تبرید چند هدفه برای بهینه سازی مدل پیشنهاد شده است. پس از تنظیم پارامتر، نتایج بدست آمده توسط الگوریتم ها توسط آزمون های آماری مورد تحلیل قرار گرفته و کارایی الگوریتم ها سنجیده می شود. با بررسی مقادیر نهایی حاصل از جواب های الگوریتم ها، می توان با قاطعیت گفت که الگوریتم ژنتیک با مرتب سازی نامغلوب ها نسبت به الگوریتم شبیه ساز تبرید چند هدفه از عملکرد و شرایط بهتری برخوردار است.

کلیدواژه ها:

زنجیره تامین ، انبار متقاطع ، توزیع احتمالی ، الگوریتم های فراابتکاری ، روش تاگوچی