نویسندگان
1 دانشیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی
2 کارشناسی ارشد مدیریت صنعتی، دانشگاه شهید بهشتی
چکیده
طراحی شبکه زنجیره تأمین از اساسی‌ترین مسائل مطرح در سازمان‌هاست، به‌خصوص سازمان‌هایی که در سطح بین‌المللی فعالیت می‌کنند. بهینه‌سازی این شبکه منجر به مدیریت کارا و مؤثر عملیات کل زنجیره تأمین می‌شود. طراحی شبکه تعداد، موقعیت، ظرفیت، نوع تسهیلات شبکه، مسیرهای توزیع، حمل مواد و محصولات از تأمین‌کننده تا مشتری و برعکس را مشخص می‌کند. این پژوهش روش حل جدیدی براساس الگوریتم‌های فرا ابتکاری MOGA و NSGAII برای یافتن مجموعه‌ای از جواب‌های پارتو بهینه ارائه می‌دهد. مسئله طراحی دو هدفه شبکه لجستیک یکپارچه، مجموعه‌ای از جواب‌های جایگزین را جهت توانمند ساختن تصمیم‌گیرندگان پیشنهاد می‌کند. نظر به اینکه در این تحقیق، سطح سرویس از اهمیت بالایی برخوردار می‌باشد، از این رو مدلسازی براساس برآورده شدن تمام تقاضای مشتریان انجام شده است.
اهداف مورد نظر برای بهینه‌سازی شبکه شامل کمینه‌سازی هزینه کل و بیشینه‌سازی استفاده متوازن از ظرفیت تسهیلات شبکه است که منجر به کاهش زمان در سرویس‌دهی به مشتریان (افزایش سطح سرویس) می‌شود. به این ترتیب نه مسئله آزمایشی از کوچک تا بزرگ طراحی شد و برای مقایسه کیفیت جواب‌های پارتو به دست آمده از الگوریتم‌ها، هفت معیار مطرح در فضای چند هدفه مورد استفاده قرار گرفت. نتایج نشان می‌دهد که جواب‌های تولیدی به‌وسیله الگوریتم NSGAII از کیفیت بالاتری برخوردارند.
کلیدواژه‌ها
عنوان مقاله [English]
Using a Genetic Algorithm Approach for Designing Multi-objective Supply Chain Network
نویسندگان [English]
- Behrooz Dorri Nokorani 1
- Mostafa Zandieh 1
- Mohsen Notash 2
چکیده [English]
One of the organizations’ fundamental issues is supply chain network design. Optimization of this network can lead to effective management of the whole supply chain. Network design specifies the position, capacity, number and type of network facilities, and transportation network of materials and products from the supplier to the customer and vice versa. This research proposes new solution procedure based on Multi-objective Genetic Algorithm (MOGA) and Non-dominated Sorting Genetic algorithm-II (NSGAII) to find the set of Pareto optimal solutions that empowers the decision-makers by alternative solutions. Considering that in this study the level of service is very important, so this modeling was based on satisfying all customer demands. Objectives for network optimization are minimization of total cost and maximization of capacity utilization balance for network facilities that lead to the reduction of customers’ service time (increase service levels). Nine problems were designed from small to large. In order to compare the quality of the obtained Pareto solutions of both algorithms, seven criteria (for multi-objective problems) were used in this study. The results indicated that the solutions produced by NSGAII algorithm have higher quality.
کلیدواژه‌ها [English]
- Integrated logistics
- multi-objective optimization
- genetic algorithm
- Non-dominated Sorting Genetic Algorithm-II
)