طراحی زنجیره تامین یکپارچه در شرایط عدم قطعیت با انتخاب نوع وسیله حمل و نقل و در نظر گرفتن محدودیت ظرفیت در مراکز توزیع و مسیرهای ارتباطی

در این پژوهش به منظور شناخت و درک بهتر اهمیت نحوه طراحی شبکه زنجیره تأمین، ابتدا به بررسی جامع زنجیره تأمین و اجزای آن پرداخته شده است. سپس یک مدل ریاضی غیر خطی عدد صحیح آمیخته به منظور طراحی یک زنجیره تأمین سه سطحی، چند محصولی و چند سایته در شرایط عدم قطعیت ارائه می شود. هدف از طراحی این مدل سه سطحی عبارتست از تعیین تعداد و مکان مراکز توزیع از بین مکان های نامزد و نیز تعیین ظرفیت مناسب برای نگهداری محصولات در هر یک از این مراکز و تخصیص مراکز توزیع به مراکز تقاضا و تأمین کنندگان به مراکز توزیع به منظور برآورده کردن نیاز محصولات مشتریان، تعیین تعداد و نوع وسیله حمل و نقل موردنیاز برای حمل محصولات از تأمین کنندگان به مراکز توزیع و تعیین میزان سفارش محصولات در هر یک از مراکز توزیع، به گونه ای که هزینه کل زنجیره تأمین کمینه گردد و محدودیت ظرفیت در انبار مراکز توزیع و مسیرهای ارتباطی بین مراکز تأمین-توزیع و مراکز توزیع-تقاضا نیز رعایت شود. با توجه به اینکه مدل ریاضی ارائه شده، از لحاظ دشواری حل جزء دسته مسائل np-hard بوده و حل آن به ویژه در ابعاد بزرگ بسیار زمان بر است، لذا از دو روش حل فرا ابتکاری بر پایه الگوریتم ژنتیک و الگوریتم شبیه سازی تبرید به منظور حل مدل پیشنهادی استفاده شده و کارایی آنها مورد بررسی قرار می گیرد. برای دو دسته مسئله اول در ابعاد کوچک، نتایج بدست آمده از حل نرم افزار gams با نتایج بدست آمده از حل الگوریتمهای sa و ga مقایسه شد. متوسط زمان حل در این دسته مسائل توسط نرم افزار gams نسبتاً بالا بوده در حالیکه این مقدار برای الگوریتم های ارائه شده بسیار ناچیز می باشد. پایین بودن متوسط میزان خطا و مدت زمان اجرا در این دسته مسائل، نشان دهنده کارایی بالای الگوریتم پیشنهادی می باشد. برای مسائل در ابعاد متوسط و بزرگ و دو دسته مسئله دوم ابعاد کوچک، دو رویکرد حل sa وga مورد استفاده قرار گرفته و کارایی آنها مورد بررسی قرار می گیرد. مقایسه نتایج بدست آمده از حل مسائل مختلف نشان داد که الگوریتم ga تنها در 8 مورد، بهتر از الگوریتم sa عمل کرده و در بقیه مسائل sa جوابی بهتر یا حداقل برابر با ga بدست آورده است. همچنین مشاهده شد که متوسط زمان حل بدست آمده از الگوریتم sa کمتر از ga بوده و کیفیت جواب های بدست آمده آن بهتر می باشد. نتایج محاسباتی ارائه شده برای ارزیابی عملکرد الگوریتم های فراابتکاری، نشان دهنده کارایی بالای آنها می باشد.