منبع تحقیق درمورد عدم قطعیت، زنجیره تأمین، محدودیت ها، مدل پیشنهادی

دانلود پایان نامه ارشد

محاسباتی در مقایسه با مدل ارائه شده توسط سویستر (1973) پیچیدگی بیشتری دارد. بنتال و نمیرووسکی (1998) مدل زیر را ارائه نموده اند:

P3: maximize c’x
(‏2- 18)
subject to

x, y ≥ 0,
در این مدل xj, yij , zij متغیرهای تصمیم هستند. تحت این مدلِ عدم قطعیت، احتمال آن که محدودیت iام برقرار نشود حداکثر برابر است با مقدار عددی معادله (2-19):

(‏2- 19)
که در آن exp، عدد نپر است و به k سطح قابلیت اطمینان162 گفته میشود. بنابراین میزان سطح قابلیت اطمینان بوسیله تغییرات ش کنترل میشود.
برتسیماس و همکاران163(2003), (2004), (2006), ، برتسیماس و همکاران164 (2004) رویکرد دیگری را ارائه میدهند که نه تنها مزیتهای خطی مدل سویستر (1973) را حفظ نموده است بلکه مدل آن ها توانایی کنترل حداکثری میزان محافظه کاری را بر روی تمامی متغیرهای عدم قطعی در تمام محدودیتهای مدل داراست. به عبارت دیگر در مدل پیشنهادی آن ها چنانچه میزان تغییرات در ضرائب محدودیت iام، از مقدار از قبل تعیین شده Γi کمتر باشد از غیرموجه شدن محدودیت فوق بطور قطع جلوگیری مینماید و این بدان معنی است که چنانچه میزان تغییرات ضرائب غیرقطعی از Γi کمتر باشد مدل آنها شدنی بودن جواب را تضمین مینماید. به علاوه آن ها یک تضمین احتمالی را برای زمانی که میزان تغییرات پارامتر غیرقطعی محدودیت iام حتی از Γi هم بیشتر میگردد، ارائه میدهند که بر اساس آن، جواب ارائه شده توسط مدل پیشنهادی با احتمال زیادی شدنی باقی میماند.
مدل پیشنهادی آن ها به فرم زیر است:
P3: maximize c’x

s.t.
(‏2- 20)

x, y, r, q ≥ 0

که در آن؛ y متغیر تصادفی است و جهت تبدیل عبارت غیرخطی قدر مطلق به یک عبارت خطی استفاده گردیده است. نکته دیگری که در مدل سازی آن ها لحاظ شده است قابلیت تعمیم آن به برنامهریزی عدد صحیح است که در برنامهریزی تولید کاربرد فراوانی دارد.
2-4-3- برنامه ریزی ریاضی فازی165
برنامه ریزی ریاضی فازی همچون برنامهریزی تصادفی، بهینه سازی مسائل را تحت شرایط عدم قطعیت مخاطب قرار میدهد. تفاوت اساسی بین برنامهریزی تصادفی و برنامهریزی فازی، روش مدل کردن عدم قطعیت است. در برنامهریزی تصادفی، عدم قطعیت بر حسب توابع احتمال گسسته و یا پیوسته بیان میشوند. در حالیکه برنامهریزی فازی پارامترهای تصادفی را به صورت اعداد فازی و محدودیت ها را بصورت مجموعههای فازی مدل مینماید. غیرموجه بودن محدودیت ها بصورت نسبی مجاز است و به عنوان تابع عضویت آن محدودیت تعریف میگردد.
برای مثال یک محدودیت خطی بصورتبر حسب متغیر x را در نظر بگیرید همچنین فرض نمائید سمت راست محدودیت فوق بتواند در بازه مقدار بگیرد. بنابراین تابع عضویت u(x) محدودیت فوق بصورت زیر تعریف میشود:

(‏2- 21)
اگرچه توابع عضویت دیگری نیز قابل تصور است اما این فرم یکی از متدوال ترین نوع توابع عضویت بکار رفته است. اولین تلاش ها در برنامهریزی فازی توسط بلمان و زاده166(1970) و بعدها توسط زیمرمن 167 (1991) صورت پذیرفته است. در این قسمت دو نوع مختلف برنامهریزی فازی به نامهای برنامهریزی منعطف168 و برنامهریزی فازی امکانی169 مرور میگردد. برنامهریزی فازی منعطف با عدم قطعیت سمت راست محدودیت ها سروکار دارد درحالیکه برنامهریزی فازی امکانی با عدم قطعیت ضرائب متغیرهای تصمیم در تابع هدف و ضرائب فنی در محدودیت ها سروکار دارد.
2-4-3-1- برنامه ریزی فازی منعطف
برنامه ریزی خطی به فرم استاندارد زیر را در نظر بگیرید

(‏2- 22)
فرض کنید ضرائب دارای عدم قطعیت باشند و تعدی از محدودیت ها در یک بازه ای، قابل قبول باشد. بنابراین طبق تاناکا و همکاران170(1974) ، زیمرمن(1991) مسئله برنامهریزی فازی منعطف بصورت زیر خواهد بود:

(‏2- 23)

2-4-3-2- برنامه ریزی فازی امکانی
چنانچه عدم قطعیت تنها در مورد ضرائب وجود داشته باشد ولی همچنان تعدی از محدودیت ها غیرقابل قبول باشد، مسئله فوق در قالب برنامهریزی فازی امکانی طبقه بندی میشود. فرم استاندارد این نوع برنامهریزی به قرار زیر است:

(‏2- 24)
2-5- بهینه سازی چند هدفه
روشهای حل مسائل برنامهریزی ریاضی چند هدفه بر اساس مرحله ای که تصمیم گیر، درگیر مسئله تصمیم گیری و بیان ارجحیتهای خود میشود، به سه دسته کلی روشهای پیشین171، روشهای پسین172 و روشهای تعاملی173 تقسیم میگردند (ماوروتاس و همکاران 174 ,2008 ماوروتاس175 ,2009 هاماچه و همکاران 1762010). در حقیقت تفاوت بنیادی این روش ها، به زمان درگیر شدن تصمیم گیر در فرآیند حل مسئله باز میگردد. در رویکردهای پیشین، تصمیم گیر قبل از فرایند حل مسئله، مطلوبیت خود را نسبت به ارجحیت اهداف اعلام مینماید. و مسئله چند هدفه به یک مسئله معادل تک هدفه تبدیل میشود و طبیعتاً یک الگوریتم بهینه سازی کلاسیک حل مسائل تک هدفه کافی است تا جواب مسئله بدست آید. مشکل اصلی این رویکرد این است که برای تصمیم گیر بسیار دشوار خواهد بود که قبل از حل مسئله ارجحیتهای خود را به صورت عددی و دقیق مشخص و بازگو نماید. از جمله این رویکردها، روش برنامهریزی آرمانی177، برنامهریزی فیزیکی178، دستیابی به هدف179، روش جمع وزنی180 و برنامهریزی توافقی181 را میتوان نام برد. هرچند در این روش ها اغلب، تلاش هایی نیز در جهت تحلیل حساسیت جواب نسبت به پارامترهای تأثیر گذار جهت پوشش فضای جوابهای هم ارز182 صورت میپذیرد. در رویکردهای پسین، ابتدا جوابهای هم ارز به صورت یک مجموعه جواب پارتوی بهینه183 به تصمیم گیر عرضه میشود و سپس تصمیم گیر با دیدن این مجموعه جواب هم ارز، ارجحیتهای خود را اعمال نموده و تصمیم نهائی را در انتخاب جواب مورد نظر میگیرد. مشکل اصلی این رویکرد، پیچیدگیهای محاسباتی و وقت گیر بودن حل مسئله و ایجاد مجموعه پارتو میباشد. از این روی این روش ها در مسائلی که مقیاس بزرگی دارند چندان مورد توجه قرار نگرفته اند. با این حال عدم درگیر شدن تصمیم گیر در فاز محاسبات مربوط به تولید جوابهای هم ارز از جمله مزایای این روش است. همچنین تصمیم گیر با علم به این موضوع که هیچ حل بالقوه کشف نشده ای وجود ندارد به جواب نهائی حاصل از ارجحیتهای خود اعتماد بیشتری خواهد داشت. روش نمونه گیری پارتو184، نمونه گیری مستقل185، انتخاب ادغامی186، انتخاب معیار187، اپسیلون- محدودیت188 و روشهای انتخاب هیبریدی189 از جمله این روش هاست. در رویکردهای تعاملی تصمیم گیر در تمام مراحل فرآیند حل مسئله درگیر میشود. در این روش تصمیم گیر به صورت تناوبی در مورد ارجحیت هایش مورد سوال واقع میشود و با هر پاسخ او، جهت جستجو هدایت میشود. انتقادی که به رویکردهای تعاملی وارد است این است که مدیر یک تصویر کلی (مجموعه پارتو) از تمام فضای جوابهای هم ارز را مشاهده نمی کند فلذا ارجح ترین جواب بدست آمده، ارجح ترین جواب است نسبت به آنچه که تا کنون ملاحظه کرده و مقایسه نموده است. به این ترتیب مقداری از فضای جوابهای هم ارز مورد غفلت واقع میشود.
در تحقیق حاضر از روشهای اپسیلون محدودیت و برنامهریزی توافقی بهره گرفته شده است که در ادامه به تشریح آن ها پرداخته خواهد شد.
2-5-1- برنامه ریزی توافقی
در برنامه‌ریزی توافقی، بهترین جواب ممکن، جوابی است که کمترین فاصله را از بهینه ایده آل دارد و جواب ایده آل جوابی است که همزمان مقدار اکسترمم (کمینه یا بیشینه) همه اهداف را بطور همزمان بدست ‌آورد. چنین جوابی در عمل وجود ندارد اما در برنامه‌ریزی توافقی به عنوان یک آرمان یا هدف که قرار است به آن برسیم تعریف می‌شود. بنابراین، جواب ایده آل مرتبط به بردار بهینه تابع اهداف با فرض کمینه سازی بصورت زیر می‌باشد:
f*(x)= [min f1(x) min f2(x) …….. min fm(x)]T
(‏2- 25)
تابع هدف برنامهریزی توافقی در واقع نُرم قدر مطلق اختلاف نسبی هر تابع منفرد از مقدار ایده آل آن تابع میباشد و بصورت زیر تعریف میگردد.
(‏2- 26)

در معادله بالا، ضریب wi وزن مرتبط به تابع هدف iام می‌باشد. این وزن ارجحیت تصمیم گیر را نسبت به توابع مختلف نشان میدهد. تابع Lp در واقع فاصله جواب را از جواب ایده آل نشان می‌دهد و مقدار p نوع فاصله را نشان می‌دهد.
2-5-2- اپسیلون-محدودیت
این روش اول بار توسط هایماس و همکاران190(1971) ارائه شد و بعدها نسخههای بهبود یافته آن توسط میه تینن191, (1998) ارگات و رایان192(2002) ، خیدوناس و همکاران 193(2010) توسعه یافته و در مقالات بکار گرفته شده اند. ایده اولیه روش اپسیلون-محدودیت این است که ابتدا یکی از اهداف چندگانه به عنوان تابع هدف اصلی مسئله بهینه سازی انتخاب میشود و بقیه توابع هدف ضمن در نظر گرفتن یک حد بالا و پائین برای آن ها (تشکیل جدول منفعت194)، به محدودیتهای مسئله منتقل میگردند. بدین ترتیب با تغییر سمت راست محدودیتهای مربوط به این توابع از حد بالای آن ها به سمت حد پائین و تکرار حل مسئله، تمامی جوابهای پارتوی ممکن برای مسئله چند هدفه تولید میگردد. فرم کلی مسئله اپسیلون-محدودیت به قرار زیر است:

(‏2- 27)

که در آن sk مقدار متغیر کمکی مربوط به محدودیت تابع هدف kام است.
در روش اپسیلون-محدودیت سنتی نقاط ضعفی وجود دارد که در نسخههای بهبود یافته این روش تا حدودی مرتفع شده اند.
2-6- نتيجه‌گيري از تحقيقات گذشته و بيان ايده‌های تحقيق
برنامه ریزی تولید در زنجیره تأمین به دلیل گستردگی زنجیره شرکتهای بزرگ چند ملیتی در سالهای اخیر مورد توجه محققین قرار گرفته است. مرور ادبیات تحقیق نشان میدهد که تعداد مقالاتی که به موضوع برنامهریزی تولید در زنجیره تأمین پرداخته اند در سالهای منتهی به 2010 میلادی فزونی یافته است اما مجموع تعداد مقالاتی که اختصاصاً به این موضوع پرداخته اند در پایگاه اطلاعاتی الزویر195 از پانزده مقاله تجاوز نمیکند که اکثر آن ها مربوط به سالهای 2008 تا 2010 میلادی میباشد. نیاز به برنامهریزی تولید بصورت متمرکز برای کل زنجیره تأمین، یک نیاز اساسی در شرکتهای بزرگ چند ملیتی محسوب میشود و گرایش تحقیقات به این سمت در سالهای اخیر مؤید این مطلب است. همچنین مرور مقالات نشان میدهد که اکثر آن ها عدم قطعیت تقاضا را به عنوان تنها پارامتر غیرقطعی در مدلسازی لحاظ نموده اند که این امر اگر چه برای برنامهریزی تولید یک شرکت منفرد، منطقی است اما وقتی برنامهریزی تولید کلی با برنامهریزی زنجیره تأمین یکپارچه میشود، عدم قطعیتهای مربوط به زنجیره نیز بایستی در مدلسازی دخیل شود. عدم قطعیتهای مربوط به زمان تدارک، زمانهای حمل و نقل، قوانین سیاسی، گمرکی، زیست محیطی، قیمت فروش، هزینه خرید، هزینه استخدام، اخراج، هزینههای سربار، هزینه کمبود و نگهداری موجودی در چنین شرایطی نه تنها متأثر از مکان جغرافیایی کارخانه یا عرضه کننده تغییر میکند بلکه با خود نوعی از عدم قطعیت را به همراه دارد. در این تحقیق سعی میشود با مدل کردن برنامهریزی تولید کلی در زنجیره تأمین و در نظر گرفتن اکثر پارامترهای غیر قطعی، یک برنامهریزی جامع و در عین حال قابل اطمینان ارائه گردد تا ریسک غیرموجه شدن برنامه را در قبال سناریوهای غیر محتمل کاهش دهد. همچنین مورد دیگری که در ادبیات موضوع برجسته است توابع هدف استفاده شده برای مدل سازی مسائل برنامهریزی تولید است، در مقالات متعددی تابع هدف مسئله کمینه کردن هزینه کل سیستم تولیدی است که دقیقاً منطبق بر هدف اصلی از برنامهریزی کلی است. اما در حالتی که برنامهریزی کلی تولید با برنامهریزی زنجیره تأمین یکپارچه میشود. اهدافی که برای زنجیره تأمین متصور است نیز بایستی در مدلسازی منظور شود. از جمله مباحثی که در برنامهریزی زنجیره تأمین جز اهداف در نظر گرفته میشود، رضایتمندی مشتریان، به عنوان یکی از موجودیتهای زنجیره است. در برنامهریزی کلی تنها عامل تقاضای مشتریان به عنوان نقطه اتصال شرکت با مشتریان در نظر گرفته میشود. اما در برنامهریزی کلی در زنجیره تأمین، سطح خدمت به مشتری اهمیت دو چندانی مییابد. همچنین مباحثی نظیر افزایش بهرهوری کارکنان از طریق دورههای آموزشی، تخفیف مقداری برای تهییج

پایان نامه
Previous Entries منبع تحقیق درمورد عدم قطعیت، محافظه کاری، حافظه کاری، مدل پیشنهادی Next Entries منبع تحقیق درمورد زنجیره تأمین، حمل و نقل، نیروی کار، تأمین کننده