مدل کارآیی و پایداری برای طراحی و مدیریت شبکه های لجستیک دو مرحله ای

Efficiency & sustainability model to design and manage two-stage logistic networks

چکیده

۱- پیشگفتار

۲- مرور متون پژوهشی

۳- مدل دو-منظوره برای طراحی شبکه‌های لجستیک

۳-۱- توصیف، فرضیات و نمادگذاری‌های مساله

۴- کاربرد مدل

۴-۱- توصیف مطالعه موردی

۴-۲- نتایج و بحث

۵- نتیجه‌گیری‌ها و پژوهش‌های آینده

چکیده

کارایی توزیع و ذخیره‌سازی همراه با پایداری زیست محیطی، اهداف مهمی هستند که باید در هنگام طراحی و مدیریت شبکه‌های زنجیره تامین (SC) مدرن در نظر گرفته شود. تحقیقات اخیر به طور پیوسته به دنبال مدل‌ها و راهکارهای چندبعدی کمّی، از جمله مدل‌ها و راهکارهایی برای متعادل ساختن چنین مسائل واگرایی به بهترین شیوه هستند. این مقاله، مدل بهینه‌سازی دو منظوره‌ای را برای طراحی و مدیریت کارامد شبکه‌های لجستیک دو مرحله‌ای که به دنبال بهترین مبادله بین سطح موجود SC و تاثیر زیست محیطی توزیع و ساختمان هستند ارائه داده و اعمال می‌کند. وجود تعادل خوب، امکان کاهش متوسط سطح موجودی SC بدون افزایش مربوطه انتشارات ناشی از بازپرسازی‌های مکرر را تایید می‌کند.

پیشگفتار

مدیریت ناب (LM)، فلسفه‌ای صنعتی با هدف افزایش بهره‌وری و کاهش هزینه‌ها و فعالیت‌های بدون ارزش افزوده در قالب تولید بیش از حد، حمل و نقل، موجودی و نقص‌ها است. هدف اصلی LM، حذف زباله است. مدیریت سبز (GM)، تفکر زیست محیطی، شامل طراحی محصول پایدار، تهیه و انتخاب مواد کم کربن، فرایندهای تولید سبز، مدیریت پایان عمر، و لجستیک (تدارکات) معکوس محصولات در پایان طول عمر آن‌ها را در مدیریت زنجیره تامین (SCM) ادغام می‌کند [۱]. LM و GM دارای هدف مشترک حذف زباله هستند اگرچه تمرکز آن‌ها روی انواع مختلف زباله باشد. تعدادی زیادی از محققان به بررسی مزایای پیاده‌سازی جداگانه این دو روند می‌پردازند. تحقیقات اندکی وجود دارند که به بررسی ادغام بین LM و GM در زمینه SCM، به ویژه از چشم‌اندازی کمّی، یعنی مدلبندی، می‌پردازند. ترکیب LM و GM می‌تواند منجر به نتایجی بسیار بالاتر از مجموع عملکردهای به دست آمده از اعمال جداگانه آن‌ها شود.

نتیجه‌گیری‌ها و پژوهش‌های آینده

امروزه مدیریت ناب (LM) و مدیریت سبز (GM)، نقش مهمی در زنجیره‌های تامین (SC) مدرن دارند که این امر، نیاز به رویکردی یکپارچه در طراحی و مدیریت SC را نشان می‌دهد. پیاده‌سازی همزمان LM و GM، چالش جدیدی است که توسط تعداد کمی از محققان و متخصصان، به ویژه از چشم‌اندازی کمّی، مورد بررسی قرار گرفته است. این مقاله، مدل دو منظوره‌ای را ارائه می‌دهد که به طور همزمان، LM را در زمینه کارایی ذخیره‌سازی از طریق SC، و GM را در زمینه انتشارات زیست محیطی توزیع و ساختمانی، بهینه‌سازی می‌کند.

Abstract

The distribution and storage efficiency together with the environmental sustainability are mandatory targets to consider when designing and managing modern supply chain (SC) networks. The current literature continuously looks for quantitative multiperspective strategies and models, including and best balancing such issues that often diverge. This paper presents and applies a bi-objective optimization model to best design and manage two-stage logistic networks looking for the best trade-off between the SC stock level and the building and distribution environmental impact. The existence of good balance confirms the possibility to reduce the average SC stock level without a relevant increase of the emissions due to frequent replenishments.

Introduction

Lean Management (LM) is an industrial philosophy aiming to increase productivity and to reduce costs and novalue added activities in the form of overproduction, transporting, inventory and defects. The main goal of LM is waste elimination. Green Management (GM) integrates the environmental thinking in Supply Chain Management (SCM), including sustainable product design, low-carbon material sourcing and selection, green manufacturing processes, end-of-life management and reverse logistics of the products at the end of their lifespan [1]. LM and GM share the common goal of waste elimination even if their focus is on different types of waste. A large number of researchers investigates the benefits of implementing such two practices separately. Few contributions exist in the literature examining the integration between LM and GM in the field of SCM, especially from a quantitative, i.e. modelling, point of view. The combination of LM and GM can lead to great results, higher than the sum of the performance from their separate application.

Conclusions and future research

Nowadays Lean Management (LM) and Green Management (GM) play a pivotal role in modern supply chains (SC) suggesting the need of an integrated approach in SC design and management. The joint implementation of LM and GM is a new challenge explored by few researchers and practitioners, especially from a quantitative perspective. This paper presents a bi-objective model simultaneously optimizing LM, in terms of storage efficiency through the SC, and GM, in terms of building and distribution environmental emissions.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدل کارآیی و پایداری برای طراحی و مدیریت شبکه های لجستیک دو مرحله ای

Efficiency & sustainability model to design and manage two-stage logistic networks

روش اکتشافی ایجاد ستون برای مسئله تعیین اندازه دسته های تولید انباشته در دوره های تقاضای تصادفی تحت محدویت نرخ پُرکردن موجودی کالا

A column generation heuristic for dynamic capacitated lot sizing with random demand under a fill rate constraint

چکیده

1- مقدمه

2- ادبیات تحقیق

3- فرمول‌بندی مسئله

4- رویکرد حل مسئله

4-1 روش کلی

4-2 راه حل یک زیرمسئله

5- نتایج عددی

6- نتیجه‌گیری

چکیده

این مقاله به بررسی مسئله تعیین اندازه دسته‌های تولید انباشته چندمحصولی پویا تحت دوره‌های تقاضای تصادفی می‌پردازد. وقتی مشتریان کالاهایی را که فعلا موجود نیستند تقاضا می‌کنند، کالاهای مورد نیاز آن‌ها با تاخیر مجددا سفارش داده می‌شود و عملا یک محدویت در نرخ برآورده کردن تقاضای آنان ایجاد می‌شود. اینگونه فرض می‌شود که طبق راهبرد عدم‌اطمینان-ثابت بوکب‌بایندر و تَن، صرف نظر از تحقق تقاضاهای مشتریان، همه تصمیمات مربوط به زمان و مقدار تولید در افق برنامه‌ریزی از پیش تعیین شده‌اند. در این مقاله تلاش شده است تا با استفاده از مدل اِفراز مجموعه‌ها و روش حل اکتشافی که ایجاد ستون و روش اکتشافی جدید ABC_β را ترکیب می‌کند، راه‌حل این مسئله به طور تخمینی ارائه شود.

مقدمه

در این مقاله، ما نسخه‌ی تصادفی مسئله تعیین اندازه دسته‌های تولید انباشته چندمحصولی پویا (CLSP) را برای حل در نظر گرفته‌ایم. مسئله آن است که به‌منظور برآورده کردن تقاضای مشتری درمورد چندین محصول در یک افق زمانی گسسته‌ی محدود، مقدار تولید باید به نحوی تعیین شود که مجموع هزینه‌های تولید و انبارداری حداقل گردد و همزمان محدودیت‌های ظرفیت منابع نیز در نظر گرفته شود. برخلاف مسئله تعیین اندازه دسته‌های تولید انباشته قطعی، ما فرض کرده‌ایم که تقاضا برای محصول k و دوره‌ی t، که آن را با D_kt نشان می‌دهیم، یک متغیر تصادفی (k=1,2,…,K;t=1,2,…,T) است. ما فرض گرفته‌ایم که تقاضاهای هر دوره بی‌ثبات هستند (تا تاثیرات پویا نظیر نوسانات فصلی، تبلیغات محصولات، یا ترکیبات کلی سفارشات مشتریان با توجه به نوسانات تقاضاها در نظر گرفته شوند)، و در واقع در شرایطی محیطی مبتنی بر برنامه‌ریزی برای مواد مورد نیاز همینگونه نیز هست. تقاضا برای کالاهایی که نمی‌توان بلافاصله آن‌ها را با استفاده از موجودی انبار در اختیار مشتریان قرار داد، باید با تاخیر مجددا سفارش داده شوند. از آنجائیکه محاسبات کمّی هزینه‌های مربوط به این کمبود در موجودی کالا که شامل ارزیابی عوامل نامشهود نظیر از دست رفتن خرسندی مشتری می‌شود، اگر غیر ممکن نباشد بسیار دشوار است، فرض می‌کنیم که مدیریت یک سطح هدف را برای خدمات تعیین نموده است. مشخصا، فرض می‌کنیم که معیار نرخ برآورده کردن تقاضا (در سطح خدمت β) معتبر است، زیرا استفاده از این معیار در روش‌های واحدهای صنعتی بسیار رایج است.

نتیجه‌ گیری

در این مقاله ما مدلی را برای برآورد کردن مسئله تعیین اندازه دسته‌های تولید تک‌سطحی با تقاضای تصادفی پویا تحت محدودیت نرخ پُرکردن موجودی کالا ارائه نموده‌ایم. پیشنهاد ما، ترکیب روش تولید ستون برای حل مدل آزادسازی برنامه‌ریزی خطی با استفاده از روش اکتشافی ABC_β پیشنهادی تمپلمایر و هرپرز [6] بوده است. کیفیت راه‌حل‌ها فقط با نتایج بدست آمده از روش اکتشافی ABC_β پیشنهادی تمپلمایر و هرپرز [6] مقایسه شده‌اند. مشخص شد که روش اکتشافی پیشنهادی ما سرعت بالایی دارد و راه‌حل‌هایی را ارائه می‌دهد که به طور میانگین بهتر از روش اکتشافی ABC_β پیشنهادی تمپلمایر و هرپرز [6] هستند.

Abstract

This paper deals with the dynamic multi-item capacitated lot-sizing problem under random period demands (SCLSP). Unfilled demands are backordered and a fill rate constraint is in effect. It is assumed that, according to the static-uncertainty strategy of Bookbinder and Tan [1], all decisions concerning the time and the production quantities are made in advance for the entire planning horizon regardless of the realization of the demands. The problem is approximated with the set partitioning model and a heuristic solution procedure that combines column generation and the recently developed ABCb heuristic is proposed.

Introduction

We consider the stochastic version of the dynamic multi-item capacitated lot-sizing problem (CLSP). The problem is to determine production quantities to satisfy demands for multiple products over a finite discrete time horizon such that the sum of setup and holding costs is minimized, whereby a capacity constraint of a resource must be taken into consideration. In contrast to the deterministic CLSP, we assume that for every product k and period t the demand is a random variable Dkt (k¼1,2,y,K; t¼1,2,y,T). The period demands are non-stationary (to permit dynamic effects such as seasonal variations, promotions, or general mixtures of known customer orders with random portions of period demands), which usually is the case in a material requirements planning (MRP) based environment. Demand that cannot be filled immediately from stock on hand is backordered. As the precise quantification of shortage penalty costs which involve intangible factors such as loss of customer goodwill is very difficult, if not impossible, we assume that management has specified a target service level. In particular, we assume that the fill rate criterion (b service level) is in effect, as this criterion is very popular in industrial practice (see Tempelmeier [2]).

Conclusion

In this paper we introduced an approximate model for the single level capacitated lot-sizing problem with dynamic stochastic demand under a fill rate constraint. We proposed to combine a column generation procedure to solve the LP-relaxation of the model with the ABCb heuristic of Tempelmeier and Herpers [6] to solve the remaining problem. The quality of the solutions is compared to the results found with the application of the ABCb heuristic of Tempelmeier and Herpers [6] alone. It was found that the proposed heuristic is fast and that it provides solutions that are on the average superior to the ABCb heuristic.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

روش اکتشافی ایجاد ستون برای مسئله تعیین اندازه دسته های تولید انباشته در دوره های تقاضای تصادفی تحت محدویت نرخ پُرکردن موجودی کالا

A column generation heuristic for dynamic capacitated lot sizing with random demand under a fill rate constraint