دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات60
تعداد شماره‌ها2,187
تعداد مقالات17,728
تعداد مشاهده مقاله54,550,967
تعداد دریافت فایل اصل مقاله28,557,535
ابراهیمی, احمد, الفت, لعیا, امیری, مقصود, تقوی فرد, محمدتقی. (1402). طراحی زنجیره تامین چند دوره‌ای-چندسطحی جهت کالاهای فاسدشدنی با دوره عمر ثابت در شرایط عدم اطمینان. سامانه مدیریت نشریات علمی, 21(70), 129-172. doi: 10.22054/jims.2023.54215.2522
احمد ابراهیمی; لعیا الفت; مقصود امیری; محمدتقی تقوی فرد. "طراحی زنجیره تامین چند دوره‌ای-چندسطحی جهت کالاهای فاسدشدنی با دوره عمر ثابت در شرایط عدم اطمینان". سامانه مدیریت نشریات علمی, 21, 70, 1402, 129-172. doi: 10.22054/jims.2023.54215.2522
ابراهیمی, احمد, الفت, لعیا, امیری, مقصود, تقوی فرد, محمدتقی. (1402). 'طراحی زنجیره تامین چند دوره‌ای-چندسطحی جهت کالاهای فاسدشدنی با دوره عمر ثابت در شرایط عدم اطمینان', سامانه مدیریت نشریات علمی, 21(70), pp. 129-172. doi: 10.22054/jims.2023.54215.2522
ابراهیمی, احمد, الفت, لعیا, امیری, مقصود, تقوی فرد, محمدتقی. طراحی زنجیره تامین چند دوره‌ای-چندسطحی جهت کالاهای فاسدشدنی با دوره عمر ثابت در شرایط عدم اطمینان. سامانه مدیریت نشریات علمی, 1402; 21(70): 129-172. doi: 10.22054/jims.2023.54215.2522

طراحی زنجیره تامین چند دوره‌ای-چندسطحی جهت کالاهای فاسدشدنی با دوره عمر ثابت در شرایط عدم اطمینان

مطالعات مدیریت صنعتی
مقاله 4، دوره 21، شماره 70، مهر 1402، صفحه 129-172    اصل مقاله (1007.73 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2023.54215.2522
نویسندگان
احمد ابراهیمی* 1؛ لعیا الفت2؛ مقصود امیری2؛ محمدتقی تقوی فرد2
1دانشجوی دکتری مدیریت تولید و عملیات، دانشگاه علامه طباطبائی، تهران، ایران
2استاد گروه مدیریت عملیات و فناوری اطلاعات، دانشگاه علامه طباطبائی، تهران، ایران
چکیده
پژوهش حاضر طراحی زنجیره تامین چهار سطحی کالاهای فاسدشدنی شامل کارخانجات تولیدی، مراکز توزیع، عمده‌فروشان و خرده‌فروشان در شرایط عدم اطمینان در پارامترهای مهم را مدنظر قرار داده است و به منظور اتخاذ تصمیمات مهم در سطوح استراتژیک و تاکتیکال از جمله مکان، تعداد و اندازه مراکز توزیع و عمده‌فروشان، سطح موجودی در مراکز انبارش کالا، تعیین میزان جریان کالا میان تسهیلات در سطوح مختلف زنجیره تامین و همچنین انتخاب نوع وسیله حمل و نقل کالا میان تسهیلات از یک مدل ریاضی سه هدفه بهره می‌برد. اهداف شامل حداقل‌سازی هزینه کل مورد انتظار در زنجیره تامین، دستیابی به کمترین زمان سفر کالا در زنجیره و در عین حال حداقل نمودن میزان انحراف از تقاضای مشتریان می‌باشد. مدل ارائه شده تلاش می‌کند ضمن توجه به عدم اطمینان محیطی و در نظر گرفتن سناریوهای عملیاتی مختلف و همچنین رویکرد احتمالی در پارامترهای مهم، با در نظر گرفتن دوره عمر محصول، نرخ متفاوت فساد کالا در تسهیلات مختلف انبارش، ظرفیت متفاوت تسهیلات در سناریوهای مختلف و همچنین در نظر گرفتن روش‌های مختلف حمل و نقل محصول با نرخ‌های مختلف فساد کالا، نقصان تحقیقات قبلی در حوزه طراحی زنجیره تامین کالاهای فاسدشدنی را پوشش دهد. با توجه به چند هدفه بودن مدل و همچنین لزوم ایجاد انعطاف در تصمیم‌گیری برای تصمیم‌گیران، این پژوهش از تکینک محدوده میان‌بخشی نرمال (NBI) که به تصمیم‌گیرندگان امکان انتخاب مطلوب‌ترین راه‌حل با توجه به درجه اهمیت اهداف مختلف را می‌دهد استفاده نموده است. به منظور حل مدل ریاضی از نرم‌افزار GAMS 24 و حل کننده MILP استفاده شده است.
کلیدواژه‌ها
طراحی زنجیره تامین؛ کالای فاسدشدنی؛ مدل‏سازی ریاضی؛ عدم اطمینان؛ تکنیک محدوده میان‌بخشی نرمال
مراجع
  1. فیضی، کامران؛ الفت، لعیا؛ تقوی‌فرد، محمدتقی؛ مرادی باستانی، محسن (1391). مدل رابطه همکاری میان سازمانی برای بهبود عملکرد زنجیره تأمین در صنعت فرش ماشینی ایران. فصلنامه علوم مدیریت ایران، 6(22)، 1-27.
  2. غلامی، منا؛ هنرور، محبوبه (1394). ارائة مدلی ریاضی با رویکرد مدیریت موجودی توسط فروشنده برای اقلام بهبودپذیر و فسادپذیر در طول یک زنجیرة تأمین سه‌سطحی. نشریه مهندسی صنایع، 49(2)، 237-256.
  3. محمدی، علی؛ خلیفه، مجتبی؛ عباسی، عباس؛ علیمحمدلو، مسلم؛ اقتصادی‏فرد، محمود. (1396). طراحی زنجیره تأمین و یکپارچه‏سازی رویکردهای مالی و عملیاتی. چشم‏انداز مدیریت صنعتی، 26، 139-168.
  4. محمدی، علی؛ خلیفه، مجتبی؛ علیمحمدلو، مسلم؛ عباسی، عباس؛ اقتصادی‏فرد، محمود. (1397). طراحی عملیاتی و مالی سیستم زنجیره تأمین چند سطحی در سطوح تصمیم‏گیری استراتژیک و تاکتیکال. پژوهش‏های نوین در تصمیم‏گیری، 3(1)، 267-298.
 

  1. Amorim, P. Meyr, H. Almeder, C. & Almada-Lobo, B. (2011). Managing perishability in production-distribution planning: A discussion and review. Flexible Services and Manufacturing Journal, 20, 1–25.
  2. Chen, X. & Zhong, C.y. (2013). An improved genetic algorithm for location problem of logistic distribution center for perishable products. International Asia conference on industrial engineering and management innovation (IEMI2012) proceedings (pp. 949–959).
  3. Cohen, M. A. & Lee, H. L. (1988). Strategic analysis of integrated
    production-distribution systems: Models and methods. Operations
    Research    , 36, 216–228.
  4. De keizer, M. Akkerman, R. Grunow, M. Bloemhof-Ruwaard, J. Haijema, R. Van der Vorst, J. (2017). Logistics network design for perishable products with heterogeneous quality decay. European Journal of Operational Research. 262, 535-549.
  5. Diabat A. Jabbarzadeh, A. Khosrojerdi, A. (2018). A perishable product supply chain network design problem with reliability and disruption considerations, International Journal of Production Economics, 212, 121-138.
  6. Diatha, K. Karumanchi, R. & Garg, S. (2012). Mobile enabled operations management using multi-objective-based logistics planning for perishable products. Computers and Industrial Engineering, 42, 133–142.
  7. Di, W. Wang, J. Li, B. & Wang, M. (2011). A location-inventory model for perishable agricultural product distribution centers. 2011 2nd international conference on artificial intelligence, management science and electronic commerce, AIMSEC 2011 – proceedings (pp. 919–922).
  8. Drezner, Z. & Scott, C. H. (2013). Location of a distribution center for a perishable product. Mathematical Methods of Operational Research, 78(3), 301–314.
  9. Faisal, M. N. Banwet, D. K. Shankar, R. (2006). Supply chain risk mitigation: modeling the enablers. Business Process Management Journal, 12(4), 535-552.
  10. Feizi, K. Olfat, L. Taghavifard, M. Moradi Bastani, M. (2012). Collaborative inter-organizational relationship model to improve supply chain performance in Iranian machine-woven carpet industry. Iranian journal of management sciences (IAMS). 6(22), 1-27. [In Persian].
  11. Ferguson M, Ketzenberg ME. (2006). Information sharing to improve retail product freshness of perishables. Production and Operations Management, 15(1): 57–73.
  12. Firoozi, Z. Ismail, N. Ariafar, S. Tang, S. H. Ariffin, M. K. M. A. & Memariani, A. (2013). Distribution Network Design for Fixed Lifetime Perishable Products: A Model and Solution Approach, Journal of Applied Mathematics, 1-13
  13. Firoozi, Z. Ismail, N. Ariafar, S. Tang, S. H. Ariffin, M. K. M. A. & Memariani, A. (2014). Effects of integration on the cost reduction in distribution network design for perishable products. Mathematical Problems in Engineering, 1–10.
  14. Friesz, T.L. Lee, I. Lin, C.C. (2011). Competition and disruption in a dynamic urban supply chain. Transportation Research Part B. 45 (8), 1212–1231.
  15. Ghezavati, V. R. Hooshyar, S. & Tavakkoli-Moghaddam, R. (2017). A Benders' decomposition algorithm for optimizing distribution of perishable products considering postharvest biological behavior in agri-food supply chain: A case study of tomato. Central European Journal of Operations Research, 1-26.
  16. Gholami, M. & Honarvar, M. (2015). Developing a Mathematical Model for Vendor Managed Inventory Considering Deterioration and Amelioration Items in a Three-Level Supply Chain. Journal of Industrial Engineering, 49(2), 237-256. [In Persian].
  17. Govindan, K. Jafarian, A. Khodaverdi, R. & Devika, K. (2014). Two-echelon multiplevehicle location-routing problem with time windows for optimization of sustainable supply chain network of perishable food. International Journal of Production Economics, 9–28.
  18. Hammami, R. & Frein, Y. (2013). An optimisation model for the design of
    global multi-echelon supply chains under lead time constraints. International Journal of Production Research, 51, 2760–2775.
  19. Harrison, T.P. (2004). Principles for the strategic design of supply chains. In: Harrison, T.P. Lee, H.L. Neale, J.J. (Eds.), the Practice of Supply Chain Management: Where Theory and Application Converge. Springer, New York, pp. 3–12
  20. Hasani, A. Zegordi, S. H. & Nikbakhsh, E. (2012). Robust closed-loop supply chain network design for perishable goods in agile manufacturing under uncertainty. International Journal of Production Research, 50 (16), 4649–4669.
  21. Hiassat A, Diabat A. (2011). A location-inventory-routing problem with perishable products. Proceedings of the 41st International Conference on Computers and Industrial Engineering.
  22. Javier Arturo Orjuela-Castro, Lizeth Andrea Sanabria-Coronado, Andrés Mauricio Peralta-Lozano, (2014). Coupling facility location models in the supply chain of perishable fruits, Research in Transportation Business & Management, Volume 24, 73-80.
  23. Jouzdani, J. Sadjadi, S. J. & Fathian, M. (2013). Dynamic dairy facility location and supply chain planning under traffic congestion and demand uncertainty: A case study of Tehran. Applied Mathematical Modelling, 8467–8483.
  24. Kaveh, A. and M. Ghobadi (2017). "A Multistage Algorithm for Blood Banking Supply Chain Allocation Problem." International Journal of Civil Engineering 15(1): 103-112.
  25. Kozlenkova, V. Hult, T. M. Lund, D. J. Mena, J. A. Kekec, P. (2015). The role of marketing channels in supply chain management. Journal of Retailing, 91(4), 586–609.
  26. Krishnamoorthy, N. R. D. A. M. (2016). Facility location and routing decisions for a food delivery network. IEEE international conference on industrial engineering and engineering management, Bali.
  27. Melo, M. Nickel, S. & Saldanha da Gama, F. (2006). Dynamic multi-commodity capacitated facility location: A mathematical modeling framework for strategic supply chain planning. Computers & Operations Research, 181–208.
  28. Meng, Q. Huang, Y. & Cheu, R. L. (2009). Competitive facility location on decentralized supply chains. European, Journal of Operational Research, 487–499.
  29. Mohammadi, A. Abbasi, A. Alimohammadlou, M. Eghtesadifard, M. & Khalifeh, M. (2017). Optimal design of a multi-echelon supply chain in a system thinking framework: An integrated financial-operational approach. Computers & Industrial Engineering, 114, 297-315.
  30. Mohammadi, A. M. Khalifeh, Abbasi, A. Alimohammadlou, M. Eghtesadifard, M. (2018). Designing Operational and Financial Multi Echelon Supply Chain System in Strategic and Tactical Levels of Decision-Making, Journal of Modern Researches in Decision Making, 3(1), 267-298 .
  31. Mohammadi, A. M. Khalifeh, Abbasi, A. Alimohammadlou, M. Eghtesadifard, M. (2017). Supply chain design and financial and operational approaches integration. Journal of Industrial Management Perspective, 26, 139-168 .
  32. Mohammad Musavi, M. Bozorgi-Amiri, A. (2017). A multi-objective sustainable hub location scheduling problem for perishable food supply chain, Computers & Industrial Engineering, 113, 766-778.
  33. Mousazadeh, M. Torabi, S.A. & Zahiri, B. (2015). A robust possibilistic programming approach for pharmaceutical supply chain network design. Computers & Chemical Engineering, 82, 115-128.
  34. Pishvaee, M. S. & Razmi, J. (2012). Environmental supply chain network design using multi-objective fuzzy mathematical programming. Applied Mathematical Modelling, 36, 3433–3446.
  35. Ramezani, M. Kimiagari, A. M. Karimi, B. (2014). Closed-loop supply chain network design: a financial approach. Applied Mathematical Modelling, 38(15/16), 4099-4119.
  36. Rohaninejad, M. Sahraeian, R. & Tavakkoli-Moghaddam, R. (2018). Multi-echelon supply chain design considering unreliable facilities with facility hardening possibility.
  37. Shahabi, M. Unnikrishnan, A. Jafari-Shirazi, E. D. Boyles, S. (2014). A three level location-inventory problem with correlated demand, Transportation Research Part B 69, 1–18
  38. Tang, K. Yang, C. & Yang, J. (2007). A supply chain network design model
    for deteriorating items. In International Conference on Computational
    Intelligence and Security 2007 (pp. 1020–1024).
  39. Who, Global Database on Blood Safety, Summary Report 2011, World Health Organization, 2011, http://www.who.int/blood-safety/global database/GDBS Summary Report 2011.pdf.
  40. Yu, M. & Nagurney, A. (2013). Competitive food supply chain networks with application to fresh produce. European Journal of Operational Research, 224(2), 273-282.
  41. Zahiri B. S. Torabi, M. Mousazadeh, and S. Mansouri, (2015). Blood collection management: Methodology and application, Applied Mathematical Modelling, 39, 7680-7696.
  42. Zhao, X. & Lv, Q. (2011). Optimal design of agri-food chain network: An improved particle swarm optimization approach. International Conference on Management and Service Science, (8), 1–5.
آمار
تعداد مشاهده مقاله: 878
تعداد دریافت فایل اصل مقاله: 939


login